2009年，一个科学家小组利用在线科学论文网站，对用户的数亿次互动进行了分析，希望能辨析出读者的“点击流”，也就是读者从一篇论文出发，去往下一篇论文的路径。
研究数据最终揭示了人们从一个主题领域移动到另一个主题领域的行为模式——在这个“地图”中，护理学位于心理学和教育学附近；有机化学是物理化学和分析化学之间的纽带；无论是经济学还是社会学，都和法学有关联；音乐则显得有点“特立独行”。
实际上，音乐也会涉及物理学和心理学的概念，而经济学则会大量地从数学中汲取营养。不过，无论如何，分析“点击流”确实是探索思想互联性的有效途径之一。
为了理解我们自己所构建的、越来越复杂的系统，专业化分工仍在继续深化，但是互联“地图”提醒我们，没有哪个领域可以孤立存在，每一个领域都是这个广泛互联的系统的一部分。
一、为什么需要通才？
因为各种系统会以多种不同的方式相互关联，所以人类越来越需要将某个知识领域与另一个知识领域联系起来。
例如，在编写游戏《危险边缘》的计算机程序时，你需要运用从语言学到计算机硬件领域的相关知识。在这种情况下，仅靠专业化是行不通的，我们还需要依赖相当广泛的知识。但是，如前所述，我们的知识体量很快就会触及上限。是的，人类大脑的生理特性决定了人们无法掌握所有知识。
为了克服这种困难，我们需要培养通才。在这里，通才是指既能看到“土地的地形地貌”，即拥有抽象的物理学思维；又能在尚未理解整个系统的情况下便懂得欣赏系统细节，也就是拥有复杂的生物学思维的人。
毫无疑问，在构建复杂系统时，通才是最适合成为博物学家和野外生物学家的人，而且必不可少。他们可以从一个片段跳到另一个片段，检查出那些没有意义的部分，并在巨大的技术系统中挖掘出正在发生事件的线索。
或许有人会问：既然知识量增长得如此迅猛，那么当今世界是否还有通才存在？
当今世界，通才当然是存在的，只不过想要成长起来却非常艰难。要培养出能够很好地扮演上述角色的通才，第一步是要先培养出一大批“T型人才”。
这个术语最早出现在计算机教育领域，而后泛指在某个领域内既拥有高深的专业知识，也就是拥有T型中的“主干”那一竖；又拥有广泛知识，也就是拥有T型中的那一横的人。
那么，这种类型的人应该是什么样的呢？
数据科学家正是T型人才的典范。
数据科学家的职责是利用计算机科学和统计工具挖掘大型数据集中的隐藏含义。这项工作与具体学科没什么关系。为了很好地完成工作，数据科学家必须了解多个领域的专业知识。我们在应用数学家身上也看到了类似的特征，他们要跨越学科界限，用定量工具找出各学科的共同之处。这便是通才的模样。
二、通才更适合哪些行业？
但通才并不仅仅是T型人才。
T型人才只是比一般的专业人士拥有更广的知识面，但作为通才，还必须有意识地将多个有实质性区别的领域联系在一起，尽管这样做有可能会失败。
通才还可能出现在咨询和图书编辑等行业中，你甚至可以在风险投资界看到他们的身影，在那里有很多人不但拥有多领域的丰富知识，而且还懂得如何有效利用这些专业知识。如果有人想同时在外层空间、3D印刷、农业技术和科学探索工具等领域有所斩获，那么他必须得拥有通才的潜质。
通才既拥有专业知识，又乐于探索诸多不同的领域。但是，要想培养出T型人才并不是一件简单的事。他们先要将专业化与普遍性结合起来，才能着手去解决那些日益复杂的问题。
在当今社会中，专业化人才深受就业市场的追捧，这让培养T型人才这件事难上加难。在我看来，在未来相当长的一段时期内，我们都很难在学术界找到这类人才。
正如商学教授大卫·蒂斯（David Teece）所指出的那样，只有在文艺复兴时期，成为“文艺复兴人”才那么容易。
对那些致力于了解各领域思想和技术的人，我们应该就其能力和贡献给予认可和鼓励，无论是在其小学阶段，还是在其职业生涯的最后阶段。他们可以帮助行业专家们将一个领域的专业知识“翻译”到另一个领域中去，以此化解“隔行如隔山”的困境，抵御“不可理解性的洪流”。
这些“业余家”可以为巨型系统的构建工作带来生物学思维：找出系统中可能会发生的故障，对这些系统做出深入的理解，并对系统中那些奇异和惊人的组成部分进行分类和编目。
当然，如果让通才“单独行事”，那么他们能够发挥的作用也相当有限。
