职业的天花板来自认识的局限性

计算机思维

计算机思维是全方位的，不太可能用一两句来概括。简单地讲，需要处理好这样七对关系：

1. 大和小

   生活在今天的人依然对于大数的认知是无感的。换一个角度这也说明了人对于“大”和“小”这两个概念的理解其实受限于具体生活的环境。你习惯了某一个环境的度量，其实很难理解在量级上大得多的世界。

2. 快和慢

   人的进化相对于计算机的发展就是很慢的，计算机的发展遵循“摩尔定律”，在智能时代，人的思维要适应这种快速变化。

3. 多维度和单一维度

   从总体上看，人脑是线性处理事务的，看问题常常是一个角度，也没有能力把很多角度综合起来。但是，计算机有这个能力，因此占到了多维度的便宜。

4. 网络和个体

   人的思维的个体行为，作决定彼此不干扰。这有好的一面，但是也难以集中很多人的智慧，产生叠加的效果。事实上，群体智慧的简单叠加甚至不如个人智慧。但是人工智能是建立在网络效应基础上的，它是通过很多彼此联系的计算机共同协作工作而产生的。

5. 自顶向下和自底向上

   自顶向下做事这一点是计算机的精髓，而人更适应自底向上。在一个组织内，自底向上的做事方式更加容易激发群体的积极性，但是容易造成资源的浪费。

6. 全局和局部

   人做事情时，限于自己的认知，通常得到的是局部最佳，失去对全局的优化的可能性。由于计算机有处理大数的能力，以及是自顶向下的做事方式，更加容易得到全局最优。

7. 成本和表现

   人很多时候喜欢强调对错，喜欢追求绝对的公平，喜欢要求最好的结果。但是，从工程的角度讲，好和坏，只是在固定成本下相对的表现。计算机里面无论是软件设计，还是硬件设计，都是平衡性能和成本的关系。

此外，掌握计算机思维，还需要理解下面两个原则：

一. 等价性原则

很多时候，一个较难的问题A和相对容易的问题B是等价的。但是人类常常容易给什么问题就解决什么问题，给了A就解决A，尽管它很难。而计算机则会试图解决等价，但是却更简单的问题。

二.模块化原则

我们在生活中，做一个桌子，或者一个椅子，会直接去做。而在计算机的世界里，永远是先制作几个非常简单，能够大量复制的乐高积木块，然后用很多这样简单的模块，搭出复杂的桌子和椅子。

计算机思维的一个方面就是对“大”和“小”的理解，或者说是对量级这个概念的认识。

我们人类生活的环境，决定了我们对于大数字其实是无感的。也就是说，我们的生活环境限制了我们的认知。例如：会做PPT的人会用图表来展示数字而不是用数字的列表；还有王健林“小目标”的一个亿。

生活在今天的人依然对于大数的认知是无感的。换一个角度这也说明了人对于“大”和“小”这两个概念的理解其实受限于具体生活的环境。你习惯了某一个环境的度量，其实很难理解在量级上大得多的世界。

今天人的思维当然比一万年前的酋长们开阔许多，但是相比计算机的思维还是显得落户了很多，因为计算机自诞生就是针对大数设计的。

由于一开始就是针对海量数字设计的，因此计算机思维和人的思维就是不同的。例如，对于围棋的变化数量是数不清的，因为这个数字太大了。简单地进行数学分析一下，棋盘上每一个点最终可以的黑子、白子或者空位三种情况，棋盘一共有361个交叉点，因此最多可以有3^361（约为2*10^172）种情况。对于这么大的数字，人类对于它是无感的。

