來源：貿易金融
「以教代學」的「費曼學習法」
很多人都聽說過「費曼學習法」。
以前有一句話：「如果你不能簡單地解釋一件事，那你就還沒有弄懂它」，物理學家費曼將這個道理變成一套方法，核心是學習的過程中，假想你面前有一個和你一樣的外行人，你得現學現賣，而且只能用他能懂的語言去解釋。
傳統的新知識學習，往往要用一些術語去表達概念，但我們對這個術語的本身，包括術語與其他知識的關係，理解是含糊。
比如「區塊鏈」，你如果僅僅用「分布式數據存儲、點對點傳輸、共識機制、加密算法」這些術語去理解「區塊鏈」，顯然是自己糊弄自己。
為了讓外行理解，你要放棄術語，而一旦放棄了術語，你會立刻發現，你對一件事的理解並沒有你想像的那麼透徹，那麼，你再回頭研究其中的問題在哪兒，這個學習的過程，被稱為「費曼學習法」。
「費曼學習法」核心就是「以教代學」，因為以「聽、看、閱讀」為主的被動學習，以學習效率遠遠低於以「講述、討論」為主的主動學習。
「費曼學習法」是我最常用的學習方法。
我過去寫文章解釋新概念時，大量使用類比的方法，很多人覺得這種方法需要深度理解之後，其實不然，很多類比，都是在我學習的過程產生幫助自己理解的。
下面的例子，是我前年學習「區塊鏈」技術時的理解。因為我不是理科出身，所以理解難免有偏差，僅僅是幫助大家理解「費曼學習法」，而非「區塊鏈」科普文。
去中心化的火車站
小鎮上有一家火車站，火車站自己有一個售票系統，賣一張票就勾掉相應的班次位置，這個方法就是「中心式記帳」，好處是有專門的人去管理，乘客不需要接觸整個售票系統，只要憑票在規定時間上車，對號入座即可。
可過了一段時間，乘客們經常發現兩張票對應同一個座位，這沒道理啊？於是大家找站長算帳。
站長冷笑一聲把售票系統打開，說：「每一張票的出售記錄都清清楚楚地寫在上面，你們不相信，就自己來查……，如果沒有問題，我就要問問你們，票是從哪兒買的？」
大家一時語塞，因為火車票很緊張，所以相當一部分乘客都從黃牛手上買票，難免有些黃牛乘機偽造火車票。乘客只好自認倒黴。
可時間一長，超載的現象越來越嚴重，簡直把火車變成了公交車，而且，大家並不沒有覺得黃牛變多啊。
越來越多的人開始懷疑火車站故意超售，否則，受黃牛影響最大的是他們，他們為什麼不管呢？
憤怒的小鎮人民一起跑到火車站，一把火把站給燒了，把站長和貪汙的售票員痛打一頓，趕出了小鎮。
痛快是痛快，可還得有人賣票啊？只要是「中心式記帳」，誰敢保證下一個站長不貪汙呢？就算站長不貪汙，黃牛的問題也是要解決的。
這時，小鎮的居民中有一個叫「中本聰」的人站出來說，我有一個好辦法，不需要火車站，也能人人買到票。
「中本聰」將火車票按發車時間順序自動分批提前做出來，以ITO（首次火車票發售）的方式先出售給每一個市民指定的代理人。如果市民A要坐某一趟火車，他就需要向持有該票的市民B買——都是點對點的交易，自然就不需要火車站了。
這就是一個「去中心的分布式數據存儲系統」，可是，如果不是在火車站買的，市民A怎麼能保持市民B賣給他的票是真的呢？
「中本聰」的辦法是給每一個小鎮居民發一個自動記帳的帳本，只要有一個人得到了一張票，他身份信息、購買時間、座位號都會自動記載到每一個人的帳本上。實際上沒有火車票了，而是一條信息：「張三得到一張火車票，座位是XXX，區塊123」——這就是「區塊鏈」的「區塊」。
請注意，這個編號123的區塊，記載在小鎮每一個人的帳本上，自然任何一個人都無法再偽造這張票，每一個人的票都是真的。
然後，當市民A從市民B手上買到火車票，他得到的不是也不是火車票，而是一條轉讓記錄：「張三得到一張火車票，座位是XXX，區塊124，上一條123」——同樣向全體居民的帳本上發送。
