知識掌握的七重境界，厲害了

本文首發自「慕課網」，想了解更多IT乾貨內容，程式設計師圈內熱聞，歡迎關注！

作者| 慕課網精英講師 liuyubobobo

最近，遇到了兩個來自同學的提問，我覺得都挺典型的。

一個同學問我，

“學習的過程中，到底怎麼樣才叫學會了？掌握了？”

還有兩個同學，不約而同地問我，

“學習演算法，是不是掌握了基本原理，面試的時候，能說出個大概就好了？”

——對於這個問題，其實不止這兩個同學，在過去的兩年時間裡，我也已經遇到很多次了。

今天這篇文章，就借這些問題，聊一聊我眼裡的，知識掌握的七個境界。

第一重境界：擼串境界

知識掌握的第一重境界，我管它叫“擼串境界”。什麼意思？就是，對於這個知識，你只有在擼串的時候，才能“無障礙”地提起。比如：

A：你知道嗎？昨天人類首張黑洞照片公佈了！

B：是啊是啊，人類離宇宙的真相又近了一步。聽說黑洞和時間的奧秘也有深刻的聯絡，可能我們離時空旅行又近了一步呢。

慕課網免費好課

慕課網

智慧小程式

擼串的時候，我們可能會不自覺地聊起這種話題。但是，八成，A 和 B 對黑洞的瞭解，都是在“擼串境界”，真的正兒八經地說說黑洞到底是怎麼回事兒，黑洞照片的歷史意義是怎樣的，對未來有可能有什麼影響，黑洞和時間又有什麼聯絡，可能都不太清楚。對於黑洞，也就是在擼串的時候隨便聊聊。

A：聽說XXX自己做人工智慧，預測股票走勢，賺了一大筆錢！

B：我也聽說了，就是用現在最火的深度學習。Alpha Go 已經戰勝人類最強的圍棋選手了，Alpha Go 用的就是深度學習演算法。

在這段對話裡，A 和 B 對人工智慧和深度學習的理解，八成也是“擼串境界”。

通常，看新聞就能幫助你進入擼串境界。

第二重境界：關鍵詞境界

知識掌握的第二重境界，我管他叫做“關鍵詞境界”。就是，對於這個知識，你掌握了非常重要的幾個關鍵詞。比如：

A：聽說XXX自己做人工智慧，預測股票走勢，賺了一大筆錢！

B：我也聽說了，就是用現在最火的深度學習。好像是建立了一個叫 LSTM 的模型就好了。我也想找時間學習學習呢，搞不好就能賺 1 個億呢。

在這段對話裡，B 對深度學習的理解，進入了“關鍵詞境界”。當然，在這裡我只是舉例子，畢竟 LSTM 只是深度學習的一種方式，深度學習領域也有很多其他重要關鍵詞。在這裡，我想強調的是：關鍵詞境界和擼串境界，是截然不同的。

為什麼？因為如果你處於關鍵詞境界，這個知識對你來說，就不僅僅是隻有在擼串的時候可以提及的一個縹緲的概念了。你可以利用這個關鍵詞，在網上查詢，進而深入學習。換句話說，這個關鍵詞已經可以指導你行動了——你已經可以開始具體的學習了。

很多時候，我們解決問題，就是缺少一兩個關鍵詞而已。比如，我本科的時候，做一個專案，其中一個子功能，要對使用者輸入的郵箱字串是否合法做驗證。當時我花了很長時間自己設計“所謂的演算法”去處理，其實就是一堆 if-else。到後來，我明白了，這事兒其實用正則表示式，一句話就搞定了。真要說其中的演算法，也是一個專門的領域，叫模式匹配。“正則表示式”，“模式匹配”，就是正確的關鍵詞。如果我早一些知道這些關鍵詞，我就可以直接去學習正則表示式的使用，或者直接去學習“模式匹配”演算法，就會少走很多彎路。

