一、關于低效的努力
先來看一個最近比較火的例子。
一位叫做“雷?！钡耐赓u小哥，憑借超強的實力贏得了《中國詩詞大會》第三季總冠軍，媒體上全是夸贊，一個外賣小哥因為愛詩歌，多年來默默讀寫、背誦了八百多首詩詞，這種精神當然讓大家驚呆了、認為了不起。
但我從反面思考了一下，這其實一件有點悲哀的事情，熟讀八百多首詩詞的人最終也不過是在送外賣罷了，我相信他在這十幾年中花費了很多時間去記憶和背誦，做了很多“努力”，對大多數(shù)人來說，這份努力就已經足夠讓人欽佩不已。
但是，大家有沒有想過，如果他的這種努力花費在考一個好的大學或者學習一門外語身上呢？如果他的這種努力花費在公眾號詩詞寫作鑒賞上呢？我相信境遇其實是大不一樣的。
當然，也總會有所謂“職業(yè)平權”的人站出來說，外賣員怎么了，外賣員可能掙得比你多呢之類的，我只能說：我當然是很尊重每一種職業(yè)的，畢竟我也很愛吃外賣。
接著說另一個例子。
我本身是從事財務工作的，所以我發(fā)現(xiàn)無論是長期從事會計工作還是審計工作的人，都很容易落下“過于追求精確數(shù)字”的毛病，這根源可能是該死的“復式記賬法”導致的，因為它總是要求借貸方嚴格相等。
長久以來，這種方法對經濟社會的發(fā)展是很有利的，因為可以精確衡量和統(tǒng)計國家、企業(yè)的運行情況，但人的大腦其實是天生不適合從事“精確型”工作的，這導致整個經濟社會需要大量的財務、審計工作人員，而這些工作中大量的時間（從二八原則去推測，我認為有80%的時間）都消耗在“記錄憑證、查找問題、校對數(shù)據(jù)”等很難創(chuàng)造價值的工作上面。財務工作者真正創(chuàng)造價值的部分應該是通過數(shù)據(jù)準確理解問題（數(shù)據(jù)分析），從而幫助企業(yè)或國家做出更好的管理決策。
然而隨著計算機、人工智能技術的不斷發(fā)展，我們必須重新審視人與及機器的分工問題，毫無疑問，機器擅長重復精確運行、準確永久記錄數(shù)據(jù)，而人類擅長...嗯...復雜的跨界思考和創(chuàng)新。不止是財務工作，包括新聞編輯、法律事務、行政公務等，只要跟“精確、重復、記錄”等相關的工作都極有可能在不久的未來被機器替代。
所以，我們每個人都應清醒地認識到“追求精確計算或文字校對或追求記憶更多同類的知識”這些是機器更擅長的工作，鍛煉這些能力就是低效的努力；而“簡化問題、發(fā)散思維、快速大致理解核心問題、產品創(chuàng)新”等工作才是我們應該努力的方向。
二、腦科學是怎么解釋的
值得一提的是，記憶力強常常是我們傳統(tǒng)文化中對聰明人的一種贊許，比如“博聞強識”、“過目不忘”等，因為我們古代科舉考試內容單一，“記憶力”往往決定了考試成績。但現(xiàn)代社會不一樣了，學科多、知識多，學習單一的內容很難讓你全面理解社會現(xiàn)實，記憶太多內容既不現(xiàn)實、用處也不大。
我們在腦科學理論的指導下，可以發(fā)現(xiàn)記憶力強不代表人就聰明，記憶力與邏輯分析能力、反應能力、創(chuàng)新能力之間也并非強關聯(lián)。事實上，由于人的大腦容量有限，人的大腦總是傾向于記憶更有價值的信息，尤其是“敘事自我”加工過的信息。
人大腦里至少有兩種自我：體驗自我（experiencing self）及敘事自我(narrating self)。體驗自我是我們每時每刻的意識，體驗自我并沒有記憶能力，它不會說故事，而且當我們要做重大決定的時候，也不會去問它有何想法。而負責喚起記憶、講故事、做重大決定的叫做：敘事自我。敘事自我就像記者、詩人或政治人物，不會敘述所有細節(jié)，通常只會用事件的高潮和最后結果來編織故事。
這最早是2002年諾貝爾經濟學獎得主丹尼爾·卡尼曼做過一項冰水實驗發(fā)現(xiàn)的，感興趣的可以自行搜索。
主管人的大腦記憶力的叫白質，邏輯推理能力屬于灰質的功能。大腦溝回是有大腦灰質形成的,大腦灰質是人的掌管高級條件反射和邏輯思維的神經中樞，大腦白質是掌管非條件反射的中樞神經，因此大腦灰質越多、面積越大人的思維就越活躍。
