专家 x 抽象 x 类比

多年以前，我一直对于 “专家” 这一词有大量的困惑。到底怎样才是专家？怎样才算是技术专家？社交媒体上所谓的 “技术专家”，在某方面（如编程）上的实力一般，也算是专家吗？过去，我并没有细入的思考过这个问题，直到看到一个软件的元模型，以及一本名为《表象与本质》的书，才重新构建起一个专家的雏形 —— 感谢公司大佬之前推荐的 GEB。

在这里，便尝试性地做出第一次小结。作为第一次小结，它会存在一系列的不完善的地方，有待于后续进行完善。

所谓的专家嘛，就是在擅长的 “领域”（或者领域中的一个子领域）里，构建了具有范畴化（归类）的概念空间，并可以通过类比灵活地完善自己的概念库。简单来说，就是一个专家能有不同层次的抽象能力，还能以合理的方式（不同的层次）的语言和不同的人进行 “交流”（编程的对话）。

模型：对于现实的抽象

回到我们擅长的编程领域，尝试性地对周遭的空间做一个抽象。诸如于，对我们所处的位置进行建模，以将其作为数据进行存储。在不同的上下文里，这个位置是一个相当迷惑的。比如说，你正在和你的亲人聊天，ta 问你：你现在哪里？不同的人可能有不同的回答：

住在一起的家属，答案可能是：客厅。可能让你去拿个快递。
出差时：某某市。不需要详细的信息。
市内外出：xx 商城。

仅从交流的层面来说，这个问题就相当的令人头大。

对位置进行建模

而回到代码在，在不同的业务领域里，在对于这个位置建模时，这个位置可能是：

一个 GEO 坐标。它只包含：longitude、latitude 两个属性。软件想获取当前的位置，以推荐一些相关的广告信息。
一个房间内的位置。它可能是：卧室（次卧、主卧）、室厅、厨房等。软件在寻找匹配的智能（障）音箱，并及时响应你的请求。
一个建筑位内的位置。它可能是：地下一层、地下二层、一楼、地面等。软件在寻找合适的位置，以找到合适的人将快递放到你手里。
一个城市的某个位置。它可能是：xx 区 xx 街道 xx 小区等。软件在寻找你的准确位置，以便判断你是否在封控区内。
一个国家的某个省某个市。它可能是：中国福建省厦门市。软件需要大致的位置，以便计算合理的快递价格。

位置在不同的上下文、不同的人眼里，可能造成非常大的二义性。而以协作的方式构建出这个模型，则可以有效地减少这种二义性的发生（PS：这也就是为什么协作调模型会受到欢迎的原因）。如果只考虑通过 IP 上门查表的情况下，只需要类似于百度这样的 API 结果：

{
address: "CN|北京|北京|None|CHINANET|1|None", #详细地址信息
content: #结构信息
{
address: "北京市", #简要地址信息
address_detail: #结构化地址信息
{
city: "北京市", #城市
city_code: 131, #百度城市代码
province: "北京市", #省份
},
point: #当前城市中心点
{
x: "116.39564504", #当前城市中心点经度
y: "39.92998578" #当前城市中心点纬度
}
},
status: 0 #结果状态返回码
}

所以，在掌握上述的分类的情况下，我们能算是地理位置方面的专家吗？

新的抽象概念：行政区与行政区划分

我觉得我不是，比如说，按专业（维基百科上，对于行政区划的定义来说）来说，省这一级应该算是一级行政区：所以，我们有 34 个省级行政区，包括23个省、5个自治区、4个直辖市、2个特别行政区。在中国的上下文下，我们相当于只概括了其中的一类类型，基于这种模型建模，会出现中国北京北京市的情形。

而，现在这样的位置模型放到俄罗斯联邦的情况下，它又有问题了，会出现俄罗斯 - 北高加索联邦管区- 车臣共和国，再往下才是行政区。如此类推，就当前来说，我们能掌握好地球上的主要行政划分。而像英国这种包括殖民地的国家，还有群岛 - 教区这样的概念。放到地球