在這裡，我要強調，從學習的角度，我覺得這個彎路，也是值得的。因為透過我的思考和嘗試，再去看成熟的解決方案，我就能看到差距，總結自己思維上的缺陷，對知識的理解也會更深刻。我經常說，在大多數情況下，走一些彎路絕不是壞事，走彎路是進步的源泉，所謂失敗是成功之母。只不過，對於很多時間緊任務急的業務場景，可能現實不允許你走彎路。

第三重境界：原理境界

第三重境界，就是你不但知道了這個關鍵詞，你還知道了原理。

歸併排序對你來說不僅僅是一個名詞，你知道歸併排序是每次將整個陣列分成兩部分，將這兩部分排好序以後，再合併起來；

快速排序對你來說不僅僅是一個名詞，你知道快速排序是每次以一個元素為標定點，把陣列分成小於這個元素和大於這個元素兩部分，對這兩部分再去遞迴地進行排序；

二分搜尋對你來說也不是一個名詞，你知道，二分搜尋就是對一個有序陣列，先檢查中間的元素，如果正好是你要查詢的內容，就ok了；如果不是，你要查詢的內容比它小，繼續到左邊找；你要查詢的內容比它大，繼續到右邊找。

大部分同學透過在學校的專業學習，應該是至少能達到原理境界的。也就是，你知道這個名詞，瞭解這個名詞在解決什麼問題，同時，也能用自然語言表述他的原理。

但是，在這裡，我必須提醒大家，

對於計算機專業的學習，必須要把基礎知識的掌握上升到第四重境界。

第四重境界：實踐境界

所謂的“實踐境界”，在計算機領域，其實就是，你不僅僅能說出原理，還能用程式碼將他們正確實現出來。換句話說，你不僅僅知道“歸併排序”、“快速排序”、“二分搜尋”，你還能寫出正確的程式碼。

我在這篇推文開篇，兩個同學，不約而同地問我，“學習演算法，是不是掌握了基本原理，面試的時候，能說出個大概就好了？”他們的問題，本質就是：對於演算法知識的掌握，有沒有必要進入實踐境界？

我的答案是：太有必要了。因為，這是計算機專業跟非計算機專業的本質區別。也是你能吃這碗飯，別人不能吃這碗飯的關鍵。

計算機專業要做的，就是把抽象的邏輯轉換成可以正確實現這個邏輯的程式碼。如果能顧及程式碼的效率，可維護性，甚至是簡潔優雅，那就更好了。但如果你只是懂原理，能扯淡的話，恕我直言，別說數學系物理效能碾壓你，連文學系歷史系，甚至是一個素質高點兒的高中生乃至初中生，隨便看兩眼，可能都能碾壓你。但是讓他們轉行程式設計師，還是會費一番功夫的，為什麼？

正確，優雅，高效的程式碼實現能力，不是一日之功。

如果到達原理境界就 ok 的話，我的所有演算法課程，長度都可以直接縮減到 1/5。但是，能用程式碼正確地實現出來，完全是另一回事兒。很多同學說得清楚原理，但是實現不出正確的程式碼。這就是程式設計基礎不夠。由於你實現不出正確的程式碼，我也不敢保證你的理解是完全正確的。

你跟我扯再多永動機的原理，要想讓我不質疑你，請實現出一個永動機證明給我看。你跟我扯再多鍊金術的原理，要讓不懷疑你，請把這個易拉罐變成金子給我看。

同理，你說你懂快速排序，不要廢話，實現一個快速排序給我看。

Linus Torvalds說：talk is cheap， show me the code。

大家一定要明白，計算機是工科，工科是靠東西說話的。我相信這也是很多同學選擇計算機專業的一個原因——它沒那麼多虛的。你專業水平高，你就能實現出來，時間短，效率高，程式碼整潔優雅，讓所有人都閉嘴。從某一個維度看，這確實是更公平的，不像在有一些行業或者領域，單靠嘴皮子，人和人能拉開很大的差距。（當然，一切都是相對的，公平這個話題太大了，有時間單聊。）

