我們每個(gè)人都是受教育者，在受教育的過(guò)程中，我們可能喜愛(ài)某種教學(xué)方式，又或者厭惡某種教學(xué)方式。因此，幾乎每個(gè)受過(guò)教育的人都對(duì)“教育”或多或少有一些自己的看法與思考。
馬文·明斯基是人工智能領(lǐng)域奠基人，被人們稱(chēng)作“人工智能之父”，在1969年獲得圖靈獎(jiǎng)。不僅如此，擁有普林斯頓大學(xué)數(shù)學(xué)博士學(xué)位的他還是一位小有名氣的音樂(lè)家和發(fā)明家。即使在教育領(lǐng)域，馬文·明斯基也投入了很大一部分精力，投身于OLPC項(xiàng)目，致力于將計(jì)算機(jī)技術(shù)交到全世界的兒童手中。
在《創(chuàng)造性思維》，副標(biāo)題“人工智能之父馬文·明斯基論教育”這本書(shū)中，馬文以6篇長(zhǎng)文講述了他對(duì)于教育的獨(dú)特見(jiàn)解。書(shū)中不乏有很多新穎的觀點(diǎn)，雖然是數(shù)學(xué)、計(jì)算機(jī)、人工智能領(lǐng)域的專(zhuān)家，馬文的6篇文章并不是使用的晦澀難懂的語(yǔ)言，反而是用講故事的方式將自己的觀點(diǎn)和盤(pán)托出。
鑒于馬文取得的成就，很多人稱(chēng)馬文為天才，但馬文更關(guān)注于探索人類(lèi)思維背后的秘密與如何對(duì)教育有所改進(jìn)，讓每個(gè)孩子從中受益。書(shū)中有一些對(duì)學(xué)校教育的批判與改進(jìn)方式，但對(duì)于普通讀者來(lái)說(shuō)，我更傾向于把書(shū)中的觀點(diǎn)運(yùn)用于自我教育和對(duì)子女的家庭教育中，這也正好符合“終生學(xué)習(xí)”和“父母是孩子最好的老師”兩個(gè)觀念。
下面，我們談?wù)撘幌隆秳?chuàng)造性思維》這本書(shū)中重要的幾個(gè)觀點(diǎn)。
解決問(wèn)題的四個(gè)“思維武器”
如何解決問(wèn)題呢？我們常用的解決問(wèn)題方式有哪些呢？書(shū)中給出了十個(gè)“思維武器”，其中我最?lèi)?ài)的是以下四個(gè)。
類(lèi)比推理
什么是類(lèi)比推理呢？通常我們對(duì)于歸納推理與演繹推理非常熟悉，這幾乎是所有學(xué)科最常用的兩種推理方式？
歸納推理是從一堆事物中歸納總結(jié)，推導(dǎo)出的一個(gè)一般性規(guī)律。簡(jiǎn)單的說(shuō)，我們可以把它想象成從點(diǎn)到線(xiàn)的推理過(guò)程。而演繹推理的基礎(chǔ)模型是三段論式推理，是從一般規(guī)律推導(dǎo)出個(gè)別現(xiàn)象的方式，我們可以把它想象成是從線(xiàn)到點(diǎn)的推理過(guò)程。
那么類(lèi)比推理呢，我們可以把它想象成簡(jiǎn)化了的歸納推理與演繹推理，是一種直接從點(diǎn)到點(diǎn)的推理方式。
類(lèi)比推理不算是一種嚴(yán)謹(jǐn)?shù)耐评矸绞?，往往接下?lái)需要更為嚴(yán)密的論證，但類(lèi)比推理為我們省去了大量時(shí)間，提供了一種捷徑?？梢哉f(shuō)，生活中我們使用最多的就是類(lèi)比推理了。
改變問(wèn)題的描述方式
有這樣一句話(huà)：提出問(wèn)題比解決問(wèn)題更為重要。好的學(xué)生善于解決問(wèn)題，而聰明的學(xué)生善于找到重要的問(wèn)題。
有時(shí)，提出好的問(wèn)題比解決問(wèn)題更為困難，當(dāng)找不到問(wèn)題的答案時(shí)，通過(guò)改變問(wèn)題的描述方式往往能夠迎刃而解。
互聯(lián)網(wǎng)世界有這么一種說(shuō)法，所有問(wèn)題的答案都在網(wǎng)上，就看你能不能通過(guò)關(guān)鍵字優(yōu)化，找到最終的答案，對(duì)此我深有體會(huì)。
讓我們看看企業(yè)家伊隆·馬斯克是怎么說(shuō)的吧：我們應(yīng)該努力擴(kuò)展人類(lèi)意識(shí)的深度和廣度，以便更透徹地理解應(yīng)提出哪些問(wèn)題。
簡(jiǎn)化問(wèn)題，從最原始的基本單元開(kāi)始推理
這個(gè)概念極為重要，數(shù)學(xué)中的公理化與物理學(xué)中的第一性原理指的就是如此。
