# why - 什么是理解？ - 为什么不说理解，说编码？ - 认知、思维、推理、知识，哪个最重要？ # what ## 理解 ### 理解的外延 - **在[[认知能力模型 a stairway model of cognition abilities]]中** - 理解和记忆是基础，是首先要掌握的，一切高级的认知都要基于理解； - **在认知心理学[[深度理解模型]]中**，理解被称为「编码encoding」 - attention：信息被注意到了，但未进行加工； - encoding： - 大脑对信息的“信息加工”过程是**信息编码**的过程； - **短时记忆**：经过编码的信息会形成短时的痕迹； - storage：**长时记忆**：经过有效的 **记忆巩固 consolidate**，可以 **存储 store**为长时记忆； - retrieval：**提取**：在人脑认知过程中被有效提取，进一步加工处理； - **理解与学习的关系** - 没有理解的学习是机械学习； - **理解与思考的关系** - 思考一定是基于对知识的理解，建立在思考者有大量的知识砖块与知识关联上，才能进行更高级的认知能力；推理在这个过程中比重并不高； - **人如何思考** - 基于知识砖块和知识关联；理解，是深度的思考；费曼，是深度的理解； - **在[[知识记忆模型]]中**，理解的深浅，与时间维度和理解维度有关： - 时间维度： - 感觉记忆：信息被注意到了 - 工作记忆： - 信息经过加工处理，留下很浅的折痕 - 理解发生在大脑的工作记忆区，是大脑的思考空间； - 理解的过程就是把外部信息、长时记忆中的知识和思考时火花一起在工作记忆中进行加工处理； - 长时记忆：经过内化巩固，在大脑中留下永久折痕 - 理解维度： - 浅层知识 - 深层知识 - **人类编码与 AI 编码** - [[Transformer]]：以人类无法理解的方式，在高维空间的几何关系中找到了人类语言的规律，从而“理解”了人类语言； - 大语言模型本质上是知识大模型：[[tokenization|token]]是大语言模型的知识砖块，GPT-4 的词汇表有近十万个 token，GPT-4 的知识砖块为近十万个； - 费曼的本质是生成，大语言模型的本质也是生成，大语言模型学习了人类知识好几轮，然后以它的“理解”来生成答案，而不是一字一句的复制学过的内容； - 大语言模型（GPT）是端到端的，目前人类还无法解释中间的那个黑盒子是如何工作的，但是人类大脑是如何处理信息的要弄清楚。 ### 理解的内涵 - **语义编码：[[知识砖块]]** - 原理： - 组块原理 - 定义： - 知识的最小单位，一个心理表征，可以是事实、概念、思维模型、思考的火花、理论、原理、idea - [[概念 concept]] - 高度压缩 - 嵌套属性 - [[事实性知识 factual knowledge]] - 知识的弹药库 - 思维模型 - 解决问题的 app - 如何构建知识砖块： - 知识砖块的3 个来源：外部信息新知、长时记忆中的知识砖块、外脑知识管理系统，私人 Wikipedia - 费曼大法 - **结构编码：[[知识关联]]** - 定义： - 知识关联，学习者在[[知识砖块]]之间建立的丰富且有意义的联系； - 关联的分类 - 概念与概念之间 - 跨学科 - 与元学习 - 通用知识与个人经验 - xx 大法 - 理论与实践 - 持续做到 - 关联的方向与费曼大法 - 新知关联已知 - 复杂关联简单 - 抽象关联具体 - 陌生关联熟悉 - 充分利用图表来费曼：结构编码 - 表：分类的方式梳理数据和信息，弄清两个属性的二维关系； - 图： - 数据图表：数据的可视化 - 流程图：流程的可视化 - 图解 diagram：用图的方式解释知识关联 - 树 - 大纲、目录 - 网 - 高维度的、立体的 # how ## [[费曼大法]] ### 费曼技巧 - 确定费曼对象 - 用自己的话说出来 - 化整为零 - 化零为整，持续迭代 - 举例子、打比方 ### 费曼分级 - L3 级别的费曼：大一新生，具备成年人该有的正常知识 - 用自己的话费曼 - 用简单的话费曼 - 用 2w2h 模型 - 要举例子 - 要打比方 ### [[结构化笔记|2w2h]] 模型 - why 问题：与我何干？为什么要关注此主题？真实使用场景？ - what 问题：什么是什么？概念的内涵与外延、相关知识背景、相关概念； - how 问题：怎么做到？为什么能做到？步骤流程？ - how good问题： - 带来何种改变？也可以替换成 so what - 科学原理层面的拔高，解释 how 背后的原理和机制 - 文学和[[阅读 思想|思想]]层面的拔高 ## 费曼笔记法 - [[费曼笔记法：笔记的科学|费曼笔记法]] - 关于笔记的“十诫” - [[today i learned]] - [[私人 wiki]] - feynman_OS - 分层不重要，应以知识体系来梳理 - 标签为主，文件夹为辅 # how good ## 解释力公式 - 一个人的理解力强弱，也可以说一个人的计算力: $理解力 = f(知识砖块，知识关联)$ - 理解力会因知识关联成指数式增长： $ 理解力 = 知识砖块 * 知识关联^2 $ # Ref. -  -  -  -