在和朋友聊天的时候，我经常听到大家对于高智商、天才的迷之崇拜。要么觉得自家的娃“不是那块料”，要么特别希望孩子就是那个天选之子。我曾经也是天赋论的“受害者”，一直认为我学习不好是因为我不够聪明，比别人差，于是我就“心安理得”地做一个吊车尾的，给自己找到一个可以躺平的理由。直到成年之后，我发现光靠天赋论躺这么平不行啊，因为社会不是父母，可以无偿地养着我。同时，我也想成为蔡元培校长笔下的那种新青年，成为一个“日日做工，日日求学”[^1]的人。 ## 不躺平的三个理由 从 2020 年年底，我从零开始学习，只学习一件事，就是“如何学会学习。”我现在的理解是，第一，智商不是静态的。每个人天生的智商确实有不同，但是几率很小，可以忽略不计；第二，智商是动态的。人与人的智商差距在于平时的知识积累。第三，智商是多元的。每个人的[[非理性的学习者 多元智能|多元智能]]不同，所以自己只能和自己比； ## 如同中彩票的高智商 > 母亲的这一千两百多个基因及其没有获得表达的潜在组合，在和父亲的一千两百多个基因位点的表达和未能表达的诸多可能的积木放在一起，打乱重组之后，会是什么结果，就更是无法测算和控制。—— 《基因彩票解读》MzSavage 在《基因彩票》这本书中，作者给出了一个比喻，抽中高智商的**概率**就像“中彩票”一样低。父母分别都有 1200 多个基因位点，这些基因既可以“表达”（对生物特征产生作用），也可能“未表达”（隐藏或被抑制），并且这些父母的基因并不是简单直接叠加的关系，而是通过复杂的重组过程进行重新排列，所以会是什么结果真的不可预测。我们就是这个世界上最独特的那七十亿分之一。 这里提到的概率分布用到了一个我们非常熟悉的模型 - 正态分布模型，也就是说高智商是存在的，即有极少数偏高的在左侧，但大多数人的智商水平都在正态分布的中间，另外还有极少数偏低的在右侧。  书中还举了一个关于身高的例子，讲的是一位篮球运动员布拉德利，他的身高是 2.29 米。有次他乘飞机，坐在他旁边的一位遗传学家告诉他，他之所以高是因为增高遗传变异，而且不止一次，也就是说布拉德利的每一次转变都落在了正态分布的左侧，这让他的身高高于了 99.999% 的人。 像身高或单双眼皮这样的只需要少数基因控制的选项，想要成为那个“天选之子”都这么小概率，何况是智能这么复杂的事，真的不好说。而且就算是获得了高智商，就一定能在德智体美劳各个方面都出类拔萃吗？天生高智商的人，真的不需要努力就能成功吗？ ## 高智商就不用努力了吗？  我们平时所看到的所谓的“高智商”只是一个结果。有个问题曾经苦恼了我很久，为什么同样是一个老师教，同样坐在一间教室里，别人考试就可以门门满分，为什么我总在及格边缘？ ### 大脑的构成 从宏观整体来看，人类的大脑也可以简单的分为三个部分，也叫做[[认知神经科学 三重脑模型]][^2]，分别为爬行脑、哺乳脑和新皮层。 - 爬行脑是爬行动物、两栖动物、鱼类就有的，负责我们的生存本能部分，如呼吸、心跳等 - 动物脑是出现哺乳动物后产生的，掌管我们的情绪和恐惧反应 - 新皮质是灵长类动物出现后诞生的，掌管语言、抽象、计划、感知等高级认知 新皮质分为四个部分，前额叶、颞叶、顶叶和枕叶。其中负责处理声音的颞叶、视觉的枕叶和触觉的顶叶构成了大脑的**后皮质**，在认知心理学中被称为**长时记忆**区。**前额叶**负责加工处理新接收的信息。前额叶有两个特点，储存能力有限，每次最多只能加工 7±2 个信息，维持时间短，通常只有 18 秒，所以在认知心理学中也被称为**短时记忆**或工作记忆。 从更微观的角度来看，生命由细胞构成，构成人类大脑的细胞叫做 **[[孩子天生爱学习 神经元构造|神经元]]** ，人类的大脑有 1000 亿个神经元，150 万亿个**突触**联结，这是宇宙级别的单位[^3]。当我们大脑里想到一个概念的时候，是数千个神经元共同执行亮/灭的结果。 爱因斯坦曾说： > “我没有特别的天赋，我只是充满好奇。I have no special talent. I am only passionately curious” 但是这是真的吗？人们在爱因斯坦去世后，对他的脑组织进行了研究。例如，1999 年《柳叶刀》（The Lancet）发表的一篇论文指出，爱因斯坦的大脑顶叶区域（与数学和空间推理相关）有一些解剖学上的差异，但这些差异是否与他的智力直接相关仍无定论[^4]。也就是说爱因斯坦之所以是爱因斯坦并不是因为他的大脑有何特别之处。 ### 学渣和学霸的脑子有何不同 表现为“智商高”的人和表现为“笨”的人的本质区别就在于大脑的长时记忆区是否有更多的**神经元**、更加有序的**突触联结**和经过反复训练更加牢固和高速的传输路径（**髓鞘化**）。放到行为层面来看，就是这个人是否经历了上万个小时的有效纯时间训练、10 年的积累，在大脑里累积到 5-20 万个知识点。