第1章　
“赢在起跑线” 的教育狂潮

1945年5月7日，德军的无条件投降，宣告了第二次世界大战欧洲战场的结束。一年零四天后，拉斯洛·波尔加（Laszlo Polgar）出生在匈牙利的一个小镇——他是一个新家庭的结晶。他没有祖母和外祖母，没有祖父和外祖父，也没有表兄弟姐妹；所有的人都在大屠杀中失去了生命，同时丧生的还有他父亲的第一位妻子和五个孩子。拉斯洛逐渐长大，想拥有一个家庭的想法也越发笃定——他想要的是一个特别的家庭。

大学期间，拉斯洛认真阅读了很多伟大思想家的传记，从苏格拉底到爱因斯坦，目的就是为自己当父亲做准备。他意识到，传统的学校教育已经失灵，只要让孩子们正确地抢占学习的先机，他就能把自己的下一代培养成天才。拉斯洛的野心不止于此，他更想通过这种做法证明：任何孩子在任何领域，都能被塑造成卓越人才。他只需要一个妻子，能帮助他一起把这个计划付诸实施。

拉斯洛的母亲有一位朋友，其女儿名叫克拉拉（Klara）。1965年，克拉拉到布达佩斯旅行，她见到了拉斯洛本人。拉斯洛并没有用什么欲擒故纵计。第一次见面，他就开门见山，告诉克拉拉自己的计划——他打算要六个孩子，把他们都培养成栋梁之材。回到家的克拉拉跟父母提及拉斯洛时，她的评价不冷不热：“遇到了一个有趣的人”，但是从未想过与他结婚。

拉斯洛和克拉拉继续保持着书信交往。他们俩都是老师，并且都对“一刀切式”的学校教育感到失望，拉斯洛认为，这样的教育只能产出“灰色的凡夫俗子”。一年半的通信之后，克拉拉发现自己的笔友并非等闲之辈。最终，拉斯洛写了一封求爱信，在信的结尾向克拉拉求婚。他们随后结婚，搬到布达佩斯生活，并在那里开始工作。大女儿苏珊（Susan）在1969年降生，教育实验也就此开始。

拉斯洛为自己的第一个天才女儿选择了国际象棋。1972年，美国棋手鲍比·费舍尔（Bobby Fischer）战胜了苏联棋手鲍里斯·斯帕斯基（Boris Spassky），这场对弈被称为“世纪大战”，一年后，苏珊开始接受国际象棋训练。在当时的背景下，这场比赛被视为两国冷战的缩影，国际象棋也因此突然开始流行。按照克拉拉的说法，国际象棋还有一个独特的优点：“国际象棋的结果非常客观，也容易计算。”比赛的结果无非是胜负平，这种积分制的系统可以让你对自己的棋艺水平一目了然。拉斯洛决定，自己的女儿一定要成为国际象棋冠军。

拉斯洛不仅耐心，而且一丝不苟。他用“兵卒之战”开启了苏珊的启蒙之路。两人对弈只用兵卒，先到对方底线者胜。很快，苏珊开始学习收官和陷阱开局。她享受着国际象棋带来的乐趣，上手很快。在学习了八个月之后，拉斯洛把苏珊带到布达佩斯一家烟雾缭绕的国际象棋俱乐部，用激将法让大人们和自己的女儿下棋，当时的苏珊只有四岁，坐在椅子上时双腿荡来荡去，脚还够不到地面。苏珊赢了自己的第一场比赛，而告负的大人愤愤不平，夺门而出。苏珊参加了布达佩斯女子国际象棋比赛，获得了十一岁以下组别的冠军。四岁的她还没有尝过失败的滋味。

六岁时，苏珊已经可以读写，和同龄人相比，她的数学水平更是领先数年。拉斯洛和克拉拉决定，他们要在家教育苏珊，好让她有整天的时间来学习国际象棋。匈牙利警察曾经威胁拉斯洛，如果不把女儿送到学校接受义务教育，就要把他送进监狱。拉斯洛花了数月时间游说教育部，终于拿到了在家教育孩子的许可。苏珊的妹妹索菲亚（Sofia）也要在家接受教育，不去学校。还有即将出生的朱迪特（Judit）——拉斯洛和克拉拉差点给她起名叫“Zseni”，也就是匈牙利语中的“天才”一词。三个孩子都是这个伟大实验的一部分。

三姐妹的日常安排是这样的：七点去健身房上乒乓球课，十点回到家吃早饭，接下来的漫长一天都属于国际象棋。当拉斯洛的水平已经辅导不了三姐妹时，他为三个天才聘请了国际象棋教练。拉斯洛利用业余时间，从国际象棋刊物上剪下二十万张棋局——其中很多可以用来研究未来的对手，再用特定格式的卡片来填写。在计算机弈棋程序发明前，这些棋局卡片是波尔加三姐妹最大的数据库。

