看这本书的契机是，在读《语言本能》的时候平克提到Manfreed Clyne和David Epstein在研究音乐与运动控制，这两个话题分开起来其实都很有意思，合在一起更有趣了，然后就看了David Epstein的TED演讲 Are athletes really getting faster, better, stronger? 以及本书《成长的边界》。
先说说TED演讲，因为最近刚好是冬奥会的花滑比赛角逐，我也跟了风看了备受瞩目的女单的自由滑和短节目两场比赛。三位俄萝的表现可圈可点，而决出奖牌之后的光景却又像盛大落幕之后轰然倒塌。只有坂本花织高兴的世界。
毋庸置疑，这一场冰场上鲜花与眼泪交织、口罩下微笑与悲愤共存的群像剧的结局，和国家的运动员选拔培养体制关系密不可分。俄罗斯在花滑上和我国许多运动一样，是举国体制，从很小年龄开始栽培有潜质的幼苗集中训练。又因为女子花滑这项运动的特殊性，这些运动员风光两三年之后就会黯然离场，新一批后浪汹涌而来。与此相对的，欧美的许多运动都是自己找教练自己训练的自生自灭的模式。
姑且不论这两种模式孰优孰劣，说回TED演讲上。这个演讲主要说的是，体育健将看似一次次在运动会上打破人类极限，但是实际上人类并没有真的变得“更快、更高、更强”，更多的只是技术上的进步或者运动科学的进步。
《成长的边界》中，作者介绍了自己成长经历，在大学其实是专攻理工科，投身科学研究，期间积极参与田径运动，从不被看好的冷板凳到取得成绩，毕业之后却转型当了调查记者，对体育事业有所了解。作者并不是纯粹的只靠一根笔杆子，这样的背景也让他更有说服力。
如果要我给《成长的边界》重新起名，那我或许会起《创新需要通才》，这正是作者全文不断强调的——在专业化日渐被人工智能取代的今天，专业化是否还是那么无懈可击？我们强调的“一万小时定律”“赢在起跑线”是否还有意义？
“我们已经了解，在早期尽可能多尝试各种项目——多样化最为关键。”
和深耕某一领域的专才相比，技术发明家通过在不同领域积累经验，有效提高了自己的创造力；事实上，随着职业生涯不断发展，他们主动牺牲了一些深度来换取广度。发现很多资深专家在自己的专业里变得极其狭隘，他们的经验水平其实非常糟糕，但与此同时，他们又变得非常自信——多么危险的组合。日趋严重的专业化造成的结果是“永不交集的平行沟渠”。每个人都在埋头挖自己的沟，越挖越深，但是鲜有挖沟者站上来看看旁边的沟，即使能解决自己问题的人就在旁边。经验带来的常常不是技巧，而是自信。
卡尼曼和克莱恩一致认为，经验能否带来专业知识和技能，完全取决于所在的领域。专业化的练习可以培养更好的国际象棋选手、桥牌选手和消防员，但是在预测金融或政治趋势，或者预测员工或病人表现时却帮不上忙。这些专家与波尔加姐妹这样的天才之间的共同点，比他想象的要多得多。他们不仅是简单刻板地重复。他们的成功和波尔加姐妹一样，依靠的是重复的结构和组块，这也是波尔加的技能会被电脑替代的准确原因。
我们的所谓“学习”，其实只是学习一些模块，然后提高运行的速度，小时候背九九乘法表，高中一阶二阶求导，说中国内地学生的“数学”能力强，是因为我们在应试体系中为了选拔考试不断磨练模块化能力。
游戏的格局越大，人类能贡献的潜能就越特别
在大学里取得好成绩，并不代表具备了广义上的批判思维能力。把逻辑推理技能运用到框架中，他们的成绩让人大跌眼镜。生物专业和英语专业的学生在和他们专业没有直接关联的每个方面都表现得很差。包括心理学专业在内，没有任何一个专业的学生了解社会科学方法。理科学生学会了特定领域的事实知识，却不了解如何运用科学来得出正确的结论；神经科学专业的学生在各个领域都成绩平平；商学院的学生在所有领域都表现得非常糟糕，包括经济学；而经济学专业的学生是总体上表现最好的。经济学本身就是一个范围很广的学科，并且经济学教授也能够把推理出的原理应用在经济学之外的问题上。化学专业的学生非常聪明，但是在几个题目中，他们很难将科学推理应用到非化学问题上。
没有任何迹象表明，哪个专业试图拓展自己的知识版图，大家都在发展自己领域狭隘的核心竞争力
