跨学科学习不完全手册
人人都知道该跨学科学习，但往往不知道何处着手。少数人知道如何跨学科学习，但几乎无人分享跨学科学习方法。
在《到如今，哪些学科值得学？如何跨学科学习？》中，我分享出 7 个跨学科学习的心得体会，后接到读者反馈——「如何开始跨学科学习」部分说得比较简单，希望再说明白一点，于是便将此部分具体扩展。
芒格、西蒙与马斯克跨学科学习各有法，我个人最喜欢西蒙跨学科学习方法，皆因西蒙留下大量的文献、著作与演讲，有两本传记和无数论文，成长足迹清晰，跨学科路径分明，是普通人最容易跟随学习的榜样。
以下是我根据西蒙相关文献整理汇总的学习方法，也正是我在践行的跨学科学习方法，希望能给大家启发。
一、找到大问题。
尝试寻找一个你感兴趣且值得你继续投入时间的大问题，这个大问题最好是「事关人类生存与发展的重大基础性问题」。并且，你相信解答这个大问题能造福他人，激发起你的内在动机，引导你能有多种可能性的迷宫中进行着漫长而愉快的搜索，贯穿你的一生。
这种问题类似于安猪老师在 2016 开智大会提到的大问题：它们往往是困难甚至极端的。在极端假设中，才能做出真正有价值的发现，而这种极端问题导致一些延伸问题，让我们在更深层面去思考这个问题的解决方案。当我们往深层次走，去思考这些问题的本质，我们的行动方案和最终结果就会有更长期的价值。
如何确定大问题？西蒙提出了五条参考标准：
1）这个问题的解答可检验。你的解答不能只通过你的个人经验来验证，而是能用事实、数据来检验。例如日心说。
2）这个问题的解答有价值。如何证明解答有价值？西蒙的回答是：如果把解答发表在一家有声誉的期刊上，至少有两个人索取论文复印件。个人觉得这样有难度，建议找到顶尖同行，争取认同。
3）这个问题的解答具有美学价值。理性的认知必然是通过感性的认知而普及的，大问题的解答必须能感性美，然后才有认识的价值，不然会有另一个更美的解答取代。例如爱因斯坦的等式 E = mc² 。
4）这个问题的解答能推动科学进步。这些大问题处在学科的中心或者学科交叉边缘，一旦解答能给人类带来启发，带动技术进步。例如人工智能就是计算机科学、心理学、设计学等学科的交叉大问题。
5）这个问题有解答的可能性。你需要思考，这个问题是否付出价值相称的努力就能找到解答，如果不能，你就要深入思考：是否是时机不对？现在不能解决，以后技术成熟就能解决？以往是否有类似的大问题可以用现在其他学科知识来解决？
根据这五条标准，西蒙确定了他的大问题——「人类问题解决」。
二、表征大问题。
表征（representation）是认知心理学的术语，意思是将概念用不同的学科知识的弹性迁移，在多种相似情境制造共性，抽取出概念的核心。
小问题用具象表征即可解决，大问题就需要运用高级的抽象表征解决
例如你小时候学「 1+1=2 」你可以用手指表征，两个手指摆在一起，再合起来数，就能轻易解决问题，但这种表征只是适合辅助理解问题，一旦要上升到「242+349=？」这种难度，你就再不能借助具体情境的表征，需要利用抽象表征。
所以，人类将各种大问题表征为更有助于人脑记忆与思考，更能批量解决问题的形式，例如数学等式、符号标记、摘要排列、示意图等。抽象的层级越高，可解决的问题就越多。
掌握大问题表征技能，关键在于掌握足够多的抽象模型，利用不同学科知识重新表征所问题，生成问题表征信息，并把不同的表征联系起来，改变问题的表述方式，突破学习最难的关卡，从而解决问题，
西蒙一生围绕大问题不停在政治、数学、心理、计算机等领域来回探索，一生共拿了 9 个博士学位，就像学会了凌波微步，在学科森林肆意穿梭，毫无压力。
大问题表征就像一条线，跨学科就像一颗颗珠子，把珠子串成项链，问题往往就解决了。
西蒙是如何表征大问题的呢？
西蒙的大问题表征经历了这样一个过程：组织决策——人的决策——人类问题解决。
西蒙的大问题原来是「组织决策」，后来发现，「组织决策」往往是「人的决策」，而人的决策问题是关于人类行为的中心问题，任何单一学科都无法独立承担这一重大的基础性问题研究，于是，西蒙尝试用其他科学知识解答
在尝试过经济学与管理学后，西蒙转向心理学，用人类认知与计算能力有限提出满意理论，后来又发现已有的心理学也无法深入解释人类决策机制，萌生用计算机科学去模拟人的思维过程，此后西蒙研究的大问题表征为「人类问题解决」。
如此可以发现西蒙问题表征的过程：先用不同学科知识表征大问题，在学科内遇到瓶颈时，不但不会囿于学科知识而停顿，而是继续走出圈子，用更广阔的思路解决大问题。
由此可见，问题表征既拉开大问题的广度，也能扩展大问题的深度。不同表征下研究的侧重点有所不同，可形成了大问题研究的多个层面，不同层面的研究相互支持，从而形成对这一大问题更全面的理解。
三、迁移学科方法
大问题之所以成为大问题，核心在于问题的解决难度，你需要不断迁移其他学科的研究方法来敲碎它。