当苏珊十七岁时，她成为第一位有资格参加男子世界冠军赛的女性，虽然世界国际象棋联合会（后文简称为“国际棋联”）不允许她参加（但这一规则很快就被修改了，多亏了苏珊的贡献）。两年后，也就是1988年，在国际象棋奥林匹克女子团体锦标赛上，十四岁的索菲亚、十二岁的朱迪特和大姐一起，占据了匈牙利队四名成员的三席。自从这项比赛举办以来，苏联获得了往年十二届比赛中的十一个冠军，而就在这一届，匈牙利击败了苏联。用苏珊的话说，波尔加三姐妹已经成了“国宝”。第二年，苏联解体，三姐妹可以在全世界参加比赛了。通过不断参加比赛并战胜男性选手，1991年1月，二十二岁的苏珊·波尔加获得了国际棋联授予的特级大师称号，成为第一位获此殊荣的女棋手。同年12月，朱迪特·波尔加成了最年轻的特级大师，不管是男棋手还是女棋手，她都是最年轻的一位。当苏珊在电视采访中被问及想获得男子组还是女子组的世界冠军时，她的回答非常机智：想获得“绝对组”冠军。

其实，拉斯洛的最高目标是培养国际象棋的世界第一，虽然三姐妹中没有一人达到这个要求，但是她们已经足够出类拔萃。1996年，苏珊参加了女子世界冠军对抗赛，最终胜出。索菲亚的最高成就是国际大师称号，仅次于特级大师。朱迪特是三姐妹中最优秀的，在2004年荣居世界第八。

拉斯洛的实验成功了。实验成果喜人，在20世纪90年代早期，拉斯洛就提出，如果他的超前专业化方法能推广到一千个孩子身上，人类或许就能攻克癌症和艾滋病。但是，在他的庞大计划中，国际象棋毕竟只是一个随意的选择。和老虎·伍兹的故事一样，波尔加三姐妹的故事也无休止地出现在文章、书籍、电视节目中，同时也是演讲的绝佳案例——早起步就是改变生活的力量之源。一门名为“培养天才！”的网络课程把拉斯洛·波尔加的教育方法当作卖点——“规划你自己的天才人生”。另一本畅销书《天才源自刻意练习》（Talent Is Overrated）也用了波尔加三姐妹和老虎·伍兹的案例，证明抢先开始刻意练习是成功的关键——“实际上，在任何一件对你来说非常重要的事情上，这个原理都适用”。

这样的课程告诉你，世界上的任何事情都可以用同一种方法攻克。但是，这种结论建立在一个非常重要却无法宣之于口的假设之上：在所有你认为重要的事情当中，国际象棋和高尔夫只是其中的典型案例。

◆◆◆

世界上有多少事情，人类又有多少想学想做的东西，真的像下国际象棋和打高尔夫球一样有法可循？

心理学家加里·克莱恩（Gary Klein）是研究自然决策模型的先驱；自然决策的研究者观察专业人士在自然状态下工作过程中的表现，来了解他们在时间压力下如何做出高风险的决定。克莱恩发现，许多领域的专家和国际象棋大师惊人地相似——他们都能本能地辨别出熟悉的模式。

加里·卡斯帕罗夫（Garry Kasparov）可能是有史以来最优秀的棋手。当我请教他每一步的决策过程时，他告诉我，根据以往见过的各种模式，他几乎可以立即判断每一步或每一个连招。卡斯帕罗夫说，他敢打赌，特级大师在开始思考的前几秒就已经有想法浮现在脑海，然后就按这个想法走下一步。克莱恩还研究了消防指挥官，并且估算出他们大概80%的决定都是出自本能，在几秒钟之内就能做出决定。多年的灭火工作能让他们从火焰走势和处在倒塌边缘的燃烧建筑物中发现重复出现的模式。当克莱恩研究那些和平时期的海军指挥官时，他发现这些指挥官可以极快地觉察出潜在的威胁，并试图避免灾难，比如误把商业飞机当成敌机击落。在95%的情况下，指挥官们会甄别出一种常见的模式，再选择第一个出现在脑海中的惯常做法来应对。

心理学家丹尼尔·卡尼曼（Daniel Kahneman）是克莱恩的同事，他的方向是从“启发与偏见”模式研究人类的决策行为。他的发现却与克莱恩大相径庭。当卡尼曼探究那些训练有素的专家如何做决断时，他时常发现经验根本帮不上忙。更糟糕的是，经验带来的常常不是技巧，而是自信。