因此，这么多变化对于人类来说就是无穷无尽的。于是乎，我们人类就不把下围棋当作一种计算问题，而是把这件事情当成一种文化，称为“棋道”。

相比计算机，人类对数字的认知也受限于我们作为生物进化的速度，这是人的思维和计算机思维的另外一个不同之处。

人类进步的速度相对于计算机的进步速度就显得非常慢了，摩尔定律让计算机每十八个月性能翻一番，这相当于大约每五年涨十倍，或者每十年进步一百倍！

很多IT从业者的思维方式并没有跟上这个时代，这是他们很难在这个行业里突破天花板的根本原因。

重点总结

很多人和企业缺失了一种信息时代的思维方式，我们把它称为“计算机思维”。这并不是说计算机有思维，而是因为这种思维方式是伴随着计算机出现的。

在后信息时代，或者是即将进入智能时代，所有人都需要升级自己的思维方式，让自己的思维方式跟上这个时代。只有这样，才能不断突破职业发展的天花板。

为什么计算机不是万能的

从计算的本质来看看计算机的极限，这些思考方式来自于图灵博士。

在20世纪30年代中期，图灵思考的三个问题：

1. 世界上是否所有数学问题都有明确的答案？

2. 如果有明确的答案，是否可以通过有限步骤的计算得到答案？

3. 对于那些有可能在有限步骤计算出来的数学问题，能否有一种假想的机械，让它不断运动，最后当机器停下来的时候，那个数学问题就解决了？

像图灵这样超越时代的人，他不是在跟在蚂蚁后面来观察一件事情发展的规律，而是在前面等着大家，找到极限所在，然后他告诉大家，就在极限里寻找具体问题的答案吧，不要浪费时间纠结没有意义的事情，也就是那些试图超越极限的事情。

今天所有的计算机，包括全世界正在设计的新的计算机，从解决问题的能力来讲，都没有超出图灵机的范畴。图灵，其实为今天的计算机和很长时间以后的未来计算机所能解决的问题划了一道不可超越的边界。

人工智能的边界

1. 世界上很多问题，其中只有一小部分是数学问题；
2. 在数学问题中，只有一小部分是有解的；
3. 在有解的问题中，只有一部分是理想状态的图灵机可以解决的；
4. 在后一类的问题中，又只有一部分是今天实际的计算机可以解决的；
5. 而人工智能可以解决的问题，又只是计算机可以解决问题的一部分。

图灵受到了另一位数学大师希尔伯特的启发。希尔伯特在1900年的巴黎国际数学家大会上，提出了23个重要的、根本性的数学问题（也被称为希尔伯特问题）。

其中第十个问题讲的是这样一件事，“随便给一个不确定的方程，能否通过有限步骤的运算，判定它是否存在整数解？”这个答案是否定的，那么就说明很多数学问题其实上帝也不知道答案是否存在。正是希尔伯特的这个提问，让图灵明白了计算机的极限所在。

第二个给予图灵巨大启示的人是他的精神导师冯·诺依曼。图灵在读了他的《量子力学的数学原理》一书后，意识到计算来自于确定性的机械的运动。

至于21世纪的电子计算机，里面电子的运动其实等价于机械运动。图灵同时猜测人的意识来自于测不准原理，这是宇宙本身的规律。图灵从此得出结论，计算的确定的，而意识可以是不定的，两者不可能划等号。

很多人胡思乱想计算机是否有意识，其实早在80年前，图灵就感到两者是两回事，这就是任何计算机的边界。

从图灵的事迹上，我们可以得到是启示是：要和比自己强的人在一起，这一点很重要，因为只有这样我们的认知才能提升。反之，如果总是和臭棋篓子下棋，只能越下越臭。

重点总结

• 图灵和常人思维的方式的差别在于：图灵是先找到极限所在，然后再极限里寻找具体问题的答案，而不是浪费时间去做那些试图超越极限的事情。
• 图灵机是一个数学模型，今天所有的计算机，包括正在设计的新的计算机，从从解决问题的能力来讲，都没有超出图灵机的范畴。
• 人工智能所能解决的问题只是世界上问题的很小一部分。现在世界上没有解决的问题太多，要想办法解决各种问题，而不是杞人忧天，担心人工智能太强大。

