《实验、测量与科学》一书出版后，获得了大量网友的热情支持，尤其是获得大量不同学科专业学者和专家的高度关注。但也有网友感觉很诧异：书的封面腰封上居然写了“贯通所有学科”？这怎么可能？有读者初看时会有些疑惑是可以理解的，因为过去有这样说法的往往最后被证明是民科。写该书的目的之一就是要帮助人们识别民科的。

   的确，因为现代科技的迅猛发展，可以用知识爆炸来形容，人们一般认为一个人的精力总是有限的，已经不可能再像文艺复兴时期那样可以通晓当代所有人类科学文明的成果了。如果想在科学上做出任何成就，必须专注于每个尽可能细分的专业领域。但是，如果那样的话，就意味着人们无法对科学有一个完整全貌的理解。《实验、测量与科学》要解决两个问题，一是为什么这个事情在技术上是完全可行的：一个人通晓当今人类全部科学成就、甚至全部人类文明成就。我把这称为“全科型知识结构”。二是为什么需要，并且是迫切需要做到这一点。

达芬奇，文艺复兴时代通晓当时一切文明成就的全科型大师典型代表

为什么可以通晓？

现在的确已经是知识信息爆炸的时代。仅以中国科技论文数量为例，2012年为16.47万篇，而2000年时，这个数据还只是4.97万篇，12年增长了3倍多。有资料统计2006年全球科技论文数量为135万篇，并且每年还在快速增长。2003至2013年的10年间，世界科技论文产出总数的年均增幅为7.0%，其中美国论文数量的年均增幅为3.2%，而中国竟达到18.9%。别说是所有论文内容，一个人就是仅仅要把每年论文的摘要和目录看完都已经极其困难。据CISCO公司在2011年6月1日发布的Cisco® Visual Networking Index (VNI) Forecast(2010-2015)预测，到2015年，全球互联网流量将比2010年增加4倍，达到每年966EB。平均每秒钟的流量为245TB，相当于2亿多部高清电影。事实上，不要说一个人面对所有当今的科技知识领域，就算一个很狭窄专业领域里的专家，也无法把自己所属专业领域的所有知识细节全部看完。但是，我们说具备“全科型知识结构”，并不是说一个人要掌握一切科学知识的细节，更不是要吸收一切产出的信息，而是要能够具备“把握”一切科学专业知识或全部人类文明成就的能力。

信息爆炸既是一个挑战，同时也提供了寻求比古人更好实现全科型知识结构的条件和机会。有多个方面的原因，使得我们具备全科型知识结构具备技术可行性。

知识信息的高度冗余性

   尽管表面上看知识信息在爆炸性地增长，但用专业的术语说，事实上它是存在大量“冗余”的。所谓“冗余”简单点说就是重复性的东西。绝大多数网上的信息都是简单转发，或仅作少量修改的重复信息。而在每年1百多万篇论文中，绝大多数是因为评职称的需要攒出来的文章。一篇真正创新性的原创性论文，会引出成千上万篇“浅说”“试析”“商榷”“综述”“简评”“试论”......这类一看名字就知道属于重复性的论文。更多的将开拓者提出的基本原理进行一些特定实验测试后，结合基本原理把数据进行一下分析的，就多多少少算是有点实质性工作了。能对开拓者的基本原理作些展开或修修补补的，那就算是一个领域重大的创新成果。所以，如果你要钻到一个领域的最细节里去，会没完没了。但如果你要把握一个领域，深入地读几篇关键性的文章就足以覆盖绝大多数必要的知识信息了。如果再考虑到不同领域之间的相关性，真正的新东西就更是少之又少。

   所以，书可以越读越多，也可以越读越少。可以越读越厚，也可以越读越薄。

   信息压缩、尤其是视频信息压缩是信息技术领域里很重要的一个内容。从这个技术中可以更进一步整理总结出“知识压缩”方法。很幸运的是，作者本人就是搞视频信息压缩出身的，所以很方便地具备了这个专业基础和能力。

