顶尖高手都是用概念思考的

1

小明写的《我的理想》作文：

虽然我才上二年级，但一定要好好学习。只有好好学习，将来才能买得起变形金刚、乐高的玩具，这些玩具都很贵，我妈不舍得给我买。

然后玩具买多了，得有地方放，我们家租的那个房子根本装不下，那就得买个房子。最好能买个像小丽他们家那样上下3层的房子，还要养一个小狗。

妈妈不在家的时候，爸爸总爱看那些穿带翅膀衣服的阿姨。将来找女朋友我也找那样的，我们班的小花长的太胖了，一点也不好看。

老师的评语是：写的好，金钱和美女，老师也喜欢！

当然如果说喜欢金钱和美女有点政治不正确，更文艺的说法是事业和爱情。这其实是一个笑话里面说的。

金钱、美女、事业、爱情都是概念！

2

1970年代末，上海市除了国有集体的企业，还有150多种其他的经济形式，譬如裁缝店、刺绣店、农村有自留地和自留畜、修鞋、补锅、修自行车、杂货店、饮食摊等形式。

如果我将这150种都列出来，估计大家都会晕。怎么能更快、更明确的去理解这种经济形式呢？

容我画个图：

裁缝店和刺绣店、农村的自留地有什么共性的东西呢？他们都属于“个体手工业”；

修车、补锅、修鞋的共同点是什么呢？他们都属于服务性的手工业，一般不是为自己做，是别人拿过来车、锅和鞋，手工艺人用自己的技能为他人服务。

杂货店和饮食摊更多的是一种商业的买卖行为等。

这样子就会形成下面的图：

在这个过程中，我们将第三级的经济形式进行了分类，并归纳出了各类的特性：个体、服务、商业，这是一个层面的概念化。

那这150多种合起来该叫什么呢？更进一步的概念化，其实他都属于城乡劳动者的个体经济形式。就如下图：

从150多种具体的形式，到三种类型，再到一个名词，这是一个不断分类归纳概念化的过程。

从理解的角度看，现象总是丰富多彩而且杂乱无章的，经过分类归纳成相应层级的概念，我们能够真正看清楚事情的本质从而把握深刻规律。同时，经过这样的分析，也更容易记忆。

那些深刻的人们，大都是你还在观察不同层级的现象时，他已经在自己的大脑里经过处理，达到了概念的层面。所以他总比你更能看清楚事情的本质，更加游刃有余。

插一句说，上面那个例子其实是1979年11月6日上海的《文汇报》上某新闻里的一段话演绎而来。

3

每一个小孩大都在开始学说话不久学会“妈妈”、“爸爸”，这更多是一个音节。

母亲和父亲则是一个概念，他的妈妈爸爸是他的母亲和父亲，但抽象成一个概念（在《辞海》中的“父亲”的解释是“有子女的男子是子女的父亲。”）理解母亲和父亲估计要到具备较强抽象思考能力时才能明白。

概念是反映客观对象的本质属性的思维形式。是在感觉、知觉和表象的基础上，运用比较、分析、综合、抽象、概括等方法形成的。所以掌握了概念也就有了对于事物最本质的认识。德国工业标准2342将概念定义为一个“通过使用抽象化的方式从一群事物中提取出来的反映其共同特性的思维单位”。通俗点说，概念抽取了事物的共同性，这个共同性是它跟其他事物区别的根本。

譬如“直角三角形”的概念的核心共同性是“三角形，其中有一个内角是直角”，至于三边的长短及其他两个锐角的大小是想等的还是不等的，都是特殊的、次要的、非本质的属性。

关于概念的本质，有许多资料可以看，有兴趣的可以查一下。我们有一个简单的模型测量是不是真正掌握一个概念，包括是什么、如何做、为什么、在什么情况下用，同时加上NO（不是）这个层面。

举个例子，你仅仅知道什么是知识管理还不算掌握，还要掌握什么不是知识管理，只有这样子才能区分出KM与人力资源、与档案管理、与文档库等的区别，才算有点明白。

掌握概念可以让你更深刻的认识事物的本质和规律，可以使我们能够抛弃现象把握核心，可以在不同层级的概念上思考问题从而产生创新。

4

10月份，微软亚洲研究院发布了微软概念图谱（Microsoft Concept Graph）和 概念标签模型（Microsoft Concept Tagging）。

他们的研究人员认为，虽然现在的人工智能可以战胜李世石，但其学习能力以及完成一般任务的能力可能都远不及一个三四岁的儿童。因为在一个封闭的领域（譬如围棋），人工智能可以很牛，但对于一般化的领域，由于AI欠缺通常的“常识”，所以咱们普通人认为自然而然的事情，机器也无法做到。

“如何逐步实现机器智能，微软亚洲研究院给出的答案是“常识”，常识是理解是万物的基础。人们从小就开始学习（对世界的认知），学习作为人类与生俱来的本能可让我们上学之前就已知道“西瓜是甜的水果”、“水是液体”等基础概念，随着年龄和经历的增长，这类并不属于某个细分专业领域的开放性常识也在不断增长。

微软亚洲研究院这次做的事情就是让计算机“懂得”这些常识性概念。为此，经过六年的研究微软为 Microsoft Concept Graph 收集了超过 540 万条概念核心知识库。除了“建筑”、“诗人”等这类通用知识库外，还包含数百万比较生僻的长尾概念，如“抗帕金森治疗”、“名人婚纱设计师”、“基础的水彩技巧”等。与此同时，MicrosoftConcept Graph 同样包含了大量数据空间（每条知识概念都包含一系列的实体或者子概念，例如“太阳系”底下可能就会包括“水星”、“火星”、“地球”等等）。”

机器在理解开放性的日常的概念，你该怎么办？

专业性、复杂的概念也许才是你的优势所在。但你真的理解你领域内的核心概念了吗？