知乎盐选会员精选文章从 0 到 1 构建知识体系
构建过程分为学习规划、获取知识、建立体系、知行合一四大部分。
1.学习规划
做事先规划是个好习惯，规划能够分清边界，想清楚「为什么学」「应该学什么」「不学什么」，然后是「怎么学」。
最佳的规划，应该有助于实现「人生目标」。而「人生目标」是「我应该怎样度过人生才有意义」的答案。「人生目标」再拆分为多个「阶段目标」，每个阶段有不同的学习目标，要学习不同的知识领域，这是一个逐步拆解从大目标到小目标的过程。
（1）明确目的
圣人曾说：「吾生也有涯，而知也无涯。以有涯随无涯，殆已！已而为知者，殆而已矣！」圣人这么说并非是让我们放弃求知，而是让我们有正确对待知识的认知。
知识像海洋，如果做一件事（尤其是有难度，容易放弃的事情）没有明确「为什么」，就像在大海上航行没有舵手，迟早会迷失在海洋里。
人只有明确建立某个领域的知识体系，才能明确主攻方向。
一个人在不同的阶段，需要不同领域的知识。做事情要分轻重缓急和价值高低，但为什么只有在求知这件事上不这么做呢？
图 4-2 明确目的
（2）度量自己的能力，找到差距
假设有个 Java 程序员，叫小明，随着人工智能普及，小明认为在未来很长一段时间内，如果程序员没有掌握 AI（人工智能）编程技术，可能会被边缘化，此外，他从小对机器人很有兴趣，希望自己能开发出一个 AI 机器人产品，因此他定了一个目标「成为 AI 程序员」，这一步是「明确目的」。
从一个 Java 程序员到一个 AI 程序员，距离有多少？小明认为可以从多种渠道获得答案，例如通过买书或者搜索互联网。
小明在查阅相关信息和资料后，填写了「知识能力度量表」，如下：
表 4-1 知识能力度量表
小明清楚自己的问题和差距——英文阅读能力有限，阅读理解国外顶尖大学及学术期刊的文章很吃力，如果想学习最新的人工智能理论就需要提高英文阅读能力。此外，还需要学习相关的数学基础、人工智能算法。
（3）制定计划设定目标
这不是一件短期能够轻易实现的事情，小明根据实际情况做出三年目标规划：
小明不想付费报培训班学习，那么，他应该怎样自学呢？
（4）标识学习路径
人们要去陌生地方，会通过地图找一条最优路径，然后沿着路径到达目的地。学习也是一样，自学有自学路径指导，方法正确一样能提升成功率。
条条大路通罗马，不代表每条路花费的时间或者说难度都一样。所以有必要寻找一条最优的学习路径。路径可以不断调整。那么，在有明确目标（知道要去哪里）的情况下，怎样获取知识的最优路径呢？
小明之前查过资料，除了英文阅读能力之外，还需要学习相关数学基础和人工智能算法，但不够具体，比如，数学基础包括哪些知识？人工智能算法有很多种，应该学哪种？
① 需要哪些领域的知识？
查找资料（图书馆、购买书籍、学术期刊、个人知识库、搜索引擎等），综合不同的信息，得出一份知识清单：
·人工智能需要的知识。
·基础数学知识：线性代数、概率论、统计学、图论。
·编程语言基础：Java、Python 等。
·人工智能算法：深度学习等。
·大数据相关数据：Hadoop 体系。
明确自己需要哪些领域的知识，然后对经验知识下的分类进一步地细分，找出最优学习路径。在初期尽可能忽略知识的旁枝末节，先把路径打通，标记出从当前到目的地所需的关键知识点，将知识点连起来，就是最优路径。
有助于找到最优路径的建议：
A.如果不是做学术研究，最新不一定是最好
B.找到成功案例
C.注意知识的时效性
D.尽可能找到该领域有影响的人学习
