“你學啥專業？”
“計算機科學。”
“幫我修電腦吧。”
“……”

現實中——

金融專業的被問炒股
土木專業的被問裝修
天文專業的被問運程
醫學專業的被問藥方
……

很顯然，這是認知差異的誤解。

但這也反映了一個現實問題：

學科知識與生活應用之間，差了不止一個大學生。

譬如計算機專業，會教：組成原理、操作系統、程序設計，以及數理邏輯……

但不會教：裝電腦、裝系統、裝程序、office……

計算機專業角度，電腦、手機、平板、機器人基本一致：

都是芯片、主板、存儲、輸入、輸出、電源的組合。

但實踐中，手機電腦插口不同，封裝螺絲也不一樣。

學計算機的你，連自己的手機都拆不了。

專業課知識，像沒兌飲料的威士忌，濃度高，易上頭。

一個例子：“電腦上網慢，怎么辦？”

• 《計算機網絡》：網絡分七層，每層按具體協議工作；
• 《操作系統》：計算機資源被統一管理、分配和調度；
• 《程序設計》：設計算法，寫出能讓機器執行的代碼；

沒有一門計算機專業課能直接回答。

你還在“套公式”解題，隔壁電腦城小哥已經搞定。

還有個“博士和農民工”的故事。

某帶盒香皂生產線有缺陷，常有漏裝肥皂現象。
博士組建攻關組，花費近百萬設計多學科聯動方案：
空香皂盒經過時，探測器報警，機械手臂拿起空盒。
農民工憑“直覺”，花200塊買了臺大功率風扇，
放生產線旁“呼呼呼”一頓吹，空盒字紛紛落地。

“專業比不過直覺”的現象背后，隱藏著兩種解題思想：

自頂向下（Top-Down）

自底向上（Bottom-Up）

一、自頂向下

在《有一種執著，叫“我要學編程”》里提到的“分而治之”，就是一種自頂向下的解題思想。

它是通用思想，不僅用在編程，還被用在架構設計、項目管理、目標分解等。

“套公式”的過程，其實就是在自頂向下解題。

邏輯學稱為“演繹”：從一般到特殊。

解決問題時，從“通用知識”——“注入信息”——“獲得結論”

比如解決“上網慢”，

• 通用知識：“計算機網絡應用層，承載兩臺主機間的應用服務。”
• 注入信息：“在PC電腦，用瀏覽器訪問某個網站。”
• 獲得結論：“我們在用HTTP協議與某網站通信。”
• 接著我們檢查協議是否正常，再注入更多信息獲得更多結論，直到問題解決。

這樣的演繹在邏輯上并不嚴謹，但足以表達我們自頂向下的解題過程。

每一次演繹，都會增加多個具體情況，每一個都要去判斷。

于是你發現，自己陷入了一個指數級“信息風暴”，

窮盡一生也未必能找到答案。

這就是所謂“把問題復雜化。”

