哲学是关于世界观和方法论的理论体系，学哲学是追求智慧的一种表现。我们看到，许多人很聪明，一目十行，数学题别人都看不懂，他能迅速解决，但是并没有取得很大的成就。所以说，聪明和智慧是两个不同的概念。智慧是成功的必要条件（但不是充分条件）；聪明可以提高成功的概率，但是没有逻辑上的因果联系。对于普通人来说，学习哲学是拉近与聪明人差距的最好的方式之一。因为，哲学可以给人深度思考，而深度思考的机会，在日常工作和生活中是很难遇到的。另外，哲学还可以分辨什么是大忽悠。（小忽悠只要头脑冷静、加上常识就可以了，但这不足以应对大忽悠）。

本文不谈大道理，不讲人生观之类的，仅仅从我在电力系统行业的一些经验出发，从几个方面谈一谈哲学思维在工程技术中的用处。

1 形式逻辑与辨证逻辑

逻辑学大概是与哲学最近的学科。在我国，逻辑学是属于哲学的二级学科。任何思维活动都需要遵循形式逻辑的规律，例如不能自相矛盾、推理要符合三段论等。哪怕是哲学也必须符合形式逻辑。

那么，哲学中的辨证逻辑和形式逻辑什么关系呢？我用电力系统来类比：电力系统的运行是长期连续的过程，我们把其中某个时间断面的信息拿下来，拿下来后就变成了一个静态的电力系统，这个系统有欧姆定律、基尔霍夫定理等，在这些基本规律的基础上，我们进一步可以进行状态估计计算、潮流计算、短路电流计算、稳定性分析、可靠性分析等，可以找出电力系统的薄弱环节，为生产运行提供必要的指导信息。断面下的电力系统所遵循的规律，就好比形式逻辑，当然也是很有用处的。但是，仅仅依靠断面分析，哪怕是已经有很多历史断面一起分析，都还是远远不够的。电力系统未来的发展趋势预测，不能只靠系统本身。例如，负荷预测跟社会经济密切相关；风电光伏等新能源出力跟自然环境密切相关；电力市场跟国民经济密切相关，等等。这些相对于电力系统，是更高维度的规律，这就好比是辨证逻辑。

所以说，辨证逻辑是针对历史发展规律，进行总结研究的。如果我们强行把辨证用于形式逻辑的领地，那就不是辩证逻辑了，那就变成诡辩了。学习哲学，应该可以更好的分析哪些是诡辩，哪些是真的辨证。

2  用历史和发展的眼光看问题

刚才说了，辩证法其实就是从历史和发展的眼光看待问题。所以，唯物辩证法和历史唯物主义是同义词，不能认为马克思主义哲学是辨证唯物主义加上历史唯物主义。

我们知道辨证法有以下基本规律：矛盾的对立统一规律、量变与质变的相互转换规律；否定之否定规律。我们用电力系统长期存在的交流和直流之争，来看看辩证法的用处。

最初的电力工业是爱迪生发展的，采用直流电。当时的特斯拉与爱迪生争论，由于交流电很容易提高电压、降低传输损耗，后来特斯拉的交流电取代了直流电。

到了20世纪，人们发现，交流电存在电抗损耗、且有同步稳定性的问题，因此，高压直流输电又得到了发展。但是，人们又发现，强直弱交的话，特高压直流闭锁对交流电网的冲击太大，于是又重点发展特高压交流电网。但是有人提出，特高压交流电网是没有必要的，目前这个问题还在争论中。

对于新能源如风电的并网，以虚拟同步机的形式并入交流电网，还是优先发展直流配电网，直接以直流并网？也没有定论。

我们发现，交流和直流是不断互相否定的，符合否定之否定规律。但是，21世纪的交流电，和特斯拉当时的交流电，本质上已经不是一个东西了。如果脱离历史背景、具体的需求、当前的整体经济技术水平，抽象的谈论交流就是比直流好，或者直流就是比交流好，那是非常不妥的，犯了形而上学的独断论错误。

类似的例子当然还有很多。

3 世界观与第一性原理

哲学的重要任务是对世界有一个总体的看法，就是世界观。学习哲学，可以知道：物质决定意识，这是大的方面。具体到人类社会发展，生产力决定生产关系；生产关系是人类社会经济基础的核心，经济基础决定上层建筑（包括道德、法律、意识形态等）。另外，根据辩证法，决定都不是单向的，被决定的对象也可以反过来影响决定的对象。比如，生产关系可以推动或阻碍生产力的发展。

不管怎么说，世界的发展总有推动的力量，有决定性的因素，不是一片混沌的。虽然有少数哲学家，例如休谟，否认因果关系的存在，世界只有偶然没有必然的存在，但毕竟不是主流。

有一种思维方法叫做第一性原理，就是建立在事情发展有本质因素的世界观的基础上。第一性原理，就是从根本的角度分析问题看待问题，而不是从侧面角度归纳，或者人云亦云、听取权威的意见，等等。

埃隆·马斯克是第一性原理的推崇者，他创立SpaceX公司，彻底改变了商业航天发射市场格局，颠覆了航天发射领域的游戏规则；他的特斯拉公司，对汽车行业产生重大影响；之前他创立在线支付公司Paypal，掀起在线支付革命。