卡尼曼把自己的经历也应用于这些研究中。卡尼曼从1955年就开始怀疑“经验”与“专业技术”之间的联系，当时的他还是以色列国防军的一名年轻中尉，在心理部门服役。他的职责之一就是通过一些改编自英国军队的测试题目来评估军官的候选人。其中一项练习是：8人小组必须让全体成员和一根电话线杆越过一堵6英尺①高的墙，过程中要求杆不能着地，任何一名士兵或者杆都不能碰到墙。②在任务的重压之下，每个人的临场表现迥异——谁是领导者，谁是跟随者，谁夸夸其谈，谁懦弱胆怯——这些全都会自然表现出来，一目了然——卡尼曼和他的同事们愈发自信，认为自己能够分析出这些候选人的领导力水平，并且能识别他们在军官培训和战斗中的表现。结果，他们大错特错。每隔几个月，他们会有一个“统计日”，把军官们的实际表现和自己的预测对照，看看准确与否。每次，他们的预测也就比瞎蒙好那么一点点。每次统计他们都获得了一些经验，信心满满地再次给出判断。但是每一次，他们都没有任何进步。“统计信息与令人信服的洞察结果之间，完全没有联系”，这一发现着实震惊了卡尼曼。差不多同一时间，有一本关于专家判断的著作问世，这本书颇具影响力，卡尼曼告诉我，这部著作让他“印象深刻”。书中综述了众多领域的研究成果，而这些成果足以震动心理学界——研究显示，在现实世界的各种情境下，经验根本无法创造技能——从评估大学生潜能的大学管理人员，到预测病人表现的精神病医生，再到决定谁能在职业技能培训中胜出的人力资源专家，都是如此。有些领域涉及人类行为，且没有重复而清晰的模式，反复练习并不意味着学习。国际象棋、高尔夫和灭火只不过是例外，而不是规律。

克莱恩和卡尼曼所记录的经验丰富的专家所呈现出的不同结果，构成了一个复杂的难题：专家们会因为有经验而变得更好吗？

2009年，卡尼曼和克莱恩迈出了不同寻常的一步——两人共同完成了一篇论文，阐释了各自的观点，并寻求共同存在的基础——他们找到了。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。在克莱恩所研究的领域中，出自本能的“模式辨认”极其奏效，另一位心理学家罗宾·霍格斯（Robin Hogarth）将这类领域称为“友好型”学习环境。

模式一再重复，反馈极其精确，而且速度够快。在高尔夫或者国际象棋中，每一球或者每一步都是在既定的范围内按照规则行事，即刻就能看到结果，类似的挑战会重复出现。当我们在打高尔夫球时，球的落点不是太远就是不够远；球的线路不是左曲球、右曲球，就是直球。球手发现问题，尝试改正，再次击球，如此练习数年。这也是“刻意练习”的定义——既要遵循一万小时定律，又要尽早开始技术性练习，越早越好。这种学习环境确实非常友好，因为学习者只要认真参与，努力改善，就能进步。卡尼曼开始注意到这种友好型学习环境的反面——霍格斯称之为“恶劣型”学习环境。

有些领域与高尔夫和国际象棋相反：竞赛规则通常不甚明晰，或者不够完整；重复的模式时有时无，或者不够清楚；而反馈常常滞后，或者不准确，或者两者兼有——这就是学习环境“恶劣”的领域。

在最恶劣的学习环境下，经验往往会反复强化错误的教训。霍格斯记录了纽约一位著名医生的故事：这位内科医师以精确诊断而闻名。他的专长是诊断伤寒症，而诊断方法也很特别——用手触摸病人的舌头来判断他们是否患有伤寒。一次又一次，在病人表现出某一种症状前他就做出了阳性的诊断。而一次又一次，他的诊断被证明是正确的。正如另一位医生后来指出的，“他是比伤寒玛丽③还要可怕的病毒携带者，只用手就能传染给别人”。一次又一次的成功，却给了他最惨痛的教训。当然了，很少有这般恶劣的学习环境，但是，经验让专业人士行差踏错也是轻而易举。当专业消防员面临全新的情况，比如摩天大楼火灾，他们会发现自己突然失去了多年来在普通房屋灭火中所培养出的直觉，很可能就做出错误的决定。时移世易，国际象棋大师也会发现，自己多年积累的经验技巧突然变得老掉牙了。

1997年，IBM的超级计算机“深蓝”（Deep Blue）战胜了加里·卡斯帕罗夫，赢得了自然智能与人工智能的终极之战。“深蓝”每秒可以运算两亿步棋，但这只是国际象棋步法中的极少部分——国际象棋的排列方式比宇宙中可观测到的原子数量还要多——但也已经足够击败最优秀的人类棋手了。用卡斯帕罗夫的话说：“现在你手机里的免费国际象棋应用程序，比我还要强大。”他并没有夸大其词。

“人类能做的任何事情，只要我们知道怎么做，机器能比我们做得更好，”卡斯帕罗夫在最近的一场演讲中表示,“只要我们可以编码，再传输到计算机，计算机就能比我们完成得出色。”尽管输给“深蓝”，卡斯帕罗夫还是获得了宝贵的灵感。在和计算机对弈的过程中，他意识到了人工智能学者所说的“莫拉维克悖论”：机器和人类各自的优势和劣势时常处于对立状态。

有句话是：“国际象棋99%是战术。”所谓战术，就是一系列的连招组合，让棋手可以在棋盘上快速获得优势。当棋手们在学习各种模式时，他们就是在掌握战术。而国际象棋中的大局意识——如果利用局部战场赢得整个比赛——被称为“战略”。苏珊·波尔加曾经写道：“如果你擅长战术，你就可以走得更远。”也就是说，掌握了大量的模式——“再加上一些对于战略的基本了解”。

多亏了计算功能，计算机在战术上可以和人类不分伯仲。特级大师可以预测短期的走向，但是计算机做得更好。卡斯帕罗夫开始好奇，如果计算机超凡的战术计算能力加上人类的战略大局思考，将会如何？

