1.4 学习中的复杂性
事实并不存在于真空中，而是相互关联的。考虑如下两个事实。
沃尔特·迪斯尼（Walt Disney）生于1901年。
路易斯·阿姆斯特朗（Louis Armstrong）生于1901年。
如果您向一个程序提供这些事实，它就可以回答“沃尔特·迪斯尼的出生年份是哪一年”以及“谁出生于1901年”这样的问题。为了回答后一个问题，程序必须弄清不同事实之间的相互依赖关系。它可以这样建立信息模型：
(Walt Disney, born, 1901)
(Louis Armstrong, born, 1901)
为了获得所有1901出生的人的信息，它可以使用查询(*,born,1901)或其他方式将事实联系起来并且分组。
2012年，谷歌推出了新的搜索功能，在搜索结果页上显示信息框。这些基于事实的信息框是使用一种叫作知识图谱（knowledge graph）的数据结构填充的。知识图谱是由数十亿个相互关联的事实组成的庞大数据库，以类似网络的结构表示信息。这个数据库不存储客观和独立的事实，而是维护不同事实与信息片段之间的相互关系。谷歌搜索引擎使用这种知识图谱，用更高层次的知识来丰富其搜索结果，并自主地形成答案。
图1-6展示了一个例子。知识图谱上也许有一个关于著名计算机科学家艾伦·图灵（Alan Turing）的节点。在知识图谱中，艾伦·图灵的概念与不同的信息片段相连，如他的出生年份（1912），他的研究领域（计算机科学、哲学、语言学），以及他的博士生导师（阿朗佐·丘奇，Alonzo Church）。这些信息中的每一条都与其他事实相关联（阿朗佐·丘奇的研究领域也是计算机科学），形成了一个相互关联的庞大事实网络。您可以利用这个网络来获取新信息，并编写程序来回答用户查询。关于“field of study of Turing’s doctorial advisor”的查询将演绎出答案“Computer science”。虽然这听起来微不足道或显而易见，但产生这种新事实的能力导致了信息检索和搜索引擎相关性的突破。您可能会同意，通过联想来学习远比记住不相关的事实更有效。
图1-6 知识图谱
在图谱中呈现的一些三元关系：
("Alan Turing", "has doctoral advisor", "Alonzo Church")
("Alan Turing", "has field of study", "Philosophy")
("Alan Turing", "has field of study", "Linguistics")
每个研究领域只关注图谱的一小部分。图谱的每一部分都由无数个相互关联的事实组成。只有考虑到相关事实，您才能真正理解一个领域。要彻底了解艾伦·图灵，您必须研究他的信仰、他的哲学以及他的博士生导师的特征。要了解丘奇，您必须调查他与图灵的关系。当然，图谱中有太多相关的依赖关系和事实，不能指望全盘了解。这些相互关系的复杂性给您的学习雄心划定了边界。学习和复杂性是硬币的两面：复杂性处于您已经获得的知识的边界。为了学习更多的知识，您必须首先知道如何控制复杂性。
有点抽象了，所以让我们举个例子吧。假设您想编写一个交易机器人程序，根据一套复杂的规则买卖资产。在开始项目之前，您可以学习很多有用的知识：编程基础知识、分布式系统、数据库、应用编程接口（API）、网络服务、机器学习，以及数据科学和相关的数学知识。您可以学习实用工具，如Python、NumPy、scikit-learn、ccxt、TensorFlow和Flask。您可以学习交易策略和股票市场的理念。许多人以这样的心态来对待这些问题，所以从来不会感到已经准备好开始这个项目。问题是，您学得越多，就越觉得自己的知识不足。您永远不会在所有这些领域达到足够的掌握程度或感到准备好了。整个工作复杂得让您不知所措，您感到自己就快放弃。复杂性即将带走它的下一个加害对象：您。
幸运的是，在本书的各个章节中，您会学到对抗复杂性的技能：专注、简化、规模降低、缩减和极简主义。本书将教会您这些技能。
