如果用“作战”做类比，优秀的理论可以让人们：
-
精准识别“对手”（类比知识）的种类和特性。
-
清晰认识自身的特点（类比大脑特性）和当前的情况（类比对已有知识的掌握）。
-
熟练掌握所有“武器”（类比学习方法、材料和工具）的种类和特性。
在进行任何学习时，都能根据自身情况和对手的特点，选择最合适的“武器”，做到知己知彼，百战不殆。
有没有哪位有这种例子 豆包给的都是答非所问 比如玩英雄联盟里面的敌人是啥 自身情况 武器代表着啥
1 个赞
为什么要这样着手？可以用一个类比来理解。
如果有人试图设计一款专注于打字效率的键盘，却只是在现有键盘设计的基础上稍作调整，那他的创新就会受到限制。因为标准键盘的QWERTY布局，其实是对19世纪打字机技术局限的一种妥协。当时，打字速度过快会导致打字机的连杆互相卡住。为了避免这一问题，设计师故意将常用字母分散到不同的键位上。如果回顾了键盘的这段发展历史，就会意识到，这种QWERTY布局并不是必然选择，完全有可能采取其他布局方式。
改进键盘这个例子蛮有意思的
这段话提及的问题是在创新改进与我们依据的目的 创新的方式是在原有的基础上修修补补 还是彻底改头换面或者说被替代后反而更高效
比如说在比如改进键盘这个问题中 传递的是信息 这是最本质的一点 正是这一目的 才会有苹果打破传统的智能机
例如 油车到电车 本源目的是啥 **用更少的能量，移动更重的物体”
文中这段话的涵义是 想要知道学习是该使用怎么的方式 就得从最本源的目的出发 学习就本源目的不是为了考试也不是为了上课 而是为了生存 为什么要从本源出发 才不容易被以往的经验所困扰 想要改进学习效率 想到的就是背书 上课 考试之类
接着提出了预测 是生命为了生存的唯一手段 或着说预测的重要性 以至于我们时刻在预测 还提到了不光是生存还有我们个人的理想 都需要依靠预测能力来实现
接着提问预测能力从何而来 提到一个现象 同一个件事不同的人却会有不同的预测能力
为什么有这样的差别 预测能力从何而来 如何提升预测能力？
提到了不能用常识来解释因为 比起从来没经历过的事物 根本看不出差别**
1 个赞
用渐构学习法解析"作战类比"：以学英语为例（英雄联盟版）
你问的核心问题是：在"作战类比"中，对手、自身情况、武器分别具体对应什么？
渐构学习法已经精确定义了这些东西。我用**“学英语语法”**这个具体任务，配合英雄联盟做双层类比：
1. “对手”（知识）= 你要建构的模型
在渐构里，知识不是"一串信息"，而是一个模型，由两部分组成：
| 渐构术语 | 英语语法的例子 | 英雄联盟类比 |
|---|---|---|
| 判别模型 | 看到一句话，能识别出"这是虚拟语气" | 看到对面的英雄，能识别"这是刺客，不是坦克" |
| 联结模型 | 识别出来后，知道"虚拟语气要用过去时态" | 识别出刺客后，知道"他会绕后切我的ADC" |
“对手的种类和特性” = 你要学的知识，它具体可以拆成：
- 前兆（输入/你能看到的）：一个英语句子的上下文和结构
- 后继（输出/你想预测的）：这句话的正确语法形式和含义
英雄联盟版：前兆 = 对面阵容选了劫+盲僧+妖姬（全刺客）；后继 = 他们肯定会打前期进攻套路，后期团战乏力。
2. “自身情况”= 你的当前学习状态（诊断）
渐构学习法有三种精确的诊断，告诉你"你的模型哪里出了问题"：
| 渐构诊断 | 你学英语时的症状 | 英雄联盟类比 |
|---|---|---|
| 判别模型缺失（对象层丢失） | 你背了"虚拟语气"的定义，但看到真实句子就认不出来 | 你知道"刺客要绕后"这个道理，但打团时根本看不出谁是刺客、谁在绕后 |
| 联结模型错误（上层丢失） | 你能看出来这句话"有点奇怪"，但说不出为什么，也不知道该怎么改 | 你能看到对面英雄在动，但不知道他下一步要干嘛，无法预判 |
| 泛化不足（过拟合） | 课本上的练习题都会做，换了一个新句子就懵 | 对线熟悉的对手（如亚索）没问题，遇到冷门英雄（如约里克）就完全不会打 |
“认识自身的特点和当前情况” = 用渐构的诊断框架，精准定位你的问题是哪一种"知识坍缩"。
3. “武器”（学习方法和工具）= 渐构提供的建模手段
| 渐构方法 | 学英语时怎么用 | 英雄联盟类比 |
|---|---|---|
| 双例对比法 | 把"If I were you"和"If I was you"放在一起比较，找出虚拟语气的判别特征 | 看两个对线录像——一个劫赢了、一个劫输了，对比找出关键差异（他什么时候用了R？） |
| 自下而上学习（归纳） | 先读 10 个含虚拟语气的真实句子，然后自己总结规律 | 先打 10 把对线劫的比赛，凭经验总结出"劫到六必定一套秒人"的规律 |
| 自上而下学习（演绎） | 先学虚拟语气的语法规则定义，再去找例句验证 | 先看攻略"劫的连招是W-E-Q-R-AA-点燃"，再到实战中练习 |