简单来说，就是是否有持续学习、持续阅读和持续解决工作与生活中的问题。 举个例子，我在进行「深度学习」这个主题的学习时，光是人工智能、机器学习、深度学习、大数据、神经网络、大语言模型、自然语言处理、生成式 AI、transformer这些概念就蒙了好几个月。这些基础概念会频繁地出现在我读的书或看的视频里，但是由于我以前没有这方面的知识体系，即大脑里不具备关于 AI 主题的长时记忆（最多知道一个 AlphaGo），所以我一读书就犯困，读不下去。但当我理解了这些基础概念后，我就可以顺畅地阅读相关的资料，即便是有一个新的概念出现，我也不是从零开始学起，而是将它纳入到我现有的知识体系当中。最终的结果就是我学的比一开始更快了。 ## 多元智能  前面解释了天生的智商是一件极其小概率的事，大多数人天生的智商基本上是差不多的。并且智商不是一成不变的，而是可以通过上万小时的积累、10 年的时间和 5-20 万个知识组块来提升的。 最后想要说一下智能的多元性。心理学教授加德纳在 1983 年提出了“多元智能理论”，认为传统的智力观念（如 IQ 测试）过于狭隘，无法衡量一个人在社会中的表现。因此提出了 8 种不同的智能，分别为： - **语言智能**（Linguistic Intelligence）：与语言的使用、理解、表达相关的能力，比如作家、演讲家等。 - **逻辑-数学智能**（Logical-Mathematical Intelligence）：与逻辑推理、数学能力、科学分析等相关的能力。 - **空间智能**（Spatial Intelligence）：与空间感知和操作相关的能力，如艺术家、建筑师、飞行员等。 - **身体-运动智能**（Bodily-Kinesthetic Intelligence）：与身体控制和协调相关的能力，如运动员、舞蹈家等。 - **音乐智能**（Musical Intelligence）：与音乐的感知、演奏、创作等能力相关。 - **人际智能**（Interpersonal Intelligence）：理解和与他人互动的能力，如教师、心理学家等。 - **内省智能**（Intrapersonal Intelligence）：自我意识和自我反思的能力，理解自己的情感、动机等。 - **自然智能**（Naturalistic Intelligence）：与自然界的理解和感知相关的能力，如植物学家、动物学家等。 举个例子，如果一个孩子的文化课成绩不好，这并不能直接得出这个孩子“聪明或者笨”的结论。我们可以关注下 ta 是否在其他方面有特长或者热情。深度学习教父[[Geoffrey Hinton 辛顿]]在上学期间从来不是班上最聪明的那一个，多次换专业都失败，还曾经认真地想过做一名木匠，而且就连他父亲都说：“只要工作得足够努力，也许当你的年纪是我现在的两倍时，你就能实现我一半的成就了。”但是由辛顿、ilya 和亚历克斯共同发表的[[AlexNet]]论文成了计算机科学史上最有影响力的论文之一，被其他科学家引用超过6万次。这篇论文被引用的次数至少比他父亲写过的任何一篇论文都多5.9万次。 ## 我很普通，但我不是笨蛋 既然天赋论和不会学习是我上学时的最大痛苦，我就要想尽办法走出来。从 2020年底开始，我不仅跟着小能熊[^5]学习「学习元技能」，我还将所学用于实践： - 在学习上自学了摄影、编程和深度学习主题； - 在工作中从一个完全没有经验的运营小白，到现在能够负责一个部门的运营、销售与宣传工作。 你所看到的这篇文章中的大部分内容和这个网站本身都来自于我在小能熊学习的结果。所以如果回到 20 年前，我会告诉自己：“你不是比别人差，比别人笨，你只是还未开始积累你的知识砖块。” 那什么时候开始呢？什么时候都不晚，什么时候都是最好的时机。 # ref. [^1]: 《蔡元培论教育》 [^2]: 1960 年代，美国神经科学家保罗·麦克里恩（paul mclean）提出了三重脑模型（triune brain），把大脑发展划分为爬行脑、古哺乳动物脑以及新哺乳动物脑三个主要阶段。 [^3]: 150万亿并不是一个人类日常可以直观理解的数量。日常数字比如人口80 亿（8 × 10⁹），这是我们可以理解的，宇宙的星星数量约为10²²到10²⁴难以想象，人类大脑的 150 万亿（10¹⁴）接近宇宙级别。 [^4]: [Witelson, S. F., Kigar, D. L., & Harvey, T. (1999). The exceptional brain of Albert Einstein. _The Lancet_, 353(9170), 2149-2153.](https://pubmed.ncbi.nlm.nih.gov/10382713/) [^5]: [candobear.com](https://www.candobear.com)