This commit is contained in:
ennea 2025-03-12 21:17:14 +08:00
parent 2718ab9019
commit 0d309a924a
10 changed files with 1474 additions and 1 deletions

View File

10
content/index.md Normal file
View File

@ -0,0 +1,10 @@
---
title: Welcome to Quartz
---
npm run dev
This is a blank Quartz installation.
See the [documentation](https://quartz.jzhao.xyz) for how to get started.
🌲
@ennea
大家好👋,欢迎来到我的个人网站😜。

View File

@ -0,0 +1,822 @@
---
id: 67ed1e76-5e90-48e5-9014-4dc7d39f5db5
标题: 一次漫游:学习中的快乐与束缚 - 链滴
类型:
- "[[剪藏]]"
作者:
- dammy
链接:
- https://ld246.com/article/1681801981651
日期: 2023-06-25
---
### 批注
> 形式结构能消除不确定性产生的焦虑,作为一种有序的、可重复的结构它可以帮助我们适应陌生的情景,消除不确定性。 ^06a689d1
> 形式结构可以提供准确的目标,形式化作为一个连续的过程,它能以编程化注意力的方式帮助学习者聚焦于当前需要注意的信息、形式,准确地提取和组合信息。这样就做到减少认知负荷,帮助学习者**掌控目前知识水平无法掌控**的复杂信息和知识。 ^be6d0d27
> **高度形式化的思想工具能让学习者只关注于部分内容或者表达式、规则的形式,而不用关注具体所涉及的内容**,这样就做到了将认知需求转移到工具里。 ^c5b6b5c8
> 我们想以思考的速度进行工作,但是结构却产生额外的**认知开销** ^3da5d1f3
> 不够情景化的形式结构会在执行中破坏**隐性知识** ^475cd179
> 隐性知识是用户在没有意识到自己使用的情况下使用的知识 ^d03afd08
> 我们认为专家不能可靠地解释他们的专门知识:我们必须在真实问题上运用他们的专门知识来提取和建模他们的知识 ^7bb91b1d
> 因为隐性知识通常是通过实践和经验积累而来的,不易被抽象和概括,这是因为它们与特定的**情景**紧密相关,只能在特定情景下、真实的问题上才能被提取出来。 ^6295c67f
> - 形式结构可以看成某些大脑思考的固化流程,过度依赖形式结构可能会扼杀知识的可能性。
> - 形式结构可能会变成一种依赖,同时可能会限制用户思考的不同角度和方法,被固定流程束缚住,从而限制了隐性知识的发展。
> - 在一开始使用 roam research 时,面对没有文档树的页面,大米不知道该如何开始记笔记,就像失去了重要的**引导**一样
> - 形式化可能会要求将一些细节和复杂性简化或忽略,在某些情况下会破坏情境信息,导致隐性知识还没来得及被提取就已经丢失。 ^cfd4c292
> 形式可能会对思考过程本身产生负面影响 ^0a1ac3a1
> 在思考的过程中,他需要在工作记忆里不断回顾自己的想法,并尝试将它们组合成一个完整的、更综合的理解。这个过程是非常灵活的,因为他需要不断地调整和修改自己的想法。 ^311a7deb
> 要将自己的想法在工具里形式化,组装成更有逻辑的概念整合理解,就需要按照形式结构的步骤进行一些内省和形式化的工作。这个过程会中断他原本的思考流程,需要他重新组织自己的思路,以适应新的形式化表达方式。 ^653b68b1
> 过早地执行结构是一种情感和认知上的开销,人们很难预测现在的结构在将来会不会有效,组织文件的好处不足以弥补组织文件所需的努力以及可能的误分类成本,不正确或不一致地形式化的信息比未形式化的信息更难使用。 ^f57dbfe1
> 高度形式化的信息具有强烈的结构性,它不具有重组性和可迁移性,这种给想法“塑型”的感觉让执行结构就像**提前关闭了这些想法**,失去了发展它们的机会。 ^f92b5cc2
> 大多数写笔记的人似乎并不特别擅长自己的领域,无论那是什么。 ^9fc8fd58
> 形式主义更像是信息成瘾,接触但不深入,是一种虚假的“安心感” ^b6dcd77a
> 形式结构限制住了人们的设计,旧结构并没有对学习有帮助,计算机上的设计只是对这些结构的复现,并没有成为一个新的媒介。 ^e9cb640b
> 形式化时遇到的困难是**形式规范**本身的矛盾,如果不进行形式规范,就很难将理解传达,建立有序。如果进行了形式规范,对注意的编程管理会带来心智压力,同时被固定的结构就会限制住可能性。 ^14e84747
> 形式结构越复杂,结构性越强,对注意力的限制也就越强,心智压力也就越大,对此有一种大家都会的解决方案是:渐进形式化 ^0a7f26e2
> 逻辑上用户完全可以不关心物理文件存放路径,只用关心内容块的组织方式 ^6774bdce
> **记忆无法像提取“文件”一样完整再现,每个人都从主观感受处理记忆,它不是对世界的完美记录,而每次提取都是对记忆进行重建**,个体每次提取的都不是同一份记忆。 ^7936a877
> 我很少能一次性地从书本中获得对应知识,准确理解作者想表达的内容,一本书被我翻来覆去好多遍才能读懂其中的一部分,大多情况则是我在合上书籍很久后再次遇到它们才想明白——“原来是这样”。 ^30392274
> 我在实践中摸索到书籍的最佳使用形式是,让书籍作为我理解的养料,当我拥有一个理解框架的雏形时,我会搜集各种书籍中对我的理解框架有帮助的那些部分,将它们放在我的理解框架内。等我的理解框架完善后,我对书籍有了理解的基础,这时再来阅读整本书就很容易。以六经注我开始,达到我注六经。 ^6548d658
> 但是自上而下则不同,它只适合管理资料 ^8c9ca505
> 写作:内置了强大推理结构的形式 ^310fb669
> 写作是一个很好用的形式结构。使用它不是为了展示信息,而是写作**内置了强大的推理形式,如归纳推理、演绎推理、溯因推理、类比推理和因果推理**,执行它们对组织信息、知识最有帮助 ^d35c03f7
> **他在写卡片之前已经知道了整部小说的大体图案脉络****之后不过用分散的卡片去填充和实现那个心中早已有的影像。** ^6a52f6f1
> 写作是思考发生的媒介 ^307132e6
> 可以将 roam-like 里的 daily notes 看做是第一阶段的笔记它们是非正式输入旨在快速输入无结构的信息。page 则是第二阶段的笔记,它们是正在孕育或者已经成熟的正式输入,一般会有语义结构。 ^3eee1f22
> 链接:连接的不是关系,而是情景 ^6d041476
> - 形式结构带来了高效的模式,它是人类智慧的产物,但它本身具有局限,需要我们利用渐进的方式将害处最小化
> - 即使是现在,教授主义也在影响着我们,在教授主义下产生的形式结构就像一个幽灵在影响着我们
> - Roam Research 带来的双链是一种渐进形式化的设计,和写作软件的渐进不同,双链中保护的情景信息是精髓,能真正做到在情景中漫游,在情景中学习,即使将信息结构化也能保留原块的情景信息
> - 信息成瘾和学习感受到的快乐都是人类进化出来的机制,我们每个人都热爱学习,只是被形式所限制
> - 学习带来的益处:
> - 提升我们解决复杂任务的能力
> - 提升从环境中提取信息的能力
> - 更好的利用环境中的资源
> - 学习让学习新知识变得更容易
> - 知识渴望着新知识,好的学习能让我们时时刻刻都能获得积极的反馈 ^d12a12bb
```query
/==.*?==/
path:"一次漫游:学习中的快乐与束缚 - 链滴"
```
---
# 一次漫游:学习中的快乐与束缚
在接触双链和间隔重复之前我很少做笔记和主动学习,对那时的我来说,“学习”就是在课堂中被强迫灌输知识,做笔记更是种无用功,那种被分类强迫的感觉让我很少能坚持记录,总是让我回想起被强迫学习的日子,我讨厌这种束缚感。后来在接触了双链后我获得了不用分类也能好好思考的自由,这种自由思考的感觉让我上瘾,在这种自由下我很快地体会到了学习的快乐,它让我慢慢摆脱我一直以来的“信息成瘾”,并开始反思我感受到的束缚、双链的自由、信息成瘾、学习的快乐都是从哪里来的,它们是否起源于人类自身的机制。在本文中我将对这些思考进行一次漫游,它包括:
- 形式结构的原理,以及它们对认知为什么有效和有害
- 对形式结构带来的心智负担的解决方案
- 对我使用过的形式结构进行汇总
## 1\. 什么是形式结构?
## 1.1 在本文中,我定义以下术语避免产生歧义
**形式规范Formalize** 是指“**将目标规范成按照一定步骤进行的操作**”,或者“**使其有固定框架、模式**”。
**形式化Formalization是指执行形式规范得出的模式**,比如将想法中抽象的概念、关系等非结构内容表达为具有明确结构的语言、符号就是形式化信息,阅读一本书也是一种形式化的活动。
**形式结构Formal Structure** 是形式规范后产生的结构,而部分形式结构又可以指导和规范形式化过程。比如我们常见的笔记工作流、模板、书籍就可以理解为形式结构。 它们是有明确形式、结构和规则的模式,也就附带了可重复的特性。
## 1.2 类比和举例
**Formalize—规范**:大米为了更好地对实践进行反思,他将自己的笔记流程进行规范。
**Formalization—执行规范**:大米按照规范后的步骤开始记录和总结。
**Formal Structure—规范后产生的指导结构**:大米规范后的流程分为非正式输入和正式输入,这是个阶段结构。
我们可以这样理解工具里的形式结构,它分为硬件和软件两部分:
- 硬件部分包括使用的工具和操作流程
- 软件部分包括使用这些工具和操作流程时遵循的**规则**
## 1.3 生活中有哪些常见的形式结构
语言、文字、写作、印刷术、书籍、软件、模板、工作流、逻辑学、数学、图灵机、范式、活动、组织、学校、社会、文化等等
## 2\. 形式结构为什么有效
## 2.1 对未知、不确定性产生的恐惧
这是一套演化塑造的机制:大脑讨厌不确定性,天然渴求着信息 。人类和密切相关的非人类动物更喜欢确定性[1](#footnotes-def-1)而不是冒险[2](#footnotes-def-2),但同时又会根据学习到的历史和当前的情境进行预测和调整[3](#footnotes-def-3)。比如研究者发现动物也能自发地为未来做计划:一只雄性的黒猩猩会在早晨的时候制造石块, 中午的时候用这些石块来攻击游客[4](#footnotes-def-4)。
人类(包括很多动物)在陌生的环境中会感到焦虑,因为他不知道陌生的环境是否存在着危险,这促使着他去探索周围,获取更多的信息,适应未知消除不安感。[5](#footnotes-def-5)
### ==形式结构能消除不确定性产生的焦虑,作为一种有序的、可重复的结构它可以帮助我们适应陌生的情景,消除不确定性。==
#### 视频中的不确定性
早期在观看一些知识博主的长视频时(尤其是我不熟悉的领域),最令我感到不舒服的是,我无法像阅读文章那样把控全局,在拉动进度条时我无法判断会看到什么,这种不确定性给我带来了焦虑。
最近几年,视频网站和知识博主们最让我舒服的改进是加入了类似文章大纲的章节、时间戳、内容进度条
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230413173152-kycogc7.png?imageView2/2/interlace/1/format/webp)
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230413174007-25hvqxl.png?imageView2/2/interlace/1/format/webp)
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230413174144-4fit26w.png?imageView2/2/interlace/1/format/webp)
利用视频这种形式分享知识的再一步改进是类似于 loom 这种,将视频中的文本搭配时间戳抽出放进右侧栏,每句话都有天然的上下文构成语境
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230413180254-v9smtoc.png?imageView2/2/interlace/1/format/webp)
#### 书籍索引目录、文章的大纲也都有这种作用。在演讲和写文章时,人们最常用的总分总结构也能帮助读者
- Tell them what you're going to tell them
- Tell them
- Tell them what you told them
#### 可重复的形式结构能消除陌生环境的不确定性,让学习者知道自身周遭是如何运作的
如果学习者是首次进入一个陌生的情景(例如参加朋友的聚会、去医院看病、乘坐地铁、去商场购物),面对着完全陌生、零散无序的信息他很容易会变得不知所措(认知负荷 ),完全不知道该期待什么、该做什么、该注意什么。
这时的形式结构(比如说购物、就诊流程图)就可以作为学习者第一次的指导,让学习者理解陌生的环境,缓解他的不安感,维持系统的有序。
这种形式结构也能迁移到其它相似的情景中,而多次进入相似情景的学习者会自然形成一种心理结构(也可以说是理解框架或者图式),知道自身周遭的事物是如何运作的,自己该做什么,能帮助他们培养一种文化流畅性[6](#footnotes-def-6)。
## 2.2 前提:工作记忆的局限
在大脑里执行一些复杂的合成任务会有些吃力,例如在大脑里将参考资料、个人经验、想法等“原始”非结构化内容合成为复杂的结构化表示是很难的,这主要是当前知识和工作记忆的限制(我们学习中的很多问题、工具和方法都跟工作记忆有关),人类工作记忆的容量大致只有 4 个“组块”chunk[7](#footnotes-def-7)。在这种情况下我们有两种经验:
- **学习**:理解性学习能建立理解框架和知识的连贯性,当学习者发展出的理解框架越精深,就越容易识别出自己以前注意不到的信息特征和有意义的信息模式[8](#footnotes-def-8)。知识越连贯,就越能毫不费力地从自己的知识中灵活地提取重要内容,也就能成效地驾驭和运用这些知识信息。在工作记忆容量的限制下,学习能提高单个组块所能掌控的内部知识(或者将其变成一个无需注意力控制的知识块[9](#footnotes-def-9))和外部信息,就能将复杂的合成任务转变为可以在脑内进行的心智运算。
- **思想工具**:虽然工具无法当作第二大脑,但可以将任务中的一些认知需求卸载转移到工具里[10](#footnotes-def-10)减少认知负荷Cognitive Load做到大脑目前无法做到的复杂合成任务。
==形式结构可以提供准确的目标,形式化作为一个连续的过程,它能以编程化注意力的方式帮助学习者聚焦于当前需要注意的信息、形式,准确地提取和组合信息。这样就做到减少认知负荷,帮助学习者==**==掌控目前知识水平无法掌控==**==的复杂信息和知识。==
而思想工具能基于形式结构产生,可以用来承担任务中的认知需求,帮助我们更好地理解和应对复杂的现实世界,例如:
1. 大纲(思源里的列表大纲)的视图规则能让学习者聚焦在一个问题并专注于较小的部分。
2. 大米在学习使用一个工具时经常会利用一个模板问题向自己提问“这个工具解决了什么问题RemNote 里经典的问答模板[11](#footnotes-def-11),善用佳软张玉新老师的看到软件背后的人[12](#footnotes-def-12)、heptabase 创始人思考的角度[13](#footnotes-def-13)),这样就能管理注意力,提取自己没注意到的信息帮助理解。
3. 假设大米是个历史系的学生,他在学习时遇到个陌生的古代官职,他不知道从何下手理解这个官职,于是大米召唤了以下模板帮助自己决定去识别组合哪些信息:
- 这个古代官职怎么设置的?
- 它的权限是什么?
- 它的设置背景是什么?
- 它在整个政治体制中处于什么位置?
- 其它朝代有类似的官职吗?
4. 在 Andy 的制卡教程里,他将自己的思考视角形式规范为一套模板,帮助理解概念性的知识[14](#footnotes-def-14)。
5. 形式逻辑是一种优美的思想工具,只用将对应信息放进去就能快速得出推论。
6. 印度-阿拉伯数字是一种思想工具,他的设计者对数学和设计具有极高的理解。
**==高度形式化的思想工具能让学习者只关注于部分内容或者表达式、规则的形式,而不用关注具体所涉及的内容==**==,这样就做到了将认知需求转移到工具里。==
## 3\. 形式化为什么有害
## 3.1 前提:形式化信息时的害处
在使用形式结构并不如想象中那么美好它们有些很繁琐具有极高的门槛有时候它们对知识的获得反而是有害的。形式结构最让人诟病的一点是使用它们强迫编程自己的注意力是一个持续的负担形式越繁琐负担也就越大这种压力非常难以克服除非面对更大的压力deadline、学业压力
1999 年Shipman 总结了四种形式化时的困难[15](#footnotes-def-15),我们以此为基础展开:
### 3.1.1 ==我们想以思考的速度进行工作,但是结构却产生额外的==**==认知开销==Cognitive Overhead**
#### 学习成本
使用这些工具进行形式化合成需要付出额外的学习成本,有些操作无法迁移到其它工具。
形式化后的内容表示与用户的理解不匹配,例如:
- 垂直的父子关系无法表现内容之间更深层的关系
- 用户没有找到合适的词来描述自己的理解
#### 使用中的认知开销
形式化时强制的步骤与用户的主要任务无关,用户的目标和物理系统界面存在着巨大的执行鸿沟,这个过程可以分为四步:
1. 意图形成
2. 指定动作序列
3. 执行动作
4. 与工具输入端接触
通常这些过程中还需要额外的步骤和决策,步骤可能包括分块、断句、搜索、命名、分类和标记,而形式化的内容又需要明确定义边界和逻辑关系,这些都需要用户自行决策。
这种**对注意力的强制执行需要巨大的情感支出**,在得到正反馈之前许多人可能会放弃形式化。
越复杂的形式结构,这种认知开销也就越大。
### 3.1.2 ==不够情景化的形式结构会在执行中破坏==**==隐性知识==Tacit Knowledge**
==隐性知识是用户在没有意识到自己使用的情况下使用的知识==[16](#footnotes-def-16),它们比较难以被提取和概括:
- > ==我们认为专家不能可靠地解释他们的专门知识:我们必须在真实问题上运用他们的专门知识来提取和建模他们的知识==[17](#footnotes-def-17).
举例:
1. 大米是一款游戏的老玩家,当他被询问到“你是怎么进攻的”、“你的连招是怎么打出来的”、“你为什么命中率这么高”这类问题时,他的第一反应是:“我 TM 怎么知道,这不跟呼吸一样,时机到了就自己用出来了”。
2. 在京剧里,有些表演特色和演唱技巧是演员自己的经验,并不是被总结出来的公式、规则,也就导致他们很难用自己的言语解释传授给其它人,也就无法形成科学的训练方法,只能通过实践和经验的积累来领悟。这也是流派断代、剧目失传的原因之一。
3. 大米是思源社区的一名热心用户,他积累了很多关于思源的经验,然而如果让他自己徒手写一篇文章总结出思源都有哪些用法,他会不知该如何下手,意识不到:“**原来我还会这个。**”
这样的例子很常见,==因为隐性知识通常是通过实践和经验积累而来的,不易被抽象和概括,这是因为它们与特定的==**==情景==**==紧密相关,只能在特定情景下、真实的问题上才能被提取出来。==
在利用形式结构时,形式化会对隐性知识造成损害:
#### 形式结构在某些情况下可能会成为一种障碍
1. ==形式结构可以看成某些大脑思考的固化流程,过度依赖形式结构可能会扼杀知识的可能性。==
2. ==形式结构可能会变成一种依赖,同时可能会限制用户思考的不同角度和方法,被固定流程束缚住,从而限制了隐性知识的发展。==
3. ==在一开始使用 roam research 时,面对没有文档树的页面,大米不知道该如何开始记笔记,就像失去了重要的==**==引导==**==一样==
4. ==形式化可能会要求将一些细节和复杂性简化或忽略,在某些情况下会破坏情境信息,导致隐性知识还没来得及被提取就已经丢失。==
#### ==形式可能会对思考过程本身产生负面影响==
假设大米正在思考一个复杂的问题。==在思考的过程中,他需要在工作记忆里不断回顾自己的想法,并尝试将它们组合成一个完整的、更综合的理解。这个过程是非常灵活的,因为他需要不断地调整和修改自己的想法。==
但是,如果大米==要将自己的想法在工具里形式化,组装成更有逻辑的概念整合理解,就需要按照形式结构的步骤进行一些内省和形式化的工作。这个过程会中断他原本的思考流程,需要他重新组织自己的思路,以适应新的形式化表达方式。==这可能会导致他失去之前的一些想法,或者导致他需要更长的时间才能完成思考任务。
##### 用户实例
- > “我在学习或者记忆方面的习惯,就挺希腊人的,口语和思考大于写作,记忆大于记录,所以不怎么做笔记。”
- > “我觉得两句话就搞定的事情,讲给别人都要仔仔细细斟酌半天,还要附加一堆补充条件,不太行,打字真的好烦人,因为你得组合你的观点,加上修辞,至少成为书面语,甚至还要考虑观众的理解接受度,更别说讲给 20 天后的我了.jpg”
- > “正是因为打字的速度跟不上思考的速度我才不想做笔记,经常我都开始思考南鱼座北落师门的事情了,我的笔记还停留在半人马座比邻星,因为思维是抽象化的,多线程的,可跳跃的,组成语言(包括语音)是线性的,逻辑性强的,有组织的结构,等我组织成语言,我的思维早就比红移星体飞的还远了!”
##### 一个简单的生理学例子
> 当一个人被要求正常呼吸时,他的正常呼吸会被打断。此外,有可能会对正常呼吸的含义进行反思,导致人的呼吸变得异常——过于浅、过于深、不规则等。
##### 形式结构和用户知识并不是完全匹配
有些形式结构并不能胜任用户领域的任务,而专门适配的形式结构提供了领域里强大的思考能力,但也可能限制了用户以不同方式思考的灵活性,毕竟形式结构是某个时间某个大脑对世界理解的固定——它自己遇到新的场景会更新,而使用结构的其它人则可能会被限制。
在京剧里,我们常评论一个流派的演员如果不像对应流派的风格那就是不好,学歪了,但如果太像了也不好,这意味着他/她的上限最多是这个流派创始人的水准,叶秀山先生曾评价说:
> 梅兰芳是最虚心吸取各派的长处的,他的艺术是不断革新的;然而变来变去,仍然是梅派风格,不会变成了程派或尚派。这是因为他是把各家的长处“化”到自己的艺术中去,而不是机械地模仿某一个好看的动作或好听的唱腔。这种“融化”的过程是非常重要的[18](#footnotes-def-18)。
同时他又总结道:发展必须在真正的继承上进行,理解真正的优点和局限,不能仅仅是形似[19](#footnotes-def-19)。
### 3.1.3 过早地执行结构Enforcing Premature Structure不能取得想要的效果
==过早地执行结构是一种情感和认知上的开销,人们很难预测现在的结构在将来会不会有效,组织文件的好处不足以弥补组织文件所需的努力以及可能的误分类成本,不正确或不一致地形式化的信息比未形式化的信息更难使用。==
- 在对人们如何在办公室组织信息的研究中,研究者发现办公室工作人员察觉到过早构建信息的负面影响:“你不想把它收起来,因为这样你就再也不会遇到它了。这就像把它们排除在外,这就意味着我现在不得不做出决定——要么必须使用它们,要么去决定如何使用它们,要么决定将它们放在哪里[20](#footnotes-def-20)。
- 许多用户在其计算机文档夹中有大量已解除关联的文档。这些用户中的大多数都知道如何创建子目录或文档夹来组织他们的文档,但依旧推迟分类,直到他们“有更多的时间”或“混乱变得太糟糕”。
人们喜欢将形式化任务推迟Shipman 对此有个总结:
> 形式化信息的过程要求人们致力于信息的显式结构。结构的一个定义是“实体的元素或这些元素在它们彼此之间的关系中的位置”。而由于用户对任何重要任务(例如执行分析或完成设计)的**理解随着他们尝试完成任务而不断发展**,因此用户拒绝做出此类承诺。
==高度形式化的信息具有强烈的结构性,它不具有重组性和可迁移性,这种给想法“塑型”的感觉让执行结构就像==**==提前关闭了这些想法==**==,失去了发展它们的机会。==
用户当前阶段的知识不匹配,形式化的过程用户很难将知识表达出来,因为这个阶段并不是该进行形式化的阶段,而是正在生成、积累知识的阶段
supermemo 的开发者 woz 在 [wiki](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FConcepts) 里分享了他构建知识树的经验,是先有一个缓冲区,等良好的知识结构能自然浮现在心里再把真正有用的分类:
- > Usually you add all your material to a _To Do_ [branch](https://ld246.com/forward?goto=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fsuper-memory.org%2Fhelp%2F%2Fg.htm%2523Branch). Then you assign **only the most important** portions of knowledge to separate concept groups.
> 通常,您将所有材料添加到 _"待办事项"_ [分支](https://ld246.com/forward?goto=https%3A%2F%2Flink.zhihu.com%2F%3Ftarget%3Dhttp%253A%2F%2Fsuper-memory.org%2Fhelp%2F%2Fg.htm%2523Branch)中。然后,您**只将最重要的**知识部分分配给单独的概念组。
- > In [incremental reading](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FIncremental%5Freading "Incremental reading"), instead of frequently changing [concept groups](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FGlossary%3AConcept%5Fgroup "Glossary:Concept group") while [adding new elements](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FAdd%5Fnew "Add new"), you are more likely to use a big _TO DO_ [concept group](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FGlossary%3AConcept%5Fgroup "Glossary:Concept group"), and move individual [items](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FGlossary%3AItem "Glossary:Item") to their final concept groups only when they are finished in the incremental learning process
>
