文 | 深夏晚晴天ZMH

前不久，教育部发文推进幼儿园与小学科学衔接，其中，小学招生严禁与竞赛培训挂钩引发了网友的关注。有网友就说，大班不教幼小衔接内容，小朋友去外面报班更累，不让教小朋友也需要学，不学小朋友很难跟上进度。该网友的这番评论，引发了不少人的共鸣。

信息化时代，相信很多人都有这样的感受：生活越便捷，我们的焦虑也越来越重，而且这种焦虑已经开始下沉。在信息的裹挟下，成年人自己疲于奔命，同时也在焦虑着下一代跟不上时代。于是“从娃娃抓起”、“赢在起跑线”等观念成了大多数人的共识。

事实上，不仅是国内，国外也同样出现了“赢在起跑线”的教育狂潮。不知你可否好奇过，那些曾经“赢在起跑线的人”，后来都怎样了？

2014年，德国科学家发表了一项研究成果：在那年获得世界杯冠军的德国队，队员全都是“后发制人”型选手——直到22岁甚至22岁以上，他们此前都没有踢过专业联赛，最多只是在业余联赛中登场。

无独有偶，两年后，另一项关于足球运动员的研究也表明，那些参加了更多体育项目，而不是从小就参与专业的、有组织的训练的队员在长大后的表现更为出色。

这种类似的研究成果不仅出现在体育领域，在科学等其他领域也都有类似的发现。

换句话来说，那些从小就专注某一领域深耕的人，长大后的表现并不一定比那些有过多样化尝试的人优秀。恰恰相反，有广度学习经历的人，往往更具有创造力，更能成为卓越的人。

1、专业化的优势只能在“友好型学习环境”中体现

2009年，美国作家格拉德威尔在《异类》一书中指出，要成为某个领域的专家，需要1万小时的锤炼，也就是我们所熟知的“一万小时定律”。

该定律提出之后，人们发现许多著名的人物确实都是一万小时定律的例证。

比如，比尔.盖茨13岁就开始学习计算机编程，直到7年后创建微软，连续7年的程序设计，超过了1万小时；音乐神童莫扎特在6岁之前，已经在父亲的指导下练习了3500个小时，直到21岁写成脍炙人口的第九号协奏曲时，期间的练习时长也超越了一万小时……

张爱玲曾说过：“出名要趁早。”一万小时定律让人们意识到，要想早点成功早点出名，就必须早点开始专业化的练习。于是，我们就看到，专业化学习的年龄变得越来越小。人人都害怕自己落后别人，父母都害怕孩子输在起跑线。

当人们都在追逐“赢在起跑线”时，有学者却在研究中发现，那些通过大量反复练习从而拥有超凡能力的专家，在面对不熟悉的环境和情况时，其表现经常与普通人无异。

《成长的边界》一书中，就举了这样一个例子。

2007年，国际象棋特级大师苏珊.波尔加参加了一项测试。研究人员让波尔加坐在路边的一张桌子旁，眼前是空白的棋盘。一辆白色的卡车经过，卡车车身一侧印有巨大的棋盘图，这是一盘进行到中盘阶段的棋局。

当时波尔加只是匆匆一瞥，就能分毫不差地在空白棋盘上，还原车身上的棋局。第一个测试完成后，卡车掉头，再次经过波尔加。这次她看到的是车身的另一侧，上面也是一个棋盘，但是棋子都是随意摆放的，毫无章法。

这一次，波尔加根本无法还原所看到的棋局。

类似的实验还有：音乐家能够不看曲谱就演奏上千首曲目，却无法还原听到的一段无调旋律；精英四分卫可以在一秒钟之内识别出其他球员的模式并决定投球，而测试一旦超出他们所熟知的领域时，他们那超人般的反应能力便荡然无存。

透过这些实验，科学家得出的结论是，花数年“刻意练习”所取得的成功，依靠的是重复的结构和组块。这种经验只适用于有明确规则，能够一直应用重复模块的“友好型学习环境”，一旦遇到毫无章法的“恶劣型学习环境”，这些经验往往无法发挥作用。

也就是说，在特定的领域里，专业化练习能够让人学会把反复出现的信息，分门别类到一个个组块中，专家之所以比普通人优秀，就在于他们已经在大量的练习中，把这些组块烂熟于心，能够快速地做出判断。但一旦面临的状况超出他们所熟知的模式，他们往往也会变得手足无措。

2、广泛融合各类知识是一种竞争优势

2017年，谷歌开发的人工智能机器人阿尔法围棋，在与围棋排名世界第一的柯洁的对战中，以3比0的总分获胜。在此之前，它已经同世界数十位顶尖围棋高手进行对决，均无败绩。

