做不到知识和技能迁移的人，很大概率会被社会淘汰

曾经它有一个很牛逼的名字-万能充，现在它什么也充不了，所以，别太拿自己的过去当回事，世界在变，你也要努力不停的去变，你不变，最终只能被淘汰！

近两个世纪以来，人类社会一直在加速发展。相较于动辄上百万年才发生的自然 演化，社会变化是以年为单位的，速度是自然演化的上百万倍。

想想自互联网诞生至今的 30 多年来，我们经历了多少次社会变迁，未来的 30~ 40 年，这种变迁只会越来越快。计算机对世界的了解也在呈指数级提升，在未来 5~10 年，大多数传统行业重新 洗牌是个大概率事件。未来一切可被编程化的脑力工作——如会计、人事、初级律师、 BI 分析师、英语培训老师、围棋教练、政府低级职能人员，一定会被机器取代，而且机器肯定会做得比人类更好。

如果做不到知识和技能迁移的人，很大概率会被社会淘汰。无论你现在从事的是哪个行业，都无法保证未来 5~10 年内这个岗位还会存在。每个 70 后、80 后、90 后的人，都会面临至少 3~4 次的职业变迁。

远迁移是指你可以运用已有的知识和技能，处理与之前经验发生情境大相径庭的 任务或问题。

具体到职场上，就是你从一个岗位转到另一个岗位，或从一个行业跨到另一个行 业后，已有的知识和技能可以快速迁移，让你快速胜任。

通俗地说，就是:“今天你是一名会计，明天给你换岗做 HR，你可以复用在会计 工作中萃取的能力完成新的工作;六个月后再给你换岗做市场推广，你依然可以复用 在会计、HR 工作中萃取的能力。”

远迁移不仅仅是在表征结构类似的任务之间的技能和知识的迁移，更是在各种表征结构大相径庭的任务之间的迁移。要做到这一点，就必须抽象出一般规律上的联系。

例如，同样做市场策划活动，积累的经验不仅仅是活动的策划步骤和工具，更包括如 何挖掘客户需求这个本质。因此，你以后无论是跨行做产品经理，还是做互联网运营 都可以干得很好。

与近迁移更注重迁移的量不同，对远迁移而言，迁移的规律越接近本质，就代表 可迁移的能力越强。因此，你所能抽象出的规律越接近本质就越好，因为这意味着这 个规律能解决的问题范围就越广，你所能跨越的岗位和行业的幅度就越大。

在这个呈指数级变化的时代，不具备知识和技能迁移能力的人，很大概率会成为被社会淘汰的人。

三大方法大大提升知识和技能的可迁移性那么，如何才能提高近迁移的知识和技能的量，抽象出更本质的规律，扩大远迁移的范围呢?下面给出了三个方法。

方法 1 组织好先前知识和先前经验，不再从零开始

学习的本质是原有经验的迁移。没有人是如同一张白纸般开始学习新知识的，每 个人都是带着已知道、已相信的知识来理解新知识的。

方法 2 在多样化的情境中应用，而非单一情境

知识和技能的迁移能力，是把在一个情境中学到的知识和技能迁移到新情境中的 能力。

因此，与在单一情境中学到的知识相比，在多样化的情境中学到的知识，更有利 于迁移。因为，在多样化的情境中学习:

(1)你能够知道更多可以使用这个知识的情境; (2)你可以体会到在不同情境中知识运用结果的差异，从而条件化知识。

方法 3 对知识做更高层次的抽象

迁移分为近迁移和远迁移，远迁移的关键就在于能否对知识做更高层次的抽象，

从而能在更广泛的范围内使用。

1.将多个具体的案例概括、抽象为问题类型

例如，烧了麻婆豆腐、鱼香肉丝、宫保鸡丁之后，是不是能概括出川菜的一个通 用烹饪方法?

就像你在第 2 章“搭好框架”中学习到的方法，如果能将各种问题概括为不同的 问题类型，并且针对每一种问题类型抽象出一般的问题解决步骤，是不是就有了更好 的、可迁移的解决问题能力?

2.从更本质的原理、规律出发去思考问题

将问题概括为不同类型的方法是一种自下而上的方法，还有一种自上往下的方 法:从更本质的原理出发去思考问题，这样就更容易抽象出更本质的规律。