> 在渐进阅读中,与其在添加新元素时频繁更改概念组,不如使用大的 TO DO 概念组,并且只有在渐进学习过程中完成时才将单个项目移动到其最终概念组
- > The optimum strategy for maximizing the inflow of quality knowledge into the learning process at minimum time is to create a _To Do_ concept group, to which you add all the knowledge you want to master (e.g. articles, rough notes, rough [items](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FGlossary%3AItem "Glossary:Item"), etc. belonging to all various subjects). You can process this _To Do_ knowledge for optimal recall in the course of repetitions. Only when [items assume](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.supermemo.org%2Fwiki%2FGlossary%3AItem "Glossary:Item") their ultimate well-structured shape (see: [20 rules of formulating knowledge](https://ld246.com/forward?goto=http%3A%2F%2Fsuper-memory.com%2Farticles%2F20rules.htm)), you can move them to their target concept group. Alternatively, you can use concept/elements links to associated items together (e.g. for review before an exam).
>
> 在最短时间内最大限度地将优质知识流入学习过程的最佳策略是创建一个“TO DO”概念组将你想要掌握的所有知识例如属于各种不同学科的文章、不完善的笔记、不完善的 items 等添加到其中。在重复的过程中你可以处理这些“TO DO”知识以达到最佳的回忆效果。只有当这些 items 变成了最终的良好结构(参见:制定知识的 20 条规则),你才能将它们移动到它们的目标概念组。或者,你可以使用概念/元素链接将相关的条目联系在一起(例如在考试前复习)。
不只是执行层次结构,在学习时,过早地去执行其他形式结构也会出现这种问题,例如:
1. 在理解还不充分时执行写作通常会卡文。
2. 过早地去归纳、综合参考资料往往会得出一个片面的结果,这时候就需要回到参考资料的语境下重新思考。
3. 书籍这一形式结构和讲座一样隐藏着教授主义的模式。Andy 认为,作为一种媒介,书本在传递知识方面出奇的糟糕,而读者大多没有意识到这一点[21](#footnotes-def-21)。
4. woz 在“Pleasure of learning”说到教授主义课堂的困境[22](#footnotes-def-22)
- > 只有少数幸运儿能通过听课学到大部分知识。对很少一部分有天分的孩子来说,老师的授课可能完全讲不出新东西,非常无聊。而对于其他孩子来说,授课内容则可能过于复杂,超出了他们的理解能力。
### 3.1.4 情景结构Situational Structure产生的矛盾
有用的结构是高度情景化的,不同的人会根据自己的认知来建立不同的结构。
#### 数据格式上的矛盾
形式结构的实质是某个大脑对于世界的理解,是归纳得出来的,那么它也就具有这两个特点:
- 越具体,对情景的依赖就越强,对具体情景的适用性就越强,可迁移性就越差
- 越抽象,对情景的依赖就越弱,对具体情景的适用性就越差,可迁移性就越强
形式化后的内容也具有此特点,比如我们常见的笔记软件的 Markdown 储存格式就有这种问题Markdown 好在迁移性,它的迁移性来自它的抽象简化。但这和用户不断生长的新使用场景是相悖的,用户的需求逼迫着各家软件都产生自己的 Markdown 方言, 这最后会导致一个结果—— Markdown 是最难迁移的储存格式。
在信息储存的结构上,让每家软件对结构达成一致是困难的,不同的软件有不同的使用场景,就算是相同类型的软件也会有不同的功能、不同的用户需求,而开发者为了占据优势也会开发具有特点的功能,那么就不会有能完美迁移的储存格式。
#### 用户时间线上情景结构的矛盾
- 在上面提到用户的理解会随着尝试完成任务而不断发展,于是结构也会跟着发展。那么随着时间和理解的不断地发展,用户会遇到新的使用情景,那么新的信息会和现有的结构不匹配,用户就必须更新结构避免信息落入结构之外。
- 在软件上的表现则是对层次结构不断扩展,有些用户会使用“囊括万物”的分类法(例如中国图书馆分类法)来解决不断更新的结构,但在细节上它也不够细致,结构依旧会增长,这个压力会一直都在。
## 3.2 对注意力的指导,剥夺了生成心智结构的机会
人们会在个人经历的情景中积累知识,接着发展出心理结构组织他们在不同时间、环境中获得的知识[23](#footnotes-def-23),以适应世界。但在某些情况下形式结构的指导反而会让心智结构无法生成。
一项研究显示,儿童越是在成人主导的活动中花时更多,而在自我导向的活动花时更少,就越是表现出更弱的内在执行功能[24](#footnotes-def-24)。结构化的活动限制了他们在自然和非正式学习场景下生成心智结构的机会。
在形式结构中已经习惯的个体很难意识到有什么不对,因为个体的行为已经被规划好,就像跑团一样个体有了角色才能知道自己要做什么。但是当个体脱离了结构,失去了角色定位后他感受到的只有“茫然”。
## 3.3 形式主义阻碍了真正的目的
### 形式主义
形式结构为模式带来了可重复性但同样很容易让我们陷入货物崇拜Cargo Cults做一些看似高效的无用功这会导致它滑向负面效果——过度形式化也就是中文语境中带有贬义的“形式主义”。
在国外社区Andy 面对这种现象直言说想要放弃“笔记”这个词:
- > 我不想以这种方式使用我的笔记。这个适应函数与我的目标并不无关,但它是一个较差的基向量。我真的无法认同几乎所有写笔记的人的目标。越来越多的时候,我觉得我需要放弃“笔记”这个词。
- > (这听起来可能有点苛刻,请善意地理解)
>
> 笔记系统(特别是例如 BASB )最常见的目标似乎是“我想能够从摘录和草稿中快速撰写一篇短中篇文章。”这很好!但这不是我的目标。
- > 我想要实现的目标是:“我希望能够产生新颖、有力的想法。”计算机支持的思维系统在支持这方面非常有帮助。但是很难通过实证来评估这些系统,因为这样的想法很少见。那些博客上介绍笔记系统的人并没有产生这样的想法。
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230415082515-rje85g5.png?imageView2/2/interlace/1/format/webp)
他之前也写过对于这些现象的理解,认为这些“笔记”用户太过形式主义:
- 我认识的最有效的读者和思想家在阅读时不会做笔记[25](#footnotes-def-25)
- > 大多数狂热的笔记爱好者似乎实际上是效率很低的思考者。
- > 我怀疑这里的关键问题是,“更好的笔记”忽略了关键点;重要的是“更好的思考”;这些人是专注于“更好的笔记”。那些大量写笔记的人很少有严肃的使用背景。
- 大量写笔记的人很少有严肃的使用背景[26](#footnotes-def-26)
- > 但是,==大多数写笔记的人似乎并不特别擅长自己的领域,无论那是什么。==实际上,大多数这样的作者并没有将他们的笔记应用到某些外部创造性问题上:他们的主要创造性工作是写有关生产力的文章。这些作家提供了有关笔记记录的建议,以帮助科学家和高管应对他们的工作挑战,但这些建议是在与这些外部现实脱节的情境中开发出来的。
- “更好的记笔记”没有抓住重点;重要的是“更好的思考”[27](#footnotes-def-27)
- > 许多人写关于笔记写作实践通常是无效的解决方案。其中大部分的写作都聚焦于狭隘的“生活技巧”类框架,专注于回答诸如:“我应该如何组织我的笔记?”、“我应该使用什么样的日记本?”、“我如何可以轻松地捕捉我阅读的片段?”,等问题。
- > 在技术方面,重要的不是“计算机支持的记笔记”,而是“计算机支持的思考”。
- > 人们往往关注“记笔记”,因为它是一个看得见的无形实践的组成部分:如果你看到一个有洞察力的人在笔记本上写东西,你可能会想象,如果你有正确的笔记本并且组织得好,你也会有洞察力。当然,记笔记是有形的。它相对容易,而且它感觉像是在做某事,即使它是无用的(笔记写作提供了薄弱的反馈)。所以它是一个有吸引力的麻烦。
在国内社区,“笔记”这个概念也因为太过宽泛也带来了很多歧义,很多功能并不是真的能帮助思考
### ==形式主义更像是信息成瘾,接触但不深入,是一种虚假的“安心感”==
在前文我们说到,在进化的角度上讲,人类对于未知的焦虑感促使着个体去获取更多的信息,帮助他减少对世界的不确定性并适应环境,这里有个有趣的情况,无论信息是否来自焦虑的对象,是否有意义,只要能封闭信息差,它都能缓解焦虑。
引起焦虑的对象有很多,但它们在大脑中共享的焦虑感是同一个,只要满足大脑对信息的需求,获得信息、闭合信息差距,就能来缓解这种焦虑状态。
原先焦虑的对象依旧在,这没关系,个人只需要继续获取具有合适信息差距的信息就能继续获得“安心感”,这也是现在信息成瘾可能原因之一。
这就像你头痛想要去医头,但你被按摩了下脚,于是觉得头完全不痛了。
它能解释为什么现在上网冲浪、刷短视频、综艺、新闻、文章、小说那么令人着迷,这种刷信息“消除未知”的错觉能极大的缓解焦虑,比如说在比赛前、初接触陌生环境时就能利用刷垃圾信息的方式来解压。
但信息成瘾也是一种非常严重的“心瘾”。
一些作品里也有对信息成瘾的探讨例如在动画《Lain》的世界观中一种被称为 Accela (词根带有加速的含义)的机械毒品被大量使用。Accela 利用脑机接口通过将人脑超频,让思维速度提升以跟上网络传输的速度,从而获得信息流下的欣快感(剧中称这种病态需求为 Infornography大致等同于信息依赖症)[28](#footnotes-def-28)。
和作品中不同的是,我们现在已经习惯了这种“信息依赖症”,这种机制被充分利用,例如游戏、视频网站、社交媒体、手机上的应用等包含着促进用户上瘾的设计:
- 收集用户的数据制成“用户画像”,推送那些“既在预料之外又在情理之中”的信息给用户
- 通过引导用户主动刷新推送这些信息,给予用户一种**在控制局势的错觉**
比如我们这些创作者会利用各种策略技巧,比如演讲的三段论、文章的总分总结构来抓住读者的注意力,让读者以为自己“我学到了”、“我按照模式去做我也能成为有深刻洞见的人”、“我把握住了全局”——
但实际没有。
这种虚假的思考会导致进一步的偏见——人们只寻找和关注与他们先前信念一致的人和社区,创造出一种“回声室”,让学习笼罩在更多的偏见之下。这种情况通常在社交里出现,因为人们总是喜欢和自己持有相似信念的人讨论话题。[29](#footnotes-def-29)
## 3.4 前提:形式结构塑造了人类的认知
一些形式结构并不是真正的具有深刻洞见的思想工具——或许在刚诞生之时可能是,它之所以还存在于我们的设计之中是因为**这样大家最容易接受**。
人类按照自己的理解创造了形式结构消除未知,寻求有序和更多的理解,但正如盲人手杖一样是他们感知世界的方式的核心部分一样,形式结构也在通过交互塑造着人类的认知,随着精神、物质和社会结构的相互作用,文化从人类主体在其历史背景下的活动中产生,另一方面,文化以物质人工制品和社会实践的历史形式塑造了认知过程[10](#footnotes-def-10)。
### 形式结构限制着人类的认知:计算机先驱者们的展望和反思
在 20 世纪有很多计算机先驱者以及教育者都有一个梦想:通过计算机开发出增强人类智力的思想工具:
- 20 世纪 50 年代,斯金纳展示了他的“教学机器”,并宣称它们使“教师落后时代了”。
- 20 世纪 60 年代,第一个基于斯金纳行为主义的教育软件被设计出来,这些系统被称为计算机辅助教学(**computer-assisted instruction** CAI并一直沿用至今。
- 62 年,鼠标之父道格·恩格尔巴特发表论文——增强人类的智力:一个概念性框架[30](#footnotes-def-30)。
- 68 年Seymour Papert 发明了 LOGO 编程语言想帮助儿童更好地学习数学。
- 20 世纪 80 年代,认知科学家 Roger Schank 和 Seymour Papert 对外宣称计算机能从根本上改革学校教育。
- 89 年Alan Kay 在《用户界面:一个个人观点》说:如果个人电脑是一种真正的新媒介,那么它的使用将会改变整个文明的思维模式[31](#footnotes-def-31)。
- 90 年代,许多国家的政治家、家长以及企业家都达成了强烈的共识:计算机必须进入学校。在美国,这一推动包含了联邦政府的 E-rate 计划:政府为每个学校的互联网付费。
然而,这笔巨大的投资结果却让人十分失望,截止到 2000 年,仍然没有任何的研究能够证明学生的提高与计算机的使用是直接相关的。一些研究还发现通过打字逐字记录的学生对材料的记忆保持度更低,手写笔记的学生能学到更多。研究者认为虽然做更多笔记可能是有益的,但使用笔记本电脑做笔记的人倾向于逐字记录讲座而不是处理信息并用自己的话重新组织它,这对学习是有害的[32](#footnotes-def-32)。
当研究者视图搞清楚计算机发挥的作用为何如此低时,他们发现计算机的应用并不是基于学习科学理论的:教师仅仅将计算机作为附件加入已有的教授主义课堂之中,导致卖得很多,用得却很少[33](#footnotes-def-33)。
==形式结构限制住了人们的设计,旧结构并没有对学习有帮助,计算机上的设计只是对这些结构的复现,并没有成为一个新的媒介。==
计算机的应用只有在设计之初就考虑到我们对学习的理解,才能对学习起作用,迄今为止,大部分教育软件还是基于教授主义理论的。
Alan Kay 在《真正的计算机革命还没有发生》里也总结说:但看起来,实际革命需要的时间比我们的乐观估计的要长,主要是因为旧媒体和思维方式中的商业和教育利益已经几乎将个人计算机冻结在“纸张、录音、电影和电视的模仿”水平上。[34](#footnotes-def-34)。
## 4\. 解决方案:渐进形式化和学习
==形式化时遇到的困难是==**==形式规范==**==本身的矛盾,如果不进行形式规范,就很难将理解传达,建立有序。如果进行了形式规范,对注意的编程管理会带来心智压力,同时被固定的结构就会限制住可能性。==
形式化时产生的心智压力主要体现在两点:
- 对注意力的强制执行
- 使用者的先验知识与模式不匹配
==形式结构越复杂,结构性越强,对注意力的限制也就越强,心智压力也就越大,对此有一种大家都会的解决方案是:渐进形式化==
- 对 Programming 的渐进Donald E. Knuth 在他的文学编程Literate Programming论文里引入了 Holon 的概念(将复杂的任务分解为多个简单的任务),按此设计将编程分为了两个阶段的任务,这样就能先去写可能有用可能无用的代码片段,而选择代码组织它们则变成了另一个任务,这在一定程度上解決了编程时的心智负担[35](#footnotes-def-35)。
- 对写作的渐进:在写作中,由于写出的东西是要给别人线性阅读的,所以内容的组织尤为重要,那么分而治之也是很自然的思路[36](#footnotes-def-36)。一些写作软件(如 scrivener、gingko、writeahon 等)提供了强大的内容组织功能,那么自然地就给用户提供无负担的写作过程。在写作的各种范式中,非线性写作也不要求使用者按照严格的大纲进行写作,在创作过程中这一秒可能写着这一幕,下一秒就去写另一幕,全凭灵感的跳动来创作,这些主干的填充有时是同步进行的,有时则不是[37](#footnotes-def-37)。
- 对工具维度上的渐进MOC 是哈桑老师对“分而治之”这一模式的发展,他提出利用超链接联动各个软件进行功能互补,这样就能只关心和使用各个工具中自己需要的功能,而不追求在单个工具中 ALL IN ONE实现“重器轻用”[38](#footnotes-def-38)。
在学习中,形式结构的矛盾是使用者当前的储备知识未达到使用要求,这时候也可以渐进形式化
- 对组织想法的渐进Roam Research 的开发者设计出 DailyNotes 内容池和 Page 两个输入场景DailyNotes 可以看做非正式输入的任务,旨在进行没有心智负担的将想法可视化,在 Page 里的输入可以看做正式输入和写作软件不同的是RR 中的正式输入并不是为了表达给别人阅读,而是利用写作的形式结构组织信息和想法,帮助使用者发展理解。
- 在非正式输入阶段Roam 的 DailyNotes 内容池搭配块引用可实现快速输入,这时的上下文反链提供了孕育隐性知识的节点
- 在正式输入阶段,使用块引用、块嵌入功能会让原块得以保留,保护了隐性知识,而正式输入后的上下文又会成为反链里新的情景,为以后的更全面的理解做基石
- 对阅读的渐进Supermemo 中的渐进阅读是对传统书籍、文章这两个模式的渐进。我们可以认为在书籍、文章中,作者表达的知识集合和读者脑中的知识集合存在着差值,我们将这个差值不严谨地命名为“语义距离”,用来指代知识集合之间的差距[39](#footnotes-def-39)。渐进阅读的目的就是将语义距离划分为具体的学习步骤,在读者的储备知识上进行理解学习。
而被形式结构本身限制住的可能性,是人类与物质世界的矛盾:
- 随着人类的理解更新,新的人造物也应之出现(比如互联网),那么对应的新规律也跟着产生,就如列宁所说:遵循着马克思的理论的道路前进,我们将愈来愈接近客观真理,但决不会穷尽它[40](#footnotes-def-40)。
- 新的人造物和规律的不断出现会导致新的使用场景不断出现,那么形式结构作为被固定的理解也就需要更新,越具体,更新的频率就越快。
## 5\. 在学习中我用过的形式结构
## 记忆术:记忆术背后的隐喻
我很早就接触了记忆术,其中的数字桩和位置桩很好理解,精细编码的效果也足够强大,在**长时间训练后**就能实现短时间内联系大量材料并记忆,但是在使用它时我产生个疑问:
- 记住这些事实和程序知识后并没有让我产生深刻的洞见
- 有些知识只能在特定情景下使用,我并不能将它们迁移
- 最重要的是,如果没有学业的压力,我就没有动力去记忆这些知识,使用它们对于我来说也是一种压力
我并不是说记忆这些事实和程序完全没有用,它们是精进的基础,但单纯的“记忆”这些知识并不能做到更进一步,我想可能是我对学习的理解出错了。
当时我对学习的理解是“学习即获得知识”,在当时的我看来老师和书本就是知识的传播者,我则是知识的接收者,那么我只需要记忆这些知识就能完成学习,通过考试,成为一个有深刻洞见的人——
但这似乎不对。
记忆词汇表不会完善我的心智,让我对万物有更深层的理解,能够背诵圆周率到 1000 位不能使我成为数学家,**记忆这些材料本身不能帮助我理解这些材料**,记忆它们的我在表现上甚至不如 ChatGPT记忆术的实用价值似乎更多是在记忆比赛中的表演上。
那么我记住这些材料跟将它放在记录工具里似乎没有什么区别。
凯奥斯岛的西蒙尼德斯在公元前 477 年就发明了助记系统[41](#footnotes-def-41),之后记忆术被用于演说、布道、神秘学,但未曾见到它像印度-阿拉伯数字那样改变了世界成为我必学的科目。
古希腊的先贤们运用记忆术是因为他们缺乏书写的工具,知识的传播多用口述,但有了记录工具后,在传播知识上这些工具要比记忆靠谱多了,记忆术自此没那么盛行,这也符合“将认知需求转移到工具中[10](#footnotes-def-10)”的思想。
而像我之前一样妄图使用记忆术实现学习任务认为学生像空的容器一样等待被事实和程序知识灌输这样的理解被称作“教授主义”instructionism[42](#footnotes-def-42)。教授主义没有搞清楚的是,即使是幼儿也是从他们理解的很多事情中构建知识。
记忆术作为一个工具是好用的,在结合间隔重复系统后,它们能让我很快地进入完全陌生的领域。它和记笔记就像一个是内在的书写,而另一个是外在的书写,区别则是内在书写进行提取练习可以巩固记忆。
对它的反思一直让我警惕在做笔记时不要做数据的搬运工,如果笔记不能帮助我思考,那么笔记对于我来说还不如记忆术。
## 位置:文件柜模式的影响
文档树、大纲(思源里则是列表大纲)在模式上是一脉相承,优缺点也是一脉相承。
软件里它们使用缩进来表示层级结构,这是种高效的信息管理结构,但正如 3.1 所描述,我们想以思考的速度进行工作,但在使用的时候如果过多考虑结构反而会打断思考,所以最适合的用写作辅佐思考的形式是,将写作分为两步:
1. 快速输入
2. 内容组织
在一些软件里大纲和文档树都能实现快速输入和内容组织在编辑器里建立一个块和在文档树上建立一篇文档是等价的思源、RemNote它们在功能上有些重叠这里有个经验如果一个软件的编辑器支持大纲那么它的编辑器手感和性能肯定高于文档树比如思源这时能用大纲就不要用文档树。
而用文档树管理时,也会有一个关注底层文件系统的隐喻。这种隐喻来自文件柜模式,在电脑系统上学到这种模式的用户会被驱使着关注底层文件,消除对数据的焦虑感,即使没什么道理:
我们可以从 D 大的设计理念开始讲,在进行长期的学习与知识总结、知识整理,特别是需要知识拆分与合并时,不得不考虑“物理文件存放路径”和“知识的内在关系结构”。思源的文档树的分类作用继承自传统的做法,也就是通过“物理文件存放路径”来生成知识的关系,生成文件时也会自动在文档树上生成文档,但是用下来就出现个问题:
- 结构强制管理着注意力,维护分类结构会是一个持续的心智负担,而随着自己知识的增长,分类结构必定会跟着改动。这对那些已经习惯了、有足够反馈的用户还好,但是对于那些无法忍受注意力被强制管理的用户来说,这会是个很大的门槛。
- 在思源里,同一个文档块没法出现在两个分类之下。
这是管理文件本体的弊端,知识组织不得不伴随文件操作,而已有的文件夹结构无法承担知识调整的重任。
于是有些深度的笔记用户是这么做的——只关注知识组织,无需关注文件的物理结构,也不关心层级结构,比如 RR 的创始人 conor他在 RR 的白皮书里这么写[43](#footnotes-def-43)
- > 当某个知识单元/文件与许多知识点相关时,可以给它打相关知识点标签,但每个文件通常只存储在一个单一的嵌套层次结构中。要访问这些信息,用户必须记住他们存储文件的位置,标签的内容,或者使用搜索功能来定位文件。
- > 文件柜方法使聚合或重用同一条信息很难甚至是不可能,因为每次对任何给定文件进行修改时,都必须在其存在的每个位置对其进行跟踪和更新。 这就导致了冗余,几乎相同的想法重复被记录,且在任何需要系统范围更改时都要进行大量工作。当前的解决方案也缺乏互联性, 许多文件被孤立而脱离了其上下文;信息被放在抽屉里,而不是系统性的放进更广泛的知识框架中。知识树可以在给定层次结构中的文件之间创建非正式关系,但这些关系通常是不明确的,且只能描述垂直的“父和子”分类关系。
思源的开发者 D 也在早期说过要做能让用户实现“==逻辑上用户完全可以不关心物理文件存放路径,只用关心内容块的组织方式==[44](#footnotes-def-44)”的功能,包括块移动、块拖拽、块引用、块聚焦、反链面板等等这些都是为了让用户专注知识,而不用关心物理文件存放路径。
所以思源开发者的想法和 conor 的双链设计理念最终殊途同归。
在思源社区,经常会有用户想要去管理笔记的资源文件,这是一种被形式结构限制住发展的结果,认为如果不去管理都放在一起会导致性能出现问题,但这是错误的观点:
- 在思源内置的帮助文档开发者这么写:
- > 建议尽量不要使用笔记本级资源文件,因为这会带来一些副作用:
>
> * 删除该笔记本时,为保证跨笔记本资源文件引用正常工作,该笔记本下的资源文件会被批量复制到全局 assets 中
> * 不支持在数据历史中查看笔记本级资源文件历史
> * 不支持使用 `/资源` 搜索
> * 不支持重命名
- 在思源社区开发者这么回复:
- ![6F424887E9F24C5CA85BC76B85306309](https://b3logfile.com/siyuan/1601282840876/assets/6F424887E9F24C5CA85BC76B85306309-20230417081502-v9ps1zu.png?imageView2/2/interlace/1/format/webp)
在 RemNote 里文件夹、文档、块得到了统一,它们都是 Rem这种统一也使得文档树、文件夹、大纲得到了统一这是种优美的设计。
有趣的是RemNote 虽然拥有**目前看来**完美的统一粒度,但是却走向了高度结构化的路线,这在 RemNote 的各种官方教程里能看到[45](#footnotes-def-45)。它和 Roam Research 的设计理念在这方面完全相反,这或许是因为开发者身份的不同。
文件柜模式也影响到了人们是怎么看待记忆和学习,就如我在记忆术上阐述的那样,心智被类比成一个物理空间,知识、记忆类比为储存在那个空间中的物件,就像文件柜中的文件、电脑硬盘上的文件、图书馆书架上的书籍。那么学习就被看做是创建和储存各种知识文件的过程[46](#footnotes-def-46)。
但是用文件柜模式看待学习和记忆没有搞清楚的一点是,**==记忆无法像提取“文件”一样完整再现,====每个人都从主观感受处理记忆,它不是对世界的完美记录,而====每次提取都是对记忆进行重建==**==,个体每次提取的都不是同一份记忆。==重建的过程受到当前的储备知识[47](#footnotes-def-47)、身处的环境等因素影响[48](#footnotes-def-48)。它之所以看起来不像重建,是因为有些重建过程是非常内隐和自动,只要长时间接触一种模式,无意识地识别出规则性,就能实现内隐学习[49](#footnotes-def-49)。
## 书籍:六经注我与我注六经
即使是现在计算机也在模拟着纸笔和书籍,但不得不说它们对于传达知识很低效。
==我很少能一次性地从书本中获得对应知识,准确理解作者想表达的内容,一本书被我翻来覆去好多遍才能读懂其中的一部分,大多情况则是我在合上书籍很久后再次遇到它们才想明白——“原来是这样”。==
我也很少能完全读完一本书——更准确的说:我从来没有完全读完过一本书。在刚打开一本书时可能会兴致勃勃,但不到两三页我就开始犯困,在合上书后它在我脑中就彻底没有痕迹。
作者想要表达的内容和我的知识存在着差值,我在阅读上的失败让我意识到了这一点,我熟悉书籍这一形式背后的隐藏的意图,跟我之前对记忆术的理解一样:读者是一个容器,读者通过阅读文字就能理解作者想要作者想要表达的想法。
就像 Andy 所描述的那样,书本和讲座这两个传达知识的媒介后隐藏着教授主义的模式[50](#footnotes-def-50)。
==我在实践中摸索到书籍的最佳使用形式是,让书籍作为我理解的养料,当我拥有一个理解框架的雏形时,我会搜集各种书籍中对我的理解框架有帮助的那些部分,将它们放在我的理解框架内。等我的理解框架完善后,我对书籍有了理解的基础,这时再来阅读整本书就很容易。以六经注我开始,达到我注六经。==
## 分类:自下而上与自上而下
就像六经注我一样,人们会在情景中学习。
当人们反复进入相似的情景或话题时,会自然形成一种心理表征,能将不同的事实和行为联系起来,形成更有效的理解框架。比如家、公司、学校、商店周围的导航路线,随着时间的推移,他们会自然发展出对这些重要位置空间关系的心理表征和心理地图,将离散的路线缝合在一起,即使人们从未走过学校和商店之间的路线,他们也能通过查阅他们的心理地图而找到最有效的路线[51](#footnotes-def-51)。