1.5 过程中的复杂性
所谓过程，就是以实现确定结果为目标而采取的一系列行动。过程的复杂程度由其行动、参与者或分支的数量来计算。一般来说，行动（和参与者）越多，过程就越复杂（见图1-7）。
图1-7 两个示例过程：个体开发与团队开发
许多软件公司在不同的业务部门采用不同的流程模型，试图简化流程。下面是一些例子。
·软件开发团队可能会采用敏捷开发或scrum方法。
·客户关系拓展部门可能会采用客户关系管理系统（CRM）和销售话术。
·新产品和商业模式部门可能会采用商业模式画板。
当组织积累了太多的流程，复杂性就会开始堵塞系统。例如，在优步公司（Uber）进入市场之前，从A地到B地的旅行过程往往涉及许多步骤：寻找出租车公司电话号码、比较价格、准备不同的付款方式、计划不同的交通方式等。对许多人来说，优步简化了从A地到B地的旅行过程，将整个计划过程整合到一个易于使用的移动应用程序中。与传统的出租车行业相比，优步作出的彻底简化使客户的出行更加方便，并减少了做行程计划的时间和成本。
在过于复杂的组织中，很难作出创新，因为复杂性无法被克服。资源被浪费，因为过程中的行动变得冗余。经理们投入精力建立新流程，开展新行动，试图修复令人痛苦的业务，恶性循环开始破坏业务或组织。
复杂性是效率的敌人。解决方案是极简主义：为了保持过程高效，必须从根本上剔除不必要的步骤和行动。
1.6 日常生活中的复杂性，或谓七零八落
本书的目的是提高您编程工作的效率。进展可能会被您个人的日常习惯所打断。您必须解决每天都存在的分心问题，以及各种事务跟您争抢宝贵时间的问题。计算机科学教授卡尔·纽波特在他的优秀著作《深度工作：如何有效使用每一点脑力》（Deep Work：Rules for Focused Success in a Distracted World）中谈到了这一点。他认为，对需要深度思考的工作——如编程、研究、医学和写作——的需求越来越大，而由于通信设备和娱乐系统的普遍使用，这些工作的时间供应越来越少。经济学理论表明，不断增加的需求遇到不断减少的供给，价格会上升。如果您有能力从事深度工作，您的经济价值就会增加。对能够从事深度工作的程序员来说，现在是前所未有的好时机。
现在，我要警告您：如果您不粗暴地将其放到最高优先级，几乎不可能从事深度工作。外部世界不断打扰您：同事突然来到您的办公室，智能手机每隔20分钟就要求您注意它，收件箱每天弹出几十次新的电子邮件提醒——每一封都要求您抽出时间处理。
深度工作的结果是延迟满足，例如，在一套计算机程序上花了几周的时间，发现它能工作，这令人满意。然而，在大多数时候，您所渴望的是即时满足。您的潜意识经常想办法逃避深度工作。看信息、闲聊、刷Netflix等小奖励会轻松产生内啡肽刺激。与快乐、多彩和生动的即时满足世界相比，延迟满足变得越来越没有吸引力。
您为保持注意力和生产力所做的努力很容易被切得七零八落。是的，您可以关掉智能手机，强制自己不看社交媒体和最喜欢的节目，但您能日复一日地持续这样做吗？同样，答案也在于将极致的极简主义应用于问题根源：卸载社交媒体应用程序，而不是试图管理花在上面的时间。减少您参与的项目和任务的数量，而不是试图通过更多的工作来做更多的事情。深入研究一种编程语言，而不是花费大量的时间在许多语言之间切换。
1.7 小结
现在，您应该已经被克服复杂性的需要彻底激励了。为了进一步探索复杂性以及如何克服它的问题，我建议阅读卡尔·纽波特的《深度工作：如何有效使用每一点脑力》一书。
复杂性损害生产力，降低注意力。如果您不及早控制复杂性，它将迅速消耗您最宝贵的资源：时间。在生命的尽头，您不会根据回复了多少封电子邮件、玩了多少小时的电脑游戏，或者解了多少个数独谜题来判断自己是否度过了有意义的一生。通过学习如何处理复杂性，保持简单，您将能够对抗复杂性，得到强大的竞争优势。
在第2章中，您将了解到80/20原则的力量：专注于关键少数，忽略琐碎多数。