1998年，卡斯帕罗夫协助组织了第一届高级国际象棋锦标赛，每位选手，包括卡斯帕罗夫自己，都将和一台计算机搭档参赛。棋手们多年来积累的模式优势不复存在，计算机就可以搞定战术，而棋手只需专注于战略。这很像老虎·伍兹在高尔夫球电子游戏中与最优秀的玩家一决高下。他多年的反复练习在此时已无用武之地，而比赛转变成了战略上的对决，而非战术的实施。在国际象棋领域，啄食顺序④立刻被改变了。“在这种情况下，人类创造力的重要性比以往更加显著，而非式微。”卡斯帕罗夫这样说。一个月前，他曾在一项传统比赛中以4比0大胜一名棋手，而这次与计算机搭档比赛，卡斯帕罗夫和这名棋手以3比3握手言和。“我在战术计算上的优势，被计算机抵消了。”通过多年专业化练习所积累的经验优势，被“外包”给了计算机。在这样的比赛中，人类棋手只需专注于战略，卡斯帕罗夫突然有了劲敌。

几年后，第一届自由式国际象棋锦标赛成功举办。参赛队伍可以由人类和计算机自由组合。在上一次的高级国际象棋锦标赛中，经年累月甚至终其一生的专业化练习所带来的优势被计算机所抵消，而在这次的自由式国际象棋比赛中，这种优势可以说是土崩瓦解。两位业余爱好者和三台计算机组队参赛，不仅战胜了当时最优秀的超级计算机“Hydra”，还击败了与计算机组队的特级大师们。卡斯帕罗夫做出了总结——获胜队伍中的人类棋手最擅于“调教”计算机，他们告诉计算机应该审视哪些内容，然后再综合研判这些信息，以提供整体战略。人类和计算机的组合——被称为“人机系统”（Centaurs⑤）——所下的棋，代表了有史以来最高的国际象棋水平。如果说“深蓝”战胜卡斯帕罗夫意味着国际象棋的权威从人类转移到计算机上，那么人机组合战胜超级计算机“Hydra”的象征意义就更加有趣：人类可以去做他们擅长的任何事情，而不再把练习数年所培养出的模式辨认水平当作先决条件。

2014年，一项自由式国际象棋锦标赛在阿布扎比举行，获胜者可以赢得两万美元的奖金，其中还包括计算机之间的对弈，人类不得干预。最终获胜的队伍由四名人类选手和数台计算机组成。队长名叫安森·威廉姆斯（Anson Williams），他是一名英国工程师，没有国际象棋的任何官方积分或者排名，同时他也是队伍的主要决策者。他的队友尼尔森·埃尔南德斯（Nelson Hernandez）告诉我：“人们并不了解，自由式国际象棋其实需要综合的技能，而在某些场景下，所需要的技能与国际象棋其实毫无关系。”在传统的国际象棋领域，威廉姆斯只能算是一名不错的业余棋手。但是在计算机的使用上，他的技艺炉火纯青——他擅于整合信息流，做出战略决策。少年时的威廉姆斯就是电子游戏《命令与征服》（Command and Conquer）的出色玩家，《命令与征服》是一款即时战略类游戏，因为所有的玩家都在同时行动。在自由式国际象棋锦标赛中，威廉姆斯不仅需要考虑队友的建议，还要把多个国际象棋程序纳入考量，随后马上指挥计算机更深入地检视下一步的各种可能性。威廉姆斯就像跟一组超级大师在一起工作，超级大师们是战术顾问，而他就是领导者，决定谁的建议应该被更深入地探究，以及最终听取谁的建议。每一局比赛，威廉姆斯都小心翼翼，他期盼平局，但是也试图布局，好让对手放松警惕，犯下错误。

最终，卡斯帕罗夫找到了击败电脑的方法：把战术外包——人类专业棋手所掌握的技能当中，战术是最容易被替代的，也是他和波尔加天才三姐妹通过多年训练才习得的技能。

◆◆◆

2007年，国家地理频道请苏珊·波尔加参与一项测验。在绿荫环绕的曼哈顿格林威治村，节目组让波尔加坐在路边的一张桌子旁，眼前摆放着空白的棋盘。穿着牛仔裤和秋季夹克衫的纽约路人在马路上横冲直撞，此时，一辆白色卡车左转进入汤普森街，经过小吃店，然后经过了苏珊·波尔加，卡车车身一侧印有巨大的棋盘图，棋局正进行到中盘阶段，28颗棋子赫然在列。苏珊·波尔加只是匆匆一瞥，就立刻在空白棋盘上还原了车身上的棋局，分毫不差。国家地理的这档节目还原了一系列著名的国际象棋实验，让观众逐步了解“友好型学习环境”所培养的技能。