| 旧义重组（属加种差） | “虚拟语气 = 条件句（已知概念）+ 表达非真实/假设的情况（种差）” | “劫 = 刺客（已知概念）+ 有影子分身机制（种差）” |
| 验证与迭代 | 自己造一个句子，问老师对不对；错了就修正模型 | 在新的一局里尝试你总结的打法，输了就分析是哪一步预判错了 |
完整"作战"示例：我要学英语虚拟语气
| 作战步骤 | 渐构操作 | 具体做法 |
|---|---|---|
| 1. 侦察对手 | 明确推测任务（前兆→后继） | 前兆 = 看到一个句子；后继 = 判断该不该用虚拟语气，以及用哪种形式 |
| 2. 评估自身 | 诊断学习状态 | 我是"背了定义但认不出来"（判别缺失）？还是"认出来了但不知道变什么形"（联结缺失）？ |
| 3. 选择武器 | 对症下药 | 如果判别缺失→用双例对比法（正例反例各3句）；如果联结缺失→梳理"由于…所以…"因果链 |
| 4. 实战验证 | 泛化测试 | 拿一组从来没见过的句子来测试，看能不能正确预测 |
| 5. 迭代升级 | 修正模型 | 预测错了→分析错因→引入新变量→更新模型 |
总结：为什么豆包"答非所问"？
因为普通的回答只是在做表面类比（把"学习方法"随便叫做"武器"），而没有回答为什么选这个武器、为什么不选另一个。
渐构学习法的核心价值恰恰在于：它提供了一套诊断系统（知己知彼），能让你根据"对手的特性"（知识的判别/联结结构）和"自身的状态"（哪种知识坍缩），精准匹配最合适的"武器"（学习方法），实现"百战不殆"。
这不是随便套个类比就能解释清楚的——它需要模型级的精度，而不是标签级的对应。
第一层：破除"类别固有观"——QWERTY键盘类比
这段话的核心逻辑，在渐构学习法里叫做**“类别固有观”（Category Fixation）**——人们默认事物"天生"就该是这样的。
| 渐构概念 | 键盘的例子 | 学习的例子 |
|---|---|---|
| 类别固有观（被困在旧分类里） | “键盘就应该是QWERTY布局” | “学习就应该是背书、上课、考试” |
| 追溯本源目的（重新定义推测任务） | 键盘的本质目的 = 传递信息 | 学习的本质目的 = 为了生存 |
| 打破旧类别后的创新 | 苹果触屏取代物理键盘 | 渐构学习法重新定义学习 = 建构可泛化模型 |
用渐构的话说：QWERTY布局是一个在旧推测任务下建构的联结模型（前兆 = 打字员按键 → 后继 = 连杆不卡住）。当推测任务变了（数字时代不存在连杆了），你如果还在旧模型上"修修补补"，就是概念遮蔽——被旧经验限制了视野。
你说的"油车到电车"也是同理：旧的联结模型是"燃烧汽油→产生动力"，但如果回到本源目的"用更少能量移动更重物体"，这个推测任务根本不限定你必须用"燃烧"这条路径。
第二层：学习的本源目的 → 预测
文中从这里开始了渐构学习法的核心推导：
生存 → 需要预测 → 预测是生命唯一的手段
在渐构的框架里，这对应的就是信息推测任务（Inference Task）：
- 前兆 (Precursor)：你能观察到的变化之前的信息
- 后继 (Subsequent)：变化之后你想预测的结果
- 学习的本质 = 提高你在这个"前兆→后继"推测任务上的表现
举个你能直观感受的例子：
| 场景 | 前兆（你看到的） | 后继（你想预测的） |
|---|---|---|
| 生存 | 天空变暗、气压降低 | 要下暴雨了，赶紧找地方躲 |
| 考试 | 看到一道数学题的题干 | 正确答案是什么 |
| 理想 | 我现在的能力和资源 | 做什么选择能让我五年后达到目标 |
所以渐构说：考试只是"预测任务"的一个子集，不是学习的目的本身。 如果你把学习等同于考试，就像把键盘等同于QWERTY——你被困在了一个子集里。
第三层：同一件事，不同的人预测能力不同——为什么？
这是渐构最关键的推导。文中说：
“不能用常识来解释，因为比起从来没经历过的事物，根本看不出差别”
用渐构的术语精确翻译：
你之所以"看不出差别"，是因为你缺乏判别模型。
这里对应的正是**“对象层丢失”**——
| 有判别模型的人 | 没有判别模型的人 |
|---|---|
| 一个老中医看到病人的脸色，能判别出"这是气虚"还是"血瘀" | 你看到同一张脸，只觉得"脸色不太好"，看不出任何差别 |
| 一个老司机听到发动机的声音，能判别出"该换机油了" | 你听到同样的声音，觉得"车在响"，没有任何区分 |
| 一个资深程序员看到代码，能识别出"这里有内存泄漏的前兆" | 新手看到同样的代码，觉得"能跑就行" |
为什么有这样的差别？
渐构的答案是：差别在于你有没有建构足够精细的判别模型和联结模型。
- 判别模型 让你能"看到"别人看不到的前兆（把混沌的信息分类）
