人人都知道该跨学科学习，但往往不知道何处着手。少数人知道如何跨学科学习，但几乎无人分享跨学科学习方法。
在《到如今，哪些学科值得学？如何跨学科学习？》中，我分享出 7 个跨学科学习的心得体会，后接到读者反馈——「如何开始跨学科学习」部分说得比较简单，希望再说明白一点，于是便将此部分具体扩展。
芒格、西蒙与马斯克跨学科学习各有法，我个人最喜欢西蒙跨学科学习方法，皆因西蒙留下大量的文献、著作与演讲，有两本传记和无数论文，成长足迹清晰，跨学科路径分明，是普通人最容易跟随学习的榜样。
以下是我根据西蒙相关文献整理汇总的学习方法，也正是我在践行的跨学科学习方法，希望能给大家启发。
一、找到大问题。
尝试寻找一个你感兴趣且值得你继续投入时间的大问题，这个大问题最好是「事关人类生存与发展的重大基础性问题」。并且，你相信解答这个大问题能造福他人，激发起你的内在动机，引导你能有多种可能性的迷宫中进行着漫长而愉快的搜索，贯穿你的一生。
这种问题类似于安猪老师在 2016 开智大会提到的大问题：它们往往是困难甚至极端的。在极端假设中，才能做出真正有价值的发现，而这种极端问题导致一些延伸问题，让我们在更深层面去思考这个问题的解决方案。当我们往深层次走，去思考这些问题的本质，我们的行动方案和最终结果就会有更长期的价值。
如何确定大问题？西蒙提出了五条参考标准：
1）这个问题的解答可检验。你的解答不能只通过你的个人经验来验证，而是能用事实、数据来检验。例如日心说。
2）这个问题的解答有价值。如何证明解答有价值？西蒙的回答是：如果把解答发表在一家有声誉的期刊上，至少有两个人索取论文复印件。个人觉得这样有难度，建议找到顶尖同行，争取认同。
3）这个问题的解答具有美学价值。理性的认知必然是通过感性的认知而普及的，大问题的解答必须能感性美，然后才有认识的价值，不然会有另一个更美的解答取代。例如爱因斯坦的等式 E = mc² 。
4）这个问题的解答能推动科学进步。这些大问题处在学科的中心或者学科交叉边缘，一旦解答能给人类带来启发，带动技术进步。例如人工智能就是计算机科学、心理学、设计学等学科的交叉大问题。
5）这个问题有解答的可能性。你需要思考，这个问题是否付出价值相称的努力就能找到解答，如果不能，你就要深入思考：是否是时机不对？现在不能解决，以后技术成熟就能解决？以往是否有类似的大问题可以用现在其他学科知识来解决？
根据这五条标准，西蒙确定了他的大问题——「人类问题解决」。
二、表征大问题。
表征（representation）是认知心理学的术语，意思是将概念用不同的学科知识的弹性迁移，在多种相似情境制造共性，抽取出概念的核心。
小问题用具象表征即可解决，大问题就需要运用高级的抽象表征解决
例如你小时候学「 1+1=2 」你可以用手指表征，两个手指摆在一起，再合起来数，就能轻易解决问题，但这种表征只是适合辅助理解问题，一旦要上升到「242+349=？」这种难度，你就再不能借助具体情境的表征，需要利用抽象表征。
所以，人类将各种大问题表征为更有助于人脑记忆与思考，更能批量解决问题的形式，例如数学等式、符号标记、摘要排列、示意图等。抽象的层级越高，可解决的问题就越多。
掌握大问题表征技能，关键在于掌握足够多的抽象模型，利用不同学科知识重新表征所问题，生成问题表征信息，并把不同的表征联系起来，改变问题的表述方式，突破学习最难的关卡，从而解决问题，
西蒙一生围绕大问题不停在政治、数学、心理、计算机等领域来回探索，一生共拿了 9 个博士学位，就像学会了凌波微步，在学科森林肆意穿梭，毫无压力。
大问题表征就像一条线，跨学科就像一颗颗珠子，把珠子串成项链，问题往往就解决了。
西蒙是如何表征大问题的呢？
西蒙的大问题表征经历了这样一个过程：组织决策——人的决策——人类问题解决。
西蒙的大问题原来是「组织决策」，后来发现，「组织决策」往往是「人的决策」，而人的决策问题是关于人类行为的中心问题，任何单一学科都无法独立承担这一重大的基础性问题研究，于是，西蒙尝试用其他科学知识解答
在尝试过经济学与管理学后，西蒙转向心理学，用人类认知与计算能力有限提出满意理论，后来又发现已有的心理学也无法深入解释人类决策机制，萌生用计算机科学去模拟人的思维过程，此后西蒙研究的大问题表征为「人类问题解决」。
如此可以发现西蒙问题表征的过程：先用不同学科知识表征大问题，在学科内遇到瓶颈时，不但不会囿于学科知识而停顿，而是继续走出圈子，用更广阔的思路解决大问题。
由此可见，问题表征既拉开大问题的广度，也能扩展大问题的深度。不同表征下研究的侧重点有所不同，可形成了大问题研究的多个层面，不同层面的研究相互支持，从而形成对这一大问题更全面的理解。
三、迁移学科方法
大问题之所以成为大问题，核心在于问题的解决难度，你需要不断迁移其他学科的研究方法来敲碎它。
