本節重點#
只是重複過去的成功，很難給社會帶來實質性的進步。任何實質性的進步都需要在之前的基礎上做疊加。 吳軍用一個簡單遊戲說明什麼是可疊加的進步。
開場遊戲：寫成語#
第一種方式#
眼前一張紙，紙上寫好三個成語，例如「圍魏救趙」「自相矛盾」「鴉雀無聲」。你可以從這三個成語任一字出發，查詞典找出新成語再寫上。接下來又可以從紙上任一字繼續查詞典。給你 10 分鐘，能寫出多少？
第二種方式#
眼前一張白紙，你把想到的成語寫上去，但每寫好一個就要被覆蓋起來，然後再想一個寫上去。同樣 10 分鐘，能寫多少？
遊戲啟示#
毫無疑問第一種方式寫出來的成語多。因為：
- 前面的成語提示了後面的成語，後面的成語是疊加在前面成語基礎之上
- 第二種方法每個成語都是靠「靈機一動」，彼此沒有關聯
- 到後來你會發現常常把前面已寫過的成語再寫一遍
可疊加的進步很重要，對社會和個人都是如此。
偉大的發明都是疊加的結果#
兩個高峰與千年低谷#
人類歷史上的進步有兩個高峰：
- 從軸心時代到古典文明時期是第一個高峰
- 近代科學革命以來是第二個高峰
- 中間是長達千年的低谷
兩個高峰時期有一個共同特點：它們的進步是在前面基礎上不斷疊加的；低谷時期則是不斷循環重複。
軸心時代#
指公元前 8 世紀到公元前 3 世紀左右，在歐亞大陸北緯 25 度到北緯 35 度之間的地理帶上，各早期文明同時在哲學思想和宗教領域達到一個高峰：
- 孔子、佛陀、古希伯來的眾先知、波斯的瑣羅亞斯德、古希臘的「三傑」（蘇格拉底、柏拉圖、亞里士多德）都生活在那個年代
- 隨後東西方古典文明（東方的秦漢帝國、西方的羅馬帝國）建立在軸心文明基礎之上
- 古典文明結束於公元 5 世紀，也奠定了天文學和數學中幾何學的基礎
千年低谷的原因#
人類進步第二個高峰始於 17 世紀至今，這一時期的進步也是不斷疊加的。兩次高峰之間是東西方長達千年的緩慢發展階段：
- 中世紀真正黑暗的時期在 8 世紀就已結束
- 從 8 世紀開始，歐洲經歷了所謂的加洛林文藝復興（Carolingian Renaissance）
- 到 11 世紀，歐洲已經出現現代意義上的大學
- 但在長達幾百年時間裡，人類沒什麼拿得出手的成就
- 中世紀學者鮮有交流，各地修道士不停研究同樣東西，後人不停犯和前人相同的錯誤
- 中國情況類似：技術總是在發明、失傳、再發明、再失傳的怪圈中低水平循環複製
古希臘與近代科學的三個特點#
古希臘和近代的科學與世界上其他知識體系有三個顯著特點：經得起驗證的公理、邏輯自洽、可疊加的知識結構。
- 整個歐幾里得幾何學建立在 5 條非常簡單的公理和 5 條顯而易見的公設基礎上
- 從基本公理出發，經過邏輯推理能建立整個幾何學大廈
- 所有定理都是一層一層疊加——要證新結論，不需要每次回到公理重新推導，可利用所有前人已證的定理
- 今天只要學完小學數學就看得懂《幾何原本》
- 古代人花上千年總結出的幾何知識，我們很快就學會了——因為我們重複了他們的成功
牛頓《原理》的疊加#
近代最有影響力的科學著作是牛頓（Isaac Newton）的《自然哲學的數學原理》（簡稱《原理》）。打開《原理》對比《幾何原本》，結構完全一樣：
- 牛頓正是按照《幾何原本》的格式和風格寫《原理》
- 牛頓等人也是按照幾何學的結構建構物理學體系
- 17 世紀開始整個科學大廈迅速建立
科學家的疊加#
- 物理學：從牛頓到馬克士威（Maxwell），再到愛因斯坦（Einstein）、波耳（Bohr）等人，都是在已有物理學大廈上添加一層
技術的疊加#
技術、工程和商業也需要疊加效應：
- 瓦特（Watt）發明了萬用蒸汽機，與過去的紐卡門（Newcomen）蒸汽機沒有疊加關係，而是脫胎於牛頓力學
- 此後富爾頓（Fulton）的蒸汽船、史蒂芬森（Stephenson）的火車，以及本茨（Benz）早期的蒸汽機汽車，都是在瓦特工作基礎上疊加的結果
- 到第二次工業革命時期內燃機出現，它最早脫胎於熱力學理論
- 奧托（Otto）發明了內燃機，戴姆勒（Daimler）和本茨在此基礎上發明內燃機汽車
- 萊特兄弟（Wright brothers）發明了飛機
近代自學成才幾乎不可能#
- 古代有很多自學成才的科學家和發明家
- 近代以後這種可能性變得微乎其微
- 無論科學研究還是發明創造，都需要在前人成就基礎上做疊加
