巧用“费曼学习法”，帮你形象理解区块链

以教代学”的“费曼学习法”

很多人都听说过“费曼学习法”。

以前有一句话：“如果你不能简单地解释一件事，那你就还没有弄懂它”，物理学家费曼将这个道理变成一套方法，核心是学习的过程中，假想你面前有一个和你一样的外行人，你得现学现卖，而且只能用他能懂的语言去解释。

传统的新知识学习，往往要用一些术语去表达概念，但我们对这个术语的本身，包括术语与其他知识的关系，理解是含糊。

比如“区块链”，你如果仅仅用“分布式数据存储、点对点传输、共识机制、加密算法”这些术语去理解“区块链”，显然是自己糊弄自己。

为了让外行理解，你要放弃术语，而一旦放弃了术语，你会立刻发现，你对一件事的理解并没有你想像的那么透彻，那么，你再回头研究其中的问题在哪儿，这个学习的过程，被称为“费曼学习法”。

“费曼学习法”核心就是“以教代学”，因为以“听、看、阅读”为主的被动学习，以学习效率远远低于以“讲述、讨论”为主的主动学习。

“费曼学习法”是我最常用的学习方法。

我过去写文章解释新概念时，大量使用类比的方法，很多人觉得这种方法需要深度理解之后，其实不然，很多类比，都是在我学习的过程产生帮助自己理解的。

下面的例子，是我前年学习“区块链”技术时的理解。因为我不是理科出身，所以理解难免有偏差，仅仅是帮助大家理解“费曼学习法”，而非“区块链”科普文。

02 去中心化的火车站

小镇上有一家火车站，火车站自己有一个售票系统，卖一张票就勾掉相应的班次位置，这个方法就是“中心式记账”，好处是有专门的人去管理，乘客不需要接触整个售票系统，只要凭票在规定时间上车，对号入座即可。可过了一段时间，乘客们经常发现两张票对应同一个座位，这没道理啊？于是大家找站长算账。

站长冷笑一声把售票系统打开，说：“每一张票的出售记录都清清楚楚地写在上面，你们不相信，就自己来查……，如果没有问题，我就要问问你们，票是从哪儿买的？”

大家一时语塞，因为火车票很紧张，所以相当一部分乘客都从黄牛手上买票，难免有些黄牛乘机伪造火车票。乘客只好自认倒霉。

可时间一长，超载的现象越来越严重，简直把火车变成了公交车，而且，大家并不没有觉得黄牛变多啊。

越来越多的人开始怀疑火车站故意超售，否则，受黄牛影响最大的是他们，他们为什么不管呢？

愤怒的小镇人民一起跑到火车站，一把火把站给烧了，把站长和贪污的售票员痛打一顿，赶出了小镇。

痛快是痛快，可还得有人卖票啊？只要是“中心式记账”，谁敢保证下一个站长不贪污呢？就算站长不贪污，黄牛的问题也是要解决的。

这时，小镇的居民中有一个叫“中本聪”的人站出来说，我有一个好办法，不需要火车站，也能人人买到票。

“中本聪”将火车票按发车时间顺序自动分批提前做出来，以ITO（首次火车票发售）的方式先出售给每一个市民指定的代理人。如果市民A要坐某一趟火车，他就需要向持有该票的市民B买——都是点对点的交易，自然就不需要火车站了。

这就是一个“去中心的分布式数据存储系统”，可是，如果不是在火车站买的，市民A怎么能保持市民B卖给他的票是真的呢？

“中本聪”的办法是给每一个小镇居民发一个自动记账的账本，只要有一个人得到了一张票，他身份信息、购买时间、座位号都会自动记载到每一个人的账本上。实际上没有火车票了，而是一条信息：“张三得到一张火车票，座位是XXX，区块123”——这就是“区块链”的“区块”。

请注意，这个编号123的区块，记载在小镇每一个人的账本上，自然任何一个人都无法再伪造这张票，每一个人的票都是真的。

然后，当市民A从市民B手上买到火车票，他得到的不是也不是火车票，而是一条转让记录：“张三得到一张火车票，座位是XXX，区块124，上一条123”——同样向全体居民的账本上发送。

