1：概述

很多问题的认知没有绝对正确，只有在一定信息样本下的相对合理。

信息样本如果偏颇，认知就会向某个方向偏离。

足够多的样本，足够广的样本可以提升对信息的认知。

认知与信息范围是对应的，只在一定范围内相对合理。



2：机器学习的逻辑

机器学习就是用样本训练认知模型，样本数据越多越广，训练出来的模型越合理。

用训练出来的模型指导预测更多的问题，如果预测失败再不断根据数据训练模型，修正模型。

机器学习的IPO模型

 机器学习也是通过样本输入（Input），运算(Process)，输出(OutPut) ，验证后在修正运算结果。

然后不断循环迭代，使模型逐步逼近合理。

输入的数据要不断更准确(范围更广，数量足够多），验证输出结果，修复运算模型。

进化的因素

数据量的来源是否足够广，量级足够大，决定认知模型的进化速度。

互联网数据量大，可以更好的应用机器学习，这也是机器学习目前在互联网应用最广的原因。中国人多数据量大有更好的人工智能的发展前景。



3：人类进步的逻辑-认知升级



人类对现实世界的认知也是这个逻辑，刚开始在小范围内活动，认知局限在小区域。同时因为认知少也会限制活动的内容与范围。这个认知在这个活动范围是基本符合的。但活动中会不断遇到部分不符合的问题，人就去升级认知，升级后可以有更大的活动内容与范围，如此不断迭代。



古人认为天圆地方，并能按这个认知去处理当时的生活安排，认知并没错，只是局限在当时的活动范围内合理。但后来人走的远了，这个认知就错了，需要升级，也是因为有更广的活动范围的需求触发了新的认知。

新的认知也指导人类更广的活动范围，地是圆的才可以环球游。



牛顿力学提出对人类进步起了很大的作用，为第一次工业革命奠定基础。虽然后来发现在更细的微观上不正确，但仍然是现代机器的基础。



现有的认知就绝对正确吗?遇到不能现实与认知不同，要质疑并用新的模型去求证。才能有新知识的产生。



4：个人认知与成长

个人的认知规律是一样的，在不断学习中升级认知模型。

很多问题也没有永远正确的答案，只有不断完善的认知，可以让正确率更大，更接近真实。

要不断探索新事务，扩大信息面，遇到困惑的问题要敢于质疑，求证，求证结果与已有认知不符，要否定自己已有认知。

提高自我认知的路径

1：积极探索新事务

逃离信息牢笼，去不断获取未知的信息，更广的信息，才能升级认知。

2：积极思考，质疑与求证

信息与原有认知不一，产生有困惑，要敢于怀疑，要积极思考，总结升级认知。

突破自己思考的惰性，并敢于怀疑。

3：对环境敏感，有自我清零的勇气

环境如果变化了，不要固守认知。要及时升级认知。

心里上要敢于不断否定已有认知。有对自己清零的勇气。

原有的认知在原有环境可能还起作用，但如果环境本身变化了要及时更新，再固守原有认知就必然失败。

 自我升级认知总结

不要把自己关在信息的笼子里，接收更多更广的信息，。

不要让认知限制了脚步，要大胆质疑，求证。

升级认知，才能走的更远



5：具体领域的认知框架

不同领域的认知模型有其基本的规律与验证方法，要先掌握这些规律与方法才能不断用信息去修正完善认知模型。

即认知模型要在某个框架上去完善其参数。大的突破可以对整个框架进行调整。但完善一定是针对某个框架下才能验证，完善，否则无从做起。



因此了解某个领域知识，完善某个领域的认知，一定要掌握其基本原理与验证方法。



数学，物理，化学，金融等都有其基本原理与验证方法。



真知==学习+思考+实践 循环出来的。