- 联结模型 让你能从看到的前兆推导出正确的后继（预测）
没有模型的人 → 前兆对他来说全是噪声 → 自然无法预测。
这就是为什么"常识"解释不了——常识说"经验多了就会了"，但渐构指出：不是经验多就行，关键是你有没有从经验中建构出模型。很多人经历了10000件事，但从来没有提取出判别特征，所以他"看了等于没看"。
整段话的论证逻辑（渐构视角的一句话总结）
想改进学习 → 必须回到本源目的（打破类别固有观）
→ 本源目的 = 生存 = 需要预测能力
→ 预测能力 = 判别模型 + 联结模型
→ 差别来自于：有没有从经验中建构出模型
→ 所以学习 ≠ 记忆信息，学习 = 渐进式建构可泛化模型
这就是渐构学习法的第一性原理推导——从"为什么要学习"一路推到"学习到底是什么"，而不是在"背书、考试"这些表面现象上打转。
你在到了一个完全陌生的地方你该如何生存？接着上一个问题 预测从何而来 又该如何提升
预测的第一个来源
什么是经验预测
就是拿你遇到的情况 和你过去的经历对比
经验预测的几个特点：经验的获取是需要代价 只能预测已见不能预测未见
提升这种预测能力 自然是经历的越多越好
比如第一次游玩黑魂游戏 它有很多令人诧异的现象 进入一个全新场景时候会经历一遍遍死亡 游玩的时间越长经历的越多越容易生存 虽然经历了很多但再碰到新的场景还是一遍遍死亡
接着提到所有暗霞如同雪花一样每个都不一样 经验预测失效了你该怎么办
世界处处不同是常态 我们生物是如何处理未见情况的？
我们大脑会经历一系列过程
把过去的经历的现象 罗列再一起 经过比对 找出共有的属性 抽象 与此同时得到概念 但是这个属性并不是一次性的
比如邻居家小孩学习 狗子都很友善 结果被猫抓伤了 就会猫和狗子的不同之处
得到概念之后 接下来会怎么样？
看到的事物不再是原貌 筛选成一个个特征 筛选的特征可以有很多 例如提到的暗霞除了弦 颜色 大小
有个问题挺好奇的 在暗霞这个故事里为啥选了弦这个特征 来作为暗霞的表征呢
我猜测是一次次试过 最后选了它
里面提到表征 什么是表征？ 表征和特征有什么差别？
我记得一个例子是讲一些男生对女生的偏见 把头发长短作为男女的表征 女生都是头发长
那我选声音的尖细算不算表征 特征是事物本身客观拥有的属性，而表征是人们在主观上选择用哪种特征来代表那个事物。
为啥要抽象？不抽象能找出共性吗 这个共性应该指的是弦和数值增长之间的规律把
这个问题可以看成没有概念会怎么样？
你无法建立类别：你会觉得今天的太阳和昨天的太阳是两个完全不同的东西，因为你没有抽象出“太阳”这个每天都会升起的物体。没有“太阳”这个类别，你就无法发现“太阳每天从东边升起”这个模式。
你无法进行推理：你看到这杯水被加热到100度会沸腾。因为没有抽象出“水”、“加热”、“100度”这些概念，下一次面对另一杯看起来差不多的液体，你根本无法判断它是否也会在某个温度下沸腾。因为在你眼里，它们之间没有任何联系。
归纳和抽象有什么差别和共同点？
归纳和抽象都是基于具体的事物 **
一个是探究两类事物之间的关系 一个是事物是什么**
前面几个步骤是构建模型不可或缺的 归纳 抽象 表征 模式
模型：可以根据输入推测出输出
又称之为代数思维 模型思维
模型预测比起经验预测的优势在哪？
记忆有遗忘的风险 一个模型就可以压缩或者说代替所有经验 用的时候代入就好了很高效方便 没有记忆容易混淆或是要大量的记忆
有如此的作用怪不得人类天生喜欢规律而不喜欢记忆
定性与定量
如何评价一个模型？
归纳不足
看一个模型使用条件就看这个模型能不能够压缩所有旧经验特点
不能压缩称之为归纳不足
现在的模型不成立没法压缩所有旧经验该怎么办？
书里的行为是再重新抽象归纳利用新的表征 形成新的关系 这个关系恰好能够拟合所有旧情况
为什么要这么做？或者为什么这么做有效？
如果下一次又碰到没法拟合旧情况 是不是再次找新的表征然后构建新的关系直至又能拟合所有情况
因为这么做就是为了寻找新的关系直至拟合拟合所有情况
模型的目标
模型之所以能够面对未见情况时也能起效 是因为未见情况也和模型使用同一个关系
模型不是为了压缩所有旧经验，一个模型满足已见情况但是不满足未见情况也是不合格的
构建模型时可能会遇到的问题
泛化不足 归纳不足
如果又失败了怎么办？
模型就是预测能力的第二个来源
「积累经验，抽象概念，归纳模式，建构模型，验证假设，更新模型，最后用模型来预测信息」，简称「模型预测」。经验可以赋予我们，预测「已见」情况的能力，而模型有机会赋予我们，预测「未见」情况的能力。
总结一下
第一章讲了预测的重要性直接关乎生死 对我们而言预测就如同呼吸一样普遍 预测不止步于我们的生存还有美好的生活也依靠它 预测既然不是天生的那么预测从何而来？
第二三章 你现在到了一个完全陌生的环境你该如何生存？
接着上一章的问题 预测的来源 一个是经验 一个是模型
