认知方法论：认知的同化、顺化与平衡 84/100

图片发自App

输出是最好的输入

#见：无论作为“碳基”的“人的智能”和作为“硅基”的“人工智能”差别有多大，有一点是相通的：将极其复杂的运算“后台化”，并且在瞬间完成。就像现在，一些“人脸识别”技术，能够在一个人化了妆，戴了帽子、墨镜的情况下，仅仅根据步态，或者某几个表情，就能确认这个人的身份。

1. 人在认知上的竞争优势，不是“前台”的认知，而是“后台”的认知。

换句话说，通过反复学习和练习，将认知不断沉底，让认知冰山在水底下看不到的部分越来越大。

2. 两个个体之间的认知能力的较量其实是两种认知体量大小的竞争。

认知的绝大部分都是看不到的、后台化的，就像冰山的十分之九都在水面以下。

3. 不断接触新的数据、同化数据、优化算法，将认知能力沉底，变成一种自动化的快速反应——这是人和“机器学习”共同的规律。

4. 最后，我们的认知会表现为：当机立断、急中生智、熟能生巧的能力。

吴伯凡：当我们谈论这些的时候，也能意识到“人跟机器之间，似乎是一场注定不会赢的竞争”。但是，即便在与机器的竞争中，我们的胜算真的不多，我们也应该反省一下：我们能否不断优化自己的算法？即便在算力上不可能与机器竞争，但能否对数据保持始终如一的开放性？我们能否通过反复刻意练习，将认知能力不断沉底，以获得某种竞争优势？

就像那个故事里说的：在森林里，你不一定要跑得比熊快，但你要跑得比你身边的那个人快。

#感：学习是远离平衡态的平衡态，这句话有点绕，但是很深刻。学习的起点是平衡态，终点也是平衡态，从起点到终点的过程中，是增量信息和存量信息的碰撞交织。

当两者是引力时，纳入框架，表现为同化，平衡态保持；当两者间是斥力时，发生碰撞，打破平衡，变现为顺化，框架重构，再次达到平衡。

#思：如果想让碳基智能赢硅基智能的话，不能在算力和数据上作比较，而是要比算法和创新。这是硅基智能所无法达到的。正如生命3.0中所讲，人类是属于生命2.0的形态，人类的硬件是靠进化而来，而软件则依靠设计。可以通过后天来习得。通过处理感官信息来决定行动时使用的所有算法和知识。到目前为止，硅基智能是人工喂养数据的方式来获得智能的。但其框架还是局限在人所创建的范围内。其次创新是现阶人工智能所无法达到的要求之一。

#行：所以我们的竞争不是与硅基智能相比，而是与同为碳基智能的人类相比。正如课后所说的，森林里，熊就是硅基智能，我们不是和他比，而是只要跑的比你身边的那个人（碳基智能）快就行。向上的路其实并不拥挤，因为大多数人选择的是认知安逸，

图片发自App