创办SpaceX时，美国航天界的主流观点是，造火箭发卫星的费用是异常昂贵的。马斯克提出火箭复用，而且采用大量互联网公司的思路降低成本、提高迭代效率，而SpaceX几乎所有的部件都尽可能自主开发，降低成本，例如使用普通的x86芯片而不是航天级芯片（采用多路复用来保证可靠性）。他分析电池中所有的金属成分，然后到金属交易市场调研每种金属的价格，得出结论：未来的汽车是可以使用电池作为动力的，虽然当时没有人看好电动车的发展。

现在的大数据、机器学习很火，但是这些技术大都是相关性的分析，很难涉及因果性、决定性，我们不能头脑发热。欧洲中世纪，黑死病（鼠疫）肆虐。人们观察到：黑死病高发的地区，猫往往很多。因此，许多人把黑死病归结于是猫带来的。一直到现在，很多动画片里面猫还是反派的角色。这是通过统计学习得到的结论。很不幸，是完全错误的，而且南辕北辙。真正的原因是，黑死病是老鼠带来的，猫喜欢吃老鼠，老鼠多的地区猫也多。如果把猫赶走，那就更糟糕了。

机器学习还有一个问题是可解释性弱，这涉及到人工智能出现事故后的责任分摊。所以，对于电力系统应用人工智能、机器学习，我一向主张要采取慎重的态度。类似于自动驾驶技术，分成L1~L4，不同技术阶段不同的应对策略。当前其实是辅助驾驶，而不是真正的自动驾驶。

4 价值观与方法论

价值观对于行为的分析、评判事情的标准是很重要的。价值观本质是上层建筑的部分，受经济基础的决定。所以有一句话：“触动利益比触动灵魂还难”，真的太精妙了。下面举几个例子。

学术成果该怎么评价？如果把指南编写、申请项目、项目执行、项目验收，看成一个内循环，那么学术成果只服务于学术界自身。如果把学术界看成是为社会提供智力服务的行业，那么学术成果必然又是另一种评价体系。哪种更合理，完全取决于哪种价值观更合理。

有很多人都明里暗里的提到：电力系统是一个守旧、保守的行业，不愿意用新技术、新成果。真的是这样吗？其实，技术路线的替换是需要成本的，越是涉及国计民生的行业，成本越高。如果新成果没有决定性的突破，只有小的改进，覆盖不了替换成本，用户就不会换技术。这是一个很简单的价值判断问题。另外，新成果可能某项指标提高了，别的指标会下降了（例如实用性、数值稳定性等），但下降的指标不会在论文中写出来。

真正好的成果，电力系统当然会用。比如说以前变电站的通信都是拉二次电缆，真的是挥汗如雨啊。现在拉光纤、连接交换机就可以了。再比如说以前搭建动模实验需要很多时间，规模还不能大，现在采用数字仿真，在电脑上搭建模块就可以搞定了。

方法论也是很重要的，这里不展开来讲。越是颠覆性的创新，方法论越重要。如果把很多一般的成果打包、包装成一个超级大的成果，提出一个炫酷的方法论，仿佛这么多成果都是在这个方法论指导下完成的，这就脱离了方法论的本意。

5 实践的极端重要性

实践不仅是检验真理的标准，也是正确认识的来源。要想知道梨子是什么味道，你总要尝一下。实践的重要性，真的是怎么强调都不为过。对于管理人员来说，尤其如此，因为管理层相对容易脱离一线实践。

我发现，往往喜欢钻牛角尖的人，都是缺乏实践经验的人，就好比明明有全局最优解，他却在局部最优解附近打圈圈，出不来。实际上，对于理论研究，脱离实践往往逻辑自洽都做不到。例如康德哲学中的二律背反问题；数学中有哥德尔不完备定理。电力系统是工程，不能像理论工作者那样钻研，必须结合实践。

下面按照实践强弱，做个排序吧。

1）真的把东西造出来，比如说制造业把机器、芯片造出来，或者农业上把粮食、水果生产出来，这个是实践性最强的，是最前沿的一线，这里的经验是最宝贵的。所以说，生产芯片比设计芯片更重要，这是很简单的道理啊。

如果你研究的是电力系统算法，在别人的开源或商业软件上去做，还是自己开发实现，自己弄出来，效果是完全不同的。

我有一个经验，凡是自己亲自实现的东西，回过头来看，非常的简单自然，即使别人看起来很复杂。如果没有亲自实践，就没有类似的感觉。

2）实验研究、测量等。对于电力系统来说，由于很难做实验（三相短路实验真的很壮观的），对于实际电力系统的测量和仿真，也算这一块。

3） 深入一线的调查研究。这是很多人不愿意做，但是其实是很重要的方面。比如说在企业开发软件，很多人不去调查用户究竟是怎么想的、有什么具体的需求，而是在那里主观臆断，替用户做决定。到时候与用户有了冲突，反倒怪起用户来了。觉得用户吹毛求疵，不按自己的想法来。

4） 经典的专著（例如Kundur的著作）、教科书(例如王锡凡院士的《现代电力系统分析》)、工具书（例如《中国电力百科全书》），一般是久经考验的，可以用作基础参考资料。

5）有同行评议的学术论文，虽然现在论文的造假时有发生，但是总还是要比网上的材料可靠的多。

6）比较可靠的媒体刊登的文章，电力系统行业中有一些专业媒体，还是比较可靠的。也有一些自媒体，也可以参考，但需要鉴别。