在2024年世界读书日前后，Wiley出版集团联合中科院文献情报中心、中国科学院大学教育基金共同推出了以“汇聚学术大咖，点亮学术之路”为主题的系列讲座。在中国科学院大学史祎诗教授的邀请下，我在4月15日晚，为研究生们讲解如何构建个人学术知识体系，以下是根据录音整理的文稿。
非常高兴能在今天跟大家一起分享一下如何构建个人的学术知识体系。这次讲座主要讲解三个方面：一是研究生学术知识体系的特点，二是如何快速地获取有用的学术知识，三是如何将这些有用的学术知识变成自己的学术知识体系。在座的都是研究生，已经通过了小学到本科知识的学习阶段。我经常对我的研究生讲，“你也许非常熟悉从小学到本科时期的学习方法，但研究生阶段知识的学习是跟以前完全不一样，一定要转变认识。”在读研究生阶段，有些学生依旧按照自己从小学到本科那样积累知识的惯性来学习研究生的学术知识，导致走很多弯路。研究生和从小学到本科的知识体系到底有什么不一样？在我看来，从小学到本科的知识体系主要解决的是名次问题：学生在同一间教室里，使用统一的教材，听同一个老师讲课，学习完全一样且有明确答案的知识，最后通过考试将学生按照分数高低排名。名次好的学生获得更多机会，比如可以得到奖学金、获得保送资格等等。我们可以把小学到本科学习的方式比作田径项目里的跑步比赛：大家起点和路线都一样，按照到达终点的顺序给大家排名。大家在从小学到本科期间，学习的知识相差无几，只是掌握程度不同，所建立的知识体系是趋同的。研究生在做学术研究阶段要解决的是目前不知道答案的问题，实践方式主要是“师傅领进门，修行在个人”。这里的“师傅”指的是研究生阶段的导师，他把研究生带进一个学术领域里，提供一些需要解决的问题。研究生在解决问题的过程中，学习新的知识并且构建自己的知识体系。以我自己的研究生为例，由于每个人针对自己要解决的问题来构建自己的知识体系，最终即使同一级的学生，在完成学业时的知识体系可能会完全不同。再举个例子作类比，研究生阶段的学习有些像打猎。导师把研究生带到一片森林，根据他个人的经验判断，在这片森林里边可能会有各种各样的猎物，研究生的任务是猎取到某一特定的动物。猎物（比如飞禽、走兽或者鱼类）不一样，导致需要不同的狩猎技能，也就是说，研究生阶段的知识体系是由要解决的问题而决定的。既然要面向问题来构建自己的知识体系，那研究生学术知识体系的结构是什么样的？我在美国密西根大学读博士时的导师Ted Norris教授告诉我，博士生的知识体系是“T”字形结构。“T”的一竖代表知识体系的深度，一横代表的是知识体系的广度。作为一个合格的博士生，在几年的学术生涯里需要不断地拓展自己知识体系的深度，同时还要努力扩展自己知识体系的广度。“广度”与“深度”是密切相关的，有点像我们在平地上挖口井。这一横好比井口的大小，井口太窄的话，很难挖深。如果知识体系比较广的话，也更容易达到更深的深度。第二个方面是如何快速地获取有用的知识。什么是有用的知识？一个非常狭义的定义是能够解决你自己的科研问题的知识就是有用的知识。因为研究生的就读时间非常短，科研问题也可能非常有挑战性，要努力去找到并积累那些能够解决科研问题的知识。在科研过程中，要采用两个视角来看待所面对的科研问题，第一个是显微镜的视角。这个视角需要关注眼前科研问题里边的细节，但是，如果过分地而且长时间地埋头于细节时，往往会忘记科研问题的大背景。因此还需要经常从宏观角度来审视自己的科研问题，我把它叫做望远镜的视角。在解决科研问题的过程中，要经常切换这两个视角，既要看到其中的细节，同时又更要看到宏观的大背景，不至于被细节所淹没，这非常有助于解决科研问题。我们的科研活动有时效性，必须要快速获取有用的知识，这是由科研活动的性质决定的。第一点，科研活动是一场竞争，“赢者通吃”。大多数有价值的科研问题，世界上有很多的课题组都同时在研究，存在激励竞争。在某种程度上，科研活动很像奥运会比赛，奥运会比赛可以角逐出金银铜牌，奖励前三名，但是科研更加残酷的地方在于只认可第一名。比如说大家都知道第一个做出激光的人是梅曼，但对于第二名第三名，大家不会关心。