知识信息压缩技术

   我们可以结合视频信息压缩技术，来简单介绍下通过哪些主要方法可以将全部人类文明成就压缩成一个人可以通晓的程度。

一、直接丢弃无关紧要的信息

   即使很多非专业人士也知道，每个视频的像素原始信息是红绿蓝三基色。为技术处理方便，会将它们进行一定的转换，变成一个亮度信息和两个色度信息。因为人类视网膜对亮度信息敏感程度远高于色度信息，所以在普及型的视频应用中会直接丢掉大量色度信息，而不会影响人对图像的观感。可以丢掉多少呢？4个像素里面的全部色度信息保留一个就够了。这就是专业术语里面的将原始4:4:4格式，变成4:2:0格式。这个简单的过程就可以使总的信息量直接减少一半。

   人类全部知识信息中，直接丢掉一大半，这些被丢掉的信息本身就可能是意义很小，甚至毫无意义的，丝毫不会影响对全部人类文明的把握。

二、相干压缩——去掉静态重复信息

   我们经常会在电脑上使用JPG格式图片，这个图片就是经过压缩的。它主要是通过一个专业术语叫“离散余弦变换”的算法实现。但是，仅仅经过这个变换本身还不能实现压缩，主要是在变换以后将数值很小的高频分量直接变为零来实现的。不懂这个专业方法也没关系，只要知道这个方法实现的效果就是把一张图片里重复的信息给去掉。如果比较一下原始BMP格式文件的大小和压缩以后JPG格式的文件大小，就知道一张图片里重复的信息量是多么大，以及相干压缩技术的能力有多强了。剩下的有效信息量可能只有1%左右。需要注意一点的是：这种压缩是“有损压缩”，就是压缩后并不是绝对能够与原始信息完全一致，会损失掉一些细节。因此，如果要追求最高细节信息的话，还是要直接去接受原始的信息，但在绝大多数需求来说，损失掉这一点点细节无关大局。

   人类知识信息里有99%，甚至更高比例的知识信息是重复的。通过公理化、数学化等方法可以把绝大部分的这种重复信息压缩掉，而极少丢失真正有意义的知识信息。当然，专家毕竟还是专家，他们会体现出在细微地方的差异。因此，这种方法并不是要完全去替代专家的工作。

三、运动估计——读经典、重发展规律

   在视频中，当一帧图像传过去后，紧接着后面的图像与前一帧图像差别往往极小，只有整幅图像，或图像中部分对象的很小运动变化。因此，如果获得一幅初始图像（专业领域叫I帧，即“初始帧”），后面把握发展的一个方向和规律，就可以根据初始帧计算出来一定时间后的发展结果。这个结果与实际之间很可能不是绝对一致，但只要知道实际发展结果与根据发展规律计算出来的结果两者间的差值就可以了（这些图像叫P帧——预测帧，B帧——双向预测帧）。例如，根据摩尔定律，你可以在40年前就计算出今天的半导体发展规律，其中可能还是有一些偏差，但你只要知道这些偏差，根据摩尔定律和40年前的基础，就可精确还原今天的半导体发展现状。

   以上分析意味着，你只要深入地了解一个领域最原始的经典（I帧），并且深入了解该领域发展规律（运动估计值，尽管不一定绝对准确），然后只要再了解一些该领域实际发展结果与前两者为基础计算出来的结果之间的极少信息量的差值（P帧和B帧）就足够了。绝大多数人的工作创造的知识是属于实质信息量极小的P帧和B帧。初始帧I帧的英文来源是Invincibility frames（无敌帧），而不是Initial frames（初始帧）。这个名字很好地反应了经典的价值。在任何领域，经典是实质性信息量最大的知识。因此，学会读经典著作与经典论文是很重要的。尽管它们可能很难懂，很抽象，但只要读懂了它们，就一通百通。后面再读其他文献资料就可以一目十行了。当然，学会在一个领域找到经典，也是极重要的。否则你读了一大堆东西，很可能都是属于直接扔掉也没关系的垃圾信息或重复信息。或者读再多的P帧与B帧的东西，还是不能准确还原和理解一个学科真正的全貌。

