2022大学与职业发展篇

李晓云学姐在剑桥大学克莱尔学院（Clare college）

李晓云Sherry

本科就读于英国剑桥大学自然科学系，2021年申到了加州理工和哥伦比亚大学的博士全奖 

如何在学术交流中看起来好像很聪明

认识我很久的朋友就算到现在还是经常会诧异，李晓云你平时说话从来不正经看起来傻傻的，你到底是怎么在剑桥这种高智商“江湖”上混下去的，现在还要读博士了？所以这篇文章我想跟大家分享一下，我在剑桥本科学到的“绝招”：到底如何在学术交流中看起来好像很聪明的样子！

这些经验对我当时申请博士面试3所学校，总共12场面试最后全部通过拿到录取，真的起了决定性的作用，希望大家能够仔细看完！

有一位叫George Berkeley 的古人曾经说过：“Few men think; yet all will have their opinions.”意思就是每个人都有自己的观点，但是真正通过深度思考而形成的观点立场却很少。因此，在一个开放性的学术对话中，真正能让你看起来逼格很高的并不是能说出一个正确的观点，因为大多数人都能说出一个正确的观点。“高手过招”要做到有逻辑，有批判性地一步步推理分析，来论证自己的观点。

那怎么看起来有批判性思维呢？最直接的方式就是自我批判：你要意识到任何研究方法都一定会有自己的局限性，所以当在你用一些证据来支持你的观点时，你可以在对手抓住你的证据的弱点之前就率先自己主动提出来，然后再解释为什么就算你知道有这些缺陷，你还是得出了这样的结论。

如何有逻辑地分析问题呢？一个很有效的方法就是把一个大问题给拆解成一个个小问题，然后逐一击破。为了解释一下到底怎么操作，我选了一个牛津剑桥本科面试喜欢出类型题，一个关于神经科学的大问题。这个问题问：“The brain is so complex, can we ever fully understand the brain?” 脑子这么复杂，装载着我们的全部意识，情绪，记忆，我们真的有可能完全理解大脑的奥秘吗？大家可以暂停一下阅读，想想如果是你遇到这种提问会怎么答？

在正式回答任何问题之前，一个很万能的拆解问题的第一步，就是先抠问题的本身，因为很多看起来习以为常的词汇，其实比你想象中更加含义模糊，所以为了保证你接下来的谈话中两个人想的东西是在同一个频道上的，你要先明确地指出题目中可能存在歧义的词汇，然后给它下一个自己的定义！你看这个问题，我们能完全理解大脑吗？什么叫做完全理解？要有多了解一个东西才能说你完全理解它了？

疫情后学院第一次组织的圣诞晚宴

有的同学可能会说：“你这不钻牛角尖呢吗？”还真不是，其实理解这个词在不同学派中的意思真是天差地别：在科学界中，能够建立出一个可以解释所有实验现象的理论模型，那算是完全理解了。在工程界中，机器坏了，工程师能准确知道问题在哪然后把机器修好，那算是完全理解了。那再回到脑子，脑子坏了的时候，我们知道怎么修好脑子，可以说算是我们完全理解它了吗？按伟大的行为学家Nikolaas Tinbergen的话说，如果谁声称他理解大脑，那他至少要弄清这4个问题：你的脑子是从哪里来的（Evolution），是怎么发育的（Development），是怎么运作的（Mechanism），你为啥需要个脑子（Function）。大家应该马上可以看出，工程学对理解的定义只停留在是怎么运作的（Mechanism）的这个表面，对其他三个方面毫无涉及，这样的理解会不会有一丢丢片面了？所以大家可以看到，一个看似简单的事情也存在它的多面性，如果你能在学术交流中展现出你能意识到，事情并不简单，那对方肯定也会为你的思维缜密性鼓掌！

那现在总算在题目的定义上达成共识了，我们就可以真正地回答这个问题了：我想分享给大家两个比较有意思的思路。第一个你可以说：不是脑子本身太难懂，是我们的方法有问题！在美国著名的冷泉港实验室的Yuri Lazbnick教授就是这个观点的铁粉，以至于他在02年写了一篇得罪了全生物界的深度好文：这篇文章叫can a biologist fix a radio? 一个生物学家可能可以修好一个收音机吗？文中他描述了他用生物学家探索人类疾病的那些研究思路来尝试修好自己家里坏了的收音机，一番操作后，最后他感慨：传统生物学家解决问题的方式连个收音机都很难修得好，更别说要修人体这么复杂的一个系统，治疗癌症了。他接着说，要想真正理解一个东西必须向人家物理学家,工程学家那样，量化每一个工作部件在一个系统中的作用，建立出精确的数学模型。在文章的最后他也自问自答了别人有可能提出的反对观点，很好地体现了我刚刚说的那个技巧：那就是要是想要看起来特别有批判性，可以在别人提出反对观点之前就率先主动地自己把问题给提出解决了。这篇文章写得较为简单易懂并且特别有说服力，所以非常推荐大家去阅读学习他的思辨方式。在宾夕法尼亚大学的神经科学大牛教授Konard Kording也是受了这篇文章启发：写了篇“Can a neuroscientist understand a microprocessor?”,最后他们也认为，我们现在研究脑子的方法可能很难很有效地理解大脑……不知大家是怎么想的呢？

 在剑桥生态学fieldtrip 去威尔士实地考察生物多样性

第二个我想分享的思路是：在这种没有绝对对错的讨论中，想要有说服力地论证一个观点，一个很有效的技巧就是拿具有相似性的，已经发生过的历史事件，来当作有力证据。像这里，脑科学算是一门非常新的学科，我们目前对大脑的认识还是处于一头雾水的状态中，想要完全理解大脑似乎就像白日做梦。但我们应该放弃吗？不！因为如果我们看看其他已经成功的经典学科：物理，你会发现其实物理这个学科的进步并不是我们想象的那样一路向前的，而是有时前进一步，可能马上又被带节奏跑偏推后了十步，但虽然物理学的历史中也有很多像目前的神经科学地，在迷茫的黑暗中摸索的时期，但是物理最后还是走向光明，取得实质性的进步，所以我对神经科学也有信心！这就是美国著名的哲学家Thomas Kuhn所提出的范式理论：（paradigm theory）一个学科的发展一定会有一个迷茫困惑的时期，这之后可能就会迎来一个大革命，在这个学科建立起一个新的，更正确的研究框架。

写这篇文章本质上其实是想教会大家如何更有逻辑地解析在学习中，生活中，遇到的各种没有标准答案的难题。笛卡尔曾说过“I think, therefore I am" 我思故我在。他提出就算世间所有的事物都有可能不是真实的，你的思维也一定是永远真实存在的，幸运的是，你的思维是你能够改变的东西，而思维的改变则会带来世界观的改变。读书开阔了我的思路，提高了我的思维能力，随之，我对世界的认知也变得更积极，更明朗了，我想这就是我还想继续读书的动力吧。