只有在与专家一起工作时，通才才能发挥出最大的作用：他们能够在翻译和交流的过程中为专家提供很大帮助；或者对专家的工作进行补充，而这种互补性非常重要。
由此可见，在企业或组织中，为每个大型项目配备通才，或者流动性的通才小组，是很有必要的。通才可以为整个项目提供必要的背景知识和价值。必要的时候，企业还可以设立一个通才部门，对外服务，与专业公司合作，形成互补优势。
最优秀的通才，能够将如编年体般的历史细节与建模思维完美地结合起来。拥有建模思维能力的人，不会是那些只擅长抽象化和一般化的人，而是那些善于创建联系和类比的人。
三、如何变身通才？
在高度复杂的系统中，对各部分相互关系和交互作用的洞察是非常重要的。因而，拥有建模思维的人，通过直觉和生物学思维相结合的方法，便能够理解，至少是部分理解这些系统。
尽管万里无云的碧空也很美丽，但如果能形成一定的对比，或许会更令人激赏。也就是说，天空需要云。
未经专业学习的人，或许知道云的种类有很多，却不一定清楚它们之间的区别。你可能会说，有暴风雨来临之前的云、蓬松的云、色彩斑驳的云等，然而这是相当幼稚的分类方法，不能充分反映出云的复杂性和多样性。按照正式的分类和称谓，我们常见的云包括：积云、卷云、雨层云、积雨云等；还有一些特定的子类型，譬如碎云、陆架云、荚状云等。
事实上，对云的科学分类是在近几个世纪里才发展起来的。
正如科普读物出版家约翰·普塔克（John Ptak）所说：
云“逃过”了古往今来最伟大的分类专家亚里士多德的法眼，后来又很少受到其他科学家的关注。而且，20多个世纪以来，没有人对云进行过科学分类，直到……1803年，英国制造化学家、气象学家卢克·霍华德（Luke Howard）公布了他对云的分类。
发生在天空中的其他现象也激发出了许多美妙的气象术语，比如片状闪电、圣埃尔莫之火（St. Elmo’s fire）、球状闪电，不一而足，它们大多都很怪异。就气象科学而言，在预测天气和解释气象方面，都已取得了很大进展；但是纵观历史，新奇天象层出不穷，这又为我们思考“大气如何影响天气”提供了新的思路。
云和其他大气现象，虽然不是人类所制造，但我们仍然可以从对待它们的方式中，学到一些对待复杂技术系统的思维方式。当我们不理解某个现象或某个系统或心生畏惧时，不应该避之若浼。有些事情即使暂时无从解释，但也应有一席之地；虽然处在尚待理解的范畴，但也可成为深入研究的楔子。
在面对某个完全无法理解的事物时，可以暂且先关注该系统中的细节，尝试着去理解整体中的某些特定部分。说到底，我们在研究系统时所采用的生物学方法，其实就是迭代和修补。也就是说，细节和意外情况不但能够帮助我们更加深入地理解系统，还能不断提高我们的洞察力。
在复杂难解的事物身上，自有神奇曼妙之处。那个闪耀着炫目光芒的技术网络复杂得令人难以置信，因为其各个组成部分之间拥有着紧密的联系和相互作用。许多时候，我们无法了解它的每一个部分，也无法完全理解它的整体性，不过，能对它有个不完美的把握，或许已经足够。我们可以与技术携手，谦卑前行。
注：以上内容摘自《为什么需要生物学思维》
编者后记
在这个越来越复杂的世界上，我们已经无法理解自己创造出来的系统了。技术系统、经济系统、政治系统、法律系统，莫不如是。这是一个悖论。这些过于复杂的系统，在使我们的生活更加便利的同时，本身却变得无法把控了；更加严重的问题是，我们无法预知，这些系统会在什么时候突然崩溃，造成不可承受的损失。
从技术的角度来看，这种复杂性产生于为了适应边界情况而不断加入补丁的过程。任何一个人造系统，哪怕最初是根据清晰的数学模型构建，用于非常明确的用途，只要一直被使用，就肯定会成为一个补丁加补丁的拼凑起来的系统。这是一个进化过程，让人造系统越来越远离确定性。那么应该怎么办呢？
塞缪尔·阿贝斯曼告诉我们，虽然我们应该努力去理解人类无法理解的复杂系统，但首先必须接受混乱。只有这样，我们才能静下心去观察各种意想不到的事件，获得关于我们所用的算法是怎样真正起作用的线索。
他强调，要认识世界的复杂性，必须要结合物理学和生物学：用生物学思维处理个例，用物理学思维提取规律。总之，要承认复杂性的存在，同时不要放弃理解系统的原理，而且要从简单的组件开始。