在迁移其他学科方法之前，你必须至少掌握一个学科的基础知识，熟悉该学科的基本研究方法，才有迁移学习的资本与方法。你要明白，你面临的是别处学科的壁垒，如果锤子不够硬，裂缝也敲不开。
一般情形下，一个学科往往具有自己的传统方法，但久而久之传统方法会成为该学科研究拓展的桎梏，研究者有路径依赖，往往难以创新。这时，你就要不受任何学科传统方法的束缚，大胆借用、移植其他学科的方法。
学习多学科的好处就是不同学科解决问题有不同的思路，如果能综合运用，往往能打开单个学科的困境，就像你要做一把椅子，你仅有锤子还不够，你还需要锯子、钉子、刀子……
西蒙用这个方法，成功在管理学和心理学中闯出了一条新路子。
西蒙为解答大问题「组织的决策」学习管理学，发现传统管理学概念混乱，不符合科学法则，于是决定开辟新途径，找出新的研究方法
他借助社会科学的操作主义方法，对管理学中各种概念，如目的、过程等做出操作化定义，让其符合经验观察结果或状况，为其创立以决策为核心《管理行为》组织管理理论奠定基础。
再如西蒙在为解答大问题「人类的决策」学习心理学，发现传统心理学的两个流派：行为主义心理学和格式塔心理学均存在问题，行为主义心理学认为思想、意志和意识不可观察，格式塔心理学认为感觉、思维和知识理应是心理学关注的核心，两个学科相互打架，非 A 即 B ，面对这一困境，西蒙决定采用新方法——借助数字计算机来解决人的思维与认知活动。
他认为计算机对符号的记录、储存、复制、转移、删除等基本操作与人的中枢神经系统相似，可以像研究动物那样研究计算机，便依照人类在解题、下棋等典型智力活动中的方法，编写了各种程序，用计算机来模拟人类思维与认知，观测计算机在不同模式刺激下的表现来研究人类的决策，最终，西蒙实现了对思维的经验研究，构建出关于人类思维和认知的经验科学。
四、重新定义概念
所谓新知识，都是从旧知识的流动，像活水流经一个个池子，形成了一个个学科。重新定义概念是将自己知识池子的水活动起来。
进入新领域，首先面临着如何处理概念的旧定义，而概念的知识往往与特定的学科知识传统紧密相关，对概念重新定义有助于摆脱这一学科知识传统的束缚，带来更多创造性的成就。
如何重新定义概念？
很简单，把原有学科中关于此概念的知识内容转换成多个学科中的知识内容。
例如西蒙重新定义情感。情感在心理学文献中被定义成与人类思维理性相对立的概念，或者说情感是非理性的。但西蒙认为情感与理性并非对立。
「情感是动机的主要来源，它让我们把注意力集中在特定目标上，而且情感会有助于对其激起的目标进行积极的相关思考。」因此，西蒙把情感定义为「中断系统为响应突发强烈刺激而启动后产生的行为」，这样，情感就可以成为计算机认知模型能够处理的对象，实现了由心理学到计算机科学关于情感概念知识的转换。
概念的转化，不仅让旧概念更清晰明白，而且可让新概念应用到新学科，获得更多启发，从而解决问题。
五、同行合作交流
一个人学习未免过于无聊和单调，好的学习者善于与其他学科的学习者合作交流，取长补短，融合百家之所长，实现知识在不同合作者之间频繁而密集的流动、转换，从而实现知识创新。
如果将知识定义为水，学科定义为格子，学科知识就是冰块，你需要做的就是用热水来融化冰块，使之一体。
为此，西蒙提倡作出各种尝试。
提倡结交朋友。西蒙如此形成朋友的好处：「你会发现所有你需要的程序都储存在你的朋友之中。只要你不过多干预，这些程序会富有创造性和富有成效地执行任务。」逐步结交你可能感兴趣的领域中的朋友，这些朋友会让你被动了解领域中的真正重要的和惊人的进展。
当然，这里说的朋友是指与你旗鼓相当，或者水平高于你的朋友，这些朋友可能会成为你的贵人。如果你水平不足，又想拼命想挤入某个圈子时，你就注定是个旁观者。
提倡与人合作。西蒙把与合作者看成是具有头等意义的「启发式」，与这些精力充沛、聪明睿智、博学多才的人进行合作受益无穷 例如他就与纽厄尔合作构建计算机模型，西蒙善于程序设计的策略思考，纽厄尔善于精于用计算机程序语言实现策略，二人互补知识结构和关注点，促进了知识在他们头脑间迅速转移，创造出一系列思维模型。
提倡加入或创建跨学科小组。这个跨学科小组要求成员对不同学科有相当的专长和良好的基本知识：可能是数学，可能是计算机，又或者是艺术设计，如果他们只对学科感兴趣而未曾深入研究，那就很难激发出新的思维。
提倡跨学科争论交流。创新知识得到认同需要过程，在此期间，有关这些知识的内容、理论前提以及形成知识的方法都会受到质疑。公开而理性的争论，有助于完善知识内容，建立更可靠的理论前提和澄清所采用的研究方法，从而实现知识由创造者向学习共同体转移。学习争论的结果除了帮助学习者完善内容和澄清问题外，还扩大创新知识的影响力，实现知识转移。
——- 跨学科，学人工智能 -——
掌握深度学习原理
搭建神经网络模型
熟悉自然语言处理
开发智能个人助理
戳原文，马上预约下期！