   寻找和判断经典的另一面，也就是学会判断垃圾信息。精通一个领域经典以后，拿起一本书不断翻页就会是这样：抄的，抄的，抄的，抄的，抄的......有两句有意义的作者写的体会，抄的，抄的，抄的......引用了一点新的论据，抄的，抄的，抄的......绝大多数所谓的书就这样快的10几分钟，慢的半个小时也就看完了。99%以上的论文看个标题、摘要、关键字和目录就不用再看内容了——不仅大量内容都是抄的，关键是不会有任何新东西。这类论文或文章以后都是属于通过人工智能可以大批量生产的东西。

四、 触类旁通与隔行如隔山，全科学领域的触类旁通

   “触类旁通”与“隔行如隔山”都是俗话，怎么考虑它们之间的关系呢？“触类”才能旁通，因此，关键是要同类。隔行如隔山，关键是离太远了，不属同类。因此，经过以上所说的相干信息压缩去掉重复以后，就会形成不同的知识类别。这就是科学对知识进行分科研究的原因所在。如果从整个科学全体知识进行最充分地相干压缩，就可以形成最精干的科学知识I帧。它们可以形成十个知识精髓或知识体系。

   数学和测量两大学科，这是可以通行于一切科学领域的两大最基本的工具和方法。因此，以我提出的共轭标准来建立一切实证科学的学科，可以做到最为精简和最充分科学地分类。另外八个知识精髓或称八大知识体系分别是：

1. 心理和精神

2. 机械

3. 化学

4. 生物、农业、医学

5. 电子信息、软件

6. 金融

7. 法律、政治、管理

8. 战争、竞争、竞赛与博弈

   每个知识体系、类别或学科内部可以比较容易地触类旁通，但不同知识体系之间则会形成隔行如隔山。但之所以不同类别之间会形成这种情况，最重要的原因还不是相应的知识不同，而是思维方式的巨大差异，甚至相反。因此，如果要跨越不同的“行”，也就是不同的“类”，不仅是要吸收其最精髓的知识，最重要的是转换思维方式。理论上说，只要掌握了数学与测量，以及上述八大知识的精髓，你就可以很容易地对一切人类文明成就触类旁通了。也就是说，只要读懂了对全体科学文明具有I帧意义和价值的以上十本书，就具备了通晓一切人类科学文明成就的能力。具备了这个能力，就算一个全新的过去没接触过的学科，快的几个小时，慢的2、3天也就把这个枝节学科的经典看完了。当今整个人类科学文明成就，也就那点儿东西。

互联网提供的工具

   现代科技、尤其互联网和计算机技术，在以指数增长的能力产生海量垃圾信息的同时，也有更强的指数增长能力瞬间去除垃圾信息，从而搜索出所需要的信息。“内事不决问百度，外事不决问GOOGLE”。本来这些工具是为了人们学习知识，但因一些令人遗憾的政治利用导致互联网通路的障碍，GOOGLE被封了。希望百度等不仅能问内事也能问外事。还有CNKI以及开放存取运动提供的免费网上知识库。这些可以免费或以极低成本瞬间获取一切领域的人类知识。我曾经做过这样的实验，在网上一个刚认识的网友，问他是做什么的。他告诉我其专业，并且是我过去听都没听说过的细分专业后，我马上打开百度等互联网平台边查边与对方聊天。然后对方很诧异地问我是做什么的，我说你猜，他会说“你做我们这行至少应该有3年以上了吧？”。因此，现在凭这些工具，以及掌握全部人类科学知识的“十大I帧”以后，人基本上可以用分甚至秒为单位实时同步一个对自己来说全新领域的知识。