通过你的经历直接比对你遇到的现象 该如何应对未见？ 我们可以一遍遍试错但付出的代价可能是巨大的 那我们该怎么办？
面对从来没有见过的情况，所有的经验失效了
书中的人物通过抽象归纳一系列步骤构造了一个模型 构建模型时可能会遇到的问题 泛化不足 归纳不足
模型的成立条件
如果预测了该则么办？
模型相对于经验预测的优势
渐构学习法分析：预测的来源与模型建构
一、明确推测任务
| 要素 | 内容 |
|---|---|
| 前兆 (输入) | 一个完全陌生的环境中遇到的各种现象 |
| 后继 (输出) | 如何在该环境中生存（正确应对未见情况） |
| 模型目标 | 建构一个能预测"未见情况"的可泛化模型 |
核心线索：从经验预测到模型预测的跃迁。
二、内容的渐构结构拆解
第一层：经验预测（下层·对象层）
经验预测 = 拿你遇到的情况和你过去的经历对比
经验预测本质上是没有建立模型，完全依赖对象层的逐一匹配。
经验预测的特征分析：
能预测已见：黑魂里经历过的场景，再碰到相同场景就知道怎么过了
不能预测未见：进入新场景，还是会一遍遍死亡- 获取有代价：每一次经验都需要亲身经历（在黑魂里就是一次次死亡）
渐构诊断：这就是上层丢失 —— 只有零散的经验（下层数据），没有总结出规律（上层模型），所以无法泛化。
第二层：从经验到概念——抽象的发生
经验失效后大脑的自然反应过程，对应渐构循环的前半段：
具象经验 → 罗列比对 → 找出共有属性 → 抽象 → 得到概念
用渐构术语精确拆解：
| 步骤 | 渐构对应 | 例子 |
|---|---|---|
| 罗列现象 | 收集经验（前兆-后继事件） | 邻居家小孩接触了很多动物 |
| 比对差异 | 双例对比法（判别模型构建） | 狗友善 vs 猫抓伤 → 猫和狗不一样 |
| 提取共性 | 抽象（剔除差异，提取共性） | 从无数暗霞中提取共有属性 |
| 得到概念 | 概念 = 内涵 + 外延 | "弦"作为暗霞的一个属性被识别出来 |
关于"表征"与"特征"的区分
特征是事物本身客观拥有的属性，而表征是人们在主观上选择用哪种特征来代表那个事物。
用渐构的语言翻译：
- 特征 = 对象层的各种属性（暗霞的弦、颜色、大小都是特征）
- 表征 = 为了特定推测任务而选择的判别特征（选哪个特征来做分类的依据）
例子：用"头发长短"来作为男女的表征，就是选了一个特征来执行判别任务。但这个判别模型是有问题的——它会导致泛化不足（遇到短发女生就判断错误）。
为什么书里选了"弦"？ 一次次试过，发现"弦"是能最好地压缩所有旧经验、拟合前兆与后继关系的那个表征。这就是渐构循环中的迭代验证过程。
第三层：为什么要抽象？
没有抽象 = 没有概念 = 无法建立类别 = 无法发现模式 = 无法推理
用渐构严格表述：
- 没有判别模型：今天的太阳和昨天的太阳是"两个不同东西"→ 你永远无法积累关于"太阳"的经验
- 没有联结模型：即使看到水沸腾了100次，因为没有"水"、"温度"这些概念，你无法建立
水 + 100°C → 沸腾的模型 - 结论：抽象是建模的前提条件。没有抽象，就永远停留在逐一记忆每个事件的阶段（经验预测）
归纳与抽象的区分
- 抽象：事物是什么（提取共性，建立类别/概念）→ 对应渐构的判别模型
- 归纳：两类事物之间的关系是什么（探究映射规律）→ 对应渐构的联结模型
这正好对应渐构理论的双螺旋结构：先判别（抽象出概念），再联结（归纳出规律）。两者缺一不可，合在一起才是完整的模型。
第四层：模型的构建与评价
模型 = 可以根据输入推测出输出 —— 这就是渐构所说的联结模型。
模型预测 vs 经验预测的优势：
| 维度 | 经验预测 | 模型预测 |
|---|---|---|
| 存储方式 | 逐一记忆每个事件 | 一个公式/规律压缩所有经验 |
| 遗忘风险 | 高（记忆会衰退） | 低（模型一旦建立就高效复用） |
| 面对未见 | 无能为力 |
有机会预测 |
| 效率 | 低（海量记忆） | 高（代入即可） |
| 混淆风险 | 高（经验相似时容易混） | 低（结构化的规律） |
“人类天生喜欢规律而不喜欢记忆”——大脑的进化策略：用模型压缩经验，以最小的认知资源获得最大的预测覆盖。
第五层：模型的失效与迭代
两种模型失败的模式，对应渐构的两种偏差：
| 失败类型 | 渐构术语 | 含义 | 对策 |
|---|---|---|---|
| 归纳不足 | 归纳不足 | 模型无法压缩/拟合所有已见经验 | 重新选择表征，建构新关系 |
| 泛化不足 | 泛化不足（过拟合） | 模型在未见情况下失效 | 引入新案例进行压力测试 |
迭代链条：
模型无法拟合旧经验 → 重新抽象 → 找新的表征 → 归纳新关系 → 直到拟合所有旧情况 → 再验证未见情况
