閱讀完本文，你既能學到區塊鏈知識，又能get到費曼學習法，從而讓學習事半功倍。

01“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“分佈式數據存儲、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。

02 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“中心式記賬”，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？於是大家找站長算賬。

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“中心式記賬”，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。

這就是一個“去中心的分佈式數據存儲系統”，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賬的賬本，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賬本上。

請注意，這個編號123的區塊，記載在小鎮每一個人的賬本上，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”——同樣向全體居民的賬本上發送。

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”。

“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“分佈式存儲”，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“分佈式存儲”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。

03 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，要在所有人的賬本上都記上一筆？那怎麼保證一條信息過來，大家都正確地記賬？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賬，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“記賬人”，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賬權，獲勝者的回報就是“獎勵幣”和轉賬手續費。

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賬權，或者民主投票產生記賬權的代理人，這就不需要“挖礦”，

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，

這就解釋了，為什麼央行早在2014年就一直在研究的數字化貨幣DCEP，在臉書推出天秤幣後，忽然加速。

天秤幣以美元作為記賬單位，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，所以小紮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協議結算週期平均需要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。

04“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“分佈式數據存儲”，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，

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，去年是人工智能、5G、網絡安全，上半年是國產芯片、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里，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。

來源：https://mp.weixin.qq.com/s/qEy4w6ZiepgtMlG5vcXo9A

題圖來自Unsplash，基於CC0協議

閱讀更多 人人都是產品經理 的文章

關鍵字: 費曼 中本聰 學習