1
產業
越來越多的工作需要我們能在很短的時間內掌握一門新的學科。學習陌生產業的新知識，不可能也沒有必要像專業人士那樣學習，最常用的方法，以前叫 “ 觸類旁通 ” ，現在叫 “ 知識遷移 ” ，即把陌生領域的知識跟你之前所熟悉產業的知識框架進行比較，找到相同的因素，比如成份、知識結構、或者同樣的分析過程，以幫助學習。
如何快速學習陌生產業的知識
從去年開始，我成為了一名職業投資者，它跟業餘投資有一個很大的不同。業餘投資的資金量少，我只需要投資我過去很熟悉的幾個產業就夠了，最多再加上幾個比較容易理解的商品產業的上市公司。但職業投資者因為操作資金量大，收益要求更高，且要求回撤少收益穩定，必須理解更多的產業。
比如你要投資蘋果（Apple, AAPL-US）產業鏈的公司，除了通用的投資知識之外，你還要知道手機產業鏈的分工，關鍵零件的技術現狀，如果你投資的是醫藥股，那基本上時時刻刻準備 Google 一下。投資這個職業對於新知識的學習能力要求很高，它的要求並不是科普型的 “ 懂 ” ，而是判斷價值。
例如PD- 1 ，作為科普，你只需要理解它的藥理機制就行了。但作為投資，你還要能判斷技術未來的發展方向，這個賽道上哪些公司更具備優勢，還要能定量的研究，這些新藥將為這些公司帶來多大的價值。而且，這些新知識，你必須在非常短的時間內掌握，因為馬上又有新的機會了。
短時間掌握新學科有竅門
事實上，不光是投資領域，越來越多的職業需要你能在很短的時間內掌握一門新的學科，比如我之前在銀行做信貸，經常到企業實地市調研究，如果不懂這些產業，很容易被騙；後來做行銷諮詢，和電商營運，也要能在最短的時間內快速理解客戶的產品和所在的產業。
學習陌生產業的新知識，不可能也沒有必要像專業人士那樣學習，最常用的方法，以前叫 “ 觸類旁通 ” ，現在叫 “ 知識遷移 ” ，即把陌生領域的知識跟你之前所熟悉產業的知識框架進行比較，找到相同的因素，比如成份、知識結構、或者同樣的分析過程，以幫助學習。更重要的是，知識遷移也是創新性很強的工作的重要方法。
知識的廣度與深度，哪一個更重要？
狹義的知識遷移幾乎是學習的唯一的方法，比如我們學習英語語法時，總是先看一看語法現象（單數變複數），從這個現象中總結語法規則（複數規則），最後經過練習就把任意新的單數名詞變成複數。可以說，學習的本質就是知識遷移，只是大部分知識遷移都是發生在同一個專業內。隨著知識儲備量的成長，更多的知識遷移發生在專業與專業之間，就是本文所說的廣義的、跨產業的知識遷移。
比如獲 2002 年諾貝爾經濟學獎的是一位心理學家丹尼爾・卡尼曼，他把心理學的研究 “ 遷移 ” 到了經濟學領域，並創造了一個新的經濟學分支——行為經濟學。我以前認識一位編劇朋友，後來他成為職業生涯規劃的網路大V（大量粉絲關注的意見領袖），他最擅長的是做面試輔導，而這兩個看似不相干的職業有一項共同的能力——講故事。
具備跨產業知識遷移能力的人，其知識面必然橫跨不同領域，而這就面對著一個矛盾，在有限的生命裡，人的知識應該更廣博還是應該更專精？在網路時代之前，這個問題的答案更傾向於後者。知識在書本上，只有少數產業內的人士才能掌握，大部分人終其一生才能把本專業的知識從書本上搬到大腦裡。所以，以前的工作很少要求跨專業的知識遷移能力。
但到了網路時代，知識觸手可 “ 搜 ” ，你並不需要把這些知識都裝到大腦裡。專業學習的作用變成了建立知識架構，讓你知道在這個系統中，某個知識所在的位置，以及知識與知識的聯繫，一旦用到，你便可輕易地搜尋並理解相關專業知識。這就讓普通人有更多的時間涉獵多個領域，從而有可能進行 “ 跨專業的知識遷移 ” 。
而且，現代職業大多需要復合多個專業，也更需要知識遷移的能力。比如行銷傳播，可以說是商業與心理學的結合，如果只是從行銷專業內理解行銷，你很容易達到知識瓶頸，想要打破天花板，你必須跳出來，跳到上一級學科，從商業或心理學中進行 “ 知識遷移 ” 。
知識遷移的元素
只不過，很多人還停留在功利式學習，每學習一件新事物，都要經受靈魂拷問：學了這個有什麼用？從知識遷移的角度來看，這個問題的答案很明顯：到了有用的時候，自然有用，在它有用之前，你永遠不會知道學它有什麼用。更何況，就算最後還是沒用，無非就是浪費一點時間——如果你真心喜歡，那也談不上浪費時間。
當然，跨領域的知識只是 “ 知識遷移 ” 的前提， “ 知識遷移 ” 很少自發產生，就像麵粉不會自動變成麵包。如果把 “ 知識遷移 ” 類比於通訊中 “ 編碼 ” 與 “ 解碼 ” ，你還需要另外兩項能力。
舊知識的 “ 編碼 ”