在将大量具有类似语义的材料分类在一起后(就像我用双链做的那样[37](#footnotes-def-37)),这些带着上下文情景的材料会自下而上地补充我的理解框架,这是我学到的最有用的分类法。
==但是自上而下则不同,它只适合管理资料==,当我使用自上而下的方法,企图用分类的材料理解某一类别时,发现它们并不像化学元素那样具有更深含义,这些分类往往只适合管理信息,它们对于思考没什么帮助。
## ==写作:内置了强大推理结构的形式==
我在寻求学习的方法时,发现==写作是一个很好用的形式结构。使用它不是为了展示信息,而是写作==**==内置了强大的推理形式,如归纳推理、演绎推理、溯因推理、类比推理和因果推理==**==,执行它们对组织信息、知识最有帮助==:
大米在思源的反链里有很多内容,随着积累和思考,他慢慢发现能逐渐掌控这些知识,离将其综合成一个新的理解就差临门一脚,于是他利用写作这个流程帮助自己突破:
1. 此时的大米经过思考的积累,已然能在工作记忆里组织这些信息和知识,他对这些知识组成的结构在心里有个大概的样子。那接下来大米要做就是将信息、知识组织好填充进去就可以了,这个过程跟纳博科夫写卡片的方式一样:
- > “**==他在写卡片之前已经知道了整部小说的大体图案脉络==**====**==之后不过用分散的卡片去填充和实现那个心中早已有的影像。==**”
2. 同样,写一篇易懂的问答也有个形式结构(模板),它们的使用对象是读者:
- Tell them what you're going to tell them
- Tell them
- Tell them what you told them
3. 在将那些非正式的理解和想法写成逻辑性强的形式化文本时,大米必须这么做:
- 利用溯因推理结构,大米用结果来推测其背后的原因。
- 利用归纳推理结构,大米开始列举实际的案例支持他的猜测。
- 利用类比推理结构,大米开始引导读者更好的接受。
- 利用演绎推理结构,大米根据已知,进一步推导出新的推断。
4. 利用双链的特性,用块引用 + 草稿 page 的操作更好地梳理想法更新内容[52](#footnotes-def-52)。
5. 在写作这个过程中,大米不断利用这些结构里的推理形式进行思考和总结,最终将自己的理解组合成更大的综合性理解,它拥有很多实例和应用场景,产生了很好的连贯性,扩大了在工作记忆里能调动的脑内知识,这就是**==写作是思考发生的媒介==**的一个实例解释。
6. 这个过程也是一个自我解释的过程,完成后的文章也不仅仅是为了输出,配合块引用、块嵌入后它是一种上下文索引。
## 模板:在 DailyNotes 中放弃模板,在制卡时使用模板
我的 DailyNotes 用法是学自 @[zhangzz](https://ld246.com/member/zhangzz) 的教程[53](#footnotes-def-53),模板也学自 [zhangzz](https://ld246.com/member/zhangzz),包括待办任务、随机块、反思也放在了里面,但是在使用中这些模板让我有种在上班打卡的感觉,这种被强制管理注意力的感觉让我有些难受。
再加上如果在思源里,每天的 DailyNotes 都使用 SQL 查询的话,对 DailyNotes 的汇总会导致这些内容出现重复,在利用“时间线汇总”结构寻找资料时,这种重复内容是一种很严重的干扰。
于是我的 DailyNotes 模板开始一减再减,最后完全放弃使用模板。
但是在学习 RemNote 的过程中,我发现他们设计出了概念描述符框架来支持制卡,这是种有趣的设计,我将它加入了我的制卡流程里。
## 元属性:更适合自动生成
元属性和标签、自上而下的分类、关注底层文件、关注结构的缺陷一样,人的精力只有那么多,对这些多关注几分,对思考就少了几分,所以并不适合在笔记里使用它们,这些认知需求需要转移给工具,比如 zotero 自动拉取元数据功能用起来就很方便。
RemNote 有个有趣的设计Rem 是所有,所以它也可以是元属性。在 RN 里插入 PDF 资源也会自动生成书名、作者名的 Rem。
## 命名:概念抓手与概念组合
RR 的设计让 Page 变为正式输入阶段,而 RR 的双链嵌套语法也在引导用户使用其进行概念组合:
- 假如有一个 page 名为:`[[理解框架]]的可视化是[[形式结构]]`
- 那我们引用了这个 page 之后它的形式为:``` [[``[[理解框架]]的可视化是[[形式结构]]``]] ```
- 我们尝试引用这个 page 并传递内容块:
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230404180511-b57xzen.png?imageView2/2/interlace/1/format/webp)
- 那么点进 `[[理解框架]]的可视化是[[形式结构]]` 这个 page 里理所当然得的能看到内容块被传递过来
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230404180609-9wq1ggs.png?imageView2/2/interlace/1/format/webp)
- 我们接下来点进 `[[理解框架]]`、`[[形式结构]]` 这两个 page ,会发现内容块也被传递到它们的反链里
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230404180622-nt8egsx.png?imageView2/2/interlace/1/format/webp)
* ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230404180634-wginhhu.png?imageView2/2/interlace/1/format/webp)
有些 RR 用户用嵌套语法在没有文档树的大纲笔记里实现文档树的功能,但这种设计最妙的是,让对 Page 的命名变成一种抓住思考的技巧,一个好的命名能对笔记内容抽象,能抓住笔记的中心思想进行表达。
这种技巧有些像间隔重复中对制卡的规则——用最合适的描述点亮大脑中相同的灯泡。
我见过最好的描述是 Andy 描述的概念抓手[54](#footnotes-def-54),这种描述让我想到学习中的规律,一开始很难在工作记忆中处理庞大的信息,但是随着学习的精进,能利用更少的组块来驾驭相同容量的信息,能对复杂的概念进行组合——也就能回到开发者对思源的设想,能让用户对内容块进行更好的组织。
## 时间线汇总:最后的保障
提供非正式输入的内容池以及后期保障的结构。Roam research、logseq、Remnote、RoamEdit、葫芦笔记、合桃笔记这些软件打开后会让用户在每日的 daily notes 里记录,作为非正式输入的内容池,同时它也是最后的保障——如果用户其它所有组织笔记的结构失败了,也会有这个**汇总所有的 daily notes** 的功能来兜底,只需要从上滑到下就能找到想找的信息。
思源本身不支持这个结构,需要我们自己配置一下,不得不说这也是种认知开销:
1. ALT+P 打开 设置-集市-挂件 找到 Embed-Pagination 挂件下载![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116153805-kafk2x9.png?imageView2/2/interlace/1/format/webp)
2. 右键笔记本,点开设置
![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116122356-xjdx4nf.png?imageView2/2/interlace/1/format/webp)
3. 将“块引新建文档存放位置”和“新建日记存放路径”改成这种格式
![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116122551-1y2lh5o.png?imageView2/2/interlace/1/format/webp)
- 这样做的目的是:
* 便于查询DailyNotes 里所有记录都在一起![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116123558-aex3qud.png?imageView2/2/interlace/1/format/webp)
* 在 DailyNotes 里使用块引用新建的文档块会和所有 DailyNotes 一个层级
* 这样方便使用块引用新建未来那天的 DailyNote ,并发送信息过去,例如:
* 在未来那天使用 ALT+5 会自动打开过去新建的 DailyNote ,接收反链里的信息
4. ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116160448-2vnr22s.png?imageView2/2/interlace/1/format/webp)
5. 使用斜杠菜单插入 Embed-Pagination 挂件 ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116161225-s87thht.png?imageView2/2/interlace/1/format/webp)
6. 点击刚才创建好的嵌入块块标,在块菜单复制它的块 ID 填入 Embed-Pagination 挂件里![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116162321-n2makg0.png?imageView2/2/interlace/1/format/webp)
7. 复制下面的 SQL 语句,填入 Embed-Pagination 挂件里![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116162723-n7uhfiw.png?imageView2/2/interlace/1/format/webp)
- 只汇总 daily notes ,按照命名排序
* SELECT \* FROM blocks WHERE type= 'd' AND path like '% 在这里填入父文档块 ID%' AND content like '%20\_\_-**\-**%' ORDER BY content DESC
- 汇总 daily notes + 主题块,按照创建日期排序
* SELECT \* FROM blocks WHERE type= 'd' AND path like '% 在这里填入父文档块 ID%' ORDER BY created DESC
8. 点击所有日记所在的父文档块(在这个演示里就是现在打开的 DailyNotes 文档块)的块标,复制块 ID![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116162808-wtsz296.png?imageView2/2/interlace/1/format/webp)
9. 将块 ID 填入 Embed-Pagination 挂件里替换![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116163051-iwqot39.png?imageView2/2/interlace/1/format/webp)
![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116163125-g5igqpd.png?imageView2/2/interlace/1/format/webp)
10. 在挂件里调试下每页显示数,然后点击确定,汇总就出来了
![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20221116163244-a9hpxbp.png?imageView2/2/interlace/1/format/webp)
## 时间事件:提供了上下文线索
在 roam 里很多用户会在 Daily Notes 按照时间顺序记录所有的想法、笔记、待办事项等信息,一般有这几种格式:
- 时间 + 笔记
- 时间 + 事件
- 时间 + 事件 + 事件中产生的笔记
- 时间事件和笔记无关,突然想法来了就直接写
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230406181858-o4bql55.png?imageView2/2/interlace/1/format/webp)
这并不是一个非常严谨的结构要求,只是这样做会给笔记留下时间 + 事件的上下文线索,即使是创建一个新的 Page 进入其中写作也最好在 Daily Notes 里进行因为它的意义也是对记录进行兜底。Roam 官方对此的解释:
- ![image.png](https://b3logfile.com/file/2023/04/image-e2fGeIN.png?imageView2/2/interlace/1/format/webp)
## 阶段流程:渐进形式化
一个很简单的例子,==可以将 roam-like 里的 daily notes 看做是第一阶段的笔记它们是非正式输入旨在快速输入无结构的信息。page 则是第二阶段的笔记,它们是正在孕育或者已经成熟的正式输入,一般会有语义结构。==
阶段并不能孤立地看,第二阶段的正式输入并不是真正意义上的正式,随着实践的加深问题也会逐渐出现,与之相随的新理解也会作为非正式输入进入 daily notes 内容池,它实际上应该是这样的动态过程:
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230403162510-k573qnr.png?imageView2/2/interlace/1/format/webp)
而第二阶段的笔记本身会成为一种上下文索引,例如本文,下面是大米的另一篇笔记:
- ![image](https://b3logfile.com/siyuan/1601282840876/assets/image-20230403221304-yb3momi.png?imageView2/2/interlace/1/format/webp)
这种上下文索引可以看做是用户大脑里理解框架的可视化,在搜索信息时依靠理解框架激活的上下文来定位,反链则提供了更广阔的上下文情景和非正式输入的内容,能让理解框架在更多的情景里不断更新
阶段结构存在很多笔记工作流里,例如最出名的卢曼卡片盒、[常青笔记](https://ld246.com/forward?goto=https%3A%2F%2Fnotes.andymatuschak.org%2FAbout%5Fthese%5Fnotes),以及它们两个的各种变体。在 struggle with me 两位学姐的经验分享里,也出现了这种阶段结构:
- \[我们的笔记体系更新--如何做好分类和链接?\]
- \[Struggle with Me·学术研究卡片笔记踩坑经验\]
## 间隔重复系统Spaced Repetition system在时间线上的自动结构
我接触间隔重复记忆系统要早于接触思源,在一开始我只是将它用作简单的记忆,但是这种强制的压力太过巨大,以至于在我考完试后从不会主动使用 Anki。
在叶哥从 Anki 转向 SuperMemo 时我也跟着尝试去使用,也是在那时我开始接触双链[55](#footnotes-def-55)。
间隔重复里有独特的预测遗忘算法:
- 提取练习搭配间隔重复算法能更好地将避免遗忘,思源的间隔重复算法是叶峻峣提供的 FSRS 算法,他的本科论文就是关于这个算法的研究,拿了几篇顶刊[56](#footnotes-def-56)。
- FSRS 算法基于 SuperMemo 作者 Piotr Wozniak 提出的 DSR 模型开发,基本上现在看到的大部分间隔重复算法都是 Piotr Wozniak 算法的旧版或者是旧版的魔改版[57](#footnotes-def-57)。
在间隔重复记忆系统里,提取练习是核心:
- 除了算法外,间隔重复记忆系统最令人容易忽视的地方是对于卡片的撰写,它是提取练习的核心,写好一张能交给未来自己准确提取相应知识的卡片很困难,这是一道门槛。 对间隔重复记忆系统有丰富经验的前苹果系统工程师、我们的老朋友 Andy Matuschak 对此有些心得[14](#footnotes-def-14)。
间隔重复系统的发展:
- Andy 有自己的研究,他想将间隔重复记忆系统发展为一种思想工具,认为它不仅仅能用于简单地记忆事实性知识,它还能帮助用户发展更大的理解,习得概念知识,他和另一位志同道合的量子物理学家 Michael Nielsen 合作的量子国度做了一次尝试,在线性叙述的文章中嵌入间隔重复记忆系统,通过专家撰写卡片加上有意义的上下文来提高用户所能理解的概念范围[58](#footnotes-def-58)。
- 同样Piotr Wozniak 自 1985 年创造 SuperMemo 后也在一直致力发展它,他也不局限于使用间隔重复系统去记忆那些事实性知识,认为那样的强迫会产生毒性记忆,最终让孩子厌恶学习。他理论的背后是建构主义。
- 他认为学习是快乐的,但现在的大部分学生利用间隔重复记忆系统来学习大量无关联的事实性知识(例如医学生、法学生)会对“学习是快乐的”这个理念的推广产生阻碍[22](#footnotes-def-22)。
- 按照他的设计SuperMemo 是一个在阅读的上下文情景中进行渐进改写、表达、挖空、做提取练习的工具,因为是从原文中制卡,能避免卡片的孤岛效应。理想的状态下它是一个随着用户的渐进,能将算法拟合为用户自己的记忆模型,再排序出最适合用户的材料、问题,实现在记忆中理解学习。
间隔重复系统不仅仅是为了记忆——这是一种错误的偏见:
- 一个间隔重复系统的优劣,完全取决于制卡者是否能做出一张准确提取自己记忆的好卡片,但间隔重复系统的用法不止于此,更广泛的用法是:将任务通过间隔重复系统(以下统称为 SRS )发送到时间轴上,使任务的摩擦力降低,让“过去-现在-未来”不同阶段的自己重复参与这些任务,时间轴上的自己在不断变强,而时间轴可以随着使用者的行动而变化。我们可以利用 SRS 管理我们的注意力,看到有趣的事物就可以将它加入 SRS ,而不用担心错过了什么、它什么时候出现[59](#footnotes-def-59)。
- 这种想要获取一切的渴望让人下意识觉得是错误的,对于任务应该有取舍才对,但是取舍也在“间隔一切”里。对于使用者来说,取舍也是一种压力,你无法判断某个材料、某个结构对你将来有没有用,你无法为未来的你指定上下文,那就不在当下做这个决定,通过间隔重复里的“跳过”[60](#footnotes-def-60)、“优先级”实现对任务的取舍,这种方法与删除效果相当,而且更加稳妥。
## ==链接:连接的不是关系,而是情景==
对于链接重要的是上下文,有了上下文反链,用户就可以在块的上下文中查看关系,而无需在第一阶段的非正式输入时就标记关系,产生额外的认知开销。
上下文对于知识习得来说也是必须的,在 RR 里上下文反链也能保留隐性知识,所以在 RR 的双链里,链接的不是关系,那对于我们来说太远了,而是上下文情景,在情景中学习,在情景中理解。
## 理解框架(图式、概念框架):从记忆术走向理解框架,从教授主义走向建构主义
在对记忆术的反思里有个有趣的事实是:通过“人造联系”就能产生良好的记忆,精细编码的原则要求联系越具体记忆效果就越好。这是个很有趣的现象,它是否是一种天然的心理结构机制?它背后的原理是什么?建构主义能解释这些问题。
建构主义认为,学习涉及主动创造心智结构,而不是被动地内化从他人或环境中获得的信息,如果信息熵过高,学习者无法识别语义也就无法激活先前的知识,进行不了建构,但是也不是越简单越好,如果认知负荷被过度降低(任务过于简单),那么学习者就会在非常被动和肤浅地处理信息[61](#footnotes-def-61)。
这种现象有些像是心流和最近发展区理论,我一直觉得它们是人类好奇心导致的不同现象,对“既在预料之外又在情理之中”偏爱也能解释学习中的快乐[62](#footnotes-def-62)。
研究也表明,在自己理解的事情上建构知识,为自己创建模型而不是简单地使用他人所建议的模型对学习者来说更有益[63](#footnotes-def-63)。这就像一个世界知识的拼图游戏,学习者被一种渴望驱动着,在不断地寻找有意义的拼图碎片补全自己的拼图,就是这种渴望驱动着现在的我写下对于学习、对于工具的理解,以图通过这种方式综合出更大的理解。
学习能提升我解决复杂问题的能力,掌控以前掌握不了的概念。它还能提升我从环境中提取相关信息的能力,就像在给画质升级一样,原先我只能看到 360P 的画面,随着知识的增加我逐渐能看到 480P 、720P、1080P看到的细节也越来越多。
我经常拿我来举例,在四年前在我对京剧还是一无所知的状态时,我看到了 woz 对可预测性和意外性的描述[22](#footnotes-def-22),那时我突然想亲自去试试验证一下。在对京剧的学习中,我逐渐习惯了京剧的模式,从一开始的反感到后面对唱腔的谙熟于心,再到可以通过一段唱腔分析出流派演唱的特点和历史,这是一个渐进并且开心的过程,我能听到、看到的细节越来越多。
“学习的渴望”也是通过学习产生的。Loewenstein 有一个有趣的比喻,如果将连贯信息集类比成一张纸,其中一部分为红色代表着学习者已拥有的知识,其余部分为白色的缺失信息。当红色区域较小时,它将成为关注的焦点,白色区域将被视为背景。但是,随着红色区域相对于白色区域的大小增加,将达到一个点,在该点上将注意力吸引到白色部分[62](#footnotes-def-62),这时白色的缺失信息将成为焦点,而红色的已有知识将变成背景。
我们将“已有知识为焦点”的时间看做是“学习开荒期”,当在某个领域渡过学习开荒期就能很轻松进行快乐学习,探索自己想要关心的内容,学习也能让学习本身变得容易。
而对学习的理解让我明白,如果工具不能对我的思考产生有益的帮助,那还不如不用,我在思源里的所有内容都不进行结构分类,它们是**按照理解框架进行索引**。例如上面我对工作记忆的理解是利用块引用写成一篇文档块,同时这些块引用的材料本体又出现在不同的上下文情景下,它们是和具体问题、具体情景相互绑定的,至于它们本体是否要按照章节、标题、学科做分类——这不重要。就像文中引用 Andy 的那句话:「更好地记笔记」这个描述太过流于表面;核心在于「更好地思考」。
## 总结
- ==形式结构带来了高效的模式,它是人类智慧的产物,但它本身具有局限,需要我们利用渐进的方式将害处最小化==
- ==即使是现在,教授主义也在影响着我们,在教授主义下产生的形式结构就像一个幽灵在影响着我们==
- ==Roam Research 带来的双链是一种渐进形式化的设计,和写作软件的渐进不同,双链中保护的情景信息是精髓,能真正做到在情景中漫游,在情景中学习,即使将信息结构化也能保留原块的情景信息==
- ==信息成瘾和学习感受到的快乐都是人类进化出来的机制,我们每个人都热爱学习,只是被形式所限制==
- ==学习带来的益处:==
- ==提升我们解决复杂任务的能力==
- ==提升从环境中提取信息的能力==
- ==更好的利用环境中的资源==
- ==学习让学习新知识变得更容易==
- ==知识渴望着新知识,好的学习能让我们时时刻刻都能获得积极的反馈==
---
1. Tversky, A., & Kahneman, D. (1981). The Framing of Decisions and the Psychology of Choice. _Science_, _211_(4481), 453458\. [](#footnotes-ref-1)
2. Kacelnik, A., & Bateson, M. (1996). Risky Theories—The Effects of Variance on Foraging Decisions. _American Zoologist_, _36_(4), 402434\. [](#footnotes-ref-2)
3. Rosati, A. G., Stevens, J. R., Hare, B., & Hauser, M. D. (2007). The Evolutionary Origins of Human Patience: Temporal Preferences in Chimpanzees, Bonobos, and Human Adults. _Current Biology_, _17_(19), 16631668\. [](#footnotes-ref-3)
4. Osvath, M. (2009). Spontaneous planning for future stone throwing by a male chimpanzee. _Current Biology_, _19_(5), R190R191\. [](#footnotes-ref-4)
5. Timmermans, P. J. A., Vochteloo, J. D., Vossen, J. M. H., Röder, E. L., & Duijghuisen, J. A. H. (1994). Persistent neophobic behaviour in monkeys: A habit or a trait? _Behavioural Processes_, _31_(23), 177196\. [](#footnotes-ref-5)
6. Mourey, J. A., Lam, B. C. P., & Oyserman, D. (2015). Consequences of Cultural Fluency. _Social Cognition_, _33_(4), 308344\. [](#footnotes-ref-6)
7. 东华君,"我们大脑的'缓存'有多大?", [https://zhuanlan.zhihu.com/p/26574418](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F26574418), (2017) [](#footnotes-ref-7)
8. Chase, W. G., & Simon, H. A. (1973). Perception in chess. _Cognitive Psychology_, _4_(1), 5581\. [](#footnotes-ref-8)
9. Gobet, F., Lane, P. C. R., Croker, S., Cheng, P. C.-H., Jones, G., Oliver, I., & Pine, J. M. (2001). Chunking mechanisms in human learning. _Trends in Cognitive Sciences_, _5_(6), 236243\. [](#footnotes-ref-9)
10. Hollan, J., Hutchins, E., & Kirsh, D. (2000). Distributed cognition: Toward a new foundation for human-computer interaction research. _ACM Transactions on Computer-Human Interaction_, _7_(2), 174196\. [](#footnotes-ref-10) [](#footnotes-ref-10:2) [](#footnotes-ref-10:3)