E.如果花钱能省时间的方法可用
F.最优路径是最符合你的现状（学习能力）的路径
G.最优路径不一定是最短（时间短、难度高）的路径或最经济（花钱最少、时间长、难度高）的路径
图 4-3 学习路径
② 获取知识需要什么额外的技能？
国外研究机构的论文是一个很好的知识来源，因此，良好的阅读能力是一项额外的技能。
虽然可以完全依靠中文，在中文世界里寻找知识和问题的解决方案，但是在时效（信息不会及时更新）、信息损耗度（翻译导致信息损耗）、同质化程度（知识获取门槛低）上都有或多或少的问题。因此，提升英文阅读能力，非常有必要。
根据这些信息，设计出来的学习路径如下页图。
小明明确了知识的学习路径：
A.提升英文阅读能力：扩充英语六级词汇量、补习英文语法，以看懂学术期刊为目标
B.学习数学知识：微积分、线性代数、概率和统计、离散数学、回归分析等
C.学习人工智能算法：深度学习、NLP、Python 语言等
D.实践动手做一个 AI 产品：从兴趣出发，用深度学习算法实现一个产品
2.获取知识
获取知识的过程包含知识获取、知识清理、知识输出。
其中最为关键的是知识清理。收集到知识后，立刻进行抽象、分类、概括，并且将之变成知识点，整理进知识清单、知识地图中。
如果你只收集不处理，或者是打算某天再处理，那么这些收集来的知识，价值将会随着时间而逐步减少，最终只会成为一堆杂乱的信息。
3.建立体系
（1）知识体系的演进
知识体系演进是循环迭代的过程，也是将知识点整理成知识清单，再从清单到知识地图的结构化过程。
知识体系演进的过程可分为：
① 知识需求。
知识需求的来源可以分为工作需要、生活需要、情感需要。人们学习知识，有的是为了提升工作能力，例如学习某种技能；有的是为了让生活更有趣，例如培养兴趣爱好；有的是情感需要，例如解读人的心理现象，等等。
② 知识收集。
知识收集有很多渠道，如使用搜索引擎、订阅推送、阅读书籍等。此时的知识相当于素材，没有被系统化，也没有被加工整理，存在的形式以「笔记」「收藏」为主，是知识素材。
③ 知识整理。
知识整理是为了将零散、碎片化的知识，按照一定的主题分类，整理成有条理的「半成品」，这是梳理的过程。在这个过程中，要运用批判性思维，去伪存真，去掉陈旧的、错误的信息。知识整理的交付物可以是知识卡片（点）、知识清单（线）、知识地图（面）、知识框架（体）。
④ 知识关联。
知识关联是将知识整理这一步的交付物进行关联扩展，可分为横向关联、纵向关联、时间轴关联、空间关联等方式。横向从广度出发，纵向从深度出发，时间轴从时间维度看发展历史，空间关联从地理维度看知识在不同地区的关联。知识关联是建立知识结构向体系化演进的重要步骤。
⑤ 知识运用。
加工完的知识如果不运用，只是一堆信息，知和行没有合一。那么，怎样才能运用好呢？首先要长期使用，运用「结构化思维」，看到事物，首先要想到如何结构化、概念化。用知识来解决实际问题，在实践中加深理解。例如通过「费曼学习法」，检验自己是否真正理解。
⑥ 知识内化。
内化可以理解为外部向内部转化，知识内化是外部的知识转化为人的内部能力，是显性知识转化为隐性知识。显性知识指的是可以用文字、符号、图像、视频表示的知识；隐性知识指的是不能用符号表示的知识，例如一些自己能做出来但无法通过言语教会他人的知识。就像欧阳修的《卖油翁》里写的卖油翁展示倒油技术，把油通过葫芦口上的铜钱口倒入葫芦，铜钱不湿的秘诀是「我亦无他，惟手熟尔」。这里涉及倒油的速度、角度、全身肌肉协调等诸多因素。到了这个阶段，才算知识体系真正有所成就。
