我们生活中对于聪明的定义很模糊，例如，一个5岁的小孩子能把圆周率背到小数点后100位，会被认为聪明。但同样的事情发生在五大三粗的爷们儿身上，不会被认为是聪明，是闲着没事干。一个知识竞猜节目中，如果一个人连续答对多个事实性问题，观众会叹为观止。但放到生活中，这样的知识又很难被周边的人认可。
我们的直觉通常会把知道多少信息当作聪明，这是由于我们从类人猿进化而来，大脑还留着这样的烙印，即认为拥有更多信息的人，能更早发现潜在威胁和食物来源，在自然界中拥有更多的生存优势。
信息爆炸始于互联网，也不过二十几年，知道多少件事很难再拥有竞争优势。你驾车二十几年熟悉城市的每个街道，也敌不过导航APP的运算能力。即便你终生学习，也不会比维基百科知道得更多。
过去我们的学习通常是以知道更多为主，而今天需要做一些视角转换。
心理学视角

心理学中，对于智力有两种分类：
1.流体智力（fluid intelligence）
指在不同领域运用推理的能力。可以通过智力测试中的图像分类、数列推理来测量。之所以这么命名，是因为流体这个词，可以体现这是一个像水一样流动的、过程性的智力，对应的知识例如归纳法、归谬法、反证法、乘法、除法等，是一种推理运算的智力。
2.晶体智力（crystallized intelligence）
指通过学习获得的陈述性事实。这些知识就像晶体一样结晶成一块一块地存储在长期记忆中。例如我问你北极熊是什么颜色，你立马知道是白色，这就是一个陈述性事实。
相应的，流体智力对应的知识叫做程序性知识，晶体智力对应的知识叫做陈述性知识。
我们所说的知道多少，指的就是陈述性知识，例如圆周率小数点后的一百位、历史事件的时间节点、具体概念的陈述性定义等。
而如何知道，就是程序性知识，例如类比推理、图式想象、归纳演绎等。
再打一个比方，陈述性知识就像程序中的数据结构，是一种静态的存在。而程序性知识就像算法，是一种运算过程，能将数据结构按一定的规则组合输出新结果。
程序性知识为何越来越重要

当一个人的陈述性知识再也不可能比搜索引擎更丰富时，程序性知识会变得越来越重要。换句话说就是：

信息人人都看得到，但看出什么来，就因认知能力而异。

程序性知识初期当然得靠陈述性知识的输入。例如学习骑自行车，你至少得先知道如何骑，才能开始练习骑行技能。又例如，小孩要学习乘法运算规则，至少也得先明白乘法的陈述性定义是什么。
学习程序性知识，是一种技能内隐的过程。例如一个会骑车的人，骑车技能已经内隐到了条件反射中，成为了一种肢体的自动化运算规则。
学习程序性知识也是如此，长期的训练会让它像车技一样内隐到条件反射中，不过这种反射不是肢体上的，而是认知层面的。
离开学校后，大部分人基本脱离了程序性知识的学习。因为学习程序性知识更烧脑，而人大脑有一条生存效应是：

能不用就不用，够用就好。

如果现有的知识对工作来说已经够用，即便只是看上去够用，大部分人也很少主动学习。任何有效的学习过程，都会伴有认知层面的不适合和难受。如果没有这样的感受，即便你一天看一本书，也只是在完成一种可以炫耀的KPI而已。
互联网的发展使得信息传播的边际成本趋零，而信息就像数据，如果不做解读，没有任何意义。无论是个人还是组织，依靠信息不对称难以建立持续性的竞争优势，能真正建立竞争优势的则是认知不对称。
在构建认知能力中，程序性知识毫无疑问将扮演重要的角色。
程序性知识有哪些？

上文提到，程序性知识其实就是一种算法，这种算法可能来自逻辑学和数学中的基本运算规则，也可能来自多个学科中的概念。
例如，进化论除了可以是一种陈述性知识之外，也可以当作程序性知识来理解世界的演化过程。熵虽然是热力学概念，但被借用到信息论中推演为信息熵，再大胆一点，借用思想层面可以称之为思想熵，可推断一个人的思想衰减程度。
还比如，颠覆式创新虽然是一个商业理论，但是在微观的职场层面，可以用于职业发展的判断和决策。科学方法论虽然仅存在学术研究中，但也可以作为甄选好书籍的标准。
如何获得更多的程序性知识？

