从简单的知识，基础的知识，类似的知识 进行特征迁移，就是人类的大智慧

中考没考好，一半人高中都不让你读 18岁你不学习英语，以后你就别学习英语了 都是狭隘，极端，没人味的体现

受教育水平高，知识储备充分，有批判性思维 不以自己为中心，对他人理解善待 做自己的事情更加的上心，而不仅仅看钱

图灵和哥德尔的证明 相似度好高，一个设计了函数，一个设计了算法

Computation Recognization Complexity / Solvability / Intractability

不去研究怎么生产更多的M码 而是必须自虐穿上XXL，穿不上就捧能穿上的

野心大，上进心过猛 要么自虐使劲卷，要么作弊歪门邪道 不正视自己的实力和需求，做出格的事情 到处都是，满地都是

GPT 的 学习模式 也太难用了

Some lexemes are like roads, guiding seamless execution. Others are like intersections; choose your path wisely.

in test learning，或者大脑的工作本质 其实就是一边执行程序，一边改程序

Strong prior is your 靠山 、活棋

你对它顺从的坏，它说你懂事 你对它反抗的好，它说你事多

奖励不合理的顺从 不奖励合理的反馈

对事实有洁癖，对精准有着迷

五年前画的图 花那么大的精力，背这么多词汇，真的有意义吗？

主角词汇，配角词汇，带上台词汇 预测，下一步登场的角色

For those who share the same aspirations in life not the same birthplace or past scars

有些词汇太有力量，很容易传播

Markov Chain 不就是 lexeme 之间的关系吗？ 没什么特别的

当你可以用推导的方式 解释一个实验的结果 那你就有了更强大的靠山 就像是围棋里面，你的棋子可以连接到活棋区域

教育有时候就是修正这些信号的反应

salient lexemes 应该也就三四个，就开始刺激了

唯一一条朋友圈，就是发给 Bob Dylan 的 www.youtube.com/watch?v=aehw...

对现实没有洁癖，对情绪太有追求

现在房贷下跌了，很多人出来做高人状 自己多明智如何如何，或者说00后想的清醒 实在是搞笑，事后诸葛亮，也不去看看环境的巨大引力

看了 三联 29期，皮特凯恩岛的故事 土老师喜欢用 路径依赖 这个词，但又有一些贬义的意味多一些 路径依赖也有实际的 pragmatic values 但 Cognitive Inertia 这个词或许更想说明，大家不太想变

Bias and Ego

要有提高心态，学生心态 不要为虚荣而凝聚 是为了进展而共事

决定从这周开始，一周一篇 1000 字 的文章 用两年时间，写100篇文章，自律，不贪心，不急躁 书名就暂定为《钱与词》了

1. 判断力很差，认知能力低下 2. 自我感觉好，高估自己能力 3. 尝试路径少，扔两个泥巴就放弃了 4. 爱抱怨环境，把责任推给别人 5. 忍受痛苦低，逃避去走捷径

Solve with pain Don’t worry with panick

compression representation association prediction

人喜欢造神，也是醉了

schema + correction

transient allure without higher life satisfaction coms from discipline, intellect, and long-term fulfillment

展开解释，计算过程 给我更多例子，抽象过程

lecun 是一个 高质量的 prior

地图是一个高质量的compression 卫星图，信息量很大，但是不那么实用 地图，就是信息量小，但是特别实用 道路突出，景点突出，区域突出

4 * 8 = 32 a * b = b * a => 4 * 8 = 8 * 4

Associate 是记住计算的结论 Compress 是记住类计算，然后执行 都是在记住计算，节约算力

压缩是为了节约，也是为了对比 既要有显著特征，也要有可以对比特征

通过compression，创造节点 通过association，创造链接

wrong feature extraction wrong feature association

我觉得大模型，压缩也可以，链接也可以 但是，压缩效率比较低，链接的能力也比较弱 大模型估计可以实现了某种意义的AGI，但是效率会比较低

压缩就算是你脑力无边，也不行 因为你要predict，partial or variantional concept has to be detected

Deep networks = Compression + Association Multi-Layer = Compression Self-Attention = Association Layers = semantic compression (turn raw data into abstract representations) Attention = contextual association (relate parts to make sense of the whole)

挖词在于重复的观察 连词也在于重复的观察

挖词 和 连词

一共四件事 1. 学习，压缩和链接 2. 预测，解压和链接 3. 压缩，信息的抽象 4. 链接，计算和推理

lexeme trigger distritution of next lexeme the high prob lexemes association is a lexeme as well