所以科研是“赢者通吃”类的活动，科研具有非常重要的时效性，即使比别人晚了一天，和晚100天没有本质区别。第二点，科研项目本身有截止日期，包括各种年度考核、中期考核以及结题等。一般来讲是三年，长一点的可能是五年，必须在有限时间之内解决面临的问题。第三点，个人读研有时间限制，直博一般是五年，可以延期到六年、七年，但是不能无限制地延期。时间是一个非常硬性的限制指标，但知识几乎是无限的。每年会有很多文章发表，即使阅读自己专业领域里面十分之一的文章也是不可能的。因此，“时间有限”与“知识无限”之间形成矛盾。在时间有限的情况下，不可能把所有的东西全部弄懂、打下坚实的基础后再去解决问题。研究生在科研过程中，解决一个问题之后，一定会遇到下一个问题。科研也就是一个通过解决不同问题实现“打怪升级”的过程。基于时效性，学生应该权衡每一步问题需要解决到什么样的程度？解决了这个问题后是进行下一步还是要搞清楚为什么我解决了问题？这个问题背后的原因或物理是什么？需不需要把它搞清楚？这涉及到两种不同的科研思路，一种是工程师的思路：就是这种方法有用、能解决问题就可以；另外一种是科学家思路，要知道为什么这样可以解决问题，背后的原理是什么？弄清楚之后，再往前推进。考虑到时间有限这一边界条件，需要在工程师思路（“知其然”）和科学家思路（“知其所以然”）之间作取舍与权衡。建议大家在做科研的过程中，每隔一段时间做一下复盘，看看在某个阶段到底是用了工程师的思路，还是用了科学家的思路。我在给自己的学生做指导的时候，有时为了更快地推进实验，可能多采用工程师的思路：只要解决了当下问题就可以，不需要在这个地方耽误太多时间，继续推进。一是在身边。首先，导师就是最为重要的知识来源，一般情况下，导师都非常愿意和自己指导的学生讨论科研问题。导师相当于一个中央处理器，经常跟他讨论问题可以让他把控好方向，避免自己在科研过程中误入歧途。其次，同门师兄师姐甚至师弟师妹也是有用知识的重要来源，虽然大家在课题组里解决的问题不一样，但很多共性的知识和工具是能够分享的，匹配度会比较高。比如我的学生都在同一间实验室里工作，我要求他们除了做好自己的实验之外，也要关注其他学生在做什么实验，多跟大家讨论、交流。如果某天有其他单位的老师来参观实验室，恰巧实验室里只有某个同学，我希望这种情况下，每一个同学都必须能够向外来的参观者准确地介绍实验室里所有正在开展的实验：每个实验做到了哪一步？在解决哪些重要问题？主要有哪些创新点？将来有哪些应用？也就是说，每个研究生不仅要知道自己做的东西，还要了解课题组里其他人的工作。在这个过程中，可以积累非常多有用的知识。二是在远方。比如说其他单位的专家、其他课题组的学术会议，等等。参加学术会议的时候，作为一个研究生，可能会遇到应邀做报告的大专家或者这些专家课题组的同学。大家可以现场一起讨论，也可以在日后通过微信等方式沟通遇到的问题。因为大家来自不同的课题组，知识面相对来说宽一些，又因为是在同一个领域，匹配度也比较高。第三个知识来源是互联网。在网上可以读到各种各样的学术文章，还有很多由国际著名院校（比如麻省理工）提供的开放课程，还可以在知乎或者B站等社交媒体上寻找相应的知识。另外还想给大家推荐GPT这个工具，它可以作为一个知识面非常宽的得力助手。在了解了有用的知识在哪里之后，我们再来讨论有哪些途径可以获取这些有用的知识。首先，作为一个研究生，切记不要只闷头做自己的工作，一定要多与周围的人讨论。有时候，哪怕只是复述自己的问题、将自己的问题讲清楚都有可能帮助你想到答案。第二，阅读文献书籍。可以像以前学英语那样，把泛读跟精读结合起来。精读那些跟自己的课题密切相关的文章或者书籍，做到烂熟于心，知道里面所有的细节。同时还要泛读一些文章，扩大自己的知识面。泛读是为了增加我们T字形知识结构的一横，精读是为了让那一竖变得更长。第三，多参加学术会议，积极提问，多与报告人讨论交流。第四，在网上搜寻资料和信息。我有一个毕业后在美国公司工作的大学同学，负责编程方面的工作。据他介绍，他的最强能力就是能够在网上迅速地找到所需算法，非常省时间，大大提高工作效率。第五，利用好AI。