Wikipedia, Github 本土居民 本土工具：Obsidian, VS Code, Zotero, Anki

What I need is stability. Have an anticipation of what I will get, not random content.

考虑引起歧义、语义不明的用语，使用具体的例子是最好的讲解方式。这也是我学习数学的核心方法。 把这个也迁移到其它的学习上。缺少例子、语义不明的用语是 trash teaching，要结合具体的例子来准确地理解。 我学习遇到的最大的问题其实是模糊语义、意义不明，没有一个准确、具体的理解。我在谈抽象的数学概念的时候其实心里想的是一个具体的数学例子，不是抽象的概念。用抽象的语言只是为了表达精确。具体的、简单的例子才是适合人类理解、接受的东西（那更自然、更符合天性）。因此，费曼法就是这样发挥作用的，因为成年人和小孩的天性是一样的，本质上都是面向具体事物思考理解的。而且，抽象的前提是具体，有具体才有抽象；如果一个人连具体都不知道，那就没法理解抽象。 我没法理解概念的原因是模糊语义。 数学符号是精确、无歧义的，所以理解没有问题。 自然语言很多时候是模糊的、有歧义的。

学学数学，找找自己的高效学习方法，然后总结提取出经验应用到其它领域。

厌恶模糊语义。我总是用具体例子来理解和解释概念，在表达一个抽象的东西时其实是具体例子的组合，我不会刻意去记抽象的名词。我觉得最好的理解是有着自己的一套题目集，看着题目就能回想起对应的知识结构。本质上是这样的东西。

说来现在极其令人厌恶的现状是一堆媒体贴上名词就装高级、蹭热度，或者有的制作低质量教程。

具体的题目和解，这是最宝贵的东西。

广泛阅读、广泛学习，不断增长经验，了解一些误区。积累一些高效方法论。

必须清楚的是： 时间是有限的，时间是破碎的 大概上午有3个小时，下午有4个小时，晚上有3个小时 每次对应一个时间块完成一段任务，进行产出。 按照预期计划分配时间逐段完成任务

必须限制时间完成，否则很可能在某个地方花过多时间。必须提前计划好。

Workflow: Plan and set limit time Feedback

---

功能受损

---

Task 1: Read DB9 once: 30 mins finish DB hw9: 30 mins

从认知角度看，形式化本质上是在做：

压缩 + 约束。

把复杂现实：

• 压缩成有限符号
• 约束为可推理结构

代价是：

一定会损失信息。

因此：

任何形式化都只是现实的模型，
而不是现实本身。

认知科学会改变你对“思考”的理解

很多人默认：

“我看到的世界就是世界本身。”

认知科学告诉你：

你看到的是大脑构建的模型。

这是根本变化。

工作记忆限制

人的工作记忆非常有限。

因此：

好的思考方式必须：

• chunking
• externalization
• abstraction

说到 externalization ，AI 、互联网本身不是一个很好的外化工具吗？

一个很关键的现实问题 --- 筛选材料

认知科学有大量：

• 低质量 pop science
• 夸张 self-help
• 神经科学营销

真正高价值的材料通常：

• 不浮夸
• 强结构化
• 重模型
• 重实验
• 重限制条件

这是筛选资料时的重要标准。

主题	价值
attention	Transformer / cognition
working memory	reasoning bottleneck
representation	AI 核心
concept learning	AGI 核心
predictive processing	现代 cognition
cognitive bias	决策
abstraction	高级 intelligence
problem solving	通用智能
causal reasoning	AI 弱点