所以，“準確記憶”本身就不是人腦所擅長的，人腦擅長的是自我加工的記憶，這種記憶重要的是關注事物的關聯(lián)、本質和核心，而非準確的數(shù)字、詞語。另一方面，腦科學也發(fā)現(xiàn)灰質越多，大腦越活躍，而提升大腦灰質的主要方式是有氧運動、正念冥想、閱讀思考等活動，“死記硬背”當然也有用但恐怕提升比較有限。
三、線性增長與復利增長
其實，我還有一種更直觀的方式解釋所謂低效的努力，低效的努力就是線性增長的思維模式，而高效的努力就是復利增長的思維模式。
回到開始的例子，外賣員努力背誦詩詞本身可能是興趣導致的，但這毫無疑問也是一種多年“死記硬背”帶來的成果，背誦詩詞跟送外賣本質上的思維模式是一樣的，那就是簡單線性增長的模式，送一份外賣得到一點收入、背一首詩詞得到一點激勵，這些方式不管你怎么努力收入與知識都只能得到線性的增長。
在數(shù)學上可以表示為:y=kx+b，也就是一條直線，x可以表示你的時間投入，y表示你的收獲，是簡單的正比例關系。
而什么是復利增長的模式呢？
其實就是追求底層邏輯的、本質的、跨學科的思考以及刻意練習，也就是說你的邏輯訓練、跨學科思考這些能力，你積累的越多，你學習其他的知識是越輕松的，這樣隨著你時間投入越多，你的收入或能力是可以達到指數(shù)級增長的。比如一些頂尖科學家、技術專家、作家、運動員、娛樂明星或創(chuàng)業(yè)者等，在他們的領域里第一梯次的人收入或能力可能是第二梯次的幾十上百倍。
在數(shù)學上可以表示為：y=a^x+b，x表示你時間的投入。
當然，在現(xiàn)實生活中，復利增長模式通常是一種螺旋向上的方式，你可能在一個瓶頸區(qū)停滯很久，但總體而言，只要你愿意持續(xù)努力，最終努力的成果是非常顯著的。并且，通常復利增長的努力方式對應的就是收入的復利增長。
關于復利增長的思維模式，我很喜歡查理·芒格強調的方法，因為這是適合人類大腦、可以不斷升級思考能力的正確方向：
1.先解決那些答案顯而易見的問題；
2.利用數(shù)學運算能力；
3.逆向思考；
4.應用基本的跨學科智慧，永遠不要完全依賴他人；
5.注意多種因素的共同作用—也就是lollapalooza效應。
在投資領域巴菲特和查理·芒格不僅沒有輸給其他人，也從來沒有輸給人工智能和機器，因為他們一直專注的是機器無法取代的“邏輯的、本質的、跨學科的、多因素的”復雜思考，這是有效努力的方向。
四、新的趨勢或者已經到來
更可怕的是，從長期來看，由于人工智能、無人機、區(qū)塊鏈等技術的崛起，這些線性增長模型的工作方式可能要被人工智能迅速替代，也就是前面提到的大部分會計師、審計師、律師、編輯、文秘、外賣、基層碼農等等。
根據(jù)linkedin《全球AI領域人才報告》，中國人工智能人才數(shù)量目前只有5萬，崗位溢價相對嚴重，年薪高達50萬的AI人才缺口超五百萬。但是一般行業(yè)想要轉型卻比較難，因為人工智能對跨學科要求比較高，既要懂數(shù)學、編程，也要懂心理學、工程學，這其實就是所謂的“復雜的跨界思考能力”。
而財會行業(yè)呢，我記得自己當年剛進入央財?shù)臅r候，新聞是這樣說的“百萬年薪注會人才缺口30萬”，而近兩年已經很少看到這樣的報道了，一是真正達到百萬年薪的往往是因為管理能力而非注會證書決定的，二是人才缺口可能已經基本不存在了。查了一下，2017年注會持證人數(shù)基本達到24萬人，而2017年報名人數(shù)暴增至116萬人，競爭十分激烈，也就是說注會人數(shù)過幾年就將趨于飽和，毫無疑問這已經是一片紅海，再加上財務信息化的迅速發(fā)展帶來的壓力，證書性價比已經大不如前。據(jù)悉，注會持證者這幾年最值錢的工作大概就是去做“考試培訓”，因為報名人數(shù)年年增多而實際工作需求已經趨近飽和了，這不就是一種泡沫麼。
或者，走過路過，區(qū)塊鏈了解一下？