每个人都需要跨学科思考的思维习惯
两年的核心课程是为学生们介绍探究各个学科时使用的工具——科学、数学、人文学科和社会科学。这样做的目的不仅仅是传授知识，而是要提出基本的问题，让学生熟悉那些塑造了我们所处的社会的强大思想。”但是弗林认为，即便是在芝加哥大学，他所接受的教育也没有最大程度发挥现代化潜力，即把概念化思维应用在跨学科场景。3/4的美国高校毕业生所选择的职业与他们大学所学的专业无关——这是一种趋势，数学和科学专业也包括在内，只是为了掌握单一学科的工具后变得更有竞争力
说到这里，我提一下我自己本科期间的common core courses。起初我觉得ccc非常糟糕，我在大学头两年上的ccc我根本是硬着头皮读完的，学得也很糟糕。后来的转机是在大三学了社会学入门的ccc，大四学了隐喻（在这篇文章的“语言和思维”章节有介绍），这两门课的老师都非常好，让我收获了很多内容和全新的思考方式，所以我在学习的时候很投入，对我影响很大。
如果回过头来看，大学一开始学的那两门所谓“烂”了的，第一门能源如果在大二或者大三学习我是有信心取得更好的成绩，而第二门哲学入门里，虽然柏拉图和苏格拉底的确没能让我留下深刻的印象，但是霍布斯的《利维坦》（当时为了写essay几乎通读了）和汉娜·阿伦特的“恶之平庸”也算是收获。
很多人说上大学没用，读书没用，但是从根本上大学和职业技术学校的设立的意义就不一样，真正的大学是“有用”的。
每个人都忙着做研究，但是没人有时间停下来想想他们做研究的方法
思考方式比详细的先验知识更加重要
每一次考试，在常规的化学题目中间都会穿插着这样的问题：“纽约市有多少位钢琴调音师？”学生们只能通过推理来估计，试图得到正确的数量。随后，教授向学生解释，此类问题叫“费米问题”
那些走向成功的学生只是在确定了他们想专注学习的某样乐器之后才开始增加训练量，原因无外乎两个：他们更擅长这种乐器，或者他们只是更喜欢这种乐器。这样看来，是乐器在驱使着练习，而非相反。
乐器领域的转型人才似乎更少，印象里无一不是从很小就开始练习。植松伸夫（游戏“最终幻想”系列的作曲家之一）倒是主修英语毕业，但是下村阳子（游戏“街霸”“最终幻想”“王国之心”“异度神剑”系列的作曲家之一）倒是规规矩矩的科班出身。
高中的时候我在理科重点班，我有一个同班同学当时要考编导，我印象里艺术类都需要长期的专精培训，而这位同学的社团活动和兴趣似乎很广泛。不过这条路的确让她比在数理化的里更加光彩照人。
训练的广度预示着转型的广度。也就是说，学习者学到的背景内容越多，其创造的抽象模型就越多，他们对特定具体例子的依赖就越少。这样一来，学习者可以更好地把自己的知识应用在前所未见的情形——这就是创造力的核心。
那些让学生们短期痛苦但是长远获益的教授，正是通过“建立联系”的提问方式实现了“深度学习”过程
学习是建立联系，这也是最近流行的双链笔记的理论依据。
而拥有更多经验和更深资历的老师教出的学生，虽然在微积分（一）课程里“苦苦挣扎”，但是他们在后续的课程中表现更好。“交叉练习”被证实可以提高归纳推理能力。当面对混合在一起的不同例子时，学生们可以学会抽象概括，把已经学到的知识应用于从未接触过的领域。
如果这些项目想赋予学习者学业上的优势，研究团队的建议是放弃那些“封闭”技能，转而专注于“开放”技能的教学，只有“开放”技能才能支撑后续的知识学习。教会孩子早点阅读不是长期优势；教孩子如何在上下文寻找线索并联系在一起，从而理解阅读材料，这才是长期优势。
最成功的策略从那些表面看起来完全不相干的情境中汲取了灵感，但其实它们具有深层面的相似性
在英格兰和威尔士，学生们早在高中就接触过有限的几个学科知识，在申请大学时，也只能在这有限的学科中选择自己的道路。这就像你在十六岁时就要被迫选择是否要跟你的高中恋人结婚一样。
一些警示，例如‘成功者永不放弃，放弃者永不成功’，虽然是出于好意，但是实际上是极其糟糕的建议”。列维特认为，自己最重要的一项技能就是“愿意放弃”一个项目或者一整个研究领域，从而找到自己更为适合的匹配。