每一條信息都對應著「上一條」的信息，證明這張票的來源是可靠的——這就是「區塊鏈」的「鏈」，也是它最大的優勢：不可刪除性，可追溯性。
這麼一來，整個小鎮居民不需要火車站售票系統，就可以自發的完成買票、換票等一系列工作。
……
上面就是我當初用「費曼學習法」理解「區塊鏈」的一部分，這種方法很慢，但一些很複雜的知識，如果要自學，往往需要這個方法才能真正掌握。
「費曼學習法」最經常遇到的問題，是編了一半實在編不下去，這恰恰在提醒你，有一個知識點的邏輯關係你沒有掌握，必須重新理解，再回頭修改。
上面的內容大家讀得很順，那是因為我在理解過程中，不斷修改這個例子：我一開始是用「挖礦」來類比，後來意識到，「挖礦」不好理解「鏈」的概念，後來換成了「電影票」，又意識到轉讓「電影票」挺奇怪，最後才改成了「火車票」。
一開始，我用火車票的座位號去理解「鏈」，但後來發現理解的不對，座位號是火車的「鏈」，火車票才是交易區塊的「鏈」。
在不斷修正這個例子的過程中，我對「區塊鏈」的理解也越來越深，忽然在某一個時刻，打通了邏輯。
「火車票」的例子之所以合適，因為區塊鏈解決的信任問題剛好也是火車票在現實中的問題，大家比較好理解。後來，我竟然發現真的有人探討用區塊鏈技術解決火車票的問題。這就更說明「費曼學習法」的價值了——你不但學習了知識，還掌握了知識的應用。
不過，每一個比方在幫助你理解了一個屬性後，也可能讓你忽視和誤解另一個屬性。
比如這個火車票的例子，比較容易去解釋「區塊鏈」的「分布式存儲」，但卻忽略了另一個重要的特徵「共識機制」。
當然，一般人對區塊鏈的認識到「分布式存儲」就可以結束了，但如果你是對此特別感興趣，或者是創業者，或者相關行業的非技術從業人員，或者像我這樣的職業投資者，一定會考慮一個問題：
區塊鏈跟我有什麼關係？
而這才是「費曼學習法」的深度應用。
區塊鏈不可能三角形
費曼學習法的第一步是「明白學習目標」，看上去簡單，不就是弄明白什麼是「區塊鏈」嗎？
但當你解決了這個目標後，你自然會產生一個新的目標——「區塊鏈」對我而言的意義是什麼。
新知識就像一個孤島，剛才通過「費曼學習法」的過程，好像一次新大陸的航行，確定了「新大陸」的位置，但接下來呢？如果你覺得這裡有可能有資源，你就需要進行勘探發掘。
「費曼學習法」的方法仍然是把新知識與舊知識聯繫，只不過，這一次，我們的目的不是理解，而是比較。
仍然以「區塊鏈」為例，上面的類比留給我一個疑問——轉讓一張火車票，要在所有人的帳本上都記上一筆？那怎麼保證一條信息過來，大家都正確地記帳？要是不在線怎麼辦？要是有人故意亂記怎麼識別？……
事實上，因為不可能每個人同時一起記帳，所以每一個新區塊只能由一個人負責記，然後大家「抄作業」，但現在是「去中心」了，「老師」已經沒有了，那麼如何挑出一個可信任的「記帳人」，這就需要一個「共識機制」。
最早的共識機制叫「工作量證明」，就是比特幣中的「挖礦」，用比拼算力暴力破解密碼的方式來競爭記帳權，獲勝者的回報就是「獎勵幣」和轉帳手續費。
為什麼算力可證明一個人的可信呢？「工作量證明」就像科舉中的「八股文」，挖礦就像中舉，獎勵幣就像當官。做官本身並不需要「八股文」，但因為難度大，而且需要你投入大量精力，所以可以證明一個人的智商和意志力，這同樣是當官所必須的。
這種算法絕對無法造假，又絕對是「去中心化」，但它毫無意義地消耗了大量計算與電力資源，這種低下的效率，除了造幣還真沒什麼別的用處。
針對「工作量證明」的缺點，有人設計了的2.0版、3.0版的算法共識，或者根據持幣時間長短和數量取得記帳權，或者民主投票產生記帳權的代理人，這就不需要「挖礦」，交易效率高了，但缺點是不那麼「去中心化」，而且「安全性」也沒有那麼強。
所以就有人提出了一個「區塊鏈不可能三角形」——不可能同時兼顧效率、去中心化程度、安全。