- 古代和近代早期一些全能型學者（例如亞里士多德、阿奎納、牛頓）近代以後幾乎不可能出現
- 因為近代以後的研究需要先花不少時間了解過去千百年來人們已做完的工作
- 所幸的是，學習別人的經驗比自己摸索要快得多
- 今天一個初中生的物理學水平都比伽利略（Galileo）高——因為他們站在前人肩膀上，短短一兩年學習掌握了人類幾千年的積累
- 很多人問吳軍為什麼要在學校學習而不是退學後工作中摸索——理由很簡單：大家需要在之前的人類成就上做疊加
彼得·蒂爾《從 0 到 1》的例子#
彼得·蒂爾（Peter Thiel）在《從 0 到 1》舉了 4 個從 0 到 1 的例子：蘋果計算機、微軟視窗操作系統、谷歌搜尋引擎、特斯拉電動汽車。其實這四項發明都是在已有發明基礎上疊加的結果：
- 蘋果計算機的原型是施樂公司的 Alto 個人計算機
- 微軟視窗是仿照蘋果麥金托什操作系統設計的
- 谷歌之前，Inktomi 和 Alta Vista 已經有了搜尋引擎服務
- 特斯拉之前，通用汽車就有電動汽車 EV1；更早的時候，福特（Ford）和愛迪生（Edison）還發明了電動汽車的原型
- 特斯拉設計出的第一款不過是把蓮花跑車的引擎換成電動機
這 4 家公司真正有意義的事情在於：在原有技術上疊加一層之後，又為其他人在它們基礎上進一步疊加打下基礎。
疊加經驗，更上一層樓#
回到本節開場的遊戲——在學校系統地學習知識，就相當於手上拿了一本詞典，遇到那個字想找對應成語，從詞典裡查就可以了。沒有系統學習，就相當於每次都是拍腦袋想，除了自己知道的那幾個，想不出新成語。
人一輩子做事，最有效的途徑是能把之前的特長和經驗作為完成當下任務的起點，而做當下的事情時，又為更上一層樓做好準備。
吳軍的個人經驗#
吳軍以自己為例說明疊加效應的應用：
- 大學以前沒學過計算機課程，但數學基礎不錯
- 後來學計算機科學就借助於數學基礎
- 從事一段時間計算機工作後，能熟練應用這工具，又換了一個專業去學習通信和信號處理
- 如果放棄過去的專業知識從頭做硬體，就是在低水平上重新做一件新事情，收不到疊加效果
- 今天很多人讀研究生時換專業，或後來換工作，沒有利用好之前的知識和經驗，甚至推倒重來，這降低了自己的起點
- 幸運的是他的導師讓他自己選研究課題，他選了大量用到計算機算法和編程、而一般電子工程專業學生不擅長的課題
- 很快在那個領域做出成績，確立了在語音識別領域的地位
- 幾年後到美國讀博士又回到計算機系——如果選純計算機課題就和其他同學處於同一水平，沒有明顯優勢
- 因為對通信和信息處理比他們了解更多，又找到一個必須用到這方面知識的課題——機器學習算法（machine learning algorithms）
- 經過幾年研究取得別人不容易做出的成績，在美國學術界站住了腳
- 到谷歌前幾年不得不放棄研究轉做開發，相比工作多年的工程師其實沒有優勢——於是找到和他熟悉的自然語言處理相關的項目，當時谷歌懂自然語言處理的人一巴掌就能數出來，於是又站住了腳
兩個原則：像爬樹一樣往上爬#
吳軍每次尋找下一個任務時都比較謹慎，恪守兩個原則：
- 第一原則：確保這項任務依賴我過去的經驗，這樣別人做不好我能做好，我的價值才能體現出來
- 第二原則：這個任務的完成要讓我的經驗有所增加，以便我能有更大的發展空間
可疊加的進步有點像爬樹：當你站到一定高度後，需要在目前的位置往上爬，不要橫著走，更不能跑到樹底下另選一棵樹重新爬。同時，要確保往上爬的方向不是一個樹枝的末梢，而是一個大樹幹。如果你爬到一棵大樹的末梢，即便看起來爬得很快，也無法再往上走。
因此吳軍婉辭了很多公司的邀請，因為那些工作是重複他所做過的事情。如果為了錢接受那些工作，在長達好幾年時間裡就會原地踏步，甚至會知識老化，等他下一次尋找新的機會時只能退回幾年前的基礎。
本節啟示#
雖然不同人能力差異很大，但每一個人都可以優化自己的做事方式，在自己力所能及的範圍內取得更大的成就。而最有效的做事方式，一定是疊加了各種經驗之後更上一層樓。
本章小結#
了解了世界的有效性、有了正確的成本意識，我們就懂得了世界上其實沒有捷徑可走。從長遠來看，不存在什麼只有自己看到的、別人沒有發現的好機會。人唯一能做的，就是少在低水平上重複、少做無用功，確保每一次成功在將來都可以重複，每一個進步都是在為後來進一步的發展鋪好道路。