考察3120个学科与学科群之后得出的结论

   为了获得全科型知识结构，我利用测量学，以及信息压缩技术的专业知识形成的知识信息压缩能力，系统考察了全部人类文明的专业学科。在2009年中国学科分类与代码中，归纳出了3120个学科与学科群。不同国家总结的学科有所不同，但大致来说都可以用以上所提到的方法进行全面地考察和总结。一般人看书都是先学一些普通知识后，就选择并专注于自己善长的专业领域深入进去学习。但是，我是先在学校学习时是刻意选修了科技情报检索课程，这个课程所教内容其实是一切有心从事研究工作的人员必备的基本技能和素养，但当时上课的人却是少到个位数。然后我看书时是在图书馆里找到分类目录，从A一个字母不漏地一直读到Z。26个英文字母读了22个，为什么有4个字母没读呢？是因为《中图法》图书分类目录里没有用到L、M、W、Y等4个字母。用计算机软件算法的专业术语说这样做叫“遍历”。以上形成的十大具有I帧性质的知识体系，也是在这个压缩、总结过程之中形成的。因此，无论读者您在哪个专业，以上所说都肯定可以覆盖您所在的专业领域。当然，这个学习方法并不一定适合所有人。对于只希望在专业领域发展的，且不可轻易这么散开了。

  伦敦大英博物馆，马克思曾在这里博览群书，为撰写《资本论》收集相关资料

为什么要具备通晓能力？——别让专家再受欺负

   具备通晓能力的价值有很多，我们现在重点谈一个问题：别让专家再受欺负。本来专家应当是很受人尊重的，但我们可以清楚地看到现在不是这样，专家往往受欺负。为什么？因为现代社会的发展已经越来越复杂，认识或解决任何一个问题总是涉及到大量不同专业领域的要素。专家专注于专业领域永远是没错的，但是如果因为专注于某一个领域而完全无视其他相关领域发展的话，就很容易变成受欺负的专家。因为这样的专家只是过度专注于某一个知识领域，他（她）就无法对一个特定问题的全貌有所认识和把握，而专家是要去解决实际问题的。科学的创新有一部分是完全在狭窄的专业领域内部向纵深突破，这类突破非常困难，如果成功当然是极受人尊重的。但是，现代科学里有一半以上已经是通过交叉学科的方式发展起来，也有人称为“边缘学科”。由于中国以及全球科技专业人才的大量存在，使得每一个专业领域自身都有充分的人才、资源、制度化的体系去进行充分地挖掘，但各专业之间却严重缺少专业人才、尤其缺少制度化的体系来开发，这就留下大量创新发展和突破的潜在空间。例如，现代农业在种子的改良上已经发展得极为充分，靠传统方法，甚至转基因方法提升单产或品质的空间虽然还存在，但已经挖掘得非常充分了。而作物的产量和品质需要两方面的因素支持——内因的种子基因，外因的田间管理，作物生长环境。现代的智慧农业就是靠深刻地改变作物的生长环境来极大提升产量与品质的，而这些与传统农业专业基本不相干。尤其智慧农业，重点在智慧，而不是农业。这就需要大量跨界的人才去解决相应的问题。

   这也就是说，科学知识横向的结合或跨学科已经是科学发展主要的途径了。但是，因为过去没有对科学全貌的了解，究竟该如何去进行跨学科的发展，全凭个人的直觉、天赋甚至运气。这样就会出现另一种情况，一些人仅仅是从某一个学科出发去攻击另外一个学科，但却并没有去有效地解决问题。这种攻击因为是完全来自于另一个学科，会让受攻击领域的专家很难受，却毫无还手之力，最多只能无力地说对方不专业。例如，从新闻或社会学攻击转基因；从妇产科、旅游业攻击人口学；从文学艺术攻击社会学；从绘画艺术攻击历史.....这类“跨界攻击”因为攻击者很可能在原来自身专业领域有巨大知名度或很高地位，从而可能对全社会影响非常巨大，可是受攻击领域的全体专家们却只是纯粹受气包儿的角色，完全没有还手之力。发起攻击一方又解决不了任何问题，只是单纯地攻击。这种方式破坏力极其巨大，但又不具有任何建设性。这还不仅仅是专家受欺负的问题，而是整个科学知识群体居然无人能解决这类问题。