模型不是为了压缩旧经验而已，还必须能面对未见情况 —— 这就是渐构所说的可泛化性。模型之所以能对未见起效，是因为未见情况和已见情况共享同一个底层关系。
三、渐构诊断：已建构的模型清单
已成功建构的模型
- 经验预测 vs 模型预测的判别模型（清晰区分两者的区别）
- 抽象 vs 归纳的判别模型（一个管"是什么"，一个管"关系是什么"）
- 特征 vs 表征的判别模型（客观属性 vs 主观选择）
- 归纳不足 vs 泛化不足的判别模型
- 完整的建模联结链条：
经验 → 抽象 → 概念 → 归纳 → 模式 → 模型 → 验证 → 迭代
需要进一步深化的地方
-
“如果又失败了怎么办？” —— 渐构的回答是：永远迭代。知识本质上是迭代更新的，没有"终极正确"的模型，只有"当前最优"的模型。每次失败都是一次让模型进化的机会。
-
定性与定量 ——
- 定性模型：只能判断方向（A增大，B也增大）
- 定量模型：能精确预测数值（B = 2A + 1）
- 定量模型是定性模型的精细化版本，两者是同一条建构路径上的不同阶段
-
模型的目标：模型的目标不是"记住过去"（那是记忆），而是获得预测未来的能力 —— 这是学习与记忆的根本分野。
四、总结：渐构路线图
graph TD
A["完全陌生的环境"] --> B["经验预测<br/>（逐一匹配·对象层）"]
B --> C["经验失效：无法预测未见"]
C --> D["罗列→比对→抽象→得到概念<br/>（判别模型构建）"]
D --> E["选择表征（特征→表征）"]
E --> F["归纳模式（联结模型构建）"]
F --> G["模型：输入→输出"]
G --> H{"验证"}
H -->|归纳不足| I["重新抽象·找新表征·新关系"]
I --> G
H -->|泛化不足| J["引入未见案例·压力测试"]
J --> G
H -->|通过| K["可泛化的模型预测能力"]
从**"到了一个完全陌生的地方如何生存"出发，沿着 经验预测 → 抽象 → 概念 → 归纳 → 模型 → 验证 → 迭代 这条完整的渐构循环**，清晰地重建了整个理论脉络。
五、章节串联
- 第一章：预测的重要性直接关乎生死，预测如同呼吸一样普遍，预测不止步于生存还关乎美好的生活。预测既然不是天生的，那么预测从何而来？
- 第二三章：预测的两个来源——经验和模型。经验能应对已见，但面对未见时失效。通过
抽象 → 归纳 → 表征 → 模式一系列步骤构造模型，用模型来预测未见。模型构建中可能遇到归纳不足和泛化不足，需要不断迭代更新。
核心公式：积累经验 → 抽象概念 → 归纳模式 → 建构模型 → 验证假设 → 更新模型 → 用模型来预测信息
看到第四章
围绕这四个问题，我们再对「故事所要表达的知识」进行筛选，得到以下的总结：
1、世界是不断变化的，人类在这个世界中的生存方式，就是通过「预测变化」，从而趋近利益、避开危害，实现自己的目标。
2、为了预测变化，我们需要提前塑造「预测变化的能力」，预测能力越强，实现目标的能力越强。
3、对一个个体而言，要预测的变化可分为两种：一种是个体已见的情况，一种是个体未见的情况。它们分别对应着不同的塑造方式。
4、塑造「已见情况的预测能力」：可利用「经验预测」：先记忆经验，当遇到相同情况时，靠重现经验来预测。也可利用「模型预测的压缩能力」：先建构模型（抽象概念，归纳模式），将众多已见情况压缩进一个局部规律（由模型所表示），当再遇到这些情况时，靠这个局部规律来预测。
5、塑造「未见情况的预测能力」：只能利用「模型预测的泛化能力」：先建构模型（抽象概念，归纳模式），希望这个模型是同样适用于未见情况的普遍规律，当遇到新情况时，靠这个普遍规律来泛化未见情况。「模型的泛化能力」还需迭代：因为我们无法穷尽有未见情况，无法保证某个模型对「还没发生的未来情况」也适用，只能暂时保留还没泛化失败的模型，
当模型泛化失败时，再结合新见情况，重新建构模型。也就是说，「预测未见的能力的塑造」并不像「预测已见的能力的塑造」那样是一次性的，而是一个不断迭代更新的过程。
怎么理解第三条说的 “要预测的变化就分为两种” 我对这句话感到很费解
一种是预测已见情况：我对它的理解是 例如打开app应用的界面 我知道下次打开还是这个样子 不会变化我只要记住就好了
一种是预测未见情况：我对它的理解是 一个游戏的界面不会有太大的变化 当我进入游戏开始游玩 事情就变得复杂起来了 比如 人物的走位 它有很多的可能性 当在野区迎面撞上来的时候他可能是往上走，也可能往下走 或是虚晃你一枪 它不像前者 会有很多的可能性
书中讲其中「已见情况的预测能力」和「未见情况的预测能力」构成了人类认识世界的全部需求。
后面又补充了一句 本书只需详细讲解这两种能力的塑造方法，便能实现既定目标，帮助读者适应未来的变化。第二章和第三章不是一整章都在讲两种能力如何塑造 不是已经讲了吗 为什么要特地再谈一遍？