将一个陈述性概念看作程序性知识。

我们所熟知的查理•芒格，他的多元思维框架就是这样一个程序性知识集合的模型。《穷查理宝典：查理•芒格的智慧箴言录》中这样说：

查理的投资方法和大多数投资者所用的较为粗陋的系统完全不同。
查理不会对一家公司的财务信息进行肤浅的独立评估，而是对他打算要投资的公司的内部经营状况及其所处的、更大的整体‘生态系统’作出全面的分析。
它们借用并完美地糅合了许多来自各个传统学科的分析工具、方法和公式，这些学科包括历史学、心理学、生理学、数学、工程学、生物学、物理学、化学、统计学、经济学等。
查理采用‘生态’投资分析法的无懈可击的理由是：几乎每个系统都受到多种因素的影响，所以若要理解这样的系统，就必须熟练地运用来自不同学科的多元思维模式。

以“将一个陈述性概念当作程序性知识”去理解芒格的思维框架，就明白为什么他倡导多学科学习了。这是为了获得更强的运算推理能力，而非掉书袋装逼。
程序性知识由于其不可陈述的特性，很难在人与人之间的进行对比。而当这样的知识产生强大的现实扭曲力（简单说，就是帮你赚了很多钱），他人又会认为你所说的程序性知识是一种事后诸葛亮。
索罗斯在还是学生时就跟随哲学家波普尔发展自己的哲学，构建了自己的反身性原理：

在我的一生中，我制定了一个概念框架帮助我既作为一个对冲基金经理去挣钱，也作为一个政策导向的慈善家去花钱。但是，思维框架本身是无关乎钱财的，它是关于思想和现实之间的关系，而这个问题从很早开始，就已经被哲学家们广泛地研究。

当他在金融市场中赚足了财富，将自己的思考写出成书——

1987年，我出版了第一本书《金融炼金术》。那本书里我试图解释我金融市场操作的哲学基础。这本书吸引了一些人的注意，大部分对冲基金行业内的人都读过，商学院也在教授。但是书中的哲学争论却没有给人留下多少印象，它更多被理解为一个成功生意人的虚荣心，赚了钱就幻想自己是哲学家。

在自己思想深处种植下一排程序性知识，它能解决思想和现实之间一系列的问题，赚钱只是其中之一。
聪明人都有自己独特的程序性知识体系，这一点很值得我们学习。

我们生活中对于聪明的定义很模糊，例如，一个5岁的小孩子能把圆周率背到小数点后100位，会被认为聪明。但同样的事情发生在五大三粗的爷们儿身上，不会被认为是聪明，是闲着没事干。一个知识竞猜节目中，如果一个人连续答对多个事实性问题，观众会叹为观止。但放到生活中，这样的知识又很难被周边的人认可。
我们的直觉通常会把知道多少信息当作聪明，这是由于我们从类人猿进化而来，大脑还留着这样的烙印，即认为拥有更多信息的人，能更早发现潜在威胁和食物来源，在自然界中拥有更多的生存优势。
信息爆炸始于互联网，也不过二十几年，知道多少件事很难再拥有竞争优势。你驾车二十几年熟悉城市的每个街道，也敌不过导航APP的运算能力。即便你终生学习，也不会比维基百科知道得更多。
过去我们的学习通常是以知道更多为主，而今天需要做一些视角转换。
心理学视角

心理学中，对于智力有两种分类：
1.流体智力（fluid intelligence）
指在不同领域运用推理的能力。可以通过智力测试中的图像分类、数列推理来测量。之所以这么命名，是因为流体这个词，可以体现这是一个像水一样流动的、过程性的智力，对应的知识例如归纳法、归谬法、反证法、乘法、除法等，是一种推理运算的智力。
2.晶体智力（crystallized intelligence）
指通过学习获得的陈述性事实。这些知识就像晶体一样结晶成一块一块地存储在长期记忆中。例如我问你北极熊是什么颜色，你立马知道是白色，这就是一个陈述性事实。
相应的，流体智力对应的知识叫做程序性知识，晶体智力对应的知识叫做陈述性知识。
我们所说的知道多少，指的就是陈述性知识，例如圆周率小数点后的一百位、历史事件的时间节点、具体概念的陈述性定义等。
而如何知道，就是程序性知识，例如类比推理、图式想象、归纳演绎等。
再打一个比方，陈述性知识就像程序中的数据结构，是一种静态的存在。而程序性知识就像算法，是一种运算过程，能将数据结构按一定的规则组合输出新结果。
程序性知识为何越来越重要

