Holism（大图景）知识服务
名称解析
- Holism：整体论，大图景，音译为“好力生”
- 核心理念：透彻联系（上下左右贯通），看到整体（大图景）
- See through connections to find the whole
- 知识网络、知识网络上的算法
- 用于教、学、科学研究、企业管理和创新
- 随时打断我问问题
课程目标
- 介绍知识的联系、知识的层次、知识网络、高层知识生成器等核心概念
- 介绍上下左右贯通的思维方式
- 介绍这些思维方式在教、学、研究上的应用
- 介绍这些理念和工具可以帮助企业做什么
- 提升概念地图绘制的技能，并且从技能训练中更好地体会核心概念和理念
这些理念和工具可以帮助企业做什么
- 建立企业知识库，沉淀、显性化、主动运用知识，更好地看到联系贯通上下左右
- 提升研发人员研究层次和创新能力
- 促进跨团队的知识交流和应用
- 促进会议交流的深度和效率
- 企业知识库辅助人才的识别、培养和使用
中心愿景
- 帮助老师教得更好，帮助学生学得更好
- 帮助科学家研究得更好，帮助科技管理者管理得更好从而促进科技发展
- 帮助企业做更好的管理和创新
主要内容
- 核心理念和概念、工具
- 当前研究工作基础以及未来研究
- 概念地图制作技能
- 理解型学习用于教、学、研究、企业管理和创新
- 用于创新性思维的提升
- 用于人才识别、培养和使用
- 用于会议交流
- 决策沙盘
- 知识官体系
核心概念和理念概览
核心概念：知识的层次和知识网络
- 人类知识高速公路：相互联系的知识
- 知识的层次和高层知识生成器
- 事实性程序性知识
- 学科概念
- 学科思维等学科大图景
- 一般性人类思维（批判性思维、系联性思考）、教和学的方法（理解型学习）
核心概念：高层知识生成器
- 高层知识指的是第三层和第四层知识
- 相对低层知识可以通过高层知识来生成，所以叫生成器
- 高层知识需要从低层知识种总结提炼出来
核心概念：上下左右贯通
- 上下联系：上层生成下层，上层来自于对下层的抽象总结提炼，分解和综合
- 左右联系：同层内知识也具有相互依赖的关系
- 左右联系：不同领域知识或者对象之间的联系，类比
核心概念：一般性人类思维
- 只有质量和方式两个维度
- 质量上就是批判性思维
- 方式上就是系联性思考
- 系联性思考包含层次性思维和类比思维，也就是上下和左右贯通
核心概念：教和学的最终目的
- 创造知识、创造性地使用知识
- 提出问题、解决问题
- 探索世界
- 欣赏知识的创造、欣赏问题的提出和解决
核心概念：理解型学习
- 所谓理解型学习，就是依靠知识之间的联系来学习知识，用好上下左右贯通
- 同时，我们强调，理解型学习要以掌握高层知识生成器为目标
- 低层知识都是过程、手段、素材
核心概念：能力和知识
- 在我们的概念体系中，能力就是使用知识（来提出和解决问题的）的意愿（willingness）和习惯（readiness）
- 传统上，也有人把我们这里的高层知识称作能力
- 但是，如果没有使用的意愿和习惯，则也可以一条条记下来，于是不算能力
核心理念：理解型学习
- 猜想：掌握了高层知识生成器可以更好地达到教和学的最终目的
- 猜想：以下技术可以更好地帮助学习者掌握高层知识生成器，
- 标记了层次的人类知识高速公路
- 概念网络上的学习顺序、检测算法
- 以高层知识生成器为标准来决定教什么
- 细节层面：绘制概念地图来梳理、表达和深化自己的思考
核心理念：理解型创造
- 高层知识生成器指导下的研究
- 一个领域的整体观
- 基于整体观，来选择研究什么
- 基于整体观来欣赏、梳理前人研究
- 细节层面，迁移创造的典型过程：
- 在某个领域上下贯通，在领域之间左右贯通
- 所谓跳出盒子，就是尽量往上走，看到大图景，然后跨领域迁移
研究工作布局和举例
- 基础数据、算法建设，实验检验
- 学习者和教师的培养体系
- 找到人类一般思维的脑活动，做教和学的干预
- 迁移到人工智能研究
- 迁移到企业管理和创新
人类知识高速公路及其上的算法
- 构建人类知识高速公路，标注好层次，例如汉字、小学数学、英文单词、物理