11. "Universal Descriptors | RemNote Help Center", [https://help.remnote.com/en/articles/6030778-universal-descriptors](https://ld246.com/forward?goto=https%3A%2F%2Fhelp.remnote.com%2Fen%2Farticles%2F6030778-universal-descriptors). [](#footnotes-ref-11)
12. 善用佳软/张玉新, "变与不变——双链笔记对知识管理的影响" [](#footnotes-ref-12)
13. “Alan 对主题这个概念的理解和使用有一定心得,在回答和 notion、rr 之类工具有什么区别时,他思考的角度是这些软件解决了什么问题,而不是来看它有什么功能,通过这种泛化来把握软件设计背后的脉络。”
Dammy, "浅谈 Heptabase 创始人 Alan 的设计理念", [浅谈 Heptabase 创始人 Alan 的设计理念](https://ld246.com/article/1646875416551) , (2022). [](#footnotes-ref-13)
14. Andy Matuschak, "How to write good prompts: using spaced repetition to create understanding", [https://andymatuschak.org/prompts](https://ld246.com/forward?goto=https%3A%2F%2Fandymatuschak.org%2Fprompts), San Francisco (2020).
中文翻译:[如何写出好卡片:利用间隔重复创造理解](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F434074509)[↩](#footnotes-ref-14) [](#footnotes-ref-14:2)
15. Shipman, F. M., & Marshall, C. C. (1999). Formality Considered Harmful: Experiences, Emerging Themes, and Directions on the Use of Formal Representations in Interactive Systems. _Computer Supported Cooperative Work (CSCW)_, _8_(4), 333352\. [](#footnotes-ref-15)
16. Polanyi, M. (1966): The Tacit Dimension. Garden City, NY: Doubleday [](#footnotes-ref-16)
17. Mittal, S., & Dym, C. L. (1985). Knowledge Acquisition from Multiple Experts. _AI Magazine_, _6_(2), 32\. [](#footnotes-ref-17)
18. 叶秀山. 古中国的歌:—叶秀山京剧论札\[M\]. 北京: 中国人民大学出版社, 2013: 21\. [](#footnotes-ref-18)
19. 叶秀山. 古中国的歌:—叶秀山京剧论札\[M\]. 北京: 中国人民大学出版社, 2013: 31\. [](#footnotes-ref-19)
20. Malone, T. W. (1983). How do people organize their desks?: Implications for the design of office information systems. _ACM Transactions on Information Systems_, _1_(1), 99112\. [](#footnotes-ref-20)
21. Andy Matuschak, "Why books dont work", [https://andymatuschak.org/books](https://ld246.com/forward?goto=https%3A%2F%2Fandymatuschak.org%2Fbooks), San Francisco (2019).
中文翻译:[为什么书本不起作用](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F390507468)[↩](#footnotes-ref-21)
22. Piotr Wozniak, "Pleasure\_of\_learning", [https://supermemo.guru/wiki/Pleasure\_of\_learning](https://ld246.com/forward?goto=https%3A%2F%2Fsupermemo.guru%2Fwiki%2FPleasure%5Fof%5Flearning), (2017).
中文翻译:[学习的乐趣](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F602150910)[↩](#footnotes-ref-22) [](#footnotes-ref-22:2) [](#footnotes-ref-22:3)
23. Esposito, A. G., & Bauer, P. J. (2017). Going beyond the lesson: Self-generating new factual knowledge in the classroom. _Journal of Experimental Child Psychology_, _153_, 110125\. [](#footnotes-ref-23)
24. Barker, J. E., Semenov, A. D., Michaelson, L., Provan, L. S., Snyder, H. R., & Munakata, Y. (2014). Less-structured time in childrens daily lives predicts self-directed executive functioning. _Frontiers in Psychology_, _5_. [](#footnotes-ref-24)
25. Andy Matuschak, "The most effective readers and thinkers I know dont take notes when reading", [https://notes.andymatuschak.org/z6GNVv6RyFDewy11ZgXzce8agWxSLwJ6Ub5Rw](https://ld246.com/forward?goto=https%3A%2F%2Fnotes.andymatuschak.org%2Fz6GNVv6RyFDewy11ZgXzce8agWxSLwJ6Ub5Rw)
中文翻译:[我所认识的高效阅读者和思想家在阅读时不做笔记](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F453852965)[↩](#footnotes-ref-25)
26. Andy Matuschak, "People who write extensively about note-writing rarely have a serious context of use", [https://notes.andymatuschak.org/zUMFE66dxeweppDvgbNAb5hukXzXQu8ErVNv](https://ld246.com/forward?goto=https%3A%2F%2Fnotes.andymatuschak.org%2FzUMFE66dxeweppDvgbNAb5hukXzXQu8ErVNv)
中文翻译:[对笔记写作大谈特谈的人很少有严肃的使用场景](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F428442216)[↩](#footnotes-ref-26)
27. Andy Matuschak, "'Better note-taking' misses the point; what matters is 'better thinking'", [https://notes.andymatuschak.org/z7kEFe6NfUSgtaDuUjST1oczKKzQQeQWk4Dbc](https://ld246.com/forward?goto=https%3A%2F%2Fnotes.andymatuschak.org%2Fz7kEFe6NfUSgtaDuUjST1oczKKzQQeQWk4Dbc)
中文翻译:[「更好地记笔记」这个描述太过流于表面;核心在于「更好地思考」](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F427460683)[↩](#footnotes-ref-27)
28. Lain, "'无硬核,不科幻?'——关于科幻软硬之争,科幻简史以及一切", [https://zhuanlan.zhihu.com/p/56877147](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F56877147), (2019). [](#footnotes-ref-28)
29. Kahan, D. M., Peters, E., Wittlin, M., Slovic, P., Ouellette, L. L., Braman, D., & Mandel, G. (2012). The polarizing impact of science literacy and numeracy on perceived climate change risks. _Nature Climate Change_, _2_(10), 732735\. [](#footnotes-ref-29)
30. Engelbart, D.C. (1962). AUGMENTING HUMAN INTELLECT: A CONCEPTUAL FRAMEWORK. [](#footnotes-ref-30)
31. Alan Kay, "User interface, a personal view", [https://meidosem.com/work/articles/kay1990.pdf,(1989)](https://ld246.com/forward?goto=https%3A%2F%2Fmeidosem.com%2Fwork%2Farticles%2Fkay1990.pdf%2C%281989%29)[](#footnotes-ref-31)
32. Mueller, P. A., & Oppenheimer, D. M. (2014). The Pen Is Mightier Than the Keyboard: Advantages of Longhand Over Laptop Note Taking. _Psychological Science_, _25_(6), 11591168\. [](#footnotes-ref-32)
33. Cuban, L. (2001). _Oversold and Underused: Computers in the Classroom_. Harvard University Press. [](#footnotes-ref-33)
34. Alan Kay, "The Real Computer Revolution Hasnt Happened", Yet[http://www.vpri.org/pdf/m2007007a\_revolution.pdf,(2007)](https://ld246.com/forward?goto=http%3A%2F%2Fwww.vpri.org%2Fpdf%2Fm2007007a%5Frevolution.pdf%2C%282007%29)[↩](#footnotes-ref-34)
35. Knuth, D. E. (1984). Literate Programming. _The Computer Journal_, _27_(2), 97111\. [](#footnotes-ref-35)
36. 𝓒𝓱𝓲𝓮𝓯 𝓣𝓸𝓻𝓽𝓾𝓻𝓮𝓻, "写作软件与笔记软件的本质区别", [https://www.yuque.com/deerain/gannbs/bzoyql](https://ld246.com/forward?goto=https%3A%2F%2Fwww.yuque.com%2Fdeerain%2Fgannbs%2Fbzoyql), (2021). [](#footnotes-ref-36)
37. dammy, "实践中对双链和写作的一些思考", [实践中对双链和写作的一些思考](https://ld246.com/article/1633719399031) , (2021). [](#footnotes-ref-37) [](#footnotes-ref-37:2)
38. 𝓒𝓱𝓲𝓮𝓯 𝓣𝓸𝓻𝓽𝓾𝓻𝓮𝓻, "MOC - 管理链接而非本体", [https://www.yuque.com/deerain/gannbs/hb0gsd](https://ld246.com/forward?goto=https%3A%2F%2Fwww.yuque.com%2Fdeerain%2Fgannbs%2Fhb0gsd), (2021). [](#footnotes-ref-38)
39. Piotr Wozniak, "Semantic distance", [https://supermemo.guru/wiki/Semantic\_distance](https://ld246.com/forward?goto=https%3A%2F%2Fsupermemo.guru%2Fwiki%2FSemantic%5Fdistance), (2017).
中文翻译:[语义距离](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F436727078)[↩](#footnotes-ref-39)
40. 列宁. 唯物主义和经验批判主义\[M\]. 北京: 人民出版社, 1960: 135\. [](#footnotes-ref-40)
41. 张强. 《 帕罗斯碑》 译注\[J\]. 古代文明, 2007, 1(2): 19-33\. [](#footnotes-ref-41)
42. Papert, S. (1993). The children's machine: Rethinking school in the age of the computer. _New York_. [](#footnotes-ref-42)
43. Conor White-Sullivan "White Paper" [https://roamresearch.com/#/app/help/page/dZ72V0Ig6](https://ld246.com/forward?goto=https%3A%2F%2Froamresearch.com%2F%23%2Fapp%2Fhelp%2Fpage%2FdZ72V0Ig6)
中文翻译:[革命性思维工具Roam Research 白皮书](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F142356397)[↩](#footnotes-ref-43)
44. 88250, "逻辑上用户完全可以不关心物理文件存放路径,只用关心内容块的组织方式", [https://github.com/siyuan-note/siyuan/issues/1166#issuecomment-762192033](https://ld246.com/forward?goto=https%3A%2F%2Fgithub.com%2Fsiyuan-note%2Fsiyuan%2Fissues%2F1166%23issuecomment-762192033), (2021). [](#footnotes-ref-44)
45. "How to use RemNote for Research?", [https://www.remnote.com/guides/how-use-remnote-for-research](https://ld246.com/forward?goto=https%3A%2F%2Fwww.remnote.com%2Fguides%2Fhow-use-remnote-for-research), (2023). [](#footnotes-ref-45)
46. Roediger, H. L. (1980). Memory metaphors in cognitive psychology. _Memory & Cognition_, _8_, 231246\. [](#footnotes-ref-46)
47. Hirst, W., Phelps, E. A., Meksin, R., Vaidya, C. J., Johnson, M. K., Mitchell, K. J., Buckner, R. L., Budson, A. E., Gabrieli, J. D. E., Lustig, C., Mather, M., Ochsner, K. N., Schacter, D., Simons, J. S., Lyle, K. B., Cuc, A. F., & Olsson, A. (2015). A ten-year follow-up of a study of memory for the attack of September 11, 2001: Flashbulb memories and memories for flashbulb events. _Journal of Experimental Psychology: General_, _144_(3), 604623\. [](#footnotes-ref-47)
48. Tulving, E., & Thomson, D. M. (1973). Encoding specificity and retrieval processes in episodic memory. _Psychological Review_, _80_(5), 352373\. [](#footnotes-ref-48)
49. Willingham, D. B., Nissen, M. J., & Bullemer, P. (1989). On the development of procedural knowledge. _Journal of Experimental Psychology: Learning, Memory, and Cognition_, _15_(6), 10471060\. [](#footnotes-ref-49)
50. Andy Matuschak, “Why books dont work”, [https://andymatuschak.org/books](https://ld246.com/forward?goto=https%3A%2F%2Fandymatuschak.org%2Fbooks), San Francisco (2019).
中文翻译:[为什么书本不起作用?](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F390507468)[↩](#footnotes-ref-50)
51. Thorndyke, P. W., & Hayes-Roth, B. (1982). Differences in spatial knowledge acquired from maps and navigation. _Cognitive Psychology_, _14_(4), 560589\. [](#footnotes-ref-51)
52. fangly, "【笔记方法分享】conor 的写作工作流 | 块引用的作用", [【笔记方法分享】conor 的写作工作流 | 块引用的作用](https://ld246.com/article/1634538470534) , (2021). [](#footnotes-ref-52)
53. zhangzz, "思源笔记入门教程", [思源笔记入门教程](https://ld246.com/article/1613898867199) , (2021). [](#footnotes-ref-53)
54. Andy Matuschak, "Evergreen note titles are like APIs", [https://notes.andymatuschak.org/z3XP5GRmd9z1D2qCE7pxUvbeSVeQuMiqz9x1C](https://ld246.com/forward?goto=https%3A%2F%2Fnotes.andymatuschak.org%2Fz3XP5GRmd9z1D2qCE7pxUvbeSVeQuMiqz9x1C), (2019).
中文翻译:[常青笔记的标题就像 API](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F421908250)[↩](#footnotes-ref-54)
55. 叶峻峣, "在 Anki 制作 2.9 万张卡片,复习 33 万次之后,我转用了 SuperMemo", [https://zhuanlan.zhihu.com/p/279553703](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F279553703), (2020). [](#footnotes-ref-55)
56. 墨墨背单词, "墨墨算法工程师 叶峻峣 在国际顶级期刊 IEEE TKDE 上发表 重要记忆研究论文", [https://zhuanlan.zhihu.com/p/614421196](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F614421196), (2023). [](#footnotes-ref-56)
57. 叶峻峣, "自由间隔重复调度算法——FSRS", [https://zhuanlan.zhihu.com/p/454932406](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F454932406), (2022). [](#footnotes-ref-57)
58. Andy Matuschak and Michael Nielsen, “How can we develop transformative tools for thought?”, [https://numinous.productions/ttft](https://ld246.com/forward?goto=https%3A%2F%2Fnuminous.productions%2Fttft), San Francisco (2019).
中文翻译:[我们如何才能开发出变革性的思想工具?](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F394795804)[↩](#footnotes-ref-58)
59. Dammy, "思源里间隔重复功能的实现", [https://github.com/siyuan-note/siyuan/issues/6710#issuecomment-1331541905](https://ld246.com/forward?goto=https%3A%2F%2Fgithub.com%2Fsiyuan-note%2Fsiyuan%2Fissues%2F6710%23issuecomment-1331541905), (2022). [](#footnotes-ref-59)
60. Andy Matuschak, "A “skip” mechanism may help spaced repetition memory system sessions remain emotionally connected", [https://notes.andymatuschak.org/z4xgge5NF7AmCJKrsghgYmzaXKcM5hM8P8vnn](https://ld246.com/forward?goto=https%3A%2F%2Fnotes.andymatuschak.org%2Fz4xgge5NF7AmCJKrsghgYmzaXKcM5hM8P8vnn).
中文翻译:[「跳过」机制可能有助于间隔重复记忆系统在复习环节保持情感上的连接](https://ld246.com/forward?goto=https%3A%2F%2Fzhuanlan.zhihu.com%2Fp%2F533792911)[↩](#footnotes-ref-60)
61. McNamara, D. S., Kintsch, E., Songer, N. B., & Kintsch, W. (1996). Are good texts always better? Interactions of text coherence, background knowledge, and levels of understanding in learning from text. _Cognition and Instruction_, _14_, 143\. [](#footnotes-ref-61)
62. Loewenstein, G. (1994). The psychology of curiosity: A review and reinterpretation. _Psychological Bulletin_, _116_, 7598\. [](#footnotes-ref-62) [](#footnotes-ref-62:2)
63. VanLehn, K., Chung, G., Grover, S., Madni, A., & Wetzel, J. (2016). Learning Science by Constructing Models: Can Dragoon Increase Learning without Increasing the Time Required? _International Journal of Artificial Intelligence in Education_, _26_(4), 10331068\. [](#footnotes-ref-63)
- [思源笔记](https://ld246.com/tag/siyuan)
[思源笔记](https://ld246.com/forward?goto=https%3A%2F%2Fb3log.org%2Fsiyuan)是一款隐私优先的个人知识管理系统,支持完全离线使用,同时也支持端到端加密同步。
融合块、大纲和双向链接,构建你永恒的数字花园。
13653 引用 •46268 回帖
1.8k 511 81 111 1 11 8 1.1k

