ai 就是一个不生气的老师 我反复问一样的问题给他 像是我自己没有记性一样 但其实这是我的学习策略

我们高中物理老师是最扯的 非要让我自己想，就应该我问一次，马上回答一次 我肯定是想了半天没思路，才会问她的

认知收益和成本 需求收益和成本

解释过程，就是投资人看项目的更多信息 是否值得更值得投资 但是调研过程，也是一个有成本的事情

我看懂了， connect the dots 了 是否能够提高我想记住结论的动力？

余弦定理就很典型 不知道它是怎么来的，没有什么必要

还有就是成语 小时候就是背的，慢慢的重新理解

游戏里的道具，也类似 你只需要告诉我他怎么用，能有什么收益 我不想知道车的原理是什么，你告诉我怎么开就行 以最省事的方式，解决问题，就可以

学习英语和学习阿拉伯语 的 epistemic gain 可能一致 但是pragmatic gain就完全不一样了

看短视频，Epistemic Gain 不那么高 但是 Cost 特别低

基本原则 Less work, more gain 不仅是求知，还是求胜

Highest utility gain with minimum energy cost

Principle of Least Action

Highest Return of Investment with Least Action

只知道搞钱，早点退休，虚荣显摆 那是猪的理想，牛马的眼界

我的想法肯定是延长青春 让更多的人受教育，享受生活，晚点开始工作，宁可延迟退休 找到自己的热爱和想做的事情，成熟之后结婚生子择业

Stop sacrificing youself to feed the flawed system.

Kobo Libra Colour is my favorite device now!

动能减去势能 就是拉格朗日量 动能越大，熵值越高，信息越混乱

Epistemic Gain and Cost (Information) Pragmatic Gain and Cost (Economics)

Update inside or outside the Markov blanket

需求 surface level 认知 surface level

Surface level information

钱，虚荣，暴力

娱乐 不 思考，情绪 不 理性

value emotional gain higher to cognitive gains

These micro-learnings reduce local uncertainty without disrupting your overall internal model. So free energy is reduced without destabilizing the system epistemic pleasure without cognitive cost

naccurate but low-risk models shallow and flawed 不爱动脑子

这些都是专制思维，对子女也是一样

爱看体育比赛，其实也都是 Surface-level 的信息增益 甚至可以说就没有信息增益

掉头难，掉头之后向前就容易多了

这乌克兰也太东北味了，虽然反复看到，还是觉得有趣 www.google.com/maps/@49.809...

high frequent exposure to high frequent usage vocabularies

don’t mind surprises, as long as I anticipated being surprised and can MAKE SENSE of it afterward Some people's internal model can carry more entropy without collapse

慧聪网 老总 20年前在节目里发飙 讲话毫无水平和傲慢，典型大老粗

真的有钱，真的蠢 同理心为零，对人毫无尊重

我再次渴望看到 反转的 让人惊讶 的剧情 典型就是红色婚礼

Social reward often comes from confidence, not truth Updating may threaten self-image or social belonging seeks minimal expected surprise at the lowest possible cost

去理解一件事 就是用你熟练的东西，去解析一个不太熟练的情景

反复大于一切

根据学生做的遍数的情况 给不同级别的support

看教材也是一系列题目

做了一个噩梦醒了 居然还出现了恐怖情景

updating the internal generative model to better predict sensory input Without priors, you're too sensitive to noise. With strong priors, you're stable, but might miss out on new insights

我以前为什么要听那么多不动脑子的人的建议

Beliefs and perceptions Desires and actions

降低门槛之后，就可以提高后面的顺畅感

reward and Vocabulary 还是无法区分开来的

Maybe the brain auto wire the commands of actions at the same time with the knowledge prediction at the same time so the actions are also considered to be FLUENT