第一个实验发生在20世纪40年代，荷兰的国际象棋大师和心理学家阿德里安·德赫罗特（Adriaan de Groot）把中盘的棋局在不同级别的选手面前一闪而过，让他们尽可能还原所看到的棋局。一位特级大师在看过三秒之后，就可以把棋局完整复原，且屡试不爽；大师级的棋手，完全还原的次数是特级大师的一半；而水平略逊的城市围棋联赛冠军棋手和俱乐部里的普通爱好者永远都无法做到还原。和苏珊·波尔加一样，特级大师们拥有照相机般过目不忘的记忆。

苏珊·波尔加完成了第一个测试之后，国家地理频道让卡车掉头，再次经过波尔加身边。而这次波尔加面对的是车身另一侧，上面也是一个棋盘，但是棋子都是随意放置的，毫无章法。虽然这一侧棋局上的棋子更少，但波尔加根本无法还原所看到的棋局。

第二个测试还原了1973年的一次实验，两位卡内基梅隆大学的心理学家威廉·G. 蔡司（William G. Chase）和赫伯特·A. 西蒙（Herbert A. Simon，后来的诺贝尔奖得主）重复了阿德里安·德赫罗特的实验，同时增加了一些难度。这一次，参与实验的棋手们眼前出现的是根本不可能存在的棋局。突然间，专业选手的表现一落千丈，和普通的选手别无二致。所以说，特级大师根本没有什么照相机般过目不忘的记忆力。通过反复练习国际象棋的各种棋局模式，大师们掌握了蔡司和西蒙所说的“组块法则”。他们不是在记每个单独的兵、象、车的布置，而是根据熟悉的模式，把棋局分成一个个有意义的小组块。大量的模式可以让专业棋手根据经验快速评估局势，这也是卡斯帕罗夫所说的特级大师在几秒钟之内就能做出反应的原因。对苏珊·波尔加来说，当卡车第一次经过她时，车身上的棋盘并不是28颗孤立的棋子，而是5个有意义的组块，展示着棋局的进程。

组块法则帮助我们解释了特定领域的不可思议的惊人记忆力——音乐家可以不看曲谱演奏大段曲目，四分卫可以在一秒钟之内识别出其他球员的模式并决定投球。精英运动员看似拥有超人般的反应能力，真正的原因是，他们可以识别出球或身体运动的模式，这些模式能提前告诉他们即将发生什么。但是，当测试超出他们所在的领域时，他们那超人般的反应能力便荡然无存。

我们每个人在自己擅长的领域都要依赖组块原则。接下来，请花10秒钟时间，尽可能多地记住以下20个单词：

因为（because）组（groups） 20（twenty）模式（patterns）

有意义的（meaningful）是（are）单词（words）更容易（easier）变成（into）

组块（chunk）记忆（remember）真的（really）句子（sentence）熟悉的（familiar）

可以（can）来（to）你（you）更（much）按照（in）一个（a）

好的，我们现在再试一下：

20个单词按照一个有意义的句子来记忆真的是更容易，因为你可以把熟悉的模式变成组块来记忆。（Twenty words are really much easier to remember in a meaningful sentence because you can chunk familiar patterns into groups.）⑥

上面的20个单词明明都一样，只是排列不同，但是在过往的人生经历中，你已经学会了单词的组合模式，所以你能够快速理解第二种排列方式，记下来也更加简单。饭店的服务员能够记下每位客人点的菜，不是因为突然拥有了惊人的记忆力；就像前面提过的音乐家和四分卫，他们已经学会把反复出现的信息分门别类到一个个组块中。

在学习国际象棋的过程中，研究大量重复的模式是非常关键的，所以尽早开始专业化的技术训练也就至关重要。两位心理学家费尔南德·戈贝特（Fernand Gobet）和吉尔莫·坎皮特利（Guillermo Campitelli）同时也是国际象棋高手，费尔南德·戈贝特是国际大师，而吉尔莫·坎皮特利是未来特级大师的教练。他们发现，如果不在十二岁之前开始严格的训练，棋手成为国际大师（比特级大师低一个级别）的可能性就会从1/4降低到1/55。组块法则看似神奇，但它是实实在在地植根于大量的反复练习。拉斯洛·波尔加的选择是正确的。他的女儿们甚至都不算最极端的证据。

心理学家达罗·特雷费特（Darold Treffert）对于“专才”的研究已经超过五十年，这些人在特定领域有无穷动力，并且在特定领域的能力远超其他领域。特雷费特把这种现象称为“孤岛天才”⑦。特雷费特曾经记录了许多难以置信的表现——例如钢琴家莱斯利·莱姆克（Leslie Lemke）可以不看琴谱，仅靠记忆弹奏上千首曲目。莱姆克和其他专家的“复原能力”看似无穷无尽，最初，特雷费特把这种能力归功于他们绝佳的记忆力，认为他们就像人体录音机。但是，当他们接受测试，第一次听一段旋律时，音乐专家们在复原“有调的”音乐——几乎所有流行音乐和绝大多数古典音乐时，比“无调的”音乐容易得多。无调音乐并不按照我们熟悉的结构排列，它们只是一连串堆砌的音符。如果这些专家真的是人体录音机，可以原封不动地还原听到的旋律，那么不管他们听到的曲目是否按照常见作曲方式谱写，结果应该都一样。但是事实上，两种结果简直是天差地别。当研究人员在测试一名专业钢琴家时，出来的结果让研究人员目瞪口呆——钢琴家可以完美演奏数百首曲子，但是却无法还原听到的一段无调旋律，即使练习了一段时间也无济于事。“我听到的东西太不现实了，以至于我必须要检查一下琴键是不是被误调到了转调模式。”研究人员记录下了钢琴家的话。“但是，钢琴家确实犯了错误，并且一直没有改正。”对于专家们超凡的复原能力来说，模式和熟悉的结构至关重要。同样地，当研究人员对艺术类的专家进行类似测试时——给他们快速看一些图片，并要求他们重新画出来——专家们复原真实场景的能力，远胜于复原抽象物体。

