你不学习工具 你就连这个工具最基础的用法 你都不知道

不是这个意思 是这个工具最基础用法 能解决的问题 你都不知道

记住工具 拆解工具 创造工具

我觉得离agi还有好几个突破要走 但是如果达到了，那真的是凑巧

需求的高维，应该是大多数所谓学霸不太容易意识到的

你为什么困惑 因为你总用二维的模型去处理三维的数据 你没有这样一个高维的基础

我把kegan和bloom结合起来思考 我都不知道kegan更加底层还是bloom更加底层了

我现在的隐约 就是知道 自我需求的一种巨大矛盾 而这种矛盾是可以平和的 另外 我在想如果这些矛盾都能矛盾，只能是没有需求 就是无为了

我总是能隐约的感到 但是等我紧紧的握住 需要时间和反复的纠正

古人虽然还原论上的材料太少 但是本体论和系统论上的思考以及困惑跟我们也差不多 而且古人信息不过载，智力也高，其实悟到高深道理不足为奇

并不是说，这样的规律造不出你 而是这样的规律，你理解不了这样的世界 也就是说，你能反思世界，就必须要求世界的规律是这样的

#电影 昨天和 媳妇 一起看了 毕业生

疯言疯语 你是唯一的可能性

一个是速度快 一个是准确高 量大态少，量少态大

我倒是对这些古人悟到这些道理不奇怪 奇怪的是 怎么能流传这么广 普通人完全就是初中生看名著的感觉

用 kegan 和 tpd 来看 秒懂王阳明在说什么

你是崇拜一个人量大 还是欣赏他态多

王阳明看竹子 态唯一 他不吐谁吐

昨天生病了，脑袋头疼，趁机会把学生时代的照片都找了一些有代表性的，弄到了archives里

有时候我解决问题太快 大家觉得是我不上心😢

我总倾向于神经元的结构差不多 所以 system2，大概率就是层级比较深 如果必要性强，pe 大 那就传递的深入

就是存在一个等效性 但是这个数学上的manifold，我还不知道是什么 也就是说脑宇互为定义，我不知道具体是什么

原则上来说 就像是在低维运算 因为梯度太大了 1 和 2 本质就是值得分配能量多寡 1 里面都是大梯度的

Proxy 本身就是知行合一 知行合一不一定就是积极的 错误的知行合一是致命的

能彻底理解知行合一本身 就是 system1 和 2 工作本质的 一种深入理解

思考不仅仅是抑制不住的瘾性 也是救命的解药

有必要词汇化的现象 就是掌握了道的生命

is+ought=c

你没有走向未来 只有未来不断坍缩 好似现在涌向你

系统在优化，你在格式化

看见冲突，但不造成痛苦 允许自己无能，不执意和解 也是一种智慧

自我欺骗有时候是一种节能措施

前天媳妇玩图灵 过了 conditions 那关 特别开心，蹦起来了

Kegan 中文多翻译成 凯根 但应该翻译成 基根 更符合发音 反而 gemini 摘膜 读成了 基米

如果维特根斯坦晚出生一百年 看到了大模型的威力，看到了神经网络的奇迹 他会怎么更新自己的理论？

什么kegan啊，什么乾卦啊 什么学生的水平啊，什么三十而立四十而不惑啊 无不如此

所有只要是层级的 那就是 log n nlogn n n2 n3 2n 这种的

解题能力的提高，词汇的增多的本质就是适应的环境可能态更多了

就是pragmatic 的 reward比较低 但是epistemic cost对他们太高了，只能低维处理 从而我们觉得他们蠢，因为智力太弱，导致收益太低

人很难随机的疯狂 只是维度太低的愚蠢

老子的聪明，和系统论 就是说，如果你要一个结果，你需要一个性质 那么从系统论的角度，你就去看那些实现了结果的object 看他们有什么性质，你就知道了那个性质 因为从拓扑的角度看，他们是一致的

搞AGI的不局限 搞教育的也不局限

所谓教育也是指，全学科，全体学生，而不能太具体

天才最重要的就是洞察力 而不是运算速度 是OE，是gpu，不是cpu，这也就是iq如果作为测试的局限 但是iq作为稀有度是很有价值的

学霸和精英，可以靠cpu和数据库 但是学神和天才，靠的是gpu和神经网络

还原论和系统论，本质上都是抽象，一回事 但是还原论要求的是准确率高，但是解决问题覆盖面小 系统论要求的是准确率不高，但是解决问题覆盖面大 而且你要考虑复杂度的影响，量子力学是厉害 但是复杂度太高，生活中完全不适用，就是解决不了

普通人是爬山 天才是飞上去，或者坐电梯上去的 比不了

所以这种冲突都是在于 准确度 和 速度 是探索 还是 开发 的矛盾

系统论确实容易犯错，但问题是，一旦对了 回报率特别好，就是vc 还原论像是稳赚的小生意

维度低 时间如果也算 那就是路径依赖 或者是刻舟求剑