第二三章谈到的如何塑造和后面要谈的如何塑造难道差别很大？也没什么好纠结的了 后面再看
特别提到一个问题：为什么不先讲塑造方法 因为大部分人没法把生活中遇到的场景与两种预测 对应起来 就好像知道了公式但不知公式里面的字母代表什么 也就觉得学的东西没什么用
而且还有一个问题是两类预测很容易混淆 即可以看成是已见也可以看作是未见
例如每天太阳都会升起 这是已见预测还是未见预测 从世上的物质时时刻刻在变化这一点来看是未见预测
但是凭直觉来说明明是已见预测 这是常识无可厚非
所以本课程接下来的目标，就是要让你能够意识到「这两种预测在生活中无处不在」，进而「对生活中的各种问题，都能判别出对应的预测类型」。然后，我们再回过头来讲解要如何高效塑造这两种预测能力。
先记下这段话看它怎么阐述的
接下来课程目标是搞清楚混淆的原因：书里讲知道了两种预测混淆的原因就能让大家更加准确的区分这两种预测。
提到的预测混淆现实
许多事情本来并非已见，而是人们经过大脑的处理后，将其视作了已见。我对这句话感到很费解
是在谈什么问题？人脑是怎么把未见变成已见的？
客观世界是什么样子？
物质世界都是由粒子构成的 粒子无时无刻不在运动 同一个物体同一时间只有极小的概率会相同
所以对人脑而言时时刻刻看到的外边的世界都是不同的
那人脑做了什么 才把未见当成了已见呢？
宏观现象和微观现象是啥关系？
物质世界对我们而言真正看到的只是一串电信号 我们看到的宏观现象其实是是对微观现象的一种猜测
但事实上，大脑并不能直接接收到宏观现象，我们平时感知到的宏观现象，恰恰就是大脑中的模型，对「微观现象」进行层层加工后所得到的「预测结果」。
这句话我有点费解 又是模型又是预测结果的啥意思？
一者是从宏观都是由微观组成的
二者是从底层开始就已经在使用模型预测
这里的模型预测和第三章讲的模型预测有什么不一样？
这章最后提到了好几个问题
我们是怎么看到宏观现象的
从电信号到看到的宏观现象是怎么做到的
没有提到答案
底层就在使用模型预测是什么意思
稍微总结下：提到书本后续发展
前面提到要预测的变化就是两种 一个预测已见 一个是预测未见 只要掌握这两种的塑造方法就够了
提到一个问题 为什么大部分人学了却感觉现实中没有什么用的原因
其实在于不认识在生活 中 对应物
提到两种预测很容易混淆让我感觉很费解
这种混淆指的是分辨不出来是已见预测还是未见预测
还是说本来是未见的事物结果当成了熟悉的事物
预测混淆现实是什么意思？
例如当你下班回到家如往常一样 打开家门 这是理所当然 但是现实是门锁坏了 你立刻就察觉出了不对
门打不开是现实 但是我们依然做出如往常一样的动作 这是预测
接下来谈到了客观世界是什么样
物质世界都是由粒子构成的 粒子无时无刻不在运动 同一个物体同一时间只有极小的概率会相同
所以对人脑而言时时刻刻看到的都是电信号外边的世界都是不同的
那么也就是说我们看到的宏观现象也是在时时刻刻变化 但现实好像不是这样
所以接受的电信号时时刻刻在变化 不可能使用经验预测 观察世界时最底层就在用模型预测了
那人脑做了什么 才把从未见过的事物当成了熟悉的事物呢呢？
第五章
第四章提到了 为什么大部分人学了却觉得生活上没什么用 就是因为没法把生活中的现象转换成相应对象
所以后续着重强化这一点 最后能在生活中的问题判断出对应的已见还是未见预测
第一个拦路虎 两种预测很容易混淆 但我不明白这个混淆指的是啥意思
到底是是分辨不出来是已见预测还是未见预测，还是说本来是未见的事物结果当成了熟悉的事物
接着谈到了我们眼中的世界和我们物质世界是非常不同的
物质世界都是由粒子构成的 粒子无时无刻不在运动 同一个物体同一时间只有极小的概率会相同 几乎没有一样的
就是说实际上我们看到的都是电信号而不是原本的样子
那么就有一个问题物质世界时时刻刻在变化，但我们看到却不是这个样子为什么会这样？
书里说这是因为大脑在最底层就在用模型预测 我不太明白这里的提到的模型预测起到了什么作用？
文章的开头就说要抛弃那些根深蒂固的常识判别，这里常识判断指的是什么？
意思是常见的对我们分析预测的形成什么用 例如 太阳从东边升起 开水会被糖水 买东西要给钱 分析这些熟悉没什么用 这些预测对我们
就是这些都是我们训练过后的 每次都能预测准确 才叫常识
问题还是不变大脑是怎么把未见变成熟悉的过程？
所以不妨换一个角度思考：假如让你创造一个大脑，你已经知道，在物质世界中遇到相同物理信号的概率几乎为零。那么，你会如何设计大脑，使其能够应对「时刻遭遇的未见信号」呢？
这个创造大脑是啥意思？是想让我们创造一个可以交互的场景
书里讲应该先从已见的信号中找出相应的应对方式 为什么要这么做？
预知信号的目的就是为了趋利避害，提前做出应对 不是为了辨别出信号 而是为了做出对自身最有利的行动
也可以起到一个锚点的作用，有了它就可以判别预知的信号对不对