当一个人的陈述性知识再也不可能比搜索引擎更丰富时，程序性知识会变得越来越重要。换句话说就是：

信息人人都看得到，但看出什么来，就因认知能力而异。

程序性知识初期当然得靠陈述性知识的输入。例如学习骑自行车，你至少得先知道如何骑，才能开始练习骑行技能。又例如，小孩要学习乘法运算规则，至少也得先明白乘法的陈述性定义是什么。
学习程序性知识，是一种技能内隐的过程。例如一个会骑车的人，骑车技能已经内隐到了条件反射中，成为了一种肢体的自动化运算规则。
学习程序性知识也是如此，长期的训练会让它像车技一样内隐到条件反射中，不过这种反射不是肢体上的，而是认知层面的。
离开学校后，大部分人基本脱离了程序性知识的学习。因为学习程序性知识更烧脑，而人大脑有一条生存效应是：

能不用就不用，够用就好。

如果现有的知识对工作来说已经够用，即便只是看上去够用，大部分人也很少主动学习。任何有效的学习过程，都会伴有认知层面的不适合和难受。如果没有这样的感受，即便你一天看一本书，也只是在完成一种可以炫耀的KPI而已。
互联网的发展使得信息传播的边际成本趋零，而信息就像数据，如果不做解读，没有任何意义。无论是个人还是组织，依靠信息不对称难以建立持续性的竞争优势，能真正建立竞争优势的则是认知不对称。
在构建认知能力中，程序性知识毫无疑问将扮演重要的角色。
程序性知识有哪些？

上文提到，程序性知识其实就是一种算法，这种算法可能来自逻辑学和数学中的基本运算规则，也可能来自多个学科中的概念。
例如，进化论除了可以是一种陈述性知识之外，也可以当作程序性知识来理解世界的演化过程。熵虽然是热力学概念，但被借用到信息论中推演为信息熵，再大胆一点，借用思想层面可以称之为思想熵，可推断一个人的思想衰减程度。
还比如，颠覆式创新虽然是一个商业理论，但是在微观的职场层面，可以用于职业发展的判断和决策。科学方法论虽然仅存在学术研究中，但也可以作为甄选好书籍的标准。
如何获得更多的程序性知识？

将一个陈述性概念看作程序性知识。

我们所熟知的查理•芒格，他的多元思维框架就是这样一个程序性知识集合的模型。《穷查理宝典：查理•芒格的智慧箴言录》中这样说：

查理的投资方法和大多数投资者所用的较为粗陋的系统完全不同。
查理不会对一家公司的财务信息进行肤浅的独立评估，而是对他打算要投资的公司的内部经营状况及其所处的、更大的整体‘生态系统’作出全面的分析。
它们借用并完美地糅合了许多来自各个传统学科的分析工具、方法和公式，这些学科包括历史学、心理学、生理学、数学、工程学、生物学、物理学、化学、统计学、经济学等。
查理采用‘生态’投资分析法的无懈可击的理由是：几乎每个系统都受到多种因素的影响，所以若要理解这样的系统，就必须熟练地运用来自不同学科的多元思维模式。

以“将一个陈述性概念当作程序性知识”去理解芒格的思维框架，就明白为什么他倡导多学科学习了。这是为了获得更强的运算推理能力，而非掉书袋装逼。
程序性知识由于其不可陈述的特性，很难在人与人之间的进行对比。而当这样的知识产生强大的现实扭曲力（简单说，就是帮你赚了很多钱），他人又会认为你所说的程序性知识是一种事后诸葛亮。
索罗斯在还是学生时就跟随哲学家波普尔发展自己的哲学，构建了自己的反身性原理：

在我的一生中，我制定了一个概念框架帮助我既作为一个对冲基金经理去挣钱，也作为一个政策导向的慈善家去花钱。但是，思维框架本身是无关乎钱财的，它是关于思想和现实之间的关系，而这个问题从很早开始，就已经被哲学家们广泛地研究。

当他在金融市场中赚足了财富，将自己的思考写出成书——

1987年，我出版了第一本书《金融炼金术》。那本书里我试图解释我金融市场操作的哲学基础。这本书吸引了一些人的注意，大部分对冲基金行业内的人都读过，商学院也在教授。但是书中的哲学争论却没有给人留下多少印象，它更多被理解为一个成功生意人的虚荣心，赚了钱就幻想自己是哲学家。

在自己思想深处种植下一排程序性知识，它能解决思想和现实之间一系列的问题，赚钱只是其中之一。
聪明人都有自己独特的程序性知识体系，这一点很值得我们学习。