“面对着那么多可能的自我，我应该选择哪个自我开始探索？我怎么样才能实现这种探索？”先去接近可能的自己。⑤比起庞大的计划，我们应该选择能够更快上手的实验。“先测试，再学习，”伊贝拉告诉我，“而不是先计划，再实践。”
想要找到自己的才能，答案就是去尝试。
不过，其他的局外人解决者之所以成功，就是因为他们没有任何经验。
我们直觉上认为，只有超专业化的专家才能推动现代创新，但是日益狭隘的专业化实际上为局外人创造了新的机会。专家们创造的专业信息越多，好奇的涉猎者能做出的贡献也就越多——他们把广泛存在但是迥然不同的信息整合在一起，这就是那些未被发现的公共知识。人类知识的“图书馆”越庞大，越容易进入，好奇的读者就越有更多机会在前沿建立联系。像创新中心这样的操作，乍一看似乎完全违背直觉，但是随着专业化的加速发展，它会变得更有成效。
著名物理学家兼数学家弗里曼·戴森（Freeman Dyson）总结了这种思维：我们既需要钻研细节的青蛙，也需要富有远见的鸟。他在2009年写道：“鸟翱翔在高高的天空，展望延伸到遥远地平线的数学远景，它们为那些能统一我们思想、把诸多不同领域的问题整合起来的概念而欣喜；青蛙生活在天空之下的泥土里，只能见到长在周围的花。它们为特定问题的细节而雀跃，一次只解决一个问题。”
面对着充满不确定性的环境和各种未知问题，广泛的经验是无价之宝。面对着友好型的问题，狭隘的专业化极其有效。
作者并不是全面否定专才，本书中更多强调是通才被低估的重要性。
令人震惊的是，刺猬在自己的专业领域所做的长期预测，水平尤其糟糕。随着他们在自己的领域不断积累资历和经验，他们的水平反而变得更差。
学习。有时候，它需要你把经验完全搁置在一边。正是因为人们不愿意放弃自己熟悉的工具，最终把事情变成了悲剧对于那些经验丰富的专业人士来说，放下熟悉的工具显得格外困难，他们已经习惯于依赖维克所说的“过度学习行为”。
应对陌生的挑战时，没有什么工具是不能丢弃的，它们都可以被重新想象，或者重新利用。即使是最神圣的工具。即使是那些被认定为理所当然的工具，也可以弃之不用。当然，说起来容易做起来难，尤其当这个工具是组织文化的核心时。最有效率的领导者和组织都具备广度，他们实际上是自相矛盾的。他们提出各种需求，同时又给予关照，他们既要求秩序，也要求企业家精神，甚至同时需要等级观念和个人主义。
放得下才能拿得起来。
孤立地看待大拼图中的小块，不管这些小块有多清晰，都不足以应付人类面临的最大挑战。我们早就知道热力学原理，但是却无法预测森林火灾的走向。我们也知道细胞如何工作，但是也预测不了由细胞组成的人类会写出怎样的诗篇。
经验和贡献之间没有标准关系；研究者最有影响力的论文可能是他发表的第一篇，也可能是第二篇，第十篇，或者是最后一篇。（不过研究者们确实在年纪较轻时会更频繁地发表论文。）
卡萨德沃尔说，“这些课程讲的都是非常专业化的知识，给学生提供一大堆非常琐碎、非常狭隘、非常晦涩的东西，过不了几个星期，学生们就会把这些东西全部忘记，我们真的需要上这种课吗？尤其是在当下，所有的信息都能通过手机获得。你周围的学生们，他们的手机上有关于人类的所有知识，但是他们不知道该如何整合这些知识。因为我们没有教给他们思考或推理的方法。”
我学生化的时候几乎没有记忆过什么东西，或者说我本科四年的工科学习中没有什么特别记住的公式，唯一背过的化学在考试完的两个星期就消失在脑海。教授们更加在意我们能不能掌握运用的方法，毕竟现在搜索引擎可以提供的情报太多了。
但是反过来，我相信腹有诗书气自华，人并不是在写作的过程中才去寻找搜索合适的诗句，而是在一遍遍朗诵背诵中，在生活的体验中同化。模式化很好，因为是反复锤炼过的经验，模式化也很糟，创新的窗口被限制。我最欣赏的人还是能够戴着镣铐跳舞，雅俗共赏的通透，或许很少能够见到了。
这是一次实验，因为所有生命都是一次实验
最后对于本书我还有一点想说的，本书的大多数例子都是在领域有成就的人，那么对于像我一样绝大多数的“普通人”来说，这些例子似乎看上去会很飘渺，不免鸡汤嫌疑。