5
content/剪藏.md Normal file
View File

@ -0,0 +1,5 @@
---
日期: 2023-11-23
dg-publish: true
---
上级:: [[类型]] [[阅读]]

View File

@ -0,0 +1,113 @@
---
id: 59e25279-b3f7-4fed-9fa5-7e2b2a5a0c03
标题: 司法独立,于我有价但不可强求 - 理论派
类型:
- "[[剪藏]]"
作者:
- 老李
链接:
- https://sliun.com/54.html
日期: 2024-04-17
主题:
- "[[法律]]"
---
📚 本文共 7695 字
⌚️ 阅读时间:约 28 分钟
声明:本文所有观点仅是作者的个人观点,不具有参考性,请勿用于学术用途。
今天我来讲讲司法独立,就这么尿性,当然只是想到哪里写到哪里。
现代社会中,中西方在国际交往的时候,双方往往会有很多矛盾、分歧和冲突,两者之间发生分歧的重要理由之一,是三权分立中重要的一环,即司法独立。
我们看到每当中国对一些西方违法犯罪分子(主要是毒贩)宣判死刑或者比较重的刑罚的时候,西方人就会跳出来说事,这里面不免要谈到一个司法独立的问题,更有甚者,在国与国之间的交往中,在引渡一些犯罪分子的时候往往也会涉及到这个问题,所以我们今天对这个问题所说的话题,当然权当是闲话闲说,有句话说,“膏粱子弟,纵衣文绣之美,不过是羊质虎皮”,班门弄斧,留念罢了。
我们知道司法独立是西方社会的一种司法运作模式,所谓**独立**,指的**不是脱离政治而是与行政、立法互相独立**,原则上不产生联系,在特殊情况下可能会结合,比如战时。司法的本质是对法律的维护,也就是监督执法,这个执法在日常情况下就是行政机关按照法律规定行使管理国家的情况,行政通常由司法指定的行政机构进行处理,对这种模式,其实我们并不反对,但是需要一个前提,是司法改革足够到位。
**司法不独立或者不完全独立**,并不意味着就一定会造成实际上的司法困难以及各种法律层面的问题,但是确实会存在一定问题,当行政有能力控制和指挥司法的时候,实际上等于是集权——然而如果把这段历史放到整个人类社会去看,会发现千篇一律,所以在一些国家,往往会大谈司法改革,永远都在司法改革,没有止境,就如进化一样,实际上每个人的都只是自然界进化环境中的一个切片,永远没有停止。
不过司法独立却往往也会带来一些问题,很多问题司法不独立存在着,司法独立也存在,双方之间最大的不同,是权力对于司法本身的影响是什么样的,是不是程序性的。
我之所以要谈这个问题,是我想了解一下,西方的司法独立实际上在运行中会遇到一些什么问题,这对于我们来说,可做足够的参考,虽然西方司法有其分权的属性,但我们总是可能看到,在一些司法独立的国家,似乎也存在着一些状况:
### 第一是司法机构本身,权力太大
权力均等的多权分立制度,通常是一种民主的价值和实践,但是在现实中,理论往往会遇到一些难题,比如马克思等人设想的共产主义社会,要做到世界大同必须要假设人人都是无私且具有极高的觉悟的,然而我们知道,基于人的生物本能,这种情况是很难做到的,所以今天距离共产主义社会是很漫长的,而在民主自由,所谓的三权分立社会中,往往出现这种情况——即**行政执法机构受较大制约,立法机构和司法机构却不受制约或者说很少受制约**,比如美国,美国的最高法院往往对美国的政治进程会产生很大的影响,他们有足够的权力,能定夺某些行为是否合法,是否不合法——当我们在大学的时候,老师们往往会推荐一些关于这些内容的书、资料给我们阅读,尤其是新闻学专业,因为在西方新闻业向被誉为三权分立国家的第四种权力,所以三权分立国家的制度,尤其是媒体和最高法院的斗争史往往很具有参考价值。
当然我们受过教育说即便司法机构能驳回某些总统的立法提案或者提议,总统也能够在多次被拒后以其他方式通过立法,在如果在立法通过之后,有人因为对法条有疑问或者其他方式的不满通过法院起诉某些立法组织或者个人或者某个州乃至国家本身,司法机构就有可能作出推翻该法律的判决。
这些法律或者规定被推翻的大多数理由都是违宪,虽然美国记者在很多时候会受到国家控制,比如 CIA 和 FBI如果认真研究一下美国中央情报局的历史估计还能发现更多黑料但是表面上他们还是形成了一种特殊权利这种权利不是他们与生俱来的而是通过一桩桩类似曾格案的案件逐渐获得的在我们学习新闻学的时候老师会告诉我们在某些西方国家记者被称为无冕之王其最大的推手就是司法机构。
因为一个国家的一切机构都是建立在法律的规约之下,即便是非西方国家,也得依照宪法和其他法律去组织和建立相关的行政部门,这就造成了一个问题,立法者、行政者需要严格遵守法律,成为运动员、教练员,而司法机关则成为背后实质上的裁判员,尤其是在多党制国家,我们知道司法独立和多党制是密不可分的,如果在中国要彻底实施司法独立,就必须要在中国推行多党制,然而我们知道,多党制会给社会带来很多问题,所以我个人不会倾向于必须要朝着多党制发展。
我并不反对多党制,因为这毕竟是人类对于政治治理的一种尝试,但是在实际社会中,由于人的本身存在很多不确定性,所以多党制会带来极大的社会问题,这一点,凡事深入了解西方社会的,基本上都能了解多少,在当今的社会中,不管是美国还是欧洲,社会中极端的阶级矛盾、种族问题、社会思潮的混乱,政策的不可持续性等等,包括脏乱差的人类性别问题诸如此类,都无法找到适当的解决办法去化解,以至于整个社会中,人的基本权利之一的言论自由,受到了极大的限制,必须要把自己置于政治正确的框架之下,才能在社会中苟活,在这个社会条件下,如果没有解决这些问题的基本办法,想来就是想搞多党制,也不会得来什么好的结果。
虽然也能带来很多好处,但是与当前的制度相比,多党制肯定不会在中国推广开,而司法独立的进程因此会持续很久才能实现甚至完全不可能在出现在中国,假设有一个司法机关成天就在那里否定某些法律法规,我估计像广东深圳,就是要禁摩也难于上青天。
相信大家都知道如美国有很多个人诉讼,对象都是政府机构或者某些企业,司法机关通常会引用宪法来为某些行为辩护,而在结案后,司法机关中的某位领导者会发布关于评价此次判决的判词,这些判词往往影响到未来相似案子的裁决,这就相当于是较权威司法解释,司法独立的最终结果,就是每一次由最高法院裁定的案件,都可能会成为下级法院乃至整个国家基层法院判决的先例,在这种情况下,整个社会大局取决于最高法院,实际上把司法部门推举到了国家最高权力宝座,成为社会控制的基本要件,那么所谓的三权分立,就成了法院一家独大,而立法和行政机构,反而成了辅助手段,实际上在现实中人们更容易忽视司法,对立法、行政机构却很常见,因为这两个的出现,分散了人们对最高法院的注意力,造成了一种隐隐约约的模糊错觉。
如果行政机构不想继续面对类似诉讼的话必然要按照司法机关的指导行事当然了CIA 和 FBI 以及一些 NSA 或者其他间谍、特务机关除外。这就造成了表面上三权分立的国家制度,实际上并不存在可以达到真正意义上互相制衡的理论存在价值,司法机构的最终裁决,无人可以或者说很少可以将其推翻,这本身也是法律给的权力,法成为一个国家行为的唯一准则,必然会在一定程度上导致整个社会死气沉沉,尤其是当整个国家不得不因为某些情况,比如在投票时,正好正方或者反方比对方差一票,导致最终裁决结果出现分歧不是特别巨大的落差时,可能会导致整个国家陷入一个长久的撕裂状态。
### 第二,是司法机构的领导或者成员都是人类
司法机构主要构成者都是人。
这一点顾名思义,如美国最高法院的九位法官,本来是为了在作出决定的时候为了避免出现四比四或者五比五的矛盾而导致一个裁决长时间得不到某个结果,使得司法裁决更佳迅速和简单,但是运用在现实中,因为这些法官都是人类,所以有自己的思想。
要知道,人有自己的思想就必然有自己的立场和情感。在多党制政治环境下,拥有自己政治立场的法官不是好事,在一党制或者集权制度之下的法官,他们的意见和执政者不合,很多人都可能会说这是一种反抗精神或者说他们勇于对抗强权,但在多党制环境下,法官的偏向性很容易导致他们拉帮结派,对某一执政者送上利刃或者鲜花,全看你我是否一个派别,因为这九个人和总统不同,他们是终身制的,也就是说尽管大众有权力通过选举换掉不满意的总统,但却无权用选举更换掉大法官,也就是说在民主国家,尽管政府的组成是三权分立,但最基本的,也是重要至极的权力,司法权,无法用民主来决断。
因为法官有立场,所以这些法官就分成了两派,一派左翼,一派右翼,当然西方媒体喜欢政治化,如果用简单的说法就是一派自由,一派保守,而且最重要的是,法官通常都是由执政党提名的,一个执政党肯定不会或者说几乎不会提名与自己党派立场相反的法官,一旦九个法官里面有五个及以上亲本政党的法官,以后想再国会通过法案或者有涉及到自己政治派别的司法案件就简单多了,因为法官权力大,行政机构有了法官的背书,行政起来轻松很多,相反,如果这个法官的构成是以非自己政治立场的人员构成,想做成事就会很艰难。
而且我也讲到这些法官往往是终身制的,法官轮替也不由人民做主,一个法官可能做到 100 岁还身居其位(只要其身体健康,且不愿意退休),这就意味着当他在四五十岁被总统提名并成为大法官之后,他的政治立场比执政党的轮替更能影响到社会政治走向,且某一个法官的政治立场往往不会轻易转变,那比如我是亲保守派的法官,我在法院人数占据了多数,那么我在五十年前以违宪或者其他名义认可了某项法律或驳回了某项法律,比如禁止收养流浪猫,那么五十年后的今天,这项法律还是存在,但是社会风气早就变了,而我依然还是这个立场,这就导致某些法律条文不能跟随时代的变化而变化,直接减慢了社会发展的进程。
所以要真正实现司法独立,尤其是在对宪法方面的不偏不倚,要没有任何党派观念,然而即便没有党派观念,一个人对于某法律条文中所规定的内容也会产生不同的理解,尤其是在一些涉及到相对模糊的法条,比如言论自由的边界,持枪自由的边界等等也会有各种分歧,除非法官们能确实做出 9 比 0 的绝对一致,否则要就必然要依靠非人类,可以说是人工智能,也可以说纯粹就是通过编程打造出来的机器。但是人类这样做,肯定要面对一系列的社会政治文化等伦理问题。
我在之前的文章,多多少少谈到过一些问题,比如在法律的实践中,经常会遇到一些伦理问题,为了彰显法律的人性化,通常在一些案件中,法律会给司法机构赋予一些自由裁量权,有了这个权利,法官或者审判官就可以针对不同的案件,使用不同的量刑标准,在一定程度上,这种方式给社会带来了一点温度,不至于让法律看上去冷冰冰的。但我们要知道,公平是一切问题解决的最首要条件,法官虽然有自由裁量权,但是当你对一个可以轻判,也可以重判的案件选择轻或重判的时候,你的自由,又是出于什么意图呢,如果是一个圣母心爆棚的,或者立志于废除死刑的法官上位,那么拥有这种权力,反而是给他提供了一个实现个人私有意图的机会。
同样,一个国家就算司法独立繁荣昌盛,司法机构也可能成为激化社会矛盾的根本,重要的原因是,法律本身虽然可以为特殊情况而做屈伸,比如某些帝王喜欢说自己为某些人“屈法”,但法律不可能为人人都如此,现实中**任何案子都可能有特殊性**,虽然共性很大,但是以刑事案件来说,杀人、伤人者,谁会说自己就是为了杀人、伤人而去犯罪呢?人们都有自己的理由,自然都希望法律为自己而“受屈”,如果这种想法转变为思维意识形态,那么难免一个人的决定,会影响到整个人类社会的发展状态,这是我们不得不接受的一种后果。
### 第三、司法未必能完全独立
纵然是美国,也设有司法部,司法部能调动 FBI 对某些人进行搜查而不需要事前经过法官被批准,比如美国总统拜登曾被质疑授意司法部调动 FBI 抄家前总统特朗普,我们总说司法独立是为了让司法监督行政,防止行政手段对司法裁决的干预,那么在现实中,谁来监督司法机构呢?
难道是靠着无冕之王么?然而很多记者都和政府有关系,尤其是 CIA 背景,在这种情况下,又该如何对司法机关行使本该人人所能有的监督权?毕竟像美国这样的国家,警察的权力可是大得很,像美国这样的资本主义国家,平民的权利、中产阶级和资本家的权利都是不同的,所以在执法上,警察也会因此而产生不同的态度,我们看平常警察对民众施暴,基本上都是一些平民或者流浪者。
如果以美国为例,他们自己就是一个奇葩,虽然嘴上说着民主,但是政府机关中,除了总统选举、议会可能需要民众投票之外,司法机关很少或根本不需要,以至于司法机关成了该国一个隐形的专制体系,在法律可以管控一切的国家,人情、道德反而是最不管用的东西,人人似乎都可以有律师,人人却又都没有足够的安全感,以至于必须依靠武器——枪支火炮来保卫自己。
司法体系掌握了关于司法关于法律的最终解释权,这难免会造成立法初衷的嬗变,比如最初为了维护人民自卫权利的枪支立法,促成了当今美国社会的枪支暴力,根本原因也最高法院对宪法修正案的支持,这也是自由主义必然会带来的社会问题之一。我们要知道,尽管司法独立宣称是司法独立,但其最终还是要融入到整个国家政治构建的体系中去,资本主义国家的司法独立是为资本主义服务的,社会主义国家如果要搞的司法独立却要为社会主义服务,所以司法独立的存在,必须要不具有政治偏颇性,实际上不可能实现。
所以在整个政治立场上,三权分立最终会有一个价值取向的统一,当涉及到与外国政治斗争、经济纷争的时候,三权就开始不分立了,司法独立的伪属性也就不存在了。比如西方社会常年对华实施歧视、打压政策,这种政策的出现,光凭借着行政即总统或国家元首说几句话是不可能轻易实现的。这个时候行政对司法的干预就不可避免,只是在程序上还是要走一走,因为整个社会的意识形态摆在那里,不管社会多么文化、思想多元,政治是必然有一个定于一尊的意识形态引领的,资本主义社会的意识形态就是西方的一套民主理论,遇到与自己不一样的意识形态,其攻击性就会大大增加,并且在各行各业都强调这套意识形态,以至于就算是买个鸡蛋都会告诉你这是资本主义的蛋不是社会主义的蛋。
更令人奇怪的是,关于言论自由的媒体问题中对我们灌输西方媒体对社会问题的种种监督的状况的资料的现实是,他们也会因为媒体政治派别的归属问题而产生各种不监督、乱监督的问题,西方媒体大多数都是属于某些新闻财团的,虽然不是属于政府控制,却也是在大资本的控制之下,在西方这种控制要比政府更加彻底,因为资本主义社会的政府本身就要臣服于大资本家,很多政策都是极有利于资本家的,那么新闻媒体的老板一旦显露出自己的政治倾向,该家媒体自然也会和老板统一战线,因此才会出现美国左翼的 CNN、纽约时报右翼的福克斯等媒体这些媒体往往有两种立场一个是对本国意识形态的维护一个是对本党派意识形态的维护这就造成了下面两种状况
1、集中火力报道与自己相反意识形态国家的各种阴暗面进而忽视发生在本国的各种民生问题。
2、集中火力报道反对派政党的各种阴暗面比如某对立党派议员的丑闻或者对非本党总统行政的批判。虽然这也是一种监督但是他们因为政治属性太强所以往往会对事实做一些夸张的扭曲性报道煽动并诱导民众产生各种情绪。
如此下去,司法独立必然只会成为口头打仗的资本而不是切切实实落到实处的正义。
尤其是,在司法体系中有一个比较让人感到可笑的模式,就是陪审团制度,我们知道本意是想让所有人都有机会参与到司法裁决之中,但是我们都知道**普通人法律知识都很浅薄甚至没有**,否则就不必要律师行业了,正因为如此,一个人是否有罪都交给陪审团来裁定的话,除非是显而易见的杀人案并证据确凿,否则在有争议的案件中,只要当事人利用陪审团的同情心理,把自己描述地多么凄惨,或者说自己在意识不受控制状态下犯罪,陪审团就有极大可能判你无罪,而**律师也不再是对法律斤斤计较而更多的是学会去揣摩心理学**,要打动陪审团,看上去像是一种体验国家司法,实际上是被拉去当了一回律师和当事者的玩具。
而且在**现实中,陪审团对司法的作用往往微不足道,他们更多地出现在一些不重要的民事案件中**,西方有部电影叫做“十二怒汉”,指的是在某次庭审中,十二个陪审员因所谓的合理怀疑而否决了对一个当事人的有罪裁定,他所要体现的是各种合理怀疑以及对证据的坚持、程序的正义,本意当然是好的,但是也反映了一个极端的问题,即当陪审团出现问题的时候,一个司法案件往往会拖延很久,调查证据不是陪审员的责任,但这部电影却将某些陪审员塑造成绝对的理性侦探,人固然是有血有肉的,但是司法无情,陪审员在作出裁决的时候,即便经过理性的分析也仅仅是基于自身非专业的分析,让一群不专业的人决定违法者的有罪与生死,显然是不恰当的,这个和西方人所反对的大众审判本质上也没有差异,和中国司法体系反感的舆论审判也没有多大差别。
在这一层面,如果还能坚持说司法独立不受干预,显然就是误解,最起码陪审员会受到同理心、同情心(这一点在西方司法审判中很常见,为了说动陪审团对罪犯宣判无罪,往往会对他们讲述一段犯罪分子年轻时的悲惨经历)以及爱屋及乌(比如某些罪犯长得好看就会受到舆论或者陪审团的特殊关照)的影响,同时西方发生的行政干预司法状况还不少见,比如加拿大总理特鲁多及其幕僚曾对调查某公司案件的相关人士进行某些方式的威胁。又比如美国在国际刑事法庭的案件中,针对自己不利的案子,曾经威胁要逮捕法官,并禁止他们入境美国。又比如法国前总统萨科齐也因为干预司法被传唤,法国现总统马克龙也被爆出为了保护某发言人曾干预司法……
当然了更多人应该知道,西方人往往嘴上说的好听,最后做根本性决定的还是你的身价,你有钱请得起律师,愿意输官司也不容易,再看看西方历史上的一些丑闻,比如某些政客集体开淫乱派对,请雏妓、虐待殴打少女,这些丑闻背后的政客往往不会受到很严格的司法惩处,相反,一些线索提供者,一些当事非政治人物每次都会在恰当时机,比如开庭审讯前,在没有摄像机覆盖的地点被自杀,甚至如美国毒列车事件,几个调查专家在赶往目的地的时候都蹊跷坠机……这背后不但彰显了西方政界的整体龌蹉性,深刻体现了满嘴仁义道德,一肚子男盗女娼的西方社会现实,更是让司法独立显得可笑荒诞。
可以看到,但凡嘴上高唱司法独立,说自己不干预司法的人,多半都是做过干预司法的事,司法独立并不能保证自己是独立的,这就导致它在一定程度上会成为一种摆设。
在中国,我们的很多领导人以及专家对司法独立的意见是比较公允的,大家都承认司法独立是好东西,但是对司法独立要走什么形式会有一点分歧,有的人主张全盘接受西方的模式,当然最多的还是主张走中国道路,对这些想法,当然越多讨论越好,但是**中国的思想和西方的思想不同,中国人更在乎结果,而不是程序**,司法独立在理论上还是形式上都只是一个程序合法的问题,也就是说,只要注重程序公正、公平,哪怕不走西方的道路,司法独立也是具有价值的。
司法独立不是西方特色,但是西式司法独立是建立在他们的特殊制度之上,中国如果要走这条路,必须要考虑到我们提到的很多问题,多数人的舆论是理性与非理性并存的,什么时候应该独立,什么时候应该受政治干预,这都得看案子对社会可能产生的影响,正因为如此,我们的每次判案都是根据具体实情而不是什么案例,案例可以做参考而决不能做抄袭。
我们今天不必要去极端反对司法独立,本质上出发点都是好的,司法独立需要依靠民主政治,民主本身不是坏事,但是有些人在搞民主的时候,把民主异化成了对资产阶级有利,对无产阶级不利的产物,结果显而易见,表面民主实际上根本不会听从民意的恰恰是那些嘴上民主不离开的西方人。
为此我们在理论上需要做好足够的准备,不光是司法独立,还有西方人心心念念的对华信息战,也可以称作认知作战,这是最需要提防的。
标签:[司法独立](https://sliun.com/tag/%E5%8F%B8%E6%B3%95%E7%8B%AC%E7%AB%8B/)
本文标题:司法独立,于我有价但不可强求
本文链接:<https://sliun.com/54.html>
版权信息:转载请注明出处,禁止商业使用,禁止发布到墙外简中网。