然而，特雷费特花费了数十年才发现自己的错误——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。

◆◆◆

国际象棋程序“阿尔法元”（AlphaZero）取得了长足的进步（由谷歌母公司的人工智能部门所有），也许就连顶级的人机组合在自由式比赛中都不是它的对手。过去的国际象棋程序只是用野蛮粗暴的强大计算能力算出各种可行的步法，然后按照程序员设定的标准来排序，但是阿尔法元截然不同——实际上，它在自学成才。阿尔法元只需要了解规则，然后自己进行无数次的练习，来记录哪些步法有效而哪些无效，并使用这些记录来提高自己。很快，阿尔法元就击败了当时最好的国际象棋程序。其原理和围棋程序“阿尔法狗”（AlphaGo）一样，而围棋的可行步法更多。但是，人机组合的教训犹在：一项任务越是转向拥有宏观战略的开放世界，人类要做的工作就越多。

阿尔法元的程序员自豪地宣称，自己的作品从“白纸一张”变成可以“自学成才”了。但是从竞赛开始可算不上是白纸一张。程序的运行仍然要符合规则，受到限制。即使在电子游戏这种不太受战术模式限制的情景中，电脑也将面临更大的挑战。

人工智能面临的最新游戏挑战来自《星际争霸》（StarCraft），这是一款即时战略游戏，不同的虚拟种族为了银河系某个角落的霸权展开争夺。这一游戏所需的决策机制比国际象棋更为复杂。在游戏中，玩家不仅需要对战，还要规划基础设施、侦察敌情、探索未知地点、收集资源，而这些都是相互关联的。2017年，在纽约大学从事人工智能游戏研究的教授朱利安·图吉利斯（Julian Togelius）告诉我，电脑在《星际争霸》中的获胜较为艰难。虽然电脑在最初的单人对战中获胜，但是人类玩家很快做出调整，依靠“长期适应性战略”扭转战局，开始获胜。“思考有太多层级，”朱利安说，“我们人类在与电脑单打独斗时多少有些势单力薄，但是我们每个人对电脑都有一些大概的应对想法，把这些主意结合到一起，就有了适应性。这似乎就是胜利的诀窍。”

2019年，在《星际争霸》的一个限定版本中，人工智能第一次战胜了职业玩家。（职业玩家不断适应调整，在连输多次后取得了胜利。）但是，《星际争霸》的战略复杂性又给我们上了一课：游戏的格局越大，人类能贡献的潜能就越特别。作为人类，我们最大的优势正好就是过度专业化的对立面——广泛融合各类知识的能力。曾经把自己的机器学习公司卖给优步（Uber）的心理学家和神经科学家加里·马库斯（Gary Marcus）说：“在特别专业化的世界里，人类能发挥的作用极其有限，时效也不会太久。而在结局更加开放的游戏里，人类可以持续发挥更大作用。不仅是在游戏中，当面临现实社会中的问题时，人类依然可以完胜机器。”

在封闭且有规则可循的国际象棋领域，人工智能依靠着即时反馈和无穷无尽的数据，得以飞速发展。在有法规可依但是更加混乱的驾驶领域，人工智能虽取得了长足的进步，但是挑战依然存在。而在一个真正开放的领域——没有严格的规则，也没有大量完备的数据支持的医疗行业，人工智能的表现可以用灾难来形容。IBM的人工智能代表“沃森”（Watson）在知识竞答节目《危险边缘！》（Jeopardy!）中战胜了人类，随后又高调进军医疗行业，被视为癌症治疗的革命——然而，沃森在这一领域登高跌重——许多人工智能专家告诉我，他们担心沃森的名声会拖累与健康相关的其他人工智能研究。一位肿瘤学家这样描述：“在《危险边缘！》获胜和治愈所有癌症的区别就是，我们本来就知道《危险边缘！》竞答题目的答案。”面对癌症这一难题时，专家们却还在试图提出正确的问题。

2009年，权威学术杂志《自然》（Nature）刊载了一篇报道，该报道宣称“谷歌流感趋势”（Google Flu Trends）通过分析用户搜索提问模式来预测冬季流感的发展情况，和美国疾病控制和预防中心相比，“谷歌流感趋势”可以做到同样精确，且反应更快。但是好景不长，“谷歌流感趋势”很快就不再可靠——2013年冬天，“谷歌流感趋势”预测的病例数超过了全美实际病例数的两倍。如今，“谷歌流感趋势”不再发布预测，只保留了一个页面，上面写着此类预测“为时尚早”。马库斯用一个比喻恰当地解释了目前此类专业机器的不足：“人工智能系统就像专业学者一样。”它们需要稳定的结构和精专的配置。