- 学习顺序的算法、检测算法，实验检验，例如汉字学习顺序、汉字检测算法
- 用于科学研究中提出和解决问题，实验检验
学习者和教师的培养体系
- 一个教会这些理念、技能和方法的课程，实验检验
- 一个个具体学科上，理解型学习的材料编撰、实验检验
在脑活动层面，找到人类一般思维的脑活动
- 识别出来负责上下和左右贯通的区域
- 甚至把教和学的过程联合以来看脑活动，例如脑同步
- 通过教育和电磁刺激等干预手段，是否可以促进或者抑制上下左右贯通，效果有多长时间
- 促进或者抑制以后，是否具有提升学习、创造和使用知识的效果
迁移到人工智能研究
- 是否可以设计出来实现层次性思维、类比思维的算法
- 是否可以用过两种基本机器人的组合和运用，来实现通用AI
迁移到企业管理和创新
- 企业员工的学习、考核、使用
- 企业研究人员的创新
- 企业具体业务中更清楚地看到联系的作用
- 需要企业知识库
- 知识官体系对于知识库建设、会议交流的作用
Holism知识服务
核心理念概念总结
- 透彻联系，看到整体
- 知识的联系、知识的层次、上下左右贯通
- 人类知识高速公路
- 概念地图是道也是术
- 同一套理念和工具用于教、学、研究和企业
概念地图作图技能训练
- 所有的例子是为了加深对知识联系、知识层次、上下左右贯通的理解
- 这个课程设计本身就是上下左右贯通的理念
- 顺便分享一个学习和思考的小技巧
- WHWM，不断地分解和综合
- 通过数学四问、数学四步进一步来体验系联性思考
概念地图和理解型学习举例
- 历史
- 数学
- 矢量和量子力学
- 小学数学整体图
- WHWM
- 数学四问、数学四步
例子：历史
- 除了死记硬背，这个问题其实可以运用“因地制宜”（环境影响人类行为）的思想来解决
例子：数学
- 学加法的时候，理解到加法就是合起来数一数，可以从数数就自己学会怎么算加法
- 学乘法的时候，理解到乘法就是重复加法的简便计算和记号，可以从加法就自己学会怎么算乘法
- 进一步，从加法和乘法的学子中，明白数学知识的系统性，尤其是平面几何
例子：数学，续
- 更进一步，通过加法和乘法的例子，明白数学就是从现实中抽象出来一般性的结构（可以重用的模式、运算、映射、操作）
- 更进一步，明白数学是描述世界的语言，是思维的语言
- 当我们遇到新的问题，第一要尝试数学化，用现有的结构来描述关系
- 第二，一旦遇到现有的数学结构不够用不管是思考还是描述现实，自己定义新的结构来思考和描述
例子：数学习题标注到知识
例子：研究项目标注到知识
例子：矢量和量子力学
- 盒子里面的猫肯定不是死的就是活的，不可能既是死的又是活的
- 量子态的实验，证明水平的状态包含斜的，斜的包含水平的和数值的
- 空间矢量关系，例如绳子上的振动，也满足斜的包含水平和数值的
例子：矢量和量子力学，续
- 乒乓球那样一个个过去的而不是你推我拉的绳子那样的光子应该是要么死要么活的
- 但是，看起来只要用上矢量加法，实验就能够解释
- 那么，是不是光子就是那个满足矢量加法的一个个过去的东西呢？
例子：小学数学概貌
例子：WHWM分析性阅读和写作
例子：数学解题四问
- 已知的是什么
- 要算出来的是什么
- 要算出来的和已知的之间有什么关系，这一步最关键
- 这个关系如何用数学计算和推理来表达 数学解题四问
例子：数学四步
- 从现实或者纯思辨中提出问题
- 把问题数学化，明确问题，考虑一个问题内的主要因素和因素之间的关系，找到合适的数学结构来描述问题
- 求解问题
- 检验解、总结和推广解或者解法或者模型，进一步形成概念、理论
例子：WHWM终极技巧
例子：汉字研究
- 知识库的例子，概念地图和Wiki词条的形式
- 汉字理解型学习
汉字学习顺序算法
- 已知汉字之间的直接联系（$i$是$j$的部件）矩阵$a^{i}_{j}$
- 定义$A$的列归一化（对行求和等于1）的矩阵$\tilde{A}$
- 求解逆矩阵，其中$W$是使用频率，$\tilde{W}$是学习顺序 \begin{equation} \tilde{W}= \left(1-\tilde{A}\right)^{-1}W= W + \tilde{A}W+\tilde{A}^{2}W+\tilde{A}^{3}W + \cdots \end{equation}
