我想谈一谈人的潜能发展， 就从可能是最有影响力的 现代发展故事开始说起吧 。 大家都应该听说过“一万小时定律”， 或许你的生活也遵循此道。 其基本观点就是， 想在任何方面变得优秀， 需要花费上万小时刻意练习， 因此行动越早越好。 该理论的典型代表 就是老虎·伍兹。 尽人皆知，他 7 个月大时， 父亲给了他一根推杆。 10 个月时， 他开始模仿父亲挥杆。 他 2 岁时的视频已经可以 在油管（YouTube）和全国电视上找到。 快进到 21 岁， 他已是全世界 最优秀的高尔夫球手了， 典型的一万小时故事。 另一个被写进 众多畅销书中的典范， 就是波尔加三姐妹的故事。 他们的父亲决定在她们很小的时候， 就用职业训练的方式 教她们下国际象棋。 事实上，他是想证明 抢先起跑、刻意练习， 所有孩子都能成为 任何领域的天才。 而实际上， 他的两个女儿确实都成为了 国际象棋大师。 所以当我成为 《体育画报》的科普作家时， 我不禁感到好奇， 如果这个一万小时定律没错， 那我们就应该看到那些优秀运动员 通过所谓的“刻意练习”， 获得领先位置。 是有教练指导，聚焦于纠错的练习， 并不只是随便玩玩。 事实上，科学家在研究运动员时， 发现这些运动员 把更多时间花在了刻意练习上， 这并不令人意外。 当他们追踪运动员的 职业发展历程时， 他们的模式是这样的： 未来的骄子们 在他们最终的运动项目早期 花在有意识的 练习上的时间反而更少。 他们通常都经历了 一个科学家所谓的“试水期”。 在此期间， 他们会尝试各种体育运动， 从中获取广泛、通用的技能， 并从中发现自己的兴趣和能力， 与在较低水平就遭遇瓶颈同龄人相比， 他们把术业专攻的时间推迟得更晚。 当我看到这个情况时说： “天啊！这可不符合 一万小时定律啊！” 因此我开始对其他领域， 那些强制性提早进入 专业化训练的领域感到好奇， 诸如音乐， 结果发现它们的模式大多相似。 这项研究来自于 一所顶级的音乐学院， 我想让大家关注的是： 相比一般的音乐家， 那些杰出的音乐家并没有 花更多时间在刻意练习上， 而是会尝试到第三样乐器， 当然，他们也有那一段“试水期”。 即便我们能想到的 像马友友那样早慧的 音乐家， 他也有一个“试水期”， 只不过相比大多数音乐家， 他的“试水期”更短而已。 即便如此，这项研究 却几乎被完全忽略了， 取而代之更具影响力的是 《虎妈的战歌》这本书的首页， 作者讲述了强制安排 女儿学小提琴的故事。 似乎无人记得书中后面的部分， 她女儿说： “学琴是你选的，不是我，” 而且几乎完全放弃了。 所以在体育和音乐方面， 了解到这类出人意料的情况后， 我开始对其他能影响 更多人的领域充满好奇， 诸如教育领域。 一位经济学家在英格兰 和苏格兰的高等教育体系里 发现了一个自然实验。 在他开展研究期间， 这两个体系十分相似， 除了在英格兰， 学生需要在十几岁时 选择一门专业学科进行专攻， 而在苏格兰，如果他们愿意， 可以继续在大学不断尝试。 这个经济学家提出的问题是： 谁是最后赢家， 先来者，还是后到者？ 经济学家发现， 那些专攻者会在收入上领先， 因为他们拥有更多 专业领域的能力。 而那些晚专攻者 可以做更多不同尝试， 一旦做出了选择， 匹配度也会更高， 用经济学家的话来说， 就是“匹配质量”更好。 因此他们的收入增长更快， 六年之后， 这种收入差距被抹平。 与此同时，更多早期专攻者 开始退出原定的职业路线， 究其根源，是因为 他们太早被迫做出选择， 通常他们的选择并不明智。 所以，虽然晚专攻者 短期来看处于落后地位， 却赢在长期发展。 如果我们把选择职业看作约会， 就不会逼对方尽快安定下来。 再次看到这种模式 让我非常好奇， 想探究那些人的发展背景—— 他们的工作我向来羡慕不已， 像艾灵顿公爵（Duke Ellington， 美国黑人音乐家），他小时候曾逃掉音乐课， 去专心练习棒球、油画和绘画。 或者像玛丽安·米尔札哈尼 （Maryam Mirzakhani）， 小时候对数学没有兴趣， 而是梦想成为小说家—— 但她最终成为了第一个， 也是迄今为止唯一一个 获得“菲尔兹奖”的女性， 这是数学界最有声望的奖项。 又或是梵高，曾从事过 5 种不同的职业—— 每一个都曾被他认为是 真正的使命，却都辉煌的幻灭了—— 而在年近三十的时候， 他拿起了一本《绘画入门指南 》， 结果一发不可收拾。 克劳德·香农（Claude Shannon ） 曾就读于密歇根大学的电力工程专业， 选修哲学只是为了满足学分要求。 