每一条信息都对应着“上一条”的信息，证明这张票的来源是可靠的——这就是“区块链”的“链”，也是它最大的优势：不可删除性，可追溯性。

这么一来，整个小镇居民不需要火车站售票系统，就可以自发的完成买票、换票等一系列工作。

……

上面就是我当初用“费曼学习法”理解“区块链”的一部分，这种方法很慢，但一些很复杂的知识，如果要自学，往往需要这个方法才能真正掌握。

“费曼学习法”最经常遇到的问题，是编了一半实在编不下去，这恰恰在提醒你，有一个知识点的逻辑关系你没有掌握，必须重新理解，再回头修改。

上面的内容大家读得很顺，那是因为我在理解过程中，不断修改这个例子：

我一开始是用“挖矿”来类比，后来意识到，“挖矿”不好理解“链”的概念，后来换成了“电影票”，又意识到转让“电影票”挺奇怪，最后才改成了“火车票”。

一开始，我用火车票的座位号去理解“链”，但后来发现理解的不对，座位号是火车的“链”，火车票才是交易区块的“链”。

在不断修正这个例子的过程中，我对“区块链”的理解也越来越深，忽然在某一个时刻，打通了逻辑。

“火车票”的例子之所以合适，因为区块链解决的信任问题刚好也是火车票在现实中的问题，大家比较好理解。

后来，我竟然发现真的有人探讨用区块链技术解决火车票的问题。这就更说明“费曼学习法”的价值了——你不但学习了知识，还掌握了知识的应用。

不过，每一个比方在帮助你理解了一个属性后，也可能让你忽视和误解另一个属性。

比如这个火车票的例子，比较容易去解释“区块链”的“分布式存储”，但却忽略了另一个重要的特征“共识机制”。

当然，一般人对区块链的认识到“分布式存储”就可以结束了，但如果你是对此特别感兴趣，或者是创业者，或者相关行业的非技术从业人员，或者像我这样的职业投资者，一定会考虑一个问题：

区块链跟我有什么关系？

而这才是“费曼学习法”的深度应用。

03 区块链不可能三角形

费曼学习法的第一步是“明白学习目标”，看上去简单，不就是弄明白什么是“区块链”吗？但当你解决了这个目标后，你自然会产生一个新的目标——“区块链”对我而言的意义是什么。

新知识就像一个孤岛，刚才通过“费曼学习法”的过程，好像一次新大陆的航行，确定了“新大陆”的位置，但接下来呢？如果你觉得这里有可能有资源，你就需要进行勘探发掘。

“费曼学习法”的方法仍然是把新知识与旧知识联系，只不过，这一次，我们的目的不是理解，而是比较。

仍然以“区块链”为例，上面的类比留给我一个疑问——转让一张火车票，要在所有人的账本上都记上一笔？那怎么保证一条信息过来，大家都正确地记账？要是不在线怎么办？要是有人故意乱记怎么识别？……

事实上，因为不可能每个人同时一起记账，所以每一个新区块只能由一个人负责记，然后大家“抄作业”，但现在是“去中心”了，“老师”已经没有了，那么如何挑出一个可信任的“记账人”，这就需要一个“共识机制”。

最早的共识机制叫“工作量证明”，就是比特币中的“挖矿”，用比拼算力暴力破解密码的方式来竞争记账权，获胜者的回报就是“奖励币”和转账手续费。

为什么算力可证明一个人的可信呢？

“工作量证明”就像科举中的“八股文”，挖矿就像中举，奖励币就像当官。做官本身并不需要“八股文”，但因为难度大，而且需要你投入大量精力，所以可以证明一个人的智商和意志力，这同样是当官所必须的。

这种算法绝对无法造假，又绝对是“去中心化”，但它毫无意义地消耗了大量计算与电力资源，这种低下的效率，除了造币还真没什么别的用处。