View File

@ -0,0 +1,107 @@
---
id: ef885b77-8e92-4186-8e99-a7ac4ba3f121
作者: unknown
链接:
- https://youzhiyouxing.cn/n/materials/1448
日期: 2024-11-19
---
[[2024-11-19]] [[剪藏]]
孟岩 ·2023年5月9日
从 2005 年算起,我学习投资已经有 17 年。
我曾经以为,我会对投资和市场越来越了解。
恰恰相反,在市场「存活」的时间越长,我越来越意识到永远会有超乎我想象的事情发生,一切无人知晓。
我想把这些年来在市场中学到的,那些在失败、痛苦、迷茫中感受到的东西写下来,作为一个阶段性的总结。
**1站在时间一边**
不上杠杆、不做空、不用短期可能要用的钱来投资,否则准备好承担相应的后果。
**2市场价格包含了很多信息我只知道其中很小的一部分**
当我开始做主观判断(比如「这个公司很好」、「已经跌很多了」、「最近趋势不错」)的时候,多想想自己为什么会比市场知道更多。
**3做好大类资产配置分散持仓**
包括大类资产标的(比如 A 股、美股、债券、宽基、价值、成长……)以及比例,这个配置本身决定了大部分收益。
**4宽基指数作为原点和核心仓位**
宽基指数(沪深 300、标普 500 等)不会死,更重要的是它的筛选机制会突破人的认知和情绪限制,帮助我们捕获优秀的公司。
**5短周期的择时是无效的长周期的逆向投资是可行的**
参见 #2 短期猜明天的涨跌很难,利用投资者群体情绪做长周期的逆向投资,值得尝试。
**6在宽基的基础上基于自己的能力圈来扩展**
市场远比我们想象的要高效。只有确信自己真的比市场「更懂」一个行业、一个公司,或者真的能找到有能力做到这些的基金经理时,再把一部分仓位配置给 TA。
**7用仓位上限和加仓节奏来保护自己**
参见 #2 市场比我们知道太多。无论觉得自己多么懂一个行业或公司,无论标的跌了多少,设定好一个品种的上限(超过不再加仓),控制好补仓的节奏。
**8长期合理的预期收益是 8%12%**
一年三倍者如过江之鲫三年一倍者却寥落星辰。对大多数人包括我来说8%12% 已经是很好的收益,短期超过的部分,更应该归功于运气,大概率还会还回去。
**9计划你的交易交易你的计划Plan your trade, trade your plan**
人脑远没有我们自己想象的那么客观和冷静,尤其是在极端时刻。根据策略来交易,根据结果来迭代、升级策略,而不是按照主观想法违反策略。
**10正确对待信息**
参见 #2 绝大多数时候,市场价格反映了所有的信息。当我们看到一则信息的时候,第一根本不知道真假,第二根本不知道有多少人更早知道并根据它交易了,信息已经体现在了价格中。
**11投资是认知的变现**
参见 #2 以及以上所有,当你在平均收益率(长期持有指数)之外做出额外的选择(择时、择股、选择基金经理)时,就是在用你的「超额认知」来交易。你是不是「真的懂」,决定了交易的结果。长期来看,你的长期收益率会回归到你的认知水平。
扩张自己的认知账户,投资收益自然会跟上。
**12投资哲学需要和我们的价值观匹配**
市场有很多投资策略和哲学,长期都有可能赚到钱。选择符合自己价值观的投资策略和哲学,这决定了你和它的关系,决定了是否能长期持有,决定了是否能在它不适应市场风格的时候拿住它。
**13投资是为了让生活更美好而不是让自己更焦虑**
收益率、市值这些数字经常掩盖我们真正的目标。如果因为投资而整天陷入焦虑,说明我们的投资策略或是仓位不合适。
**14投资收益根本来自于人类经济的增长**
科技进步、制度创新、市场交换,这些因素促进了最近 200 多年人类经济的快速增长,这是财富的根本来源。投资获得良好收益,是尊重世界的规律,做正确的事情,参与到价值创造后自然的结果。
**15「我」变小是投资成功的开始**
「我」只是整个世界非常微不足道的变量,当「我」变小,当我们把亏钱的原因归结于自己,而不是市场、国家、主力、战争、其它,可能就离投资成功不远了。
有知有行。基于这些原则2017 年 9 月,我开始记录本金 500 万的投资实证,希望用事实证明,普通人在 A 股也可以获得不错的收益。
五年过去了,结果如何?「有理有据」项目组的伙伴做了一张图,你可以从中看到,这 15 条原则在真实的市场环境里,是如何被践行的。
(请横屏阅读,点击图中标题可阅读对应文章。)
![](https://asset.youzhiyouxing.cn/image/2023/03/23/01GW67FKDM7WGEF9ND4GCVYH55.jpg?x-oss-process=image/resize,w_1280,limit_1)
- ![](https://avatar.youzhiyouxing.cn/user/2022/01/13/01FS8H76GV00J0CDYV9N4RP6V6.jpg?x-oss-process=image/resize,w_78,limit_1/format,jpg) A湖北银行张伟
不知大家发现没,收益图中的文字文章链接是可以打开的,这些文章更一步解释和论证了文中的投资价值观
- ![](https://avatar.youzhiyouxing.cn/user/2021/01/01/01ETWSRVHYXYBXVQC7BYRK1VZC.jpg?x-oss-process=image/resize,w_78,limit_1/format,jpg) 逆水行舟
五年实盘,配置资产; 上浮下探,不惧不贪; 历经磨难,穿越时间; 长途漫漫,一路相伴!
- ![](https://avatar.youzhiyouxing.cn/user/2020/07/16/01EDABHT5X6F7JKZBSAMX1G4G1.jpg?x-oss-process=image/resize,w_78,limit_1/format,jpg) 安di
很多年前,我看《时间的玫瑰》,懂得了静待玫瑰的绽开。 很多年前,我看《投资是场马拉松》,懂得了"慢则快,少则多"。 前几年,我看到一句话:资产配置是投资世界唯一的免费午餐。 巴菲特说过:没有人愿意慢慢变富。结果他越老越富。 两年前,我参与了"长钱计划",这是我的养老计划,我的旅游基金,我的投资实证,站在时间的一边,不随意打扰复利的增长。
- ![](https://avatar.youzhiyouxing.cn/user/2022/07/09/01G7GBDMAXYBKC3KPHWBA9DZFD.jpg?x-oss-process=image/resize,w_78,limit_1/format,jpg) 小可而已
这张图我要打印出来,跟西格尔教授的百年美国大类资产收益图贴在一起
- ![](https://avatar.youzhiyouxing.cn/user/avatars/default_avatar_17.png?x-oss-process=image/resize,w_78,limit_1/format,jpg) 大笨钟之马超
查理·芒格的学生李录说价值投资者永运只占人群的5其余95都扺抗不住频繁交易的诱惑。
- ![](https://avatar.youzhiyouxing.cn/user/2022/05/22/01G3NVRK3PMX0GVRH0E9Q8S9SH.jpg?x-oss-process=image/resize,w_78,limit_1/format,jpg) 朱全红
- ![](https://avatar.youzhiyouxing.cn/user/avatars/default_avatar_06.png?x-oss-process=image/resize,w_78,limit_1/format,jpg) 阿来
孟大的持仓是什么呢?全是宽基吗?发现孟大的收益率与他的择时决策也有一定的相关,普通人难做到呢
- ![](https://avatar.youzhiyouxing.cn/user/avatars/default_avatar_31.png?x-oss-process=image/resize,w_78,limit_1/format,jpg) jj89596
昨天刚还清了房贷…如果早一点看到这篇,估计会想想还是投资吧。
- ![](https://avatar.youzhiyouxing.cn/user/avatars/default_avatar_04.png?x-oss-process=image/resize,w_78,limit_1/format,jpg) 翩若惊鸿
- ![](https://avatar.youzhiyouxing.cn/user/2022/01/05/01FRMX5WD5P25QRB318BQBED95.jpg?x-oss-process=image/resize,w_78,limit_1/format,jpg) 奋进的小鱼

View File

@ -0,0 +1,87 @@
---
链接:
- https://onojyun.com/2025/03/10/%E6%97%B6%E9%97%B4%E7%AE%A1%E7%90%86%E6%88%96%E8%AE%B8%E6%98%AF%E4%BC%AA%E5%91%BD%E9%A2%98-iii/
作者:
- 莫比乌斯
日期: 2025-03-11
---
- [[2025-03-11]] [[剪藏]] [[LATER]]
虽然这句话有些冒犯,但事实如此——**前额叶皮质会在25岁左右发育成熟也就是说在识别情绪、控制情绪的前额叶皮质未发育成熟之前「年轻人」对于情绪的自控力更差。**
但往往这个时期,青春期高激素水平会带来人类情绪的强烈波动,但由于个体没有对于情绪的系统性认知(当然很多人成年之后也没有),所以看上去这一时期的激素影响很「弱」;随着年龄的增长,成年期激素水平相对稳定,身体适应激素波动后,个体会忽略激素与身体变化的相关性;进入中年以及更年期,激素水平随着年龄下降,加之前额叶皮质发育成熟,对于情绪的敏感度变得更明显,更容易将「情绪」与「身体变化」联系在一起。
简单来说,**就是情绪,或者说是激素,对于奖励机制、正向反馈、行动力、专注力、自控力息息相关——而这些本身又是「时间管理」最为核心的构成要件。**
---
## 贤者时间与奖励机制
之前,在[《催产素之战》](https://onojyun.com/2025/01/09/%e5%82%ac%e4%ba%a7%e7%b4%a0%e4%b9%8b%e6%88%98/)里,记录了一次关于催产素/催乳素过量引发的「家庭矛盾」,催产素/催乳素的影响其实一直存在。从胎儿时期,就已经关系到神经系统的发育、与外界的适应能力。而关于它实际造成的影响,也是我人到中年后,才强烈体会到的。例如,每次带狗去狗公园玩时,我会被其他不同类型的狗热情围绕,甚至有的大型犬会整个扑在身上要求抱着。在这个过程中,人与狗的互动,对人对狗而言,都会分泌大量催产素/催乳素。催产素/催乳素高水平带来最直观的影响,是每次从狗公园驱车回家时,我在开车时是完全进入了省电模式,觉得身体非常疲惫。
我有在播客的某一期节目提到过,催产素/催乳素在人类基因里,是一种强烈的生物本能——当婴儿吮咬母亲的乳头时,会让母体与婴儿分泌大量的催产素/催乳素。当母乳结束,母体和婴儿会因为催产素/催乳素水平暂时提高,进入到昏昏欲睡的状态。这个时候,母体需要在短暂的睡眠中恢复精力,以便下一次母乳婴儿——婴儿时期的人,可没有一天三餐的说法,甚至半夜也会扰人清梦。因此,母体才需要更多的高质量休息时间,催产素/催乳素在这个过程中就起到了至关重要的作用。
或许男性会觉得,催产素/催乳素里自己很远。
举个最直观的例子,随着年纪的增长,打完飞机之后的「贤者时间」越来越明显,甚至不如年轻那会可以一口气接着打——射精之后,催产素/催乳素瞬间产生,催产素使得男性感到满足,而催乳素通过抑制多巴胺降低性欲,抑制再次勃起。
所以你会发现,很多夫妻在结婚生育之后,他们开始变得「无欲无求」,一方面是生活美满幸福无需再「折腾」,更重要的一方面,是生儿育女的过程中,催产素/催乳素会持续保持高水平,因此会刺激奖励机制的多巴胺被暂时抑制,他们不再需要更强烈的多巴胺刺激,或许刷刷短视频带来的短暂快速的多巴胺刺激,已经可以满足他们对于多巴胺的需求。
这个时候,更别说要让他们时间管理了,**时间管理里面鼓吹的「奖励」和「延迟奖励」这两个模块,在催产素/催乳素的影响下,都已经失效了。**
对,补充一点,这就是所谓的「恋爱让人忘记时间」的根本原因。
---
## 祛魅「心流」,它不过是激素的产物
另一个鼓吹得有点「神乎其神」的东西,叫做「心流」,*心流是一种完全沉浸于某项活动中的心理状态,通常伴随高度的专注、愉悦感和时间感知的变化。*
拆分一下定义,**心流需要同时具备几个要素:「高度专注」「愉悦感」「时间感知变化」,甚至有的人会因为进入过心流之后,对心流的状态产生了「成瘾机制」。**
到这里,就要拉开《时间管理或许是伪命题》系列的另一个关键内容了——激素。先简单总结一下,有哪些激素跟每个人的奖励机制、正向反馈、行动力、专注力、自控力相关:
| 激素 | 作用 |
| --- | --- |
| 多巴胺Dopamine | 奖励、动机、愉悦感 |
| 去甲肾上腺素Norepinephrine | 兴奋、警觉、注意力 |
| 内啡肽Endorphins | 镇痛、愉悦、降低压力 |
| 血清素Serotonin | 情绪稳定、幸福、睡眠、自律 |
| 催产素Oxytocin | 社交、信任感、缓解焦虑 |
对应「心流」的构成要件:
- 「高度专注」需要**「去甲肾上腺素」保持在稳定水平,同时「内啡肽」的作用下,会暂时让人体关闭对外界的压力、影响的感知,关注于自身的感受;**
- 「愉悦感」往往来自于人们对于心流的「仪式」部分的解读,比如迫使自己要完成一项较高难度、需要专注力的事情,而这种**「仪式感」是最开始激活「多巴胺」对挑战形成奖励机制的关键。**
- 当心流状态结束后,「血清素」和「催产素」大量释放。**「血清素」带来强烈的平静、幸福感和对内的「成就感」,这种成就远远高于「多巴胺」带来的正向反馈;同时「催产素」让人进入了某种意义上的「颅内高潮贤者时间」,让整个心流有了一种奇妙的「做完爱」的感觉。**
- 在整个心流的过程中,因为「内啡肽」的作用,对外界的感知暂时切断,所以才出现了对时间感知发生强烈变化的感觉——而这种感觉会在最后又反过来刺激「多巴胺」,给人一种强烈的成就感,从而形成最初步的「瘾症」——「多巴胺成瘾」;第二种「瘾症」,是「内啡肽」带来的「区间内的愉悦感」,在心流过程中会持续地获得「忘却痛苦」的快感,现实越操蛋,这样的成瘾越容易。第三种「瘾症」,是「血清素」的长期调节,让一个人能够长时间避免焦虑、保持幸福感和成就感。
总结一下:
| 激素 | 作用 | 对「心流」的影响 |
| ---------------------- | ------------- | ------------------------ |
| 多巴胺Dopamine | 奖励、动机、愉悦感 | 使当事人对挑战激发兴趣,预设反馈系统 |
| 去甲肾上腺素Norepinephrine | 兴奋、警觉、注意力 | 使当事人进入专注状态,对目标感的追求感提高 |
| 内啡肽Endorphins | 镇痛、愉悦、降低压力 | 区隔外界、形成对内的专注力、造成时间感知变化 |
| 血清素Serotonin | 情绪稳定、幸福、睡眠、自律 | 进一步增强心流的成就感、满足感和持续的幸福感 |
| 催产素Oxytocin | 社交、信任感、缓解焦虑 | 「颅内高潮的贤者时间」,增强团队心流中的合作联结 |
---
## 既然「心流」是激素的产物,是否可以透过调整激素随时进入「心流」
害!时间管理卖的其中一个「诱饵」,不就是告诉你只要通过时间管理,就可以提高效率,让「心流」发生。我现在得秉持一个观点,**不需要时间管理,也可以人为地进入「心流」。**
需要再次强调,不是说时间管理「无用」,时间管理当然可以更高效地约束不良行为,从而提高专注力、行动力、自控力。但这个系列最开始在讨论一件事:**我们是否需要遵循身体的「反应」和「极限」?**
比如通过牺牲睡眠的方式来提高某种意义上的单位时间效率甚至延长每天的「可用时间」对于身体造成的伤害是不是也是某些时间管理应该直面的问题——而不是用一句「有一些名人一天睡4个小时就可以恢复精力」来作为时间管理的「行动纲领」。
当然既然有人可以通过4小时恢复精力但有的人就是不行——为什么这还是激素问题。
我一直认为,**会拿出来「卖」的,始终是「方法论」**,无论是那些摆在产销书货架上的「成功人士传记」还是「成功学」,或是出来站街卖身的性工作者,其本质上来说都是在贩卖「方法论」。但是方法并不适用于任何人。马斯克的人物传记之所以会让人着迷,是因为它隐含了大量的「信息」,让人觉得「我也可以成为这样的人」。**但是方法又是「有效」的,至少能在当下解决很多人的现实焦虑,从而找到一种可以摆脱困境、甚至是走向成功的「捷径」。**
**这也就是不卖「内核」的原因,因为当人们搞懂了原理,就意味着成功学的「普遍性」被看穿了「个体性」,而「个体性」的内核又能推广到「普遍性」,从而找到一种最适合不同人的一套方法。**
如果你的脑袋里有**「方法论最值钱但又不值钱」**的观念之后,那找到内核这件事,就不是从他人那里获取方法论,而是从自己身上得到「实验结果」。
至于心流的「方法论」,它确实也不值钱,下一期最开始一笔带过即可。