相比于類(lèi)比推理，從最原始的基本單元開(kāi)始推理顯得更為復(fù)雜，需要花費(fèi)大量精力。但是，類(lèi)比推理往往會(huì)讓我們遠(yuǎn)離真相，而且不敢做出任何改變，畏首畏尾。
查理芒格曾經(jīng)舉過(guò)一個(gè)例子：如何在1884年用200萬(wàn)美元打造一個(gè)價(jià)值2萬(wàn)億美元的非酒精飲料的企業(yè)？
查理從兩個(gè)最基本的問(wèn)題開(kāi)始，借助數(shù)學(xué)計(jì)算、心理學(xué)中的條件反射、銷(xiāo)售物流策略等一步步梳理出打造出2萬(wàn)億美元可口可樂(lè)公司的方式，實(shí)在令人贊嘆。
逆向思維，多學(xué)習(xí)反例
數(shù)學(xué)家非常善于使用逆向思維，比如有一種證明命題的方式叫做反證法。這個(gè)道理極其簡(jiǎn)單，以至于我們常常忽略它的重要性。
心理學(xué)中有一種說(shuō)法是我們常常喜歡那些怪誕、夸張、反常的事物，反而經(jīng)常對(duì)那些稀松平常但重要的事物視而不見(jiàn)。
創(chuàng)業(yè)成功的概率是多少呢？據(jù)一份調(diào)查數(shù)據(jù)顯示，創(chuàng)業(yè)失敗的概率高達(dá)95%～99%，也就是說(shuō)成功的概率僅僅在1%～5%之間。然而，市面上教我們創(chuàng)業(yè)成功的書(shū)籍不計(jì)其數(shù)，而教我們避免創(chuàng)業(yè)失敗的書(shū)籍卻少之又少。
也許造成這種現(xiàn)象的原因更多是在商業(yè)規(guī)則下，讀者更喜歡看到成功的經(jīng)驗(yàn)，因而市場(chǎng)上充斥著大多是成功書(shū)籍。然而，這種現(xiàn)象帶來(lái)的弊端非常明顯，那就是我們常說(shuō)的幸存者偏差。我們只能看到少數(shù)成功者的成功經(jīng)驗(yàn)，卻幾乎看不到大多數(shù)失敗者的失敗原因，最終導(dǎo)致我們產(chǎn)生誤判，認(rèn)為成功極其容易。
如何避免這種現(xiàn)象呢？使用逆向思維，多積累反例顯得尤為重要。
比如所有人都在思考如何創(chuàng)業(yè)成功，你需要思考如何避免創(chuàng)業(yè)失敗，并從失敗者的經(jīng)驗(yàn)中從中學(xué)習(xí)，成為自己避免決策失誤的檢查清單。
所有人都在思考如何變得富有，你需要思考如何避免成為窮人、窮人的思維誤區(qū)有哪些，從而從窮人的經(jīng)驗(yàn)中找到自己應(yīng)少犯的錯(cuò)誤。
把大腦想象成計(jì)算機(jī)，建立反饋循環(huán)機(jī)制
Tim Urban在一篇介紹馬斯克的文章中提到過(guò)這個(gè)觀點(diǎn)，Tim Urban指出我們的大腦硬件決定了我們的智商、天賦等基因決定的東西，而大腦軟件則是我們的思考、決策流程。我們需要在行動(dòng)、反饋、學(xué)習(xí)新信息中不斷優(yōu)化我們的大腦軟件，建立更好的思考、決策循環(huán)機(jī)制。
把大腦想象成計(jì)算機(jī)是否會(huì)讓我們覺(jué)得太過(guò)于別扭，有點(diǎn)像死板的機(jī)器人那樣行動(dòng)。對(duì)此，我贊同《創(chuàng)造性思維》書(shū)中馬文·明斯基的看法，答案自然是否定的。
這種做法可以讓我們避免把“天賦”、“智力”等因素作為失敗的口頭語(yǔ)，而是試圖從正面來(lái)思考問(wèn)題——也就是我們需要修復(fù)漏洞，讓大腦更好的運(yùn)轉(zhuǎn)。
比如作者舉的這幾個(gè)例子：
從“我不擅長(zhǎng)數(shù)學(xué)，是由于自己太笨，對(duì)于數(shù)字和符號(hào)不敏感”這個(gè)原因開(kāi)始轉(zhuǎn)而思考，我的符號(hào)程序系統(tǒng)有一些漏洞，需要進(jìn)一步優(yōu)化，從而讓運(yùn)算更為順暢。
從“我不喜歡這個(gè)學(xué)科，直接逃避吧”開(kāi)始轉(zhuǎn)而思考，我對(duì)于這個(gè)學(xué)科需要給予更高的優(yōu)先級(jí)，并需要投入時(shí)間找到掌握這個(gè)學(xué)科的重要性，從而培養(yǎng)更多興趣。
結(jié)語(yǔ)
教育是一個(gè)經(jīng)久不衰的討論話(huà)題，人工智能之父馬文·明斯基的獨(dú)特視角，相信會(huì)給所有人帶來(lái)新的啟示。