所以，大家在具體學習的時候，一定要明白：我是計算機專業的，能實現出來，才是我的立身之本。

第五重境界：靈活應用境界

第五重境界，就是靈活運用。知識是死的，能靈活地運用這些知識解決實際問題，甚至是解釋生活中的現象，對這個知識點，就達到了這重境界。

隨便舉幾個例子。

Leetcode 上 1011 號問題，大家可以看一看。在這裡，我把中文版本的問題也截了一個圖（沒時間看具體問題直接跳過去，在這裡只是舉個例子）：

對於這個問題，如果你能很快地反應出，應該使用二分查詢法來解決的話，你對二分查詢的理解，就已經進入了靈活運用的境界。相較而言，寫出正確的二分搜尋程式碼，是簡單的，但是，能快速反映出這類問題可以使用二分查詢的思路去解決，還需要一定的專業訓練才能達到。實際上，類似這樣的使用二分查詢法解決的問題，是演算法競賽裡常見的問題套路。二分查詢本身，也絕不僅僅侷限在在一個有序陣列中找一個數而已。對這個問題的深入解析，我在文章中不具體分析了，有興趣的同學，可以自行搜尋學習。

再比如，經典的“智力”題，過河問題：

農夫需要把狼、羊、菜和自己運到河對岸去，只有農夫能夠划船，而且船比較小，除農夫之外每次只能運一種東西，還有一個棘手問題，就是如果沒有農夫看著，羊會偷吃菜，狼會吃羊。請考慮一種方法，讓農夫能夠安全地安排這些東西和他自己過河。

以及經典的“裝水問題”，版本眾多，我隨便取一個：

有兩個水桶一個裝5升一個裝3升怎麼利用水桶得到4升水？

如果你看見這類問題，能很快地想到，他們的本質，是圖論中的一個路徑搜尋問題，那麼你對路徑搜尋演算法的掌握，就進入了靈活應用境界。給你一個圖，讓你找到從 s 到 t 的一個路徑，是簡單的；但是對於這類問題，可以使用圖論去建模，將其轉化成一個圖中的路徑搜尋問題，是需要一定的專業訓練的。

再舉一個 Google 的面試問題：

一個硬幣，拋了 1000 次，結果有 560 次是正面，請問，你覺得這枚硬幣是不是“公平”的？

如果學過機率論的同學，可能都能說出什麼是中心極限定理，都知道假設檢驗。但是，遇到這樣一個問題，能不能聯絡已經掌握的知識，有理有據地說明白你得出結論的依據？需要你對相應的知識，達到靈活運用的境界。

第六重境界：發明創造境界

上面的幾重境界，都是對已有知識的掌握逐漸深入。但是，這個世界上尚未解決的問題還很多，能不能根據已有知識，發明創造出新知識，進而解決新的問題？這就是發明創造的境界。所有的諾貝爾獎，圖靈獎的獲獎者，對相關領域的知識掌握，都在發明創造的境界。

首先，必須承認，對於任何知識，我都達不到發明創造的境界。

事實上，對於大多數人來說，對某個領域的知識，能整體進入靈活應用的境界，就已經足夠了。因為能夠靈活運用，已經意味著你可以使用這些知識，解決大量實際問題了。這已經對整個社會有相當大的價值了。能否進入發明創造的境界，一方面看你是否有這方面的追求；另一方面，也看機緣和天賦，很多時候，是可遇不可求的。

不過，在這裡，我想強調，所有的新知識，近乎都不是憑空出現的。都是靠大量的對前人知識的積累、理解、甚至是靈活運用之後才出現的。所以，不斷學習前人的知識和思想，是根本。沒有積累，突然發明了新知識，尤其是在當下這個知識爆炸的時代，近乎是不可能的。