View File

@ -0,0 +1,170 @@
---
链接: https://mp.weixin.qq.com/s/EPt02-V7jm5sBEBRP764ww
作者: 刘飞
日期: 2025-03-11
dg-publish: true
---
[[2025-03-11]] [[剪藏]] [[LATER]]
2025 年开年,想要跟各位讲的第一件事儿,就是我的新书,《内容即品牌》。
![图片](https://mmbiz.qpic.cn/mmbiz_jpg/bucsruJVwLgDElicNoknMMriblcQGxf6OT50WwZBN4Z57gR4PPTMXUgcEc4KkpcgbrMvHhJhAXWJ5lF0MiadKEichg/640?wx_fmt=jpeg&from=appmsg&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1)
了解我的朋友可能知道,我过去写过两本关于产品的书《从点子到产品》(电子工业)、《产品思维》(中信),是初生牛犊之时,凭借对产品的粗浅认知整理成的。
在 2024 年,正巧两档播客都积累了一些内容,又分别集结成了两本书,三五环的精华摘录《大厂之外》(电子工业),和半拿铁的人工智能系列的重制版《人工智能风云录》(电子工业)。
在今年初,又有一本新的书出版了,这本选题则是我工作生活的 B 面:内容创作。我把十年内容创作的一些观察和思考,整理成了这本书,期待能给想做内容创作的朋友,一些启发。
本想再写一些推荐语的,回顾时发现书里自己写的序,已经是最适合介绍这本书的文本了,就转摘在此,望有帮助。
——
**人人都是内容创作者**
营销专家卡罗琳·福西Caroline Forsey人人都是内容创作者。你可能会认为这只是宣传话术。凭什么人人都需要内容品牌明明是那些想在网上成名的人才需要吧明明是那些想要直播带货的人才需要吧。
当然不是。
举个例子。假设你通过朋友关系加了一个茶叶店的老板为好友,虽然和他不熟,但你常常能看到他在朋友圈中分享自己对茶叶的认知和看法,你就会自然而然地觉得他靠谱;他在小红书发布的内容质量也不错,你翻了翻评论区,更是有不少好评。说起来,这些内容可能没有太多流量,但你想在他这里买些茶叶尝尝的可能性是不是提高了?
再假设,你正在寻找投资人,每次约见一个人,聊了半天,你也很难参透对方的内心想法。你可能一直在想:他会不会想快速套现?他会不会对我的产品还不熟悉?他会不会压根儿不了解我的想法?
但如果一个投资人在社交平台上分享过他对过往项目的反思和总结,你有这些材料可以阅读和观看,你是不是就能对这个投资人有更深刻的认知?在正式见面之前,你是不是就可以说自己已经对对方有一定的了解了?
反过来说,如果你开茶叶店、你做投资人,这些就是内容的价值场景。「内容即品牌」之于每个人都足够有价值,只要满足一个条件——要与社会上的人产生连接。
在公司里工作,你与上司、同事、合作伙伴连接,同时也与雇主连接。未来,你会与潜在的雇主连接,你的内容塑造出的品牌会在连接时发挥重要作用。如果你是个体户、自由职业者(像我这样),或者在经营自己的工作室、小店铺等,品牌的价值就更加重要了。
**好内容有「溢价」**
我们在判断内容的好坏时很容易会被单纯的曝光量所影响。很多内容创作者都会追求曝光量最大化认为这就意味着「火」、意味着「成功」在微信公众号追求的都是「10w+」,在微博追求的都是上热搜。这真的是衡量内容好坏的唯一标准吗?我以前对内容之间的差异是没什么概念的,以为这些数字就是唯一标准。
直到后来,我真正处在行业内了,才知道内容与内容之间是有「差价」的。这个差价直接体现在商业合作的报价上。
例如一篇公众号文章是情感生活类的内容摘抄了不少网络段子拼凑了很多搞笑的网图阅读量看似不低有的能到「10w +」,但其接到的广告商单报价往往并不高,可能只有 1 万元,平均算下来,一个阅读量可能只值不到 0.1 元。
相对地,另一篇公众号文章,是关于科技分析洞察的,文字老练、内容扎实,信息是独家的、观点是深刻的。这篇文章的阅读量看起来并不高,也许只有 1 万,却能接到报价高达 10 万元的品牌宣传商单,每个阅读量的价值平均计算下来可以高达 10 元。
这种现象,代表的就是好内容本身产生的「溢价」。这种溢价通常不是单一内容带来的,而是创作者在长期的信任积累中得到的。创作者的内容产生了一种「品牌」效应,不管是读者还是商业合作方,对它都有很强的信任,因此产生了「内容品牌」,这正是本书想讨论的核心逻辑。
**内容的影响力价值**
许多内容创作者只追求多做内容、多获得曝光量和声量,一个潜在的原因是,他们认为这样能追随主流,乃至赚到「快钱」,而这才是内容创作的直接目的。
实际上,内容创作产生的影响力,乃至塑造的内容品牌,会带来很多超出预期的价值。这些价值未必不能转换为物质的收益,而且它们常常比物质收益更加宝贵。
我与自己在滴滴出行时的老领导俞军老师认识,是通过我的第一本书《从点子到产品》,那次相识是我职业生涯中的重要时刻。我开始在消费品行业创业时,能够与躺岛、企鹅吃喝、三顿半等品牌的创始人接触,并且和他们进行深度交流,也是因为他们都听过我的播客,认同我的产品观念。
通过内容结识的朋友,往往都是有共同语言和共同价值观的,大家在某些维度上能够相互增益、共同成长。我从 flomo 的联合创始人少楠身上学习产品价值与成本意识的博弈,从石老板、姜小黑等喜剧演员朋友身上学习做喜剧内容的方法,从李永浩、也谈钱等财务自由的朋友身上学习理财观念,从三顿半创始人吴骏身上学习对品牌的理解……这些收获显然超出了一些简单的副业收入的价值,它们重塑了我的工作和生活。
**内容就是行走的简历**。通过内容产生的品牌,如果沉淀到个人身上,就成了个人品牌。持续沉淀的个人品牌,能让我们与过去难以产生连接的人平等对话,也能大幅降低我们的关注者们对我们的信任成本。
**内容品牌不等于自媒体
**
很多朋友可能会问:「自媒体已经是你的副业了,你自然需要认真研究内容和品牌,可是我并不打算做自媒体,我需要它们做什么?」
其实,做内容的目的未必都是做自媒体,有品牌的结果也不是成为网红、做直播乃至带货。
正如前文所言,在互联网时代,内容品牌就是一个人行走的简历,是其用来确立自己的社会身份和与人社交的工具。开始内容创作至今,能够低门槛与人结交依然是它给我的最大正反馈。即使没有物质压力,内容创作这件事我也会持续去做、毕生去做。
过去在互联网上创作内容,门槛是很高的。无论是个人网站时代、个人博客时代,还是天涯、知乎和公众号时代,都要求创作者有好的文本表达能力和语言组织能力。而今天的平台丰富多样,内容形式也不再局限,人人都有智能手机,可以进行基本的内容制作和处理。
另外,内容的传播也不再需要复杂的方法。只要内容是好的、稀缺的,算法就能让内容传播出去,找到其真正匹配的读者和观众。这些变化让内容创作变成了一件人人都值得考虑尝试的事情,而不是一种专门的职业。就像在过去,「上网」还是一件小众的事情,是一种兴趣爱好,而今天,不会有人再提自己有没有在「上网」,因为我们时时刻刻都在网上了。
从出现朋友圈、小红书这样的平台开始,大多数人的内容创作就有了创造价值的机会,有了做出有溢价的好内容的机会。
也许你并不是知名互联网企业的员工,也没有当分析师的朋友,没办法做商业分析相关内容,但你即使只是普通的餐厅经理,是不是也有能分享的生意观察?你在工作中积累的经验,是不是也对别人有益?这些观察和经验,就是能让你在垂直领域产生影响力的机会。持续的高质量输出能让你成为小圈子中的意见领袖,接下来等待着你的可能就是更好的工作机会、更多的同僚交流……好内容是能够创造这些可能性的。
无论你是健身教练还是财务会计,无论你是大学教师还是酒店经理,你在工作生活中积累的经验都可以通过内容输出形成自己的个人品牌,进而让你从它带来的影响力中获益。
理解什么是好内容,学会做出好内容,让好内容能够产生影响力,让可持续的影响力塑造品牌,让品牌创造独特的价值——用一句话总结本书的主旨,就是这样了。
此外,我还会在书中拆解打造内容品牌最核心的三个公式,它们分别是:
- 好 内 容= 共 鸣Resonance× 效 率Efficiency× 舒 适Comfortable× 有用Helpful
- 做出好内容= 擅长 × 热爱 × 差异化 ×(形式和平台)匹配
- 形成好的内容品牌 = 好内容 ×(可持续 + 好机会)
有时禁忌清单stop doing list比待办清单to do list还要有效。除了介绍做出好内容、打造品牌的方法我还会分享创作内容时常见的误区和我的一些忠告包括
- 蹭热点可以,但要保证潮水过后,用户还能记得你;
- 不要完美主义,草率的开始,胜过深谋远虑的蛰伏;
- 不要只关心表达自己有多厉害,不要只关心内容本身有多精良,要关心它对用户来说有没有用;
更多的内容,我会在书中展开讨论。
内容创作其实并没有想象中那么复杂和痛苦,它更像是一次有趣的、充满愉悦的旅途。你可以把读这本书当作一次与老朋友的对话,希望我的这些经验和分享,能够为你带来启发,也能成为你旅途中的陪伴。
——
![图片](https://mp.weixin.qq.com/s/www.w3.org/2000/svg'%20xmlns:xlink='http://www.w3.org/1999/xlink'%3E%3Ctitle%3E%3C/title%3E%3Cg%20stroke='none'%20stroke-width='1'%20fill='none'%20fill-rule='evenodd'%20fill-opacity='0'%3E%3Cg%20transform='translate(-249.000000,%20-126.000000)'%20fill='%23FFFFFF'%3E%3Crect%20x='249'%20y='126'%20width='1'%20height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
以下是邀请一些朋友写的部分推荐语,在此也感谢各位老师的捧场。特别需要感谢的是黑灯,他是用听的,听完了审读稿。
很多人问我怎么做自媒体,我的回答一般都是「做梦」,因为这个行业实在有着太多的不确定性,红不红、火不火,很多时候是非常随机的。不同的人做同样的事,结果可能完全不一样,这甚至是没有道理的。
但现在,这一切变了,刘飞在本书中把大量不确定性和很多人不肯说的所谓“秘诀”,总结成了一些规律。
不能说看了这本书就能成功,但它能帮助你排除很多错误答案。
好好阅读这本书,从梦中,醒过来。
——半佛仙人 知名自媒体人
产品经理、微信公众号作者、播客主播、创业者……刘飞身上的头衔实在太多,关键是每件事他都能做得有声有色。刘飞还是一个非常爱思考的人,擅长把自己在多个领域的心得与实践进行交叉比较、总结提炼。《内容即品牌:长期主义者的内容创作方法论》就是这种自我提炼的最新成果。关于如何理解内容、如何创作内容,甚至如何认识内容传播过程中的运气因素,刘飞不仅把他的所思所想都分享了出来,他还会随时引用自己的创作内容进行论证。在我看来,他才是一个真正践行了“把自己作为方法”的人。
——程衍樑 播客厂牌“JustPod”创始人
现在是一个人人都在做自媒体的时代,人人都可以创作内容,人人都是 IP。但是我感觉大家都在「做账号」而不是「做内容」账号和内容似乎已经本末倒置了。这本书给了我一种感觉——如果你有做出好内容的耐心刘飞的分享就可以帮你更好地做成你的内容如果你只想做个「账号」你就不需要看这本书了。
——黑灯 脱口秀演员
狂飙突进的移动互联网时代让全世界的人都用上了手机,而内容消费成了手机最重要、覆盖时间最长的使用方式之一。在这样的背景下,内容平台技术能力的极大发展,真正赋予了每个人通过创作内容来实现梦想的机会。
刘飞亲历了过去十年间行业的发展,对平台和技术有着深刻的理解,对内容创作也有着丰富的经验和成功经历。《内容即品牌:长期主义者的内容创作方法论》兼具理论性与实操性,也有足够多的方法与案例,对于每一位对内容、品牌感兴趣的人士,这本书都非常值得一读。
——Kyth “小宇宙”App CEO
我是一个不爱看小说以外书籍的人,但阅读刘飞这本书,对我来说是一场难得的阅读体验。这个时代依旧有着「酒香不怕巷子深」的东西——每一个内容创作者都有足够多的机会与平台,让大家看到自己的内容。脱口秀、短视频、播客,做什么、怎么做,我相信每一位对此有需要的朋友都和我一样,需要好好看看这本书。
——刘仁铖 脱口秀演员
内容创作不是优胜劣汰,而是异胜同汰。与其做到最好,不如做出不同,并坚定地走下去。你先写出十万字,就已经甩下大部分人一截,要学会把坚持本身当成目的。刘飞和这本书中的很多案例都在向你证明:前方的道路并不拥挤,因为坚持下来的人真的不多。
——潘乱 知名科技博主
我曾问过刘飞为何想要创作这么一本书。他说,既想给自己一个阶段性总结,又想给准备开始创作的人们提供一些少走弯路的方法。因为如今的内容太多,而能形成独特品牌的内容却很少。
所以,如果你想创造一些能经受时间检验的内容,形成自己独特的品牌,这本《内容即品牌:长期主义者的内容创作方法论》便是一本良方,它不但能告诉你许多实操的方法,也能让你在感到孤独和迷茫时,找到共鸣与安慰。
——少楠 “flomo”“小报童”联合创始人
传统组织形式的加速变化,让曾经躲藏在系统里,依赖着品牌、公司、平台加持的每一个「素人」,都或主动或被动地暴露在大众的视野里。
站上风口的自媒体们各领风骚,重构话语权,又让普通人不知所措,诚惶诚恐。
刘飞老师帮助我们在信息的洪流中站稳脚跟,用好内容持续塑造个人品牌,让影响力成为个人的价值杠杆,对抗时代的「熵增」 。读完这本书,希望每一个和我们一样的「内容人」都能不被流量裹挟,找到真正的受众,也校准真实的自己。
——石老板 “单立人喜剧”创始人
同为内容创作者,我读完刘飞老师的书感觉非常受启发。关于内容,刘飞老师总结了很多好的创作方法论,更有价值的是,他提出了很多「好问题」,让大家去思考这些「好问题」比给出答案更有价值。读完这本书,我越发觉得内容已经成了一种「个人名片」,内容创作应该是属于每个人的。希望大家都可以读读这本书,也都能成为内容创作的同路人,去挖掘内容创作的更多可能。
 ——史炎 “猫头鹰喜剧”创始人,播客“不开玩笑”主播
作为短视频爱好者,我经常看到短视频平台上有很多课程教人如何在五秒内抓住用户的注意力、如何通过几个短视频快速获得巨大的流量;但在我看来,这些课程实际上只是在展示如何成为平台媒介中的「赛博佃农」,或是学者眼中的「数字劳工」。
而刘飞这本书的主旨是告诉我们如何成为内容领域的长期投资者、做穿越时间周期的内容创作者,如何通过创作获得真正的资产,即用户对创作者持续的、稳定的认可,进而享受创作优质内容带来的复利收益,而非告诉我们如何获得意义不大的短期流量。
——王亚楠 华东政法大学韬奋新闻传播学院副教授
刘飞能够连续很多年创作优质内容,并且总是能融合新媒体的特质进行创新,这是因为他形成了结构化的内容体系。而现在,这个体系以这本书的形式具体地、操作性极强地呈现了出来。它将让更多人认识到,可持续的内容创作并不是灵感的闪现、流量的适配,也不是偶然的爆发,而是有计划、有策略的,是基于价值创造的长期实践。我想,消费品牌的建设也是如此。
——吴骏 “三顿半”创始人
——
最后,目前新书正在开售,感兴趣的朋友可以关注一下。也欢迎各位朋友踊跃留言,我会选出 10 位评论区的朋友,送出签名版的新书一本。
写书也是是践行一种内容创作理念,希望这本书也成为我们的一次对话~