二、自底向上

與自頂向下相對應的解題思想，是自底向上。

邏輯學，稱為“歸納”：從特殊到一般。

這解題思想更貼近我們日常思維方式。

“上網慢”？那就把所有遇到過的原因列出來。

• 緩存太多，機械磁盤太卡
• 自帶域名解析服務器太慢
• 代理服務器慢
• 流氓軟件
• 網卡壞了
• 運營商網速慢
• 網站出故障
• ……

然后，用排除法一個個試。

很簡單，大部分人都會。

以前網絡不發達，電腦城小哥靠師徒傳承，壟斷“修電腦”。

現在，普通人隨手網上一查，唾手可得。

不僅修電腦

• 手機屏幕碎了？某寶買新的，店家還會給教程。
• 想吃新鮮蛋糕？某廚房教程，買好配料就能做。
• 學辦公軟件？某站視頻有教，再不會找專家問。
• ……

對于具體問題，信息獲取已成為每個人的基本生存能力。

自底向上的解題思想，是不是比自頂向下更優秀？

或者說計算機專業知識木有用了？

三、知識無用？

這也是當前很多大學生的困惑：

學那么多“經典”知識，在工作崗位上完全派不上用場。

電腦城小哥更快解決問題的前提至少有兩個：

1. 上網功能較穩定；

2. 遇到問題較集中。

前提1 把大部分軟硬件功能損壞的可能性降到最低；

前提2 把常見問題歸為一張清單。

于是，問題似乎很容易解決。

但，如果遇到問題不具備這兩個前提，又該如何？

窮盡了清單所有條目，問題依舊。

這時，你只能期盼某位高手到來，或者直接放棄。

知識，是信息的抽象。

人類，因為具備抽象能力，才能直接學習知識。

我們用抽象提取知識，應用時再注入具體信息。

知識是信息壓縮容器，就像龍珠里的萬能膠囊：

物理世界中大部分定律源于觀察實驗，如牛頓第二定律。

歷經百年實踐，計算機才從打孔機演變為“智能機”。

所以，自頂向下和自底向上兩種解題思路，伴隨人類實踐與學習，相輔相成。

在這個信息爆炸時代，學習是每個人壓縮信息的必備武器。

那如何才能提高學習能力？

四、模仿學習

如果我們觀察小朋友學習，就會發現：

最原始的學習方式就是模仿。

他們會模仿大人說話，也會模仿大人動作。

模仿，就是獲取信息后直接應用。

當我們準備掌握一項新技能，第一步往往都是模仿。

比如，對著字帖練字、照著原畫臨摹、看著教練運球……

也有對著視頻學軟件。

模仿的前提，是有參考物，也就是得有“抄”的對象。

信息化時代，不怕沒對象，就怕找不到。

幸好，信息工具也在持續創新。

從最早電信黃頁，到門戶網站，再到搜索引擎，以及現在的信息流推薦。

這些技術工具在做同一件事：提升信息獲取效率。

互聯網平臺間的競爭，從功能，到內容，再到內容生產者，從未停歇。

如今，誰有優質內容，誰能持續擁有內容源，成了流量競爭關鍵。

除了要熟練使用搜索技巧，我們還得了解內容分布。

比如，用搜狗微信找公眾號內容，用天眼查或企查查找企業信息，還有各行業垂直社區……

用好這些工具，我們就能快速找到信息。

但，

• 復雜的問題未必能直接找到答案；
• 獲得的信息未必可以被直接模仿。

因為，每個人知識積累不同，我們說話會自帶信息過濾。

高手對話，往往不會夾帶過多具體信息。

就像這樣：

所以，我們得學會分解知識。

五、知識分解

我們學騎車、學游泳、學畫畫……往往不是一氣呵成，而是伴隨“動作分解”。

“動作分解”，其實就是用“分而治之”的思路解題。

我們把“大知識點”分解到“小知識點”，然后分別學習。

知識積累因人而異，所以分解方式也不同。

教育所說“因材施教”，正是這個道理。

所以，我們需要學習“學習”，才能更好學習。

看，就像編程語言有“高級”之分，知識也有級別概念。

既然“學習”本身可以被學習，那有沒有輔助工具呢？

有，就是我們常說的“學習方法”。

搜索引擎可以給出大量“學習方法”相關內容，但它還無法告訴你哪些更適合。

你會找到一堆“高手技巧”，洋洋灑灑幾萬字，得來大半是雞湯。

目前被廣泛采納的學習方法，主要有2個：

思維導圖

費曼學習

六、思維導圖

思維導圖采用結構化信息組織形式。

學習過程中，你可以用“關鍵詞”創建節點，然后圍繞“是什么”、“有什么用”、“怎么用”等問題描述它。

思維導圖最大的作用不是幫我們儲存信息，而是輔助我們發現規律，從繁雜信息中提取知識。

它是一種大腦思考輔助工具。

借助思維導圖，我們還可以從全局視角看知識結構。

尤其在知識分解時，我們更容易從中發現同類信息背后的知識，進一步提升學習效率。

初學者經常會進入一個誤區：直接收藏別人整理好的“思維導圖”，以為這樣學習起來更快。

其實，那些整理好的思維導圖文件，對你而言只是一種信息，而非知識本身。

別人的輸出，只能作為你的輸入。思維導圖是幫助你“消化“。

另一個學習方法，是費曼學習法，它經常被人稱作是“最好、最快、最牛、最有效”的“終極”學習方法。

七、費曼學習

費曼學習法最大特點，是“以教促學”，

即通過“教會別人”來掌握知識。

生活中，當我們向別人解釋知識時，免不了要舉例給對方聽。

當對方聽得懂例子，他就能理解；反之，你還得繼續舉其他例子。

也就是說，你得舉對方“懂”的例子，才能把知識“傳授”給對方。

當你倆信息不在一個”頻道“時，就會有討論。

討論過程也是信息同步過程，讓你倆能更“懂”對方。

于是你就有機會從對方角度舉例。

這樣的例子，對你而言，是新信息輸入，也是對已有知識的檢驗。

當知識經受住新例子檢驗，你也加強了知識的理解和掌握；

當新例子打破了原有知識，可以幫你糾正錯誤，重塑知識。

所以，用費曼學習法“教會別人”，也會獲得更多案例，強化知識。

八、總結

知識是信息的壓縮膠囊，應用時注入具體信息。

“自頂向下”和“自底向上”解題思想相輔相成，對應邏輯演繹歸納。

學習源于模仿，借助工具可以快速對標。

學習復雜知識，可以先分解，再學習。

思維導圖和費曼學習是兩大學習輔助神器。

---

我們生活在一個充滿問題的世界；

我們也生活在一個知識泛濫的時代。

我們從未如此全面地看清世界；

我們也從未如此無力地害怕未知。

沒了章法，我們會心生恐懼。

但又有多少問題，會有標準答案？

人生，是一場充滿知識的旅途。

解決問題，需要知識厚積，更需要實踐創新。

END

我學計算機，也會修電腦?mp.weixin.qq.com

總結

以上是生活随笔為你收集整理的大学计算机思维导图_我学计算机，也会修电脑的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。