各种各样得信号 可以是疾驰得车子，树木，蚂蚁，老虎，毒蛇，光，影子 应对方式可以是看到有毒蛇就躲开 水果有腐烂的气味就扔掉 周围越静越危险 离雷电生越远越好
这个应对方式指的是行为还是是策略 还是指的是会出现相应的变化 被毒蛇咬了会死 碰烧开的水皮肤会痛
因该是指的是后者 给机器人创造大脑 意思碰到相应的场景会有什么相应的变化
因为我们没有预知未来的能力 提前为每一个全新信号，单独储备应对方案的能力。
比如腌制的鱼肉很咸 藏到的猪肉也很咸
口味变化就是一个通用处理规则 但是我很讨厌咸的食物 怎么提前知道呢？该怎么办？
不仅如此，这种判断不能只针对单个情况逐一进行，必须是一种「通用的判别规则」，否则大脑还是会因为记忆不了「某个未见信号是否适用此规则」，而不知道这个未见信号该怎么对应。
例如，你不能一个经验、一个经验的去记忆眼前的信号是否「与缓解饥饿有关」，否则还是不知道怎么处理未见信号。
这段话是啥意思？不能一个个去检验必须得去建造一个通用判别规则才能知道怎么应对未见
好像是在讲很多人喜欢通过记忆更多得情况来学会怎么预测未见 所以才会倾向于记忆更多经验
建造通用判别规则相当于什么怎么理解这一行为？那怎么建造通用判别规则？
相当于做一个假设这世间必然还存在其他的未见信号也符合这条规则
那么「适用于这个通用处理规则的未见信号」一定也具备「这群已见信号」所「共同具备的属性」
因为我们在面对未见情况时就可以根据是否符合共有属性来判断是否一视同仁
如此就把世间所有物理信号分成两个类别
具体如何操作?
所以接下来要做的就是：让大脑对「这一群已见物理信号」进行加工，找出它们的「共有属性」
为啥要特意强调这些信号客观上是不同的？
抽象就是提取共有属性，忽略各自差异的加工过程
在得到通用判别规则的同时也得到一个概念
得到概念相当于得到两个类别 把所有物理世界的信号都分为两类
有了概念之后就不用再为单独的信号寻找处理方式 而
咋理解这个 类别指的是啥 没有
同时也分成了两个层面 层就是指所有信号所在的地方 一个称为抽象层 是抽象的概念所在的层面 具象层是所有信号所在的层面
共有属性称为内涵 所有属于这个概念的信号属于这个概念的外延
稍微总结一下：
一直以为归类是名词，没想到原来是动词
归类的目的？
再碰到此类的信号 不用一个个去检验这个信号如何应对
如何归类？
找出共有属性
共有属性也有别名称之为内涵 从内涵推测出的对象称为外延
与此同时也分了两个层面 一个称之为具象层就是所有信号处在的层次 一个抽象层概念所在的层次
我对这个已见未见有了新的理解
那我们就明白了大脑是怎么把未见转换成已见的 大脑看到的并不是世界全貌
为什么我们大脑会混淆已见和未见 就是因为 看到的是共有属性而不是物质的全貌
这样一种 任意事物到某个概念的 结构称之为 判别模型
正式判别模型使我们拥有了视为“相同的能力” 当都是一样的时候 都可以采取同一套处理规则
第六章
这章跟上一章内容差不多 为啥又要讲一遍
讲了两个要点 一个是要明确区分 一个是这些概念是一个整体
概念是什么？没有实体 没有概念会怎么样 一个概念和另一个比对实际上是在做什么？那么我们通常在指代一个概念的通常是做啥代表着啥？
概念也不是内涵。概念是一种用于与其他概念相区分的类别。例如，「苹果」概念被创建时是为了和「非苹果」概念相区分的 这句话怎么理解？
两个层次 一个物质世界的信号所在 一个
“具象”实质上是枚举概念外延的过程——它帮助我们检验概念的边界（哪些算？哪些不算？），拓展概念的应用场景（同一概念在不同语境下的表现形态）
这三者并非线性流程，而是相互反馈、持续迭代的螺旋结构：一次判别失败可能促使我们反思抽象是否充分（如发现某“水果”不含种子，需修正定义）；一次成功的具象尝试（如用3D打印制作不同比例的圆柱体）又可能启发新的抽象维度（如提炼“高径比”作为圆柱体子类的判别属性）。掌握这三种思维操作，意味着掌握了人类知识建构与运用的基本语法，无论是在数学证明中厘清定义，在语文阅读中把握主旨，在编程中设计类结构，还是在跨文化沟通中理解“家庭”“自由”等概念的语境差异，都离不开对“抽象—判别—具象”这一认知闭环的自觉运用。
这五组概念到底是想表达什么 这套程序是我们预测世界的基础？
整个过程模拟人类认知的真实路径 从具体感知出发，逐步构建思维模型，再反向指导实践与联想。
这个量词是啥意思？
抽象我能知道在干嘛 为啥要加上具象和判别这个两个动作 具象动作有什么意义 扩展未见
概念是什么 好像只存在于抽象的层面 没有实体
这十四个概念是从同一个场景中被抽象出来的，相互依赖、相互定义。不要孤立地把握单个概念，要放到整个场景中把握。
什么场景？
以两个层 进行交互 围绕“层”这一核心结构展开，深入阐释了人类如何从纷繁复杂的现实世界中提炼规律、形成概念，并反过来指导对新事物的认知与判断。