当我们对规则和答案了如指掌，而且它们不会随时间推移而变化——比如下国际象棋、打高尔夫球和弹奏古典音乐，那么从学习的第一天开始，我们就可以为这种“学者式”的超专业化练习做出论断。但这些都是人类想学习的大部分东西中的糟糕案例。

当过度专业化遭遇并不友好的领域时，人类本能地依靠熟悉的模式带来的经验。但这种倾向可能带来灾难性的后果——就像经验丰富的消防员在陌生环境救火时会做出错误的决定一样。耶鲁大学管理学院的创办人之一克里斯·阿吉里斯（Chris Argyris）就注意到了这一点——把充满恶意的诡谲世界误以为善意友好，是非常危险的。他对顶尖商学院的优秀顾问进行了长达十五年的研究，发现他们在解决商学院里提出的问题时表现得非常好，这些问题定义清晰，且得到了快速评估。但是他们的学习方法被阿吉里斯称为“单回路”学习，这种方法推崇的就是第一反应——熟悉的解决方案。只要这些方法遇到问题或发生错误，顾问们通常会展开防御，坚持己见。阿吉里斯发现，顾问们“脆弱的个性”着实让人惊讶，因为“他们工作的本质就是要教其他人如何用不同的方法工作”。

心理学家巴里·施瓦茨（Barry Schwartz）展示了类似的实验结果，证明经验丰富的参与者是如何日趋僵化的。他给大学生们提供了一个逻辑迷宫，参与者需要按顺序接触开关，把灯泡点亮和熄灭，他们可以一遍又一遍地玩。这个迷宫有七十种不同的解法，每次成功之后都有一点点钱作为奖励。参与实验的大学生们并未被告知任何规则，只有靠反复尝试才能赢得挑战。⑧如果参与的学生发现了一种解决办法，他们就会反复用这种方法获得更多的钱，即使他们并不知道为什么可以这样。随后，大一学生加入了实验，实验人员要求所有参与者发掘出所有的解决方案背后的原理。不可思议的一幕发生了——每一个加入实验的大一学生都发现了所有七十种解法背后的规律，而之前只能发现一种解法并获得奖励的学生中，只有一个人能做到。施瓦茨的论文副标题是《如何教人不去发现规律》，也就是说，通过提供极少的解决方案，对重复的短期成功给予奖励，就能达成这一目的。

对于商界最推崇的学习案例来说，波尔加姐妹、老虎·伍兹，还有在各种体育或竞技中类似的学习模式都算不上良好范例。和高尔夫相比，网球这样的运动更具活力，选手需要时刻调整对策，不仅要应对对手，适应场地，有时还要配合自己的队友。（费德勒也是2008年奥运会网球男子双打的金牌获得者。）但即便如此，网球还是属于学习环境比较友好的类型——如果和医院急诊室里的医生和护士相比，在收治病人后，他们无法自主发现病人的具体情况。医生和护士必须找到实践以外的学习方法，同时吸收经验教训——即使这些教训可能与自己的直接经验完全相反。

这个世界不是打高尔夫球，当然世界上的绝大部分事情也不是打网球。如罗宾·霍格斯所言，这个世界的大部分都是“火星网球”。虽然你能看见选手们拿着网球和球拍出现在球场上，但是没有人告知他们比赛规则。你可以推导规则，但是规则也会悄无声息地改变——当然也不会通知你。

◆◆◆

我们一直在利用这些错误的故事。老虎·伍兹和波尔加姐妹的故事，给人们留下了错误的印象——人类学习技能的环境是极其友好的。如果真是如此，尽早开始专业化练习，兼顾精准与技巧，理应有良好效果。但是在大部分体育项目中，这样做都行不通。

尽早开始在某个狭隘领域进行专业化练习——如果这种练习的数量是革命性表现的关键，那么专业练习者就会在他们接触的每个领域都出类拔萃，而神童们也可以延续自己的辉煌，在成年后继续保持卓越。埃伦·温纳（Ellen Winner）是研究天才儿童最为权威的心理学家之一，她发现，没有任何一个专业练习者能够成为自己所在领域的“变革者”。

不仅国际象棋领域，其他的领域也存在大量专业化的精确练习就可以培养出大师的直觉。比如，高尔夫球手和外科医生可以通过反复练习同一步骤来取得进步；会计师和桥牌选手可以靠重复积累经验来培养出准确的直觉。前文提到的心理学家卡尼曼就指出，这些领域都存在“稳定的统计学规律” 。但是，当规则稍有变动——哪怕只是非常轻微的变化，这些专家们的灵活性就不复存在，只剩下狭隘的技能本身。在一项关于桥牌的研究中，研究人员更改了叫牌的顺序，专业选手却比非专业选手花了更长时间来适应新规则。而在另一项针对会计师的研究中，研究人员用一项新的税款减免法则代替原有的法律条文，经验丰富的会计师在使用新规时，表现还不及会计新手。莱斯大学组织行为学教授埃里克·戴恩（Erik Dane）将这种现象称为“认知壁垒”。想要避免“认知壁垒”的出现，埃里克·戴恩的建议和“一万小时定律”的思路南辕北辙：在特定的某一领域中去尝试应对各种完全不同的挑战，之后的研究者这样描述——坚持“把一只脚踏出你的世界”。