该演进过程也具备「迭代性」，即知识体系也呈螺旋状可以不断演化。
图 4-6 知识内化
（2）知识结构及其元素
组成知识结构的元素包括知识（点）、知识清单（线）、知识地图（面）、知识体系（体）。
① 知识点。
知识点是知识的相对独立的最小单元的集合。
知识点 =【知识最小单元 1，知识最小单元 2……知识最小单元 N】什么是知识的最小单元？例如「矩阵图法」，就是一个知识最小单元。知识最小单元的特征是学习者可以通过练习掌握的。
把解决相同问题的知识最小单元放在一起（集合），就成为一个知识点。
知识点可以利用笔记、知识卡片、思维导图、PPT 进行记录、管理。可以根据个人喜好和习惯来选择。
图 4-7 知识点（知识卡片）
② 知识清单。
知识清单 =【知识点 1，知识点 2……知识点 N】
知识清单是同领域的知识点集合，可用思维导图制作。
③ 知识地图。
地图的定义是：以一定的数学法则（模式化）、符号化、抽象化反映客观实际的形象符号模型，也称为图形数学模型。地图是根据一定的数学法则，将地球（或其他星体）上的自然和人文现象，使用地图语言，通过制图综合，缩小反映在平面上，反映各种现象的空间分布、组合、联系、数量和质量特征及其在时间中的发展变化。
知识地图的定义如下：
是根据一定的知识分类法则，将某个领域的知识，使用图形符号，通过制图综合，缩小反映在平面上，表征知识的分布、组合、联系、数量和质量特征及其在时间中的发展变化的符号模型，是知识体系的组成部分。
知识地图的作用包括建立知识全局观、表示知识之间的关系、寻找知识的最优路径等。
知识地图 =【知识的逻辑结构（XYZ），知识清单 1，知识清单 2……知识清单 N】
知识的逻辑结构（框架），由 X、Y、Z 轴组成。
X 轴是知识的时间线（知识的发展史），包括起源、发展里程碑、当前阶段最新的观点（包括对立的观点）、未来可能的发展。
Y 轴是关联的其他知识点（关联性），可能是跨学科，从广度出发。
Z 轴是知识的深度、本质原理，该领域知识的第一性原理。
以人工智能知识体系举例：
X 轴：人工智能的发展时间线（从原理、理论、学派等不同维度选取进行整理）。
Y 轴：关联的其他知识点——计算机编程、计算机视觉、语义识别
Z 轴：数学、认知科学。一个人工智能领域的软件工程师就算不懂算法背后的原理，一样可以使用网上的开源代码或商业 SDK 来实现人工智能。但遇到问题，会束手无策。因此还是需要深入了解该领域的知识（如深度学习的源代码、实现算法、论文、认知科学等）。
知识地图可用绘图软件 Visio 制作，也可用 Photoshop 或其他平面绘图软件制作，如下图所示。
④ 是否体系化。
体系是一个抽象的概念。体系，泛指一定范围内或同类的事物按照一定的秩序和内部联系组合而成的整体，是不同系统组成的系统。
不成体系的特征：缺乏目的和功能、边界不清晰、不完整，有缺失的要素、相互矛盾不统一、同一层次颗粒度不一致、缺乏逻辑结构、缺乏层次定义等。
本书「通用学习模型」章节，体现了领域知识的体系化。
⑤ 知识体系和系统的关系。
什么是体系？
体系从字面上理解是「整体 + 系统」的意思。
如下图，是一个事物的系统模型。
图 4-9 事物的系统模型
这里涉及「系统」的概念。
系统是为达成某共同目标，而依规律化的交互作用，或相互依赖的事物结合，所构成整体。政府、商业机构可视为由人组成的系统。系统可以包含子系统。例如计算机系统是由计算机硬件、软件组成的系统，其中硬件又可分为输入系统、计算系统、输出系统等。