在课程中，他了解了 有近百年历史的逻辑体系， 其中真假陈述被编码为 1 和 0 ， 被当作数学问题一样解答。 于是，这一发现促进了 二进位码的发展， 奠定了今天所有数字计算机的基础。 最后，我的榜样 弗朗西斯·赫塞尔本 （Frances Hesselbein）—— 这是我们的合照—— 她在 54 岁时才开始从事 第一份专职工作， 并成为女童子军 （Girl Scouts）的首席执行官， 而正是她拯救了这个机构。 她使少数族裔成员人数 增加了两倍， 新招募了 13 万名志愿者， 这是她任职期间 颁发的精通奖章之一—— 是奖励学习电脑的 女孩的二进位码。 现在，弗朗西斯经营着 一家领导力培训机构， 工作日在曼哈顿上班。 她只有 104 岁， 谁知道她接下来还会干什么。 （笑声） 我们几乎从来不会听到 这样的成长故事，对吧？ 我们很难听到研究报告指出， 获得诺贝尔奖的科学家， 有一项业余爱好的可能性 比普通科学家高出 22 倍—— 从未听说过。 即便表演者声名显赫， 作品成绩斐然， 我们也很难听到他们的成长故事。 例如，这是一位我所关注的运动员。 这是他 6 岁时穿着 苏格兰橄榄球球服的照片， 他尝试过网球、滑雪、摔跤。 他母亲是个网球教练， 但拒绝训练他， 因为他通常都不回球。 他也尝试了篮球、乒乓球、游泳， 当他的教练想让他再进一级， 和年纪更大点的男孩 一同训练时， 他表示拒绝，因为他只想 在和朋友训练结束之后 讨论一下职业摔跤。 他还继续尝试了 更多的体育项目： 手球、排球、足球、 羽毛球、滑板...... 那么，这个浅尝者究竟是谁？ 他就是罗杰·费德勒 （Roger Federer）。 成年后的他和老虎·伍兹 一样大名鼎鼎， 而即便是网球爱好者， 对他的成长故事也一无所知。 即便这是常态， 但背后的原因是什么呢？ 个人认为，部分原因是 老虎的故事极富戏剧性， 但也因为通过这个 看似顺理成章的叙事， 我们可以推断出任何 我们想要在自己的生活中 做得更好的事情。 但我认为， 这其中存在一个问题， 因为我们发现，在很多方面， 高尔夫都是一种独特、糟糕的模式， 几乎概括了所有人们想要学的东西。 （笑声） 高尔夫 被心理学家罗宾 · 贺加斯 （Robin Hogarth） 称为“友好学习环境”的典型。 友好的学习环境有着 清晰的步骤和目标， 以及明确且一成不变的规则， 当你行动时， 能收到及时、准确的反馈， 明年的工作和去年的工作 基本大同小异。 象棋也提供了 一种温和友好的学习环境。 国际象棋特级大师的优势， 很大程度是基于 对反复出现的模式的把握， 这也是象棋可以 轻易自动化的原因。 另一个极端是“恶劣的学习环境”， 没有清晰的步骤和目标， 规则也可能改变。 采取行动，不确定能否得到反馈， 反馈可能延误，也许不准确， 明年的工作和去年的工作 也许大不相同。 那么哪一种听起来 更像我们所生活的世界？ 事实上，我们对 一种与时俱进的思维 和持续追踪交互部分的需求 已经从根本上改变了我们的认知， 所以，但你看到这张图时， 右边中央的圆圈可能看起来更大， 因为你的大脑 受到了整体和各部分关系的影响， 相比之下，没有接触现代工作的人， 会因为缺少现代工作对 适应性、概念性思想的要求， 而正确的判断出 两边中央的圆圈大小相同。 而目前我们身处的正是 一种复杂多变的工作环境， 有时过度专业化可能会适得其反。 例如，在一项针对 十多个国家的研究中， 被研究者与其父母受教育的年限， 他们自身的考试成绩 以及教育年限进行匹配。 其中的差别在于， 部分人接受了职业教育， 另一部分接受了 更广泛的通识教育。 其中的模式是， 接受职业教育的人， 更有可能在训练结束后 被直接录用， 也更可能立刻赚到更多钱， 而他们在一个不断变化的 就业环境中适应性不强， 在整体人力资本中 投入的时间更少， 便会赢在短期，而输在长期。 再来了解一下 一个耗时 20 年，针对专家们 进行的围绕地缘政治 和经济预测的著名研究。 最糟的预测者恰恰是 某个领域的专家， 他们耗费毕生精力 研究一到两个课题， 只能以一种视角 或者心智模式看世界。 随着他们经验的积累 和资历的提升， 有些人甚至情况更糟。 优秀的预测者则是那些 兴趣广博的通达之人。 当然，在某些领域，诸如医学， 日益提升的专业化技能 不可避免且大有裨益， 这一点是毋庸置疑。 然而高度专业化 仍是一把双刃剑。 几年前，有一种 治疗膝盖疼痛的外科手术 与安慰剂对照组试验一同展开， 一些患者接受了“虚假手术”， 也就是说，医生会 （在患者膝盖上）切开一个切口， 接着忙前忙后， 就像在进行手术， 然后将病人的伤口直接缝合。 