思维方式决定商业模式

生活在小数字世界的人，天然地缺乏处理大数字世界里的问题的思维方式，无形之中地将人们限制在天花板之下。

例如：一是超过一百双鞋子的人，都进行了分类管理，如果鞋子再多，简单的分类已经不能解决问题了，必须对鞋子建索引；二是近万册藏书，也需要对书籍建索引，这样在找一本书的时候，先要从索引中找到那本书在第几排书架，第几个架子，第几层，然后再到那一排去找书。

人生活在小数字世界里，难免保留固有的习惯，但是既然从事了计算机这个行业，就需要按照计算机这个行业的规矩来办事，不能先验地假设数值一定不多。

其次，在计算机这个世界里，几乎任何常见的问题都已经有了优化过的答案，作为从业者，首先要擅长使用专业人士给出的，验证了无数次的答案，而不是自己凭着生活经验一拍脑袋地想出一个做法。如果为了赶时间，应该采用现有的，高质量的代码，而不是自己写一个。

因此，IT从业人员遇到职业天花板的第一个原因是一开始思维方式就错了。不克服我们先天认识上的局限性，就无法领会IT这个行业的精髓，当然事业也就做不上去。这样的道理同样适应于企业，例如曾经辉煌过的雅虎公司和中国几大门户网站今天遇到的困境，就植根于此。

在互联网2.0时代之后，，每一个人都能够产生新闻，这时候，新闻多得靠栏目分类已经无法解决了，今日头条不得不靠个性化筛选新闻。新闻门户网站的每况愈下和今日头条的兴起，实际上就是两种思维方式的对决。

可以讲，对数量大小的认知决定了商业模式，也决定了企业的成败。在新时代，更重要和有益的恐怕是在思维上要提升，这样才容易成为新时代前2%的受益者。

重点总结

我们生活在小数字世界，从小数字世界总结出来的方法论无法应用到更高量级的大数世界。

对于企业，提前把自己定义在大数世界里，才能建立更有竞争力的商业模式。

作为个人，必须升级思维方式，才能适应增长迅速的大数世界，成为新时代前2%的受益者。

工程思维：直觉和极限

结合生活环境，来看看我们的直觉是如何误导我们的，以及工程中“极限”这个概念如何让我们突破认识的限制，比常人更快地看清楚问题的本质。

生活中，直觉和生活常识非常有用，但是有时缺乏知识的直觉会欺骗我们。

例如：分苹果的时候，刮掉里面直径的70%的部分是小于剩余部分的。根据体积的计算，只有刮掉苹果里面直径的80%，里外的重量才大致相当。事实上，如果一个球的直径增大一倍，体积可是大7倍，而不是想象中的两三倍。

又如：Google过去面试产品经理常见的一道面试题——面试的房间里能够装下多少个高尔夫球？

胡猜对于这道题是不行的！简单分析一下，高尔夫球大约直径4厘米，如果我们把它们整整齐齐地像立方体那样码在一起，用眼睛估摸着房间的面积和高度，用小学数学就能够解决。例如一个面积15平方，高3米的小会议室，大约可以装70万个（10,000*70）。Google考察这一题的目的是：要求产品经理在没有数据之前不要轻易给出结论。遵循一套工程思维解决问题的人，对这个问题估计出来的大致数量级不大会出错。

在上面一类问题中，更正错误的直觉并不难，但是在有些事情上要我们放弃掉我们从生活中获得的直觉，则是千难万难。

例如，在高速行进的火车上分别往前面和后面各打一束光，哪束光的速度快？按照我们的直觉，或者说低俗世界的经验，一定是往前打的光更快，因为速度是叠加的。但是，爱因斯坦的相对论告诉我们，它们是一样快的，因为光速是一个常数，产生不了叠加的效果。

极限对于工程师来讲是一个非常重要的概念。任何产品的性能都有一个物理上无法突破的极限，这个极限早就通过已有的理论直接给出。

重点总结

直觉很容易误导人，掌握工程中的“极限”概念可以让我们突破认识的限制，比常人更快地看清楚问题的本质。

所谓掌握工程思维的技巧，就是要比生活超越一个层级。这就如同你看蚂蚁的爬行轨迹时，不能跟在它的后面，而要从它的上方看。