大部分人在本職工作之外，都有一兩個愛好，可工作的知識和愛好的知識之間，幾乎很少發生交集。如果沒有合理的方法，知識遷移只是一種非常偶然的現象。這一點跟產業內的知識遷移不同，你是一名銷售，掌握了幾個典型類別的客戶特徵後，只要有基本的思考能力，自然能將 “ 有效客戶 ” 的特徵遷移到大部分客戶身上。想要提高跨產業的知識遷移能力，我們還需要培養從現象中抽像出事物發展本質的能力。
以 “ 愛迪生效應 ” 為例。愛迪生團隊在提高燈絲壽命的實驗中，試著在碳絲附近安裝了一小截銅絲，希望能阻止碳絲蒸發。雖然實驗失敗了，但工程師卻匯報了一件古怪的事，沒有連接在電路裡的銅絲，卻產生了微弱的電流。愛迪生立刻敏銳地意識到它的價值——或者我們可以用這個現象發明出一個新的電流表。
但很快，愛迪生將其註冊專利後便束之高閣。因為他覺得人們並不需要新的電流表。直到十幾年後，英國物理學家弗萊明在發明訊號傳遞放大裝置時，想到了 “ 愛迪生效應 ” ，發明了世界上第一支電子二極管，開創了一門新的工業體系——電子工業。“ 發明之父 ” 愛迪生居然與這項偉大的發明失之交臂，他不懂物理理論，也就無法從 “ 愛迪生效應 ” 這個現象中提煉出本質。
所以知識遷移的第二個條件是對知識內在邏輯的認知。不光要知道這條知識，更要理解這個知識為什麼會出現？在什麼前提下成立？它有什麼內在規律？有什麼外延？當然 “ 知識遷移 ” 的 “ 編碼 ” 是順著知識下來的，相對比較容易，更困難的是 “ 解碼 ” ，因為你根本不知道密碼是什麼？
提出問題的能力
跨產業的知識遷移並不是一種高效率的學習方法，因為你不知道眼前的任務應該 “ 遷移 ” 什麼知識，如果一個一個的尋找，那太花時間了。那位改行做面試顧問的朋友，如果他改行做了廚師，這個編故事的能力就用不上了，如果他在做面試顧問之前，涉獵非常廣泛，那麼他也可能根本想不到要 “ 遷移 ” 他只是略知一二的編劇理論。
大量的知識，在沒有找到一個好問題之前都是 “ 無用的知識 ” ，換言之，你只有對眼前的任務提出一個好問題，對應的 “ 無用的知識 ” 才能變成有用的答案。“ 知識遷移 ” 常常是一個先有答案，後有問題的學習過程，可提出好問題的能力，常常比找到好答案更難。
伊隆・馬斯克不是第一個研究電動車的人，很多人也比他有更多的造汽車的經驗，但馬斯克是一個擅長提出好問題的人，所以他先找到了好答案。電動車和傳統汽車最大的區別是笨重的電池，所以每一個研究電動車的人都在解決電池重量和續航的問題。但這不是一個好問題，因為它直接把電動車的問題甩給了電池工業，然後汽車巨頭們就可以在一旁等答案。
馬斯克不喜歡等，他在思考另一個問題：除了汽車內燃機變成了電池和電動機之外，電動車還有什麼不同嗎？之所以說，這就是一個好問題，並不是這個問題本身的價值高，而是因為它有一個好答案，這個答案出現了 “ 知識遷移 ” 。汽車內燃機變成了電池和電動機，電線取代了以前的齒輪傳動軸這些機械零件，這麼一來，傳統汽車的原子傳動就變成了電路板與電線裡的電子傳動，汽車工業的核心環節就被改造成了電子工業。
如果上面的描述還是太學科化的話，更直白的表達方式是：電動車不是在電動汽車上裝一台電子顯示屏，而是為手機裝上輪子，是一台假裝成汽車的電腦。如果你想像不出 “ 假裝成汽車的電腦 ” 跟傳統的汽車有什麼不同，那麼更直白的場景是：傳統汽車的維修需要你把車開到維修站，未來，電動汽車的大部分故障都可以用軟體升級的方式去解決，或者——試著重啟一下？
現代社會，幾乎所有的創新，其原點都是透過 “ 知識遷移 ” 的方式得到的。特斯拉（Tesla, TSLA-US）並沒有很好的解決續航的問題，但它解決了另一個更重要的問題——它重新定義了汽車。
重新定義知識
總結一下前面說的 “ 知識遷移 ” 的三個過程：
- 儲備：豐富的跨領域知識；
- 編碼：習慣於總結事件的本質；
- 解碼：從多個角度對目前任務提出各種可能的問題。
“ 知識遷移 ” 並不是一個 100% 會成功的方法，可一旦成功，它創造的價值遠遠超越常規的工作和學習方法。所以我們對知識的理解也會跟過去相當不同：
- 出於興趣而學習的 “ 無用的知識 ” ，將發揮越來越重要的作用。
- 學習不是為了掌握知識，而是形成思考方法和建立知識結構。
- 學知識不要怕忘，重要的是記得自己曾經學過，並知道如何喚醒記憶。
- 養成學習陌生學科知識的習慣，提高快速學習陌生知識的能力。
- 在搜尋時代， “ 不知道 ” 並不可怕，不知道自己 “ 不知道什麼 ” ，才可怕。而那些只知道一兩個專業的知識的人，更容易成為後者。
《虎嗅網》授權轉載
【延伸閱讀】
122499