所以，不要妄想把自己關起來，就能解決黎曼猜想。不要覺得自己是張無忌，找幾本世界經典教材，在“洞裡”與世隔絕，苦讀三年五載，就能一鳴驚人。金庸的小說是成年人的童話。所謂的童話，就是騙人的。相較而言，不斷地去積累，甚至是跨領域的積累知識，從其他領域的知識中汲取靈感，才有可能更大機率地發明出新的知識，解決更難的問題。

第七重境界：遺忘境界

第七重境界，我稱之為遺忘境界。在這裡，首先要說明，前六重境界，是層層遞進的關係。但是，在這裡，我說的第七重境界，不是第六重境界的一個遞進，而只是一種狀態——遺忘而已。

相信很多同學都有這樣的苦惱：學了很多知識，很快就忘掉了。即使曾經達到靈活運用的境界，但是可能各種原因，幾年甚至十幾年沒有碰，最後也會遺忘。

在這裡，我想強調的是：這是極其正常的。如果你不會遺忘的話，你就是一個超人了。或者你擁有機器貓中的記憶麵包，你應該已經是全球首富了。

關鍵在於，如何抵抗遺忘？首先，對一個知識的掌握，你的境界越高，越不容易遺忘。相較於已經達到靈活運用境界裡的知識，只在原理境界的知識，更容易被遺忘。

另外，使用次數越多的知識，越不容易遺忘。其實在我國，大多數初等教育，都是在採用“重複使用”這種方法，來幫助你記憶知識的。你根本沒有具體應用過這些知識，但就是忘不了 how are you 後面，接的是 fine， thank you。 and you？ 對於這種機械式地使用，我的評價是中性的。有好有壞，有機會可以單獨寫文。

其實，遺忘並不可怕，遺忘境界是一種境界。如果你的遺忘境界中存在著某種知識，基本就意味著你能迅速地把它撿起來，重新回到原來的境界，這是很重要的。所謂的經驗，不過是遺忘境界的儲存。比如，紅黑樹的內部原理，很容易遺忘。但是，如果你跟著我的課程，認認真真學習了紅黑樹的原理，實現了紅黑樹的程式碼，那麼，即使你遺忘了，我相信，對於正常智力水平的同學，在需要的時候，比如面試前，一兩個小時的時間，足以讓你回到原有的水平。

最後，我想說的，雖然學習的目的不是遺忘，但學習的目的也絕不僅僅是記住。其實，“記住”，是學習的一個太低層級的收穫。關鍵是，在學習的過程中，你的大腦在消化、吸收知識的過程中，會連帶有很多附加的收穫。這些附加的收穫，在很多時候，都是更加重要的。

比如，對數學的學習，會逐漸讓你對數字更敏感，同時，形成如何用數學模型解決問題的思維方式（所謂的數學思維和數學素養）；

對演算法的學習，會逐漸培養你理清邏輯的習慣，對每一個變數作用的深刻理解，也能讓你寫出越來越優雅的程式碼；

更不用提，在學習的過程中，你會逐漸總結出適合自己的學習方法，把他們應用在更多領域的學習上；

你會慢慢體會到如何能夠更加高效地查詢資料，如何歸納，總結知識體系，幫助你更好的理解；

你會去提問。在提問的過程中，你會越來越多地理解：怎樣提問更加有效？什麼是一個好的問題？；

你會給別人講解，在給別人講解的過程中，你也能鍛鍊自己的表達能力；

你甚至能在學習過程中，逐漸找到自己的興趣，自己的天賦，自己的理想；

透過學習越來越多的東西，你也會越來越有自信，你能感受到天地之大，也能感知到自己之小；

所有的這些，都比學習某一個具體的知識點，重要太多了。

愛因斯坦說：所謂的教育，就是忘記了在學校所學的一切之後，剩下的東西。

大家加油！：）

歡迎關注「慕課網」，發現更多IT圈優質內容，分享乾貨知識，幫助你成為更好的程式設計師！