前段时间，我的一个学生利用GPT在非常短的时间之内，总结了几百篇文献。换句话说，在GPT的帮助之下，该学生可以很快泛读600篇相关领域的文献。如果没有GPT，做这件事情可能要多花几十倍的时间。有了有用的知识之后，我们应该如何消化和吸收这些知识，形成带有个人风格的知识体系？为了回答此问题，我给大家讲一讲知识体系构建的五个层次。首先，一个知识体系的最底层是数据。这些数据可以是数字、文本、图像或者有关事物、事件或者现象的细节，它们是形成理解跟洞察力的原材料。比如你在实验过程中测量得到的原始数据，在进一步处理之前的数据本身是处于一种离散和割裂的状态。再比如一次人口普查中的数据，包含中国的人口数量、男性以及女性的数量，或是10岁以下、60岁以上的人口数量等等。这些离散、割裂状态的数据是我们知识体系的最底层的原料。将这些数据处理、组织，让它们结构化，就变成了信息。这些信息能够提供对某种事物的客观描述，一般用于回答是谁、是什么、何时何地以及有多少之类的问题，有助于我们来理解一些数据的规律、变化趋势以及数据之间的相关性。我们平时跟别人交流时大量摄取的就是这些信息。信息之上的才是知识，它代表的是有效地利用信息来实现特定的目标或者对解决问题的理解。知识基本上回答的是为什么？怎么做？带有某种指导性，我们可以把它理解为“知其然”。知识能够帮助你解决问题，包括各个领域的技能、专业知识和经验。比如我们在搭建激光器时，碰到某个器件经常烧坏这个问题，有经验的人告诉你如何避免，这种解决方法就属于知识。前面已经提到如何通过读书、查阅文献以及参加学术会议等方式获取知识。在获取知识之后，下一步便是通过把这些知识运用到实践中去，在解决问题的过程中，让知识之间嫁接、交融，建立起对某一领域的深层理解或者洞察能力。这需要我们对获取的知识有更深层次的把握。知识帮助我们知其然，再进一步的话，我们需要知其所以然，理解信息和知识的基本原则、它们之间的关系以及机制，这需要我们有批判性的思维来剔除偏见，换句话说：摄取大量知识之后，还需要我们透过现象看本质。举个例子，比如农村的早上可以听到鸡叫，然后太阳会升起来，“鸡叫”与“太阳的升起”是两件事情，这是我们获取到的知识，但是思考这两件事情是否存在某种联系可能导出“由于鸡叫导致了太阳的升起”这种结论，当然，这是之前的一个笑话。但是在做科研的过程中，你可能会不经意把某些事情联系起来，以为它们之间有因果关系，这时就需要批判性的思维来剔除这种偏见，帮助我们透过现象看到本质，了解这两者之间的关联到底是因果关系还是相关关系。智慧是思维在理解或洞察之上可以达到的顶峰，可以将其认为是对理解或洞察的评估与复盘，从而能够做出正确的决策。举个例子，在做科研的过程中，通过不停的实验可以得到一些结果或观察到某些现象，对此现象深入理解之后，需要判断出下一步需要采取的措施。在解决问题的过程中，通过寻找问题原因、建立某种因果关系可以做出下一步措施的决策，但这种决策的正确性还需要评估与复盘。经过多次这样的过程，会发现自己根据洞察来做决策的能力变得越来越强，往往更能做出正确的决策，这时就达到了智慧的层面，运用之妙，存乎一心。在自然科学研究的领域里，我个人可以体会到确实存在从数据、信息到知识，再到洞察、智慧这样一个逐渐深入，最后形成自己的知识体系的过程。总结一下，我今天主要给大家讲了三方面的内容。关键是要想告诉大家，要围绕自己需要解决的学术问题来构建自己的知识体系。知识体系因人而异，也因问题而异，要兼顾深度跟广度，是一个“T”字形的结构。因为时间有限而学海无涯，因此要在工程师思维（“知其然”）和科学家思维（“知其所以然”）之间做好权衡。在做科研的过程中，建议大家要多想、多用、多评估，将这些数据信息结构化、体系化。Steve Jobs有一句话是“Stay hunger”，要让自己在求知方面永远处于饥饿状态，构建一个开放的体系，不断吸收新的知识。最后，为了刺激自己，让自己的大脑更活跃，建议大家能够多接触新鲜事物，比如说“读万卷书，行万里路”，在此过程中可能会让感官更加敏锐，更有利于把以前积累的知识体系化、互联互通，让自己变得更加有洞察力，更加有智慧。![]()