科学家和普罗大众拥有艺术类爱好的可能性大致相同，但能够进入国家最高科学院的科学家更有可能拥有职业以外的业余爱好，而那些诺贝尔奖获得者拥有业余爱好的概率就更高了。和其他科学家相比，诺贝尔奖获得者作为业余演员、舞者、魔术师或其他类型表演者的概率要高出至少22倍。国内知名的科学家比其他科学家更容易成为音乐家、雕塑家、画家、版画家、木工、机械师、电子产品维修师、玻璃吹制师、诗人或者虚构类和非虚构类作家。这些在自身领域最成功的专家学者，也属于更广阔的世界。西班牙的圣地亚哥·拉蒙-卡哈尔（Santiago Ramón y Cajal）是现代神经科学之父，也是诺贝尔奖得主，他曾经说：“对于不了解这一点的人来说，科学家们看起来像是在四处挥洒甚至是浪费自己的精力和能量，但事实上，他们是在对其进行引导和加强。”一项耗时数年的针对科学家和工程师的研究表明（这些研究对象都被同行视为真正的专家），那些对自身领域缺乏创造性贡献的人，在自己的狭隘领域之外亦缺乏审美情趣。正如心理学家、著名的创造力研究者迪恩·基思·西蒙顿（Dean Keith Simonton）所观察的那样，有创造力的成功者通常拥有广泛的兴趣，“而不会沉溺于一个狭隘的话题，这种广度所代表的洞察力并不仅仅来源于他们自身特定领域的经验”。

上述发现让人想起了史蒂夫·乔布斯（Steve Jobs）的一次演讲，在这场著名的演讲中，他讲述了书法课程对于他设计美学的重要性。“当我们在设计第一台麦金塔电脑（Macintosh）时，这一切都重回我的脑海，”乔布斯说，“如果我大学时没有听过这门课程，苹果电脑就不会有那么多的字体可供选择，也不会有恰到好处的字体间距。”另一个例子是电子工程师克劳德·香农（Claude Shannon），正因为在密歇根大学期间需要选修的一门哲学课程，他才开启了信息时代。在这门课程中，他接触到了19世纪英国自学成才的逻辑学家乔治·布尔（George Boole）的著作，布尔把真命题赋值为1，把假命题赋值为0，证明了逻辑问题可以像数学方程式一样解决。当时，这一发现没有任何实际意义，直到布尔去世70年后，香农来到美国电话电报公司（AT&T）的贝尔实验室（Bell Labs）开始了自己的暑期实习。正是在贝尔实验室，香农意识到自己可以把电话的路由技术和布尔的逻辑系统结合，任何形式的信息都可以用电子方式进行编码和传输。这一发现也正是计算机赖以生存的基础。“这也是碰巧而已，因为没有其他人同时对这两个领域都熟悉。”香农说。

1979年，克里斯托弗·康诺利（Christopher Connolly）在英国与人合伙创办了一家心理咨询公司，帮助那些取得很高成就的人（起初是运动员，后来还有其他人）发挥最佳状态。多年以来，康诺利开始好奇，为什么有些专业人士在自己狭隘的“一亩三分地”之外，难以取得任何成就；而另外一些人却擅于拓展自己的事业——比如，从在世界级的管弦乐团里演奏，到管理这样一个团体。从业30年后，康诺利重回校园攻读博士，研究的就是这个问题，心理学家和国际象棋大师费尔南德·戈贝特就是他的导师。康诺利的主要发现是，那些可以成功转型的人在职业生涯早期就接受过更广泛的培训，保持多条“职业渠道”畅通，即使他们在追求一个主要的专业时，依然如此。康诺利描述道，他们“在八车道的高速公路上开车” ，而不是在单行道上行驶。他们能够跨越能力范围，成为通才。这些成功的适应者可以从一种渠道汲取知识，再极富创造性地把这些知识应用到其他领域，同时擅于避开“认知壁垒”。他们就应用了霍格斯所谓的“断路器”理论——利用外部经验和类比方法，阻断了那些已经不再有用的已知解决方案的倾向。他们的技巧是，避免那些已经非常熟悉的老模式。在这个邪恶的世界里，挑战模糊不清，规则不甚严格，通才可以成为生活的黑客。

假装世界就像打高尔夫球和下国际象棋，这种掩耳盗铃式的想法让人感到安慰。它让原本恶劣的学习环境看起来友好而亲切，也催生了一些极具说服力的畅销书。本书就将从这些书的结尾部分开始，走进这个“未知邪恶”真正流行的世界，接下来先让我们来看看为什么现代社会会变得如此捉摸不定。