人工智能接连战胜人类顶尖高手，也让人们开始担忧，在未来，人工智能是否会取代人类成为世界的主宰。在现实中，越来越多的职业被机器取代，似乎也在加深和印证人们的忧虑。

面对不受情绪左右，且拥有越来越强大计算能力的人工智能，作为人类，我们是否还具有无可比拟的优势？如果有，这些优势又体现在哪里？

1998年，被誉为“棋坛巨无霸”的卡斯帕罗夫协助组织了第一届高级国际象棋锦标赛，每位选手，包括卡斯帕罗夫自己，都将和一台计算机搭档参赛。

一个月前，在一项传统赛事中，卡斯帕罗夫以4比0大胜一名棋手。而在这次和计算机搭档的比赛中，卡斯帕罗夫却以3比3和对方打平。事后，卡斯帕罗夫总结道：“我在战术计算上的优势，被计算机抵消了。”

也就是说，棋手们多年来专业化练习积累的经验优势，被“外包”给了计算机。计算机可以搞定战术，棋手们需要专注的是战略。

此后几年，在人类与计算机搭配进行的比赛中，也一再证明了这个结论。业余爱好者与计算机组队参赛，不仅战胜了当时最优秀的超级计算机，还击败了与这些计算机组队的特级大师们。

这意味着，人类不再需要把练习数年所培养出的模式与积累的经验当做成功的先决条件。在具有强大计算能力的人工智能面前，人类需要做的，其实是整合信息流，做出战略决策。

无论是一万小时定律，还是人们的固有印象，都错误地认为人类学习技能的环境是友好的。如果是这样的话，那些从小就在某个领域进行专业化练习的人，长大后应该更加出类拔萃才对。

但实际情况却未必如此。很多神童在成年后也常常难免“泯然众人”。埃伦.温纳是研究天才儿童最为权威的心理学家之一，她发现，没有任何一个专业练习者能够成为自己所在领域的“变革者”。

对此，大卫.爱泼斯坦在《成长的边界》一书中说道：“作为人类，我们最大的优势正好就是过度专业化的对立面——广泛融合各类知识的能力。”

3、主动寻求匹配质量，发掘自身更多可能

在媒体鼓吹一万小时定律、众人追捧专业化的今天，大卫.爱泼斯坦的《成长的边界》可以说是另一个版本的《异类》。

《成长的边界》这本书横跨体育、教育、音乐、艺术、科学等多领域，引用了诸多前沿的研究成果，更是结合了世界上不同领域最成功人士的案例，总结出了一条不同于主流的成长路径。

在书中，爱泼斯坦深度剖析了过度专业化带来的弊病，戳穿了不少专业化的神话，指出在瞬息万变的今天，能够融会贯通的通才才能开启这个时代的成功之门。

面对已经被高估的专业化，我们该如何才能跳脱这种局限，成为通才？爱泼斯坦给了我们三个建议：

①先广度，后深度。

专业化能够让人在不断重复中积累起相应的经验，培养出对于该领域的直觉。但一旦外界环境变化，规则变动，专业化人才还是习惯从固有的模块中寻找答案，丧失了灵活性，也容易陷入认知壁垒。

要克服这种弊端，我们需要多去尝试应对不同的挑战。我们接触的东西越广阔，学到的背景内容就越多，对特定具体情况的依赖就越少，也就可以更好地发挥创造力，把知识应用在前所未有的情形中。

②先业余，后专业。

很多“晚一步专业化”的人或多或少都会因为自己花时间学习过、做过其他一些东西而焦虑，认为自己落后了，比别人慢一拍。不少人也因为害怕自己出现这种情况，在自己并不擅长、或不喜欢的领域一直苦苦坚持下去。

爱泼斯坦却认为，了解自己比了解技能更重要，这种为了坚持而坚持反而会成为我们的阻碍。

对我们来说，在尝试各种不同的活动、环境、职业和行业中去发现和了解自己，主动去寻求高匹配质量才能知道自己能做什么，才能真正找到自己的才能和价值。

③先类比，后迁移。

生活中，我们或多或少都见过这种人：他们经常能用一些我们意想不到的方法来解决一些难题。这样的人，多数都是类比思维的高手。

要培养自己的类比思维，需要我们对自己横向思维能力进行训练，跳出原有的解决套路和固有印象，多从其他维度、角度进行重新观察、思考。当我们能够灵活运用不同的知识结构时，就具备了将其应用到新领域的能力，也就是迁移能力。

当众人都在刻意练习的路上比谁跑得快，当我们在这种比拼中焦虑不已时，也许是时候停下来思考这种比拼是否真的有用，我们又该如何才能脱颖而出。

《成长的边界》一书虽说是站在主流观点的对立面，但它却没有完全否认专业化的作用。实际上，爱泼斯坦的这本书是在给我们提供另一个看待专业化的角度，引导我们对自身进行深入的思考。从某种程度上来说，他是在给我们这些没能领跑又渴望有所成就之人提供了一条突围之路。

（完）