View File

@ -0,0 +1,158 @@
---
链接:
- "https://zhuanlan.zhihu.com/p/700203672"
作者:
- "知乎专栏"
日期: 2025-03-09
概述: "今天看了下孙凝晖院士在十四届全国人大常委会专题讲座上的讲稿《人工智能与智能计算的发展》,不仅仅总结了过去 AI 的一些里程碑,也提出了一些当前国内外研究存在的问题和风险,以及一些比较重视的方向。看了之后…"
---
[[2025-03-09]] [[剪藏]] [[LATER]] [[AI]]
今天看了下孙凝晖院士在十四届全国人大常委会专题讲座上的讲稿《人工智能与[智能计算](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=%E6%99%BA%E8%83%BD%E8%AE%A1%E7%AE%97&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiLmmbrog73orqHnrpciLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoyNDM3MzEyNzYsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9._pvCiqa1m039NYbt_paevpA6vHz3lcvkyRJ1L8Lzct0&zhida_source=entity)的发展》,不仅仅总结了过去 AI 的一些里程碑,也提出了一些当前国内外研究存在的问题和风险,以及一些比较重视的方向。看了之后深受启发。尤其是院士对一些历史发展,当前现状的总结,可以说是字字珠玑,回味无穷。喜欢看原文的可以点击原文链接查看。国家对 AI 未来的一些定位和发展,从这篇讲稿可以说写的很清晰了。对于我们以后找工作,搞事业也有很多启发。
**值得读十遍。**
笔记格式说明:
1. 【xxxx】方括号内部的是我写的笔记。
2. **xxxx** :带颜色的文字是画的重点。
下面是讲稿全文和笔记内容:
---
委员长、各位副委员长、秘书长、各位委员:
人工智能领域近年来正在迎来一场由生成式人工智能大模型引领的爆发式发展。2022年11月30日OpenAI公司推出一款人工智能对话聊天机器人ChatGPT其出色的自然语言生成能力引起了全世界范围的广泛关注2个月突破1亿用户国内外随即掀起了一场大模型浪潮Gemini、**文心一言【**百度居然是这一段落里唯一一个国内上榜**】**、Copilot、LLaMA、SAM、SORA等各种大模型如雨后春笋般涌现**2022年也被誉为大模型元年。**当前信息时代正加快进入智能计算的发展阶段,人工智能技术上的突破层出不穷,逐渐深入地赋能千行百业,推动人工智能与数据要素成为**新质生产力**的典型代表。**习近平总书记指出,把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量,努力实现高质量发展【**国家目前还是很重视AI的**】。**党的十八大以来,以习近平同志为核心的党中央高度重视智能经济发展,**促进人工智能和实体经济深度融合【**这个方向后续重点关注**】**,为高质量发展注入强劲动力。
**一、计算技术发展简介**
计算技术的发展历史大致可分为四个阶段,算盘的出现标志着人类进入第一代——机械计算时代,第二代——电子计算的标志是出现电子器件与电子计算机,互联网的出现使我们进入第三代——网络计算,**当前人类社会正在进入第四阶段——智能计算**。
早期的计算装置是手动辅助计算装置和半自动计算装置,**人类计算工具的历史是从公元1200年的中国算盘开始**随后出现了纳皮尔筹1612年和滚轮式加法器1642年到1672年第一台自动完成四则运算的计算装置——步进计算器诞生了。
机械计算时期已经出现了现代计算机的一些基本概念。查尔斯∙巴贝奇Charles Babbage提出了差分机1822年与分析机1834年的设计构想支持自动机械计算。这一时期编程与程序的概念基本形成编程的概念起源于雅卡尔提花机通过打孔卡片控制印花图案最终演变为通过计算指令的形式来存储所有数学计算步骤人类历史的第一个程序员是诗人拜伦之女艾达Ada她为巴贝奇差分机编写了一组求解伯努利数列的计算指令这套指令也是人类历史上第一套计算机算法程序它将硬件和软件分离第一次出现程序的概念。【总分结构这一段讲述了机械计算时代】
直到在二十世纪上半叶,出现了**布尔代数(数学)、图灵机(计算模型) 、冯诺依曼体系结构(架构) 、晶体管(器件)这四个现代计算技术的科学基础**。其中布尔代数用来描述程序和硬件如CPU的底层逻辑图灵机是一种通用的计算模型将复杂任务转化为自动计算、不需人工干预的自动化过程冯诺依曼体系结构提出了构造计算机的三个基本原则采用二进制逻辑、程序存储执行、以及计算机由运算器、控制器、存储器、输入设备、输出设备这五个基本单元组成晶体管是构成基本的逻辑电路和存储电路的半导体器件是建造现代计算机之塔的“砖块”。基于以上科学基础计算技术得以高速发展形成规模庞大的产业。【用非常简练的语言描述了计算机的结构和功能】
从1946年世界上第一台电子计算机ENIAC诞生到二十一世纪的今天已经形成了五类成功的平台型计算系统。当前各领域各种类型的应用都可以由这五类平台型计算装置支撑。第一类是**高性能计算平台,解决了国家核心部门的科学与工程计算问题**;第二类是**企业计算平台**,又称服务器,用于**企业级的数据管理、事务处理,当前像百度、阿里和腾讯这些互联网公司的计算平台都属于这一类**;第三类是**个人电脑平台**,以桌面应用的形式出现,人们通过桌面应用与个人电脑交互;第四类是**智能手机**,主要特点是移动便携,手机通过网络连接数据中心,以互联网应用为主,它们分布式地部署在数据中心和手机终端;第五类是**嵌入式计算机****嵌入到工业装备和军事设备**,通过实时的控制,保障在确定时间内完成特定任务。这五类装置几乎覆盖了我们信息社会的方方面面,长期以来**人们追求的以智能计算应用为中心的第六类平台型计算系统尚未形成**。
现代计算技术的发展大致可以划分为三个时代。IT1.0又称电子计算时代1950-1970基本特征是以“机”为中心。计算技术的基本架构形成随着集成电路工艺的进步基本计算单元的尺度快速微缩晶体管密度、计算性能和可靠性不断提升计算机在科学工程计算、企业数据处理中得到了广泛应用。【总分结构这一段讲述了电子计算时代】
IT2.0又称网络计算时代1980-2020以“人”为中心。互联网将人使用的终端与后台的数据中心连接互联网应用通过智能终端与人进行交互。以亚马逊等为代表的互联网公司提出了**云计算**的思想,将后台的算力封装成一个公共服务租借给第三方用户,形成了云计算与大数据产业。【总分结构,这一段讲述了网格计算时代,并没有展开讲。】
IT3.0又称智能计算时代始于2020年与IT2.0相比增加了“物”的概念,即物理世界的各种端侧设备,被数字化、网络化和智能化,实现“人-机-物”三元融合。智能计算时代除了互联网以外还有数据基础设施支撑各类终端通过端边云实现万物互联终端、物端、边缘、云都嵌入AI提供与ChatGPT类似的大模型智能服务最终实现有计算的地方就有AI智能。智能计算带来了巨量的数据、人工智能算法的突破和对算力的爆发性需求。【总分结构这一段讲述了智能计算时代】
**二、智能计算发展简介**
智能计算包括人工智能技术与它的计算载体,大致历经了**四个阶段**,分别为**通用计算装置、[逻辑推理专家系统](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=%E9%80%BB%E8%BE%91%E6%8E%A8%E7%90%86%E4%B8%93%E5%AE%B6%E7%B3%BB%E7%BB%9F&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiLpgLvovpHmjqjnkIbkuJPlrrbns7vnu58iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoyNDM3MzEyNzYsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.MneBLwiBu8PoUgZ_kIPa2bGqoTRUqBDbRM0uvkO3Fa8&zhida_source=entity)、深度学习计算系统、[大模型计算系统](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=%E5%A4%A7%E6%A8%A1%E5%9E%8B%E8%AE%A1%E7%AE%97%E7%B3%BB%E7%BB%9F&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiLlpKfmqKHlnovorqHnrpfns7vnu58iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoyNDM3MzEyNzYsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.2jONXdwsSEKW8NvqVY6onaJSvXIV9tfMtmUSEFYzs5c&zhida_source=entity)**。
智能计算的起点是通用自动计算装置1946年【这说的是人类第一台电子数字积分计算机ENIAC】。艾伦·图灵Alan Turing和冯·诺依曼John von Neumann等科学家一开始都希望能够模拟人脑处理知识的过程发明像人脑一样思考的机器虽未能实现但却解决了计算的自动化问题。通用自动计算装置的出现**也推动了1956年人工智能AI概念的诞生**,此后所有人工智能技术的发展都是建立在新一代计算设备与更强的计算能力之上的。【**这一段时间的故事我之前写过一个小总结**,见:[AI 的第一次代表大会](https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzUyOTA5OTcwMg%3D%3D%26mid%3D2247485373%26idx%3D1%26sn%3D4d5dd03c333827a238fd240f977c7844%26chksm%3Dfa677964cd10f072f7dc450f50abbac9fbcabd21fc079d3ced98fcc955708008e2b589f8d7c4%26scene%3D21%23wechat_redirect)】
智能计算发展的第二阶段是逻辑推理专家系统1990年。E.A.费根鲍姆Edward Albert Feigenbaum等**[符号智能学派](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=%E7%AC%A6%E5%8F%B7%E6%99%BA%E8%83%BD%E5%AD%A6%E6%B4%BE&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiLnrKblj7fmmbrog73lrabmtL4iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoyNDM3MzEyNzYsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.NzmoO7YpV_C2oKT-7sWuFMgVzdeDvfgwXWxiZ2KR3vw&zhida_source=entity)**的科学家以逻辑和推理能力自动化为主要目标,提出了能够将知识符号进行逻辑推理的专家系统。**人的先验知识以知识符号的形式进入计算机**使计算机能够在特定领域辅助人类进行一定的逻辑判断和决策但专家系统严重依赖于手工生成的知识库或规则库。这类专家系统的典型代表是日本的五代机和我国863计划支持的306智能计算机主题日本在逻辑专家系统中采取专用计算平台和Prolog这样的知识推理语言完成应用级推理任务我国采取了与日本不同的技术路线以通用计算平台为基础将智能任务变成人工智能算法将硬件和系统软件都接入通用计算平台并催生了曙光、汉王、科大讯飞等一批骨干企业。【AI 在达特茅斯会议之后分成了两派:**符号派和连接派。**符号派的代表就是这里说的逻辑推理专家系统连接派则是神经网络。沃尔特·皮茨Walter Pitts总结时说一派人企图模拟神经系统而纽厄尔则企图模拟心智mind……但殊途同归。”】
**符号计算系统的局限性在于其爆炸的计算时空复杂度**,即符号计算系统只能解决线性增长问题,对于高维复杂空间问题是无法求解的,从而限制了能够处理问题的大小。同时因为符号计算系统是基于知识规则建立的,我们又**无法对所有的常识用穷举法来进行枚举【**不具备举一反三的能力**】**它的应用范围就受到了很大的限制。随着第二次AI寒冬的到来第一代智能计算机逐渐退出历史舞台。
直到2014年左右智能计算进阶到第三阶段——深度学习计算系统。以杰弗里·辛顿Geoffrey Hinton等为代表的**[连接智能学派](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=%E8%BF%9E%E6%8E%A5%E6%99%BA%E8%83%BD%E5%AD%A6%E6%B4%BE&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiLov57mjqXmmbrog73lrabmtL4iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoyNDM3MzEyNzYsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.ka7So1SyLlUlFW_FWdCh9e2Ic5_DTk3pvwFKdJEM5T4&zhida_source=entity)**以学习能力自动化为目标发明了深度学习等新AI算法。通过深度神经元网络的自动学习大幅提升了模型统计归纳的能力在模式识别①等应用效果上取得了巨大突破某些场景的识别精度甚至超越了人类。以人脸识别为例整个神经网络的训练过程相当于一个网络参数调整的过程将大量的经过标注的人脸图片数据输入神经网络然后进行网络间参数调整让神经网络输出的结果的概率无限逼近真实结果。神经网络输出真实情况的概率越大参数就越大从而将知识和规则编码到网络参数中**这样只要数据足够多,就可以对各种大量的常识进行学习,通用性得到极大的提升**。连接智能的应用更加广泛,包括语音识别、人脸识别、自动驾驶等。在计算载体方面,**中国科学院计算技术研究所2013年提出了国际首个深度学习处理器架构**,国际知名的硬件厂商[英伟达](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=%E8%8B%B1%E4%BC%9F%E8%BE%BE&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiLoi7HkvJ_ovr4iLCJ6aGlkYV9zb3VyY2UiOiJlbnRpdHkiLCJjb250ZW50X2lkIjoyNDM3MzEyNzYsImNvbnRlbnRfdHlwZSI6IkFydGljbGUiLCJtYXRjaF9vcmRlciI6MSwiemRfdG9rZW4iOm51bGx9.5uHX5JhIH0ghspPPEwQeI7veUJ79BgdHgX5s0M683aU&zhida_source=entity)NVIDIA持续发布了多款性能领先的通用GPU芯片都是深度学习计算系统的典型代表。
智能计算发展的第四阶段是大模型计算系统2020年。在人工智能大模型技术的推动下智能计算迈向新的高度。**2020年AI从“小模型+判别式”转向“大模型+生成式”,**从传统的人脸识别、目标检测、文本分类升级到如今的文本生成、3D数字人生成、图像生成、语音生成、视频生成。大语言模型在对话系统领域的一个典型应用是OpenAI公司的ChatGPT它采用预训练基座大语言模型[GPT-3](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=GPT-3&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiJHUFQtMyIsInpoaWRhX3NvdXJjZSI6ImVudGl0eSIsImNvbnRlbnRfaWQiOjI0MzczMTI3NiwiY29udGVudF90eXBlIjoiQXJ0aWNsZSIsIm1hdGNoX29yZGVyIjoxLCJ6ZF90b2tlbiI6bnVsbH0.7g6kOU4JIb8at0SAJJuRuIsmU_SNV6_R7cZQ5TT7EBw&zhida_source=entity)引入3000亿单词的训练语料**相当于互联网上所有英语文字的总和**。**其基本原理是:通过给它一个输入,让它预测下一个单词来训练模型,通过大量训练提升预测精确度,最终达到向它询问一个问题,大模型产生一个答案,与人即时对话【**这里说的是预训练**】**。在基座大模型的基础上,再给它一些**提示词进行有监督的指令微调**,通过人类的<指令回复>对逐渐让模型学会如何与人进行多轮对话【这里说的是指令微调SFT】最后通过**人为设计和自动生成的奖励函数来进行强化学习迭代**,逐步实现大模型与人类价值观的对齐【对齐阶段】。【关于这三个阶段,**之前写过一个简单科普,可以看**[ChatGPT背后的故事](https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzUyOTA5OTcwMg%3D%3D%26mid%3D2247484862%26idx%3D1%26sn%3Dd5d246c7b2796928f492195775512a4a%26chksm%3Dfa677b67cd10f27125ccbdbd7201436fff10e6aa424103eaca17bdc3deb8673b030bb5291e8b%26scene%3D21%23wechat_redirect)】
大模型的特点是**以“大”取胜**其中有三层含义1**参数大**GPT-3就有1700亿个参数2**训练数据大**ChatGPT大约用了3000亿个单词570GB训练数据3**算力需求大**GPT-3大约用了上万块V100 GPU进行训练。为满足大模型对智能算力爆炸式增加的需求国内外都在大规模建设耗资巨大的新型智算中心英伟达公司也推出了采用256个H100芯片150TB海量GPU内存等构成的大模型智能计算系统。【大模型+大数据+大算力】
大模型的出现带来了三个变革。一是技术上的**规模定律Scaling Law**即很多AI模型的精度在**参数规模超过某个阈值后模型能力快速提升【**用物理的例子来解释就类似水在100度就沸腾了大模型在超过一定的参数量后会多出很多泛化的能力**】**其原因在科学界还不是非常清楚有很大的争议。AI模型的性能与模型参数规模、数据集大小、算力总量三个变量成**“对数线性关系**”【提升效果的难度越来越高】因此可以通过增大模型的规模来不断提高模型的性能。目前最前沿的大模型GPT-4参数量已经达到了万亿到十万亿量级并且仍在不断增长中二是**产业上算力需求爆炸式增长**千亿参数规模大模型的训练通常需要在数千乃至数万GPU卡上训练2-3个月时间【一般的企业电费都掏不起】急剧增加的算力需求带动相关算力企业超高速发展英伟达的市值接近两万亿美元对于芯片企业以前从来没有发生过三是**社会上冲击劳动力市场**北京大学国家发展研究院与智联招聘联合发布的《AI大模型对我国劳动力市场潜在影响研究》报告指出**受影响最大的20个职业中财会、销售、文书位于前列需要与人打交道并提供服务的体力劳动型工作如人力资源、行政、后勤等反而相对更安全**。【我们打工人要锻炼身体,未雨绸缪】
人工智能的技术前沿将朝着以下四个方向发展。**第一个前沿方向为多模态大模型。**从人类视角出发,**人类智能是天然多模态的**,人拥有眼、耳、鼻、舌、身、嘴(语言)从AI视角出发视觉听觉等也都可以建模为token②的序列可采取与大语言模型相同的方法进行学习并进一步与语言中的语义进行对齐实现多模态对齐的智能能力。
**第二个前沿方向为视频生成大模型。**【专门列出视频方向】OpenAI于2024年2月15日发布文生视频模型SORA将视频生成时长从几秒钟大幅提升到一分钟且在分辨率、画面真实度、时序一致性等方面都有显著提升。**SORA的最大意义是它具备了世界模型的基本特征**,即人类观察世界并进一步预测世界的能力。世界模型是建立在理解世界的基本物理常识(如,水往低处流等)之上,然后观察并预测下一秒将要发生什么事件【但是目前应该**还不能确定SORA只是简单的模拟还是真的学习到了物理规律**如果是后者那真的很可怕】。虽然SORA要成为世界模型仍然存在很多问题但可以认为SORA学会了画面想象力和分钟级未来预测能力这是世界模型的基础特征。
**第三个前沿方向为具身智能。**具身智能**指有身体并支持与物理世界进行交互的智能体**,如机器人、无人车等,通过多模态大模型处理多种传感数据输入,由大模型生成运动指令对智能体进行驱动,替代传统基于规则或者数学公式的运动驱动方式,实现虚拟和现实的深度融合。因此,**具有具身智能的机器人,可以聚集人工智能的三大流派**:以神经网络为代表的连接主义,以知识工程为代表的符号主义和控制论相关的行为主义,三大流派可以同时作用在一个智能体,这预期会带来新的技术突破。
**第四个前沿方向是AI4R(AI for Research)成为科学发现与技术发明的主要范式。**【目前陶哲轩等数学家已经开始积极拥抱AI并且借助AI有了很多研究成果】当前科学发现主要依赖于实验和人脑智慧由人类进行大胆猜想、小心求证信息技术无论是计算和数据都只是起到一些辅助和验证的作用。相较于人类人工智能在记忆力、高维复杂、全视野、推理深度、猜想等方面具有较大优势是否能以AI为主进行一些科学发现和技术发明大幅提升人类科学发现的效率比如**主动发现物理学规律、预测蛋白质结构【**比如AlphaFold**】、设计高性能芯片、高效合成新药**等。因为**人工智能大模型具有全量数据,具备上帝视角,通过深度学习的能力,可以比人向前看更多步数**,如能实现从推断(inference)到推理(reasoning)的跃升,人工智能模型就有潜力具备爱因斯坦一样的想象力和科学猜想能力,极大提升人类科学发现的效率,打破人类的认知边界。这才是真正的颠覆所在。
最后,**通用人工智能**③Artificial General Intelligence简称AGI是一个极具挑战的话题极具争论性。曾经有一个哲学家和一个神经科学家打赌25年后即2023年科研人员是否能够揭示大脑如何实现意识当时关于意识有两个流派一个叫集成信息理论一个叫全局网络工作空间理论**前者认为意识是由大脑中特定类型神经元连接形成的“结构”,后者指出意识是当信息通过互连网络传播到大脑区域时产生的**。2023年人们通过六个独立实验室进行了对抗性实验结果与两种理论均不完全匹配哲学家赢了神经科学家输了。通过这一场赌约可以看出人们总是希望人工智能能够了解人类的认知和大脑的奥秘。从物理学的视角看物理学是对宏观世界有了透彻理解后从量子物理起步开启了对微观世界的理解。智能世界与物理世界一样都是具有巨大复杂度的研究对象AI大模型仍然是通过数据驱动等研究宏观世界的方法提高机器的智能水平对智能宏观世界理解并不够直接到神经系统微观世界寻找答案是困难的。人工智能自诞生以来一直承载着人类关于智能与意识的种种梦想与幻想也激励着人们不断探索。
**三、人工智能的安全风险**
人工智能的发展促进了当今世界科技进步的同时,**也带来了很多安全风险****要从技术与法规两方面加以应对。【**目前借助AI可以很低成本的造假Ilya他们搞超级对齐就是为了规避一些风险。在矛造出来之前先把盾造出来**】**
首先是互联网虚假信息泛滥。这里列举若干场景:**一是数字分身。**AI Yoon是首个使用 DeepFake 技术合成的官方“候选人”这个数字人以韩国国民力量党候选人尹锡悦Yoon Suk-yeol为原型借助尹锡悦 20 小时的音频和视频片段、以及其专门为研究人员录制的 3000 多个句子,由当地一家 DeepFake 技术公司创建了虚拟形象 AI Yoon并在网络上迅速走红。实际上 AI Yoon 表达的内容是由竞选团队撰写的,而不是候选人本人。
**二是伪造视频,**尤其是伪造领导人视频引起国际争端,扰乱选举秩序,或引起突发舆情事件,如伪造尼克松宣布第一次登月失败,伪造乌克兰总统泽连斯基宣布“投降”的信息,这些行为导致新闻媒体行业的社会信任衰退。
**三是伪造新闻,**主要通过虚假新闻自动生成牟取非法利益使用ChatGPT生成热点新闻赚取流量截至2023年6月30日全球生成伪造新闻网站已达277个**严重扰乱社会秩序。**
**四是换脸变声,用于诈骗**。如由于AI语音模仿了企业高管的声音一家香港国际企业因此被骗3500万美元。
**五是生成不雅图片,**特别是针对公众人物。如影视明星的色情视频制作,造成不良社会影响。因此,迫切需要发展互联网虚假信息的伪造检测技术。
其次AI大模型面临严重可信问题。这些问题包括1“一本正经胡说八道”的**事实性错误**2**以西方价值观叙事,输出政治偏见和错误言论**3**易被诱导,输出错误知识和有害内容**4**数据安全问题加重**大模型成为重要敏感数据的诱捕器ChatGPT将用户输入纳入训练数据库用于改善ChatGPT美方能够利用大模型获得公开渠道覆盖不到的中文语料掌握我们自己都可能不掌握的“中国知识”。因此迫切需要发展大模型安全监管技术与自己的可信大模型。
除了技术手段外,**人工智能安全保障需要相关立法工作**。2021年科技部发布《新一代人工智能伦理规范》2022年8月全国信息安全标准化技术委员会发布《信息安全技术 机器学习算法安全评估规范》2022-2023年中央网信办先后发布《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理办法》等。欧美国家也先后出台法规2018年5月25日欧盟出台《通用数据保护条例》2022年10月4日美国发布《人工智能权利法案蓝图》2024年3月13日欧洲议会通过了欧盟《人工智能法案》。
**我国应加快推进《人工智能法》出台**,构建人工智能治理体系,确保人工智能的发展和应用遵循人类共同价值观,促进人机和谐友好;创造有利于人工智能技术研究、开发、应用的政策环境;建立合理披露机制和审计评估机制,理解人工智能机制原理和决策过程;明确人工智能系统的安全责任和问责机制,可追溯责任主体并补救;推动形成公平合理、开放包容的国际人工智能治理规则。
**四、中国智能计算发展困境**
人工智能技术与智能计算产业处于中美科技竞争的焦点,我国在过去几年虽然取得了很大的成绩,但依然面临诸多发展困境,特别是由美国的科技打压政策带来的困难。
**困境一为美国在AI核心能力上长期处于领先地位中国处于跟踪模式。**中国在AI高端人才数量、AI基础算法创新、AI底座大模型能力大语言模型、文生图模型、文生视频模型、底座大模型训练数据、底座大模型训练算力等都与美国存在一定的差距**并且这种差距还将持续很长一段时间**。【实事求是】
**困境二为高端算力产品禁售,高端芯片工艺长期被卡。**A100H100B200等高端智算芯片对华禁售。华为、龙芯、寒武纪、曙光、海光等企业都进入实体清单它们芯片制造的先进工艺④受限**国内可满足规模量产的工艺节点落后国际先进水平2-3代核心算力芯片的性能落后国际先进水平2-3代**。
**困境三为国内智能计算生态孱弱AI开发框架渗透率不足。**英伟达[CUDA](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=CUDA&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiJDVURBIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MjQzNzMxMjc2LCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.9CetKaesc4vRybfvleP-x-IBlG_p40UQtf8qBRdOgwg&zhida_source=entity)⑤(Compute Unified Device Architecture, 通用计算设备架构)生态完备,**已形成了事实上的垄断**。国内生态孱弱,具体表现在:一是**研发人员不足**英伟达CUDA生态有近2万人开发是国内所有智能芯片公司人员总和的20倍二是**开发工具不足**CUDA有550个SDK(Software Development Kit, 软件开发工具包),是国内相关企业的上百倍;三是**资金投入不足**英伟达每年投入50亿美元是国内相关公司的几十倍四是**AI开发框架**[TensorFlow](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=TensorFlow&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiJUZW5zb3JGbG93IiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MjQzNzMxMjc2LCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.eszZU8gxw8-j7sjscSTcxqDWyMvu80BCamdMt5_8BeY&zhida_source=entity)占据工业类市场,[PyTorch](https://zhida.zhihu.com/search?content_id=243731276&content_type=Article&match_order=1&q=PyTorch&zd_token=eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJpc3MiOiJ6aGlkYV9zZXJ2ZXIiLCJleHAiOjE3NDE2NzUzNDMsInEiOiJQeVRvcmNoIiwiemhpZGFfc291cmNlIjoiZW50aXR5IiwiY29udGVudF9pZCI6MjQzNzMxMjc2LCJjb250ZW50X3R5cGUiOiJBcnRpY2xlIiwibWF0Y2hfb3JkZXIiOjEsInpkX3Rva2VuIjpudWxsfQ.R0RN6Nh_yf39D2CuTNXBMCVddiYq3P8Ml0B7DeAa2LY&zhida_source=entity)占据研究类市场,**百度飞桨等国产AI开发框架的开发人员只有国外框架的1/10**。**更为严重的是国内企业之间山头林立,无法形成合力**,从智能应用、开发框架、系统软件、智能芯片,虽然每层都有相关产品,但各层之间没有深度适配,**无法形成一个有竞争力的技术体系。【**院士一针见血的点出了国内的问题,**我之前也有分析过国内外大模型的发展状况,写的没有院士的全面,但是思路基本还是对的。感兴趣可以看**[大模型公司哪家强?\_ \_ 国 \_ \_ 找 \_ \_](https://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzUyOTA5OTcwMg%3D%3D%26mid%3D2247485309%26idx%3D1%26sn%3Db41a434997274e5ee063e8a7610e434e%26chksm%3Dfa6779a4cd10f0b227f85012e2a41252838bbf6fade88e5d4630f36027cac20b3bfc0c2786ae%26scene%3D21%23wechat_redirect)**】**
**困境四为AI应用于行业时成本、门槛居高不下。**当前我国AI应用主要集中在互联网行业和一些国防领域。AI技术推广应用于各行各业时特别是从互联网行业迁移到非互联网行业需要进行大量的定制工作迁移难度大单次使用成本高。最后我国在AI领域的人才数量与实际需求相比也明显不足。【虽然说计算机就业已经有些饱和但是 AI 的高级人才还是稀缺的。】
**五、中国如何发展智能计算的道路选择**
**人工智能发展的道路选择对我国至关重要,关系到发展的可持续性与最终的国际竞争格局。**当前人工智能的使用成本十分高昂微软Copilot套件要支付每月10美元的使用费用ChatGPT每天消耗50万千瓦时的电力英伟达B200芯片价格高达3万美元以上。总体来说我国**应发展用得起、安全可信的人工智能技术**【未来发展就看这句话】,消除我国信息贫困人口、并造福“一带一路”国家;低门槛地赋能各行各业,让我国的优势产业保持竞争力,让相对落后的产业能够大幅地缩小差距。
**选择一:统一技术体系走闭源封闭,还是开源开放的道路?**支撑智能计算产业的是一个相互紧耦合的技术体系,即由一系列技术标准和知识产权将材料、器件、工艺、芯片、整机、系统软件、应用软件等密切联系在一起的技术整体。我国发展智能计算技术体系存在**三条道路:**
**一是追赶兼容美国主导的A体系。**【简单但是用别人的就会卡脖子】我国大多数互联网企业走的是GPGPU/CUDA兼容道路很多芯片领域的创业企业在生态构建上也是尽量与CUDA兼容**这条道路较为现实**。由于在算力方面美国对我国工艺和芯片带宽的限制,在算法方面国内生态林立很难形成统一,生态成熟度严重受限,在数据方面中文高质量数据匮乏,这些因素会使得追赶者与领先者的差距很难缩小,一些时候还会进一步拉大。
**二是构建专用封闭的B体系。**【安全,但是没有影响力】在军事、气象、司法等专用领域构建企业封闭生态,基于国产成熟工艺生产芯片,相对于底座大模型更加关注特定领域垂直类大模型,训练大模型更多采用领域专有高质量数据等。这条道路易于形成完整可控的技术体系与生态,我国一些大型骨干企业走的是这条道路,**它的缺点是封闭,无法凝聚国内大多数力量,也很难实现全球化。**
**三是全球共建开源开放的C体系。**【全世界人民团结起来对抗万恶的资本主义】用开源打破生态垄断降低企业拥有核心技术的门槛让每个企业都能低成本地做自己的芯片形成智能芯片的汪洋大海满足无处不在的智能需求。用开放形成统一的技术体系我国企业与全球化力量联合起来共建基于国际标准的统一智能计算软件栈。形成企业竞争前共享机制共享高质量数据库共享开源通用底座大模型。对于全球开源生态我国企业在互联网时代收益良多我国更多的是使用者是参与者在智能时代我国企业在RISC-V⑥+AI开源技术体系上**应更多地成为主力贡献者,成为全球化开放共享的主导力量。**
**选择二:拼算法模型,还是拼新型基础设施?**人工智能技术要赋能各行各业具有典型的长尾效应⑦。我国80%的中小微企业,需要的是低门槛、低价格的智能服务。因此,我国智能计算产业必须建立在新的数据空间基础设施之上,**其中关键是我国应率先实现智能要素即数据、算力、算法的全面基础设施化。**这项工作可比肩二十世纪初美国信息高速公路计划(即信息基础设施建设)对互联网产业的历史作用。
信息社会最核心的生产力是网络空间(Cyberspace)。网络空间的演进过程是:**从机器一元连接构成的计算空间,演进到人机信息二元连接构成的信息空间,再演进到人机物数据三元连接构成的数据空间。**从数据空间看,**人工智能的本质是数据的百炼成钢,大模型就是对互联网全量数据进行深度加工后的产物**。**在数字化时代,在互联网上传输的是信息流,是算力对数据进行粗加工后的结构化抽象****在智能时代,在互联网上传输的是智能流,是算力对数据进行深度加工与精炼后的模型化抽象。【**写的太好了,我匮乏的语言都无法描述这一段的精妙**】**智能计算的一个核心特征就是用数值计算、数据分析、人工智能等算法,在算力池中加工海量数据件,得到智能模型,再嵌入到信息世界、物理世界的各个过程中。
我国政府已经前瞻性地提前布局了新型基础设施,在世界各国竞争中抢占了先机。**首先,数据已成为国家战略信息资源。**数据具有资源要素与价值加工两重属性,数据的资源要素属性包括生产、获取、传输、汇聚、流通、交易、权属、资产、安全等各个环节,我国应继续加大力度建设国家数据枢纽与数据流通基础设施。
**其次AI大模型就是数据空间的一类算法基础设施。以通用大模型为基座构建大模型研发与应用的基础设施支撑广大企业研发领域专用大模型服务于机器人、无人驾驶、可穿戴设备、智能家居、智能安防等行业覆盖长尾应用。**
**最后,全国一体化算力网建设在推动算力的基础设施化上发挥了先导作用。**算力基础设施化的中国方案,应在大幅度降低算力使用成本和使用门槛的同时,为最广范围覆盖人群提供高通量、高品质的智能服务。算力基础设施的中国方案需要**具备“两低一高”**,即在供给侧,**大幅度降低**算力器件、算力设备、网络连接、数据获取、算法模型调用、电力消耗、运营维护、开发部署的**总成本**,让广大中小企业都消费得起高品质的算力服务,有积极性开发算力网应用;在消费侧,**大幅度降低广大用户的算力使用门槛**,面向大众的公共服务必须做到易获取、易使用,像水电一样即开即用,像编写网页一样轻松定制算力服务,开发算力网应用。在服务效率侧,**中国的算力服务要实现低熵高通量**,其中高通量是指在实现高并发⑧度服务的同时,端到端服务的响应时间可满足率高;低熵是指在高并发负载中出现资源无序竞争的情况下,保障系统通量不急剧下降。保障“算得多”对中国尤其重要。
**选择三AI+着重赋能虚拟经济,还是发力实体经济?**
**“AI+”的成效是人工智能价值的试金石**。次贷危机后美国制造业增加值占GDP的比重从1950年的28%降低为2021年的11%美国制造业在全行业就业人数占比从1979年的35%降低为2022年的8%,可见**美国更倾向于回报率更高的虚拟经济轻视投资成本高且经济回报率低的实体经济。中国倾向于实体经济与虚拟经济同步发展更加重视发展装备制造、新能源汽车、光伏发电、锂电池、高铁、5G等实体经济。**【以后选择什么个工作知道了么?】
相应地**美国**AI主要应用于虚拟经济和IT基础工具**AI技术也是“脱实向虚”**自2007年以来硅谷不断炒作虚拟现实Virtual RealityVR、元宇宙、区块链、Web3.0、深度学习、AI大模型等是这个趋势的反映。我国的优势在实体经济制造业全球产业门类最齐全体系最完整特点是场景多、私有数据多。**我国应精选若干行业加大投入,形成可低门槛全行业推广的范式,如选择装备制造业作为延续优势代表性行业,选择医药业作为快速缩短差距的代表性行业。**赋能实体经济的技术难点是AI算法与物理机理的融合。【AI+的范式仍然适用】
**人工智能技术成功的关键是能否让一个行业或一个产品的成本大幅下降从而将用户数与产业规模扩大10倍产生类似于蒸汽机对于纺织业智能手机对于互联网业的变革效果。**
我国应走出适合自己的人工智能赋能实体经济的高质量发展道路。
---
**主讲人系中国工程院院士,中国科学院计算技术研究所研究员、学术委员会主任**
**注释:**
①模式识别是指用计算的方法根据样本的特征将样本划分到一定的类别中去,是通过计算机用数学方法来研究模式的自动处理和判读,把环境与客体统称为“模式”。以图像处理与计算机视觉、语音语言信息处理、脑网络组、类脑智能等为主要研究方向。
②Token可翻译为词元指自然语言处理过程中用来表示单词或短语的符号。token可以是单个字符,也可以是多个字符组成的序列。
③通用人工智能是指拥有与人类相当甚至超过人类智能的人工智能类型。通用人工智能不仅能像人类一样进行感知、理解、学习和推理等基础思维能力,还能在不同领域灵活应用、快速学习和创造性思考。通用人工智能的研究目标是寻求统一的理论框架来解释各种智能现象。
④芯片制造工艺指制造CPU或GPU的制程即晶体管门电路的尺寸单位为纳米目前国际上实现量产的最先进工艺以台积电的3nm为代表。更先进的制造工艺可以使CPU与GPU内部集成更多的晶体管使处理器具有更多的功能以及更高的性能面积更小成本更低等。
⑤CUDA是英伟达公司设计研发一种并行计算平台和编程模型包含了CUDA指令集架构以及GPU内部的并行计算引擎。开发人员可以使用C语言来为CUDA架构编写程序所编写出的程序可以在支持CUDA的处理器上以超高性能运行。
⑥RISC-V发音为“risk-five”是一个由美国加州大学伯克利分校发起的开放通用指令集架构相比于其他付费指令集RISC-V允许任何人免费地使用RISC-V指令集设计、制造和销售芯片和软件。
⑦长尾效应是指那些原来不受到重视的销量小但种类多的产品或服务由于总量巨大,累积起来的总收益超过主流产品的现象。在互联网领域,长尾效应尤为显著。
⑧高并发通常指通过设计保证系统能够同时并行处理很多请求。

View File

@ -17,7 +17,8 @@
"check": "tsc --noEmit && npx prettier . --check", "check": "tsc --noEmit && npx prettier . --check",
"format": "npx prettier . --write", "format": "npx prettier . --write",
"test": "tsx --test", "test": "tsx --test",
"profile": "0x -D prof ./quartz/bootstrap-cli.mjs build --concurrency=1" "profile": "0x -D prof ./quartz/bootstrap-cli.mjs build --concurrency=1",
"dev": "npx quartz build --serve"
}, },
"engines": { "engines": {
"npm": ">=9.3.1", "npm": ">=9.3.1",