系统包含部分（要素）、关系、逻辑、边界。系统的关键是「整体大于部分之和」。把一辆车的零部件扔在一起或随意安装，这辆车能跑起来的概率为 0。但是如果遵循「安装说明」并经过严格的测试，就能得到一辆能上路的车。这里的「整体」指的是合格的车，「部分之和」指的是把零部件装在一起。
银河系是一个系统，太阳系是一个系统，地球是一个系统，一个系统可以包含很多子系统。看待事物的时候，用系统的角度来思考，称之为「系统思维」，系统思维脱胎于哲学上的「系统论」。
系统论是超越还原论，发展整体论，所以，实现还原论与整体论的有机结合与内在统一是其结果。还原论主张「分析-重构方法」。在还原论方法中居主导地位的是分析、分解、还原：即首先把系统从环境中分离出来，孤立起来进行研究；然后把系统分解为部分，把高层次还原到低层次；最后，用低层次说明高层次，用部分说明整体。
脑科学中的神经元学说，是还原论的一种典型应用，最初由于工具有限，只能把大脑分成不同的区域，通过实验来确定不同区域的分工。后来发现大脑是由上千亿的神经元组成，于是开始研究神经元细胞和突触。神经科学就是在细胞和分子层面研究脑的活动。但到目前为止，仍然没有理解这些看似简单但不简单的神经元细胞是如何涌现出意识的奥秘。
就像蚂蚁作为简单的个体，一旦成规模之后，就能搭建宏伟的蚁穴，宛如一个城邦。实质上并没有一个指挥部在指挥蚂蚁，这种现象无法用还原论找到其中的机制。如果人类想搭建一个宏伟的建筑，必然要有一个自上而下的组织来完成复杂的工程。
人们日常也会不自觉地使用还原论解决问题。
把完成一件事情需要的步骤进行分解，比如，从冰箱中拿东西，第一步是打开冰箱，第二步是取东西，第三步是关冰箱门。
比如，要研究一个机械闹钟，会用螺丝刀把闹钟大卸八块，把所有的零件拆开来，一个个研究。
系统科学并不简单否定还原论，但仅仅持有还原论的观点远远不够。系统科学是通过揭露和克服还原论的片面性和局限性而发展起来的。
⑥ 知识结构与知识体系的区别。
在康德看来，体系是「一个理念之下各种知识（Erkenntnis）的统一」或「依据原则所编排的知识的整体」。
体系是一个源自哲学的概念，随着互联网的兴起，许多物理学、哲学的概念都被广泛使用，例如熵、第一性原理、方法论、系统。而「体系」的应用更为广泛，如教育体系、知识体系、价值体系、管理体系等。凡是结构化的事物都被称为「×× 体系」。
体系起源于博物学（不是博物馆学）。博物学家们对动物和植物进行分类之后，试图在这些分类中寻找关系，使它们成为一个整体，并称之为「体系」。哲学家们也喜欢建立自己的哲学体系（不过，现代哲学家们已经不再热衷建立体系）。
在方法论的意义上，体系是指对于知识进行加工处理的一种结果或产物。人们的经验会积累成知识，这些知识经过分析、比较和归纳之后会显示出相互之间的内在关联及这些关联成为整体之后所具有的作用和功能，这意味着这些具备整体性、系统性的知识威力远超简单堆积在一起的知识。
就像一幅拼图，每个知识点都是一片拼图，把这些拼图随意放在一起就是「碎片化知识」，人不近看，无法看清这些碎片代表着什么。只有从四个角开始，随着匹配的碎片越来越多，才越来越能看清拼好的那些区域是什么图案。这个过程是「知识结构化」。但是因为缺少某些区域，还谈不上「知识体系」。只有完全拼起来，不多不少一块不落，才能看到完整的、正确的内容。
把拼图装裱起来，挂在某处成为装饰品，是「整体大于部分之和」的意思。但一堆碎片放在那里，其实没有什么价值。只有拼好之后，才成为可带来欣赏价值的作品。