- 考虑了汉字的使用频率、直接构成字的数量（度）、是否参与构成了很多层汉字
汉字学习顺序算法，续
- 成本-累计字数，成本-累计频率
汉字学习例子的小结
- 先要有概念网络
- 然后，学习顺序算法，可以提升学习效率（理论上）
- 结合自适应诊断性检测算法，甚至可以个性化学习顺序
- 需要进一步的实验研究，正在做
例子的小结
- 概念地图是“概念”通过“连词”相连构成的图（网络）
- 概念通常是名词，含义明确
- 连词通常是动词和介词
- 通常按照三元体来读
例子的小结，续
- 概念地图通常围绕一个焦点问题
- 构建知识网络，标注习题项目到知识网络上
- WHWM、数学四问、数学四步是有用的小技巧，根本上还是系联性思考
作图练习（稍后进行）
- 分组，助教手把手带着作图
- 自己选择主题和焦点问题
- 真正的学习都发生在批判性讨论中，你的助教一定会非常批判性，尽可能揭示你的思考
- 先学会术，用好了，成了习惯和能力，再考虑道
- 时间上，这个单元的理念培训之后，两个单元的分组学习，一个单元的展示讨论
理念部分的小结
- 系联性思考，尤其是上下贯通、左右贯通，可以学习到高层知识生成器
- 进而帮助学习、使用和创造知识
- 核心概念：知识的联系、知识网络、知识层次、高层知识生成器、算法、实验、科学化
- 概念地图、概念地图制作帮助更好地上下左右贯通，看到大图景
- 技术：知识库（知识网络+词条解释）、算法
理解型学习迁移到企业
- 知识库、层次、上下左右贯通的理念的培训
- 绘制概念地图的技能和思维的培训
- 构建知识库的工具和方法的培训，沉淀和显性化知识
- 检测算法和个性化学习顺序的算法用于企业人才的培养、考核和使用
- 知识官（促进知识的梳理、使用和创造）体系的理念和技能培养
为什么要实现它
- 提升研发人员研究层次和创新能力
- 促进会议交流的深度和效率
- 促进跨个人、团队、领域的知识交流和应用，在需求管理团队的尝试
- 企业知识库辅助人才的识别、培养和使用，在可靠性团队的尝试
怎么实现它
- 企业知识库建设、层次标注、案例项目标注
- 企业知识库可视化呈现
- 知识库上的学习顺序算法和断性检测算法
- 知识官体系
- 更多人掌握这套上下左右贯通的思维，甚至画图技能
需求管理团队的尝试
- 已有基础：已经建立了一套需求的概念和指标的体系
- 主要目的：
- 吸引更多人来使用，易用性
- 帮助使用者更容易看到跨类别需求之间的关系，不限于个人经验
- 解决方式：需求概念网络
需求概念地图举例
- 图形化，明确标出来联系，是否可以达到以上两个目的？
可靠性团队的尝试
- 已经基础：已经掌握了一些可靠性工程的知识，积累了一些案例
- 主要目的：
- 梳理出来可靠性工程的核心概念和方法
- 识别、培养和使用可靠性工程专家
- 解决方式：
- 建可靠性工程概念网络
- 收集案例标注到概念网络
- 学习顺序和检测算法
可靠性团队概念地图举例
- 可靠性专家培养识别和使用系统本身的概念地图
知识官
- 没有主动使用知识库的方法，知识库会成为信息库
- 贡献者动力不足
- 知识官成为推动者
- 会议前，准备好讨论主题相关的背景知识
- 会议中，实时作图
- 会议后，更新到知识库，记录谁贡献、谁使用了哪条知识
- 通过上级知识官，跨单元整合
- 每个草根在知识官的组织下建，随着业务建
小结
- 核心概念：知识的联系、知识网络、知识的层次、上下左右贯通
- 系统化，科学化（建模、计算、做实验测量）
- 帮助企业做更好的管理和创新
- 同样的理念和工具，可以用于教育、科研、人工智能研究
Holism知识服务
核心概念和理念概览
致谢和提问
- 期待你在手把手培训中和培训后的表现
- 感谢您的时间，建议和意见
- 带回家的消息（尽管都待检验）：
- 只要掌握高层知识生成器，辅以知识网络和算法，就可以更好地教、学、研究、创造
- 最高层的知识生成器只有系联性思考（上下左右贯通）和批判性思维