可以說，在我學習「共識機制」的過程中，正是這個熟悉的詞——不可能三角形，一下子打通了我的「奇經八脈」，所有關於「區塊鏈」的邏輯一下子被這個「不可能三角形」貫穿了。
「去中心化」不是絕對的，區塊鏈應用實際上是在這三者之間進行平衡：版權保護要的是的版權確認與分銷的「效率」；區塊鏈遊戲要的是玩家物品的「安全性」；資源共享類應用要「去中心化」……，為產品開發更合理的共識算法，正是區塊鏈工程師最核心的工作之一。
這也就解決了此前我最大的疑惑：為什麼「區塊鏈」一下子上升到國家意志層面？
分析一下這個「不可能三角形」，「安全」不是指網絡安全，而是系統可用性，是區塊鏈最核心的價值，不能沒有；「效率」是商業化應用的前提，也要有；那唯一可犧牲的就是「去中心化」的程度了。
政府肯定是不喜歡「去中心化」的，每一個「中心」都代表一項權力，就像前面的「去中心化火車票」讓站長失業一樣，這也是之前有關部門一直視比特幣為洪水猛獸的原因。
但「去中心化」確實又有好處，可以降低行政成本，提高辦事效率。
更重要的是，雖然區塊鏈技術的應用方向很多，但唯一能夠影響國家決策層意志的還是金融，從國際競爭的角度看，「去中心化」就是「去美元霸權」，對政府就是有戰略意義的技術。
這就解釋了，為什麼央行早在2014年就一直在研究的數位化貨幣DCEP，在臉書推出天秤幣後，忽然加速。
天秤幣以美元作為記帳單位，代表了「美元霸權」在數字貨幣領域內的延伸，美聯儲已經基本同意，只在國會有壓力，所以小扎在美國國會高調作證，辦法就是用「中國人已經大幅領先」製造悲情效應。
不管你願不願意，「區塊鏈」已經上升到國家競爭的層面。
事實上，區塊鏈未來第一個殺手級應用已經很明顯，即跨境支付，美國主導的SWIFT協議結算周期平均需要3-5天，其中交易確認就需要1-2天，理論上用區塊鏈技術可以讓跨境變成T+0結算，毫無疑問可以在這個基礎上誕生很多新的商業模式。
所以天秤幣的初始成員中就有Visa 、Mastercard 、PayPal等金融支付機構。
如果能把「去中心化」的影響控制在一定的層面，又能爭取「安全」「效率」，區塊鏈很可能是下一場「貨幣戰爭」的核武器。
「費曼學習法」的五個要點
上面就是我用「費曼學習法」學習區塊鏈的成果，前一部分是幾年前認識「分布式數據存儲」，後一部分是這次學習「共識機制」。
最後還是要回到文章的主題，總結一下「費曼學習法」的幾個要點：
第一、遇到新知識，不要問別人，不要問別人，不要問別人。
怎麼辦呢？自己找資料，找出其中「關鍵的術語和規則」，用類比的方法，讓自己講明白其中的邏輯。
第二、如果特別複雜的定義，可以分成幾部分，分別用不同的類比去解釋。
第三、用已經學過的知識體系去「框」住新知識，就像「不可能三角形」讓我忽然對「共識機制」的理解上了一個層次一樣。
第四、根據知識的重要性，設置不同的目標，從「它是什麼」到「它能幹什麼」，再到「它跟我有什麼關係」，等等，從而提高你的理解層次；
第五、嘗試用你理解的新知識，去解決實際問題，解釋現實現象，你有可能發現新問題，或者讓自己的理解更深刻。比如理解了「共識算法」後，就能意識到國家層面競爭的意義。
我發現，自從成為職業投資者之後，忽然一下子要面對大量的新知識，前年是雲計算、區塊鏈，鋰電池，去年是人工智慧、5G、網絡安全，上半年是國產晶片、邊緣計算、泛在物聯網、燃料電池、自主可控，下半年又要重新學習區塊鏈，費曼學習法的使用頻率一下子高了很多倍。
雖然這些知識離自己的能力圈可謂十萬八千裡，但正因為如此，當你忽然明白了其中的核心邏輯，並與自己以往的知識產生關聯之後，一下產生了「我靠，居然有這種神操作」，會體驗到那種久違的愉悅感。
學習一時爽，用費曼學習法，天天學習天天爽。