   全科型知识结构就是专门修理这类“只超视距跨界攻击，却不有效解决问题”行为的。因为一切跨界行为全都在全科型知识结构的专业火力覆盖范围之内。超视距攻击超到最大程度，就是全球打击，全科学领域覆盖。我从一开始在网上发文章时就是实名，从不惧任何匿名的攻击，原因就在这里。有很多不太负责任的网友随意对我文章回复的攻击言论，我只要提示对方“不要泛泛而谈，告诉我你本人的专业是什么，我们只在你的专业范围内、用你的专业术语来谈这个问题”，绝大多数网友马上就会严肃起来了。只要一两个回合，对方立马就明白我在他的专业领域研究的水有多深。因为绝大多数人往往越是自己不太懂的，并且是属于别人的专业领域，说起话来越是随意和不负责任。但属于自己吃饭的专业领域，一般就老实太多了。一是自己知道本专业所有困难的细节，不会过于想当然。二是自己靠它吃饭的专业领域如果随意说话而受到别人嘲笑，那以后吃饭真可能就成问题了。另外，真正在自己专业范围就明白，要想有效地解决问题，就远远不是过一过嘴瘾那么简单了。

• 对新闻界攻击转基因，你不要只与他谈转基因。你不是新闻学教授吗？那我们就先谈新闻真实性与科学真实性之间的关系问题。先把这个新闻专业问题谈清楚了，问题也就解决掉一大半，转基因问题就很好谈了。如果你连你自己新闻专业的问题都谈不清楚，那怎么能谈清楚和你专业不沾边的专业问题呢？

• 你妇产科的博士后先别谈人口学，咱先把妇产科的专业问题谈清楚再说。谈清楚了你就没那么大勇气再去谈人口学了。

   对付单纯破坏性跨界攻击的最好方式，就是你得反过来跨界攻入对方的领地，将内线作战变换为外线作战。只有这样才能从根本上改变被动挨打的局面。

   当然，以上只是问题的一个方面，真正跨学科的问题还有很多。例如，通信业本来最具有技术能力去发展互联网业务，但为什么现在互联网完全是建立在电信网基础上的，电信业的人却长期眼睁睁地看着像马云这样根本就不懂互联网、更不懂电信专业的人，跑来跨界赚本来是电信业人该赚的钱，然后还一边教训电信业的人，一边还很得意地坦率讲“我不懂互联网技术”？到今天电信业却不得不引入BAT的资本去改造自己，也去给BAT打工。马云说的是实话，人家是英语老师出身，真的不懂互联网技术，到现在也不懂。电信业的人不觉得丢人真的是丢到家里去了吗？

   为什么银行业的人一次又一次地被马云训斥，一次又一次明明白白地告诉你银行业的未来是什么，自己有最多的资金、有那么多技术、那么多资源，却只能让互联网大佬们一步步地蚕食自己的领地？然后只能用裁员、让出业务领地来应对。

我抢你饭碗了吗？那全是你们自己不懂跨界让出来的

   因为他们里面的人都只是纯专业出身，完全专注于自己本专业知识技能和做事方式，而不具备跨界的任何能力。

   不懂跨学科，不懂跨界，在现代社会就只能是一个受欺负的专家。当苹果手表成为全球最大的手表生产商时，传统手表企业脑子里面还在认为手表只是看时间的。即使你不去跨界攻击别人，至少你也得懂跨界来保护自己。如果他人只跨界攻击而不跨界解决问题，那是不对的。但很多人不仅跨界攻击，人家更是来解决问题了，甚至没有任何攻击，开始时是求着你专家解决新出现的问题，但你不去解决，逼着人家去解决抢你的饭碗。那就不能不说这些领域的专家们是活该受人欺负了。

作者简介

汪 涛

独立学者，天使投资人，多家孵化器创业导师。

曾为中兴通讯国际市场管理体系的奠基者，

现为北京数码视讯科技股份有限公司国际投资总裁。

著 作：

《通播网宣言》

《生态社会人口论》

《超越战争论——战争与和平的数学原理》

《实验、测量与科学》

《即将来临的粮食世界大战》（即将出版）

《纯电动拯救世界》（即将重新出版）

《科学经济学——看见看不见的手》（即将出版）

微信公众号：纯科学