效果同样很不错。 而专业外科医生 则继续为数百万人 实施了真正的手术。 如果高度专业化并不是 险恶世界的解药，什么才是呢？ 这就很难说了， 因为相关途径并不总是清晰明了， 有时看起来非常迂回曲折， 或需要更广阔的视角。 看起来可能让人觉得是落后了。 但我想谈谈一些可能的解决方案。 如果我们看看技术创新的研究， 会发现越来越多 最有影响力的专利作者 并不是那些在经过 美国专利局分类的技术领域 不断深入探索的研究者， 而是一个个团队， 这些团队中包括了跨越 大量不同技术类别的个人， 并且经常将来自 不同领域的信息结合在一起。 有一位这个领域的引领者， 我很羡慕他的工作，他的名字叫 横井军平（Gunpei Yokoi），是个日本人。 横井在学校的电子学考试 成绩并不理想， 所以他不得不退而求其次， 在京都的一个扑克牌公司 做一名底层的机器维护工。 他意识到自己并不具备 在前沿领域工作的能力， 但有太多的可以轻易获取的信息， 也许他可以把那些 众所周知的信息 以专家们看不到的方式结合起来。 他将计算器行业的 某项公开技术 和信用卡行业的 某项公开技术加以整合， 推出了一款掌上游戏机， 从而一鸣惊人。 这项发明让这家 成立于 19 世纪， 拥有木质门店的扑克牌公司， 摇身一变成为了 一家玩具和游戏公司。 你们也许都听说过： 它就是任天堂。 横井的创意哲学 可以诠释为 “利用旧有技术进行横向思维”， 即用创新方法使用已知的技术。 他的代表作就是： 游戏小子（Game Boy）。 无论从哪个角度听上去 都是个技术笑话。 它和竞争对手萨迦（Saga）和 雅达利（Atari）同时推出了彩色游戏， 最终力压对手， 因为横井知道 他的顾客最关心的 并不是色彩， 而是耐久性、便携性、 价格、电池寿命， 还有游戏选择。 这是我当年的游戏机， 在我爸妈的地下室找到的。 （笑声） 它见证了掌上游戏机的 辉煌时代。 不过我们可以看到， 红灯还能亮起。 我开机之后，玩了一会儿 俄罗斯方块， 我觉得这一点尤其令人惊叹， 因为这两套电池在 2007 年 和 2013 年就过期了。 （笑声） 这种广度优势 也适用于更主观的领域。 在一项关于是什么 导致了一些漫画作者 更有可能创作出轰动漫画的 有趣的研究中， 两位研究人员发现， 决定因素既不是 在该领域的多年经验， 也不是出版商的资源， 更不是之前创作的漫画数量， 而是该作者所创作过的 不同类型作品的数量。 有趣的是， 一个通才 很难被一组专才所替代。 我们可能没有尽可能多的 去培养这类通才， 因为在早期， 他们只是看起来落后了， 我们也不倾向于 激励任何看起来不像是 前沿技术或专业化的东西。 事实上，我认为出于良好的动机， 为了抢先一步， 我们甚至经常在基础阶段 有意寻求学习新知识的捷径， 结果却适得其反。 在去年的一项研究中， 美国一组七年级的数学班级 被随机分配了不同的学习方式。 有些进行了所谓的“分组练习”， 比如只让你解决 A 类问题， 然后是 B 类， C 类，等等。 进展非常顺利， 孩子们也很开心， 一切都井然有序。 其他一些班级则被要求 进行所谓的“交错练习”， 就好比把各种类型的问题 通通丢进一顶帽子， 然后随机抽取进行解答。 这种学习方式进展更缓慢， 孩子们也更沮丧。 但是比起学习如何执行程序， 他们正在学习如何把每类问题 与一类应对策略匹配。 在进行测试的时候， “交错练习”小组一举打败了 “分组练习”小组， 而且差距非常明显。 我发现诸多这类研究的结论 都是违反直觉的， 也就是说， 无论是选择一项职业、 一门课程， 还是单纯学习新知识， 抢先一步有时会对 长期发展产生负面影响。 自然而然的，我也认为 成功的人就有多少， 成功的途径就有多少。 我们通常更倾向于激励和鼓舞人们 跟随老虎成功的脚步， 然而在竞争激烈的世界中， 我们则需要更多人 选择罗杰式的道路。 正如杰出的物理学家、数学家， 以及优秀的作家弗里曼·戴森 （Freeman Dyson）所说—— 顺便告知各位， 戴森昨天去世了， 所以我也希望 借此表达对他的敬意—— 正如他所说：对于一个 良好的生态系统，鸟类和蛙类同样重要。 青蛙深入池底， 细枝末节尽收眼底； 鸟类翱翔云天， 无法触及那些细节， 却能整合青蛙的所知所想。 这两者我们都需要。 戴森说，主要问题是， 我们正在告诉所有人去成为青蛙。 而我认为， 在一个复杂的世界里， 这种做法正在变得 越来越目光短浅。 十分感谢。 （鼓掌）