在迁移其他学科方法之前，你必须至少掌握一个学科的基础知识，熟悉该学科的基本研究方法，才有迁移学习的资本与方法。你要明白，你面临的是别处学科的壁垒，如果锤子不够硬，裂缝也敲不开。
一般情形下，一个学科往往具有自己的传统方法，但久而久之传统方法会成为该学科研究拓展的桎梏，研究者有路径依赖，往往难以创新。这时，你就要不受任何学科传统方法的束缚，大胆借用、移植其他学科的方法。
学习多学科的好处就是不同学科解决问题有不同的思路，如果能综合运用，往往能打开单个学科的困境，就像你要做一把椅子，你仅有锤子还不够，你还需要锯子、钉子、刀子……
西蒙用这个方法，成功在管理学和心理学中闯出了一条新路子。
西蒙为解答大问题「组织的决策」学习管理学，发现传统管理学概念混乱，不符合科学法则，于是决定开辟新途径，找出新的研究方法
他借助社会科学的操作主义方法，对管理学中各种概念，如目的、过程等做出操作化定义，让其符合经验观察结果或状况，为其创立以决策为核心《管理行为》组织管理理论奠定基础。
再如西蒙在为解答大问题「人类的决策」学习心理学，发现传统心理学的两个流派：行为主义心理学和格式塔心理学均存在问题，行为主义心理学认为思想、意志和意识不可观察，格式塔心理学认为感觉、思维和知识理应是心理学关注的核心，两个学科相互打架，非 A 即 B ，面对这一困境，西蒙决定采用新方法——借助数字计算机来解决人的思维与认知活动。
他认为计算机对符号的记录、储存、复制、转移、删除等基本操作与人的中枢神经系统相似，可以像研究动物那样研究计算机，便依照人类在解题、下棋等典型智力活动中的方法，编写了各种程序，用计算机来模拟人类思维与认知，观测计算机在不同模式刺激下的表现来研究人类的决策，最终，西蒙实现了对思维的经验研究，构建出关于人类思维和认知的经验科学。
四、重新定义概念
所谓新知识，都是从旧知识的流动，像活水流经一个个池子，形成了一个个学科。重新定义概念是将自己知识池子的水活动起来。
进入新领域，首先面临着如何处理概念的旧定义，而概念的知识往往与特定的学科知识传统紧密相关，对概念重新定义有助于摆脱这一学科知识传统的束缚，带来更多创造性的成就。
如何重新定义概念？
很简单，把原有学科中关于此概念的知识内容转换成多个学科中的知识内容。
例如西蒙重新定义情感。情感在心理学文献中被定义成与人类思维理性相对立的概念，或者说情感是非理性的。但西蒙认为情感与理性并非对立。
「情感是动机的主要来源，它让我们把注意力集中在特定目标上，而且情感会有助于对其激起的目标进行积极的相关思考。」因此，西蒙把情感定义为「中断系统为响应突发强烈刺激而启动后产生的行为」，这样，情感就可以成为计算机认知模型能够处理的对象，实现了由心理学到计算机科学关于情感概念知识的转换。
概念的转化，不仅让旧概念更清晰明白，而且可让新概念应用到新学科，获得更多启发，从而解决问题。
五、同行合作交流
一个人学习未免过于无聊和单调，好的学习者善于与其他学科的学习者合作交流，取长补短，融合百家之所长，实现知识在不同合作者之间频繁而密集的流动、转换，从而实现知识创新。
如果将知识定义为水，学科定义为格子，学科知识就是冰块，你需要做的就是用热水来融化冰块，使之一体。
为此，西蒙提倡作出各种尝试。
提倡结交朋友。西蒙如此形成朋友的好处：「你会发现所有你需要的程序都储存在你的朋友之中。只要你不过多干预，这些程序会富有创造性和富有成效地执行任务。」逐步结交你可能感兴趣的领域中的朋友，这些朋友会让你被动了解领域中的真正重要的和惊人的进展。
当然，这里说的朋友是指与你旗鼓相当，或者水平高于你的朋友，这些朋友可能会成为你的贵人。如果你水平不足，又想拼命想挤入某个圈子时，你就注定是个旁观者。
提倡与人合作。西蒙把与合作者看成是具有头等意义的「启发式」，与这些精力充沛、聪明睿智、博学多才的人进行合作受益无穷 例如他就与纽厄尔合作构建计算机模型，西蒙善于程序设计的策略思考，纽厄尔善于精于用计算机程序语言实现策略，二人互补知识结构和关注点，促进了知识在他们头脑间迅速转移，创造出一系列思维模型。
提倡加入或创建跨学科小组。这个要求成员对不同学科有相当的专长和良好的基本知识：可能是数学，可能是计算机，又或者是艺术设计，如果他们只对学科感兴趣而未曾深入研究，那就很难激发出新的思维。
提倡跨学科争论交流。创新知识得到认同需要过程，在此期间，有关这些知识的内容、理论前提以及形成知识的方法都会受到质疑。公开而理性的争论，有助于完善知识内容，建立更可靠的理论前提和澄清所采用的研究方法，从而实现知识由创造者向学习共同体转移。学习争论的结果除了帮助学习者完善内容和澄清问题外，还扩大创新知识的影响力，实现知识转移。
——- 跨学科，学人工智能 -——
掌握深度学习原理
搭建神经网络模型
熟悉自然语言处理
开发智能个人助理