根据特定的目的调整这些知识之间的关系并将其组织起来，可以使之产生特定的功能。这种依据特定的目的设定所期待的功能，并将知识或事物根据其关系组织起来的方法，即是所谓的体系化。其任务是将任何时点已经获得的知识以整体的方式全部表现出来；将整体中的各个部分用逻辑予以联系。
体系化是一种方法，让零散的知识具备系统性，最终构建成为知识体系。从前面的定义来看，知识体系是一种双重定义，体系本身就是系统化的知识，和其他体系要区分开来。
因此，「×× 体系」指的是 ×× 领域的系统化知识。如果该体系不仅仅包含知识，也包括其他实体，那么可以称之为「×× 系统」，如计算机系统、教育系统、医疗系统等。
由此可以得出结论，「体系」隶属于「系统」，是系统的子集。
「知识结构」容易和「知识体系」混淆。从上面的定义和阐述，我们会发现，体系包含结构。因此知识结构不能等同于知识体系。
从范畴而言，片断化 ＜ 结构化 ＜ 体系化。
人们说某个人的知识结构有问题，意思是这个人的知识结构不完整。完整的知识结构也不能称为「知识体系」，因为它可能不够系统化。
当我们接触到新的片段化知识的时候，会试图将它加入已有的知识结构中，通过找到和它有关的其他知识建立联系，完善自己的知识结构，最后通过系统化的方式，将知识结构升级成知识体系。
如下是一个系统化（符合系统定义）的知识体系。
知识体系模型：
要明确目的——是为了解决问题，还是为了提升能力，又或者是为了价值塑造？还是为了顺利毕业，或为了工作晋升？无论目的是什么，总之要有。
需要有哪些知识？是通识学科、实用学科，还是行业知识？这些知识之间的关系、框架、结构、逻辑、脉络是如何构建点、线、面、体的？
为了实现目的，需要什么样的方法和途径（流程）？有哪些关键点需要注意？
需要什么样的标准来衡量方法和途径，使我们能够达成目的？如何衡量学习效果？
整个知识体系是否有反馈机制，能够促进自己坚持学习，得到反馈？整个知识体系是否有机制能够保证有序（有条理）而不是随着时间积累趋于混乱？
大多数人都有这样的体会：把读过的书、学过的课程用笔记的形式记录下来，但是随着时间的增加，笔记越来越多，即使采用标签 +N 级目录的方式存储，仍然感到混乱。
因为有些知识不知道该怎么分类，不知道该怎么打标签，可能归入了错误的分类或打上了不够精确的标签。知识规模小的时候，错误不多；随着规模的增加，错误会以指数级增加。
是 c 用什么方式（原则、标准）整理？这都很重要。因为知识也有更新迭代，所以要及时去更正错误的知识。
⑦ 知识体系的其他视角。
知识体系
图 4-11 知识体系的其他视角
A.关联度：由上至下，从点到线再到面，从微观到宏观
B.抽象度：从左到右，是最具体到最抽象的过程，抽象程度反映了知识内化的程度
C.时间维度：数据与知识是过去的沉淀，而洞察面向当下（能够解决当前问题，做初步的预测，但是预测准确度不高），智慧则是面向未来（对趋势的直觉，预判的准确度更高）
D.客观性/主观性：数据与知识属于客观范畴，而洞察与智慧属于主观范畴，和个人有关
E.显性/隐性：在洞察与智慧之间有一道分割线，可以视为显性和隐性的分界线
4.知行合一
把自己当成「老师」，制作系列的「课件」，用「讲课」的形式传播知识，将知识分享给其他有兴趣的人，通过他人的反馈来获得改进。在分享的过程中，也能发现自己「没有想清楚」的部分。
最好的方式是在实践中检验，通过解决实际问题来提升能力。
图 4-12 构建知识体系到能力提升的过程