稍微总结一下：围绕两个层为核心结构展开 展示如何在这两个层面进行交互
两个层面：一个所有外界物质世界的信号所在 一个概念所在的层次
五个元素：「对象、内涵、概念、判别模型、外延」
对象表示在具象层是实际要预测和处理的事物，也叫 “研究对象” 或 “认识对象”。
内涵：联结具象层与抽象层的桥梁 相当于砥柱
从「一群已见对象」中提取出的「共有属性」叫做“内涵”。「内涵」是一种判别条件。
概念：什么是概念？ 只存在于抽象的层面 没有实体
判别模型：相当于桥梁的作用
外延：所有这个概念代表的在具象层事物集合
三行为：「抽象、判别、具象」
抽象：模型的建构阶段。
为了得到判别模型，而从「一群已见对象」中提取「共有属性」、忽略差异属性的「行为」叫做「抽象（动词）」
判别：处理某个具象层的对象时会用到的
是「判别模型的应用阶段」
具象：为了得到某个对象所使用的方式
对象两属性：已见和未见
已见是用于构筑模型时用到的材料
未见是我们要解决的问题
两量词：一个和一类
描述在这个结构中 数量关系
一个：对象和概念的量词。
- 一类：层和外延的量词。
第七章
前几章提到了如何应对信号 都是微观世界 现实是怎么样的？
为什么人脑不直接去认识世界
因为物质世界时刻在变化 记忆没有用处
前面几章谈到了 生存的难题 物质世界时刻在变化
大脑再通过认识「概念和概念之间的关系」（我们之后会讲解），间接地认识「这些概念在物质世界所对应的对象之间的关系」。我们的意识正是存在于「由这些概念所构成的思维世界」中，而这个世界也被称为「概念世界」。
判别模型的作用 前面几章谈到了 生存的难题 物质世界时刻在变化 记忆没有用处
开头提到 判别模型对我们的意义 起到桥梁的作用联结具象和抽象 概念的使用是这样普遍 过程中必然累计越来越多的概念
利用概念与概念世界
人没法直接看到世界 做出行动 依靠概念来认识世界 并以此做出行动
为什么这句话很重要 人没法直接看到世界
前面讲
认知 感知 我们的意识正是存在于「由这些概念所构成的思维世界」中，而这个世界也被称为「概念世界」。
原因正如前面所说：我们并不是直接认识「物质世界」的，而是将「物质世界」转换到「概念世界」，再通过「概念世界中概念和概念之间的关系」来判断「物质世界」发生了什么，这个是预测的意思把 于是就有了这种“正常又不正常”的归类。
本书随后会把「事物在被判别模型转化为概念之前的原始状态」称为“现象”。
由此很自然就能推出认识论中的一个基本知识：我们感知到（如听到、看到、闻到）的所有事物，都不是「这些事物在物质世界中的原始样貌」，而是经由脑中的「判别模型」加工简化（忽略差异）后，所映射到的「抽象类别（本书都称为概念）」，是判别模型判别后的结果。
认概念为本体
非真何以生存
「所看到的事物（感知层面的归类）」和「理解到的事物（认知层面的归类）」又多了两个新的事物
大脑的抽象偏好。
人们所理解到的事实是如何受判别模型的影响的」
人脑如何理解世界”这一核心问题，系统阐述了人类认知的基本机制与潜在局限，具有深刻的哲学意涵和现实指导意义
我们看不到的不是现实本身 而是类别
这种抽象极大提升了认知效率，但也意味着我们永远隔着一层“概念滤镜”观察世界。
这种混淆，即把认知工具当作认知对象
举一个人脑用「概念世界」来间接认识「物质世界」的例子。
大脑看到的事物」会受自身「判别模型」所影响
间接认识物质世界
#稍微总结一下：
前面的林林总总就是为了引出 我们是通过概念与概念之间的关系 来应对时刻变化的物质世界
判别模型对我们的意义 起到桥梁的作用联结具象和抽象
概念的使用是这样普遍 过程中必然累计越来越多的概念
概念世界和物质世界的关系 物质世界映射到概念世界 通过概念与概念的关系在概念世界中预测会发生的现象
由于物质世界时时刻刻在变化，我们没法直接看到世界并做出行动，依靠概念来认识世界 并以此做出行动 是必然
从中得到的推论 由此很自然就能推出认识论中的一个基本知识：我们感知到（如听到、看到、闻到）的所有事物，都不是「这些事物在物质世界中的原始样貌」，而是经由脑中的「判别模型」加工简化（忽略差异）后，所映射到的「抽象类别（本书都称为概念）」，是判别模型判别后的结果。
通常大多数都认为自己看到的是现实 实际上是判别后的类别
为什么看不到原始样貌也能生存 概念世界描述的物质世界的关系 所以无论它变成什么样关系没变就照样有效
看到的事物 还受「所看到的事物（感知层面的归类）」和「理解到的事物（认知层面的归类）」不仅仅取决于「现象本身」，还取决于脑中的「判别模型」，也就是映射的方式。「判别模型」又取决于「此人的经验（已见）」，以及「此人大脑对经验的抽象偏好」。
概念世界的特性 当我们用概念来理解某个现象的时候，所得到的都只是这个现象的一个层面，或者说一个视角。
概念的遮蔽 谈到的现象应该是 对现象的一个错误分类上
概念世界应该随着物质世界变化
