行到水穷处，坐看云起时

【美】格兰特·威金斯；杰伊·麦克泰格

2017.3

’逆向‘

以终为始：教学要达到的目的是什么？哪些证据表明学习达到了目的？—规划教学行为和设计

’理解‘

把所学知识迁移到新的环境和挑战，而不是回忆和再现。

横向：解释、阐明、应用、洞察、神入、自知

纵向：需要熟悉的知识、需要掌握和完成的重要内容、大概念和核心任务

’实践‘

以学习者为中心

Plato and the Nerd: The Creative Partnership of Humans and Technology

爱德华·阿什福德·李（Edward Ashford Lee） 加州大学伯克利分校电子工程与计算机科学教授

工程师的“大道”

“柏拉图和技术呆子”这句话出自塔勒布的《黑天鹅》。塔勒布推崇在真实世界里摸爬滚打的人 —— 哪怕这个人看上去有点“呆” —— 而柏拉图代表的是理想主义。

柏拉图认为人生在世唯一值得做的事情 —— 探索和发现真理。—— 做一个科学家。

现代科学发现越来越依赖实验，实验依靠工程。所以，科学的进步高度依赖于工程。（引力波的工程实践，发现原子直径的千分之一那么小的变化，奇迹！）

有时候科学发现还是工程的副产品。

科学理论其实都是模型。牛顿力学不是真理、爱因斯坦场方程也不是真理 —— 它们都是柏拉图世界投射到我们这里的影子。

模型都是错的，但是有些模型很有用。

工程师思维的大道，就是先创造一个好模型，然后想办法实现这个模型。

创造或者选择什么样的模型、怎么实现这个模型，这些都充满了工程师的个性。

这是一种创造。就好像艺术创作一样。而且这个创造过程是一代一代的工程师们集体去做的，它会被积累成文化。

模型，是工程师们“想象的共同体”。

硬件举例：芯片

模型的模型的模型的模型。

芯片的基本结构————开关————晶体管。

工程师为了研发更好的晶体管而发展了半导体物理学。

用最简单的开关，可以实现一切逻辑运算。（香农 硕士论文 1940）

关键思想：分层

• 用晶体管可以搭建所有的基本逻辑门（与门，或门，非门，与非门，或非门，异或门等等）。
• 用这些逻辑门组合，就可以实现各种运算。

运算器是计算机 CPU 的一部分，是用各种逻辑门组成的，而逻辑门是用开关做的。所以整个 CPU 就是一个开关网络！

亿万个这样的开关组成在一起，就是 CPU，就能运行软件，就能实现人工智能。

1. 最底层的是半导体物理学，
2. 晶体管开关，是建立在半导体物理学上的模型，
3. 逻辑门，是建立在开关上的模型，
4. CPU，是建立在逻辑门上的模型。

所以，芯片是模型的模型的模型的模型。

人类组织是人类“想象的共同体”，CPU 的层级结构也是工程师想象的共同体。

• 每一层模型是建立在前一层的基础之上，很可能已经是最好的办法。
• 在每一层上进行设计，都只需考虑它紧挨着的下一层。
• 最底层的硬件可以随时变，但是每一层的逻辑范式可以长期不变。

香农以来的芯片结构已经被历史积累成了一个文化。

分层设计

工程师的大道应该是开创一个可供后人追随的新路线。标准、专利费和作为祖师爷的声望都只不过是副产品。

软件的分层

• 机器读0101001101
• 指令集————汇编语言
• 高级语言
• 库函数
• 云API，微服务

中国的创新机会

• 应用层（类似苹果app商店）

• 针对时序的协调层（类似大飞机制造，工业自动化，通过底层把计算机与机械设备连接起来（物联网））

• 科学与工程的区别

宇宙是计算机吗

在理论上，宇宙可以用计算机来模拟吗？

从数说起

自然数与偶数哪个多？

德国哲学家格奥尔格·康托（Georg Cantor）曾经为此思考了整整12年。大概是1874年，康托提出两个集合的元素如果能一一对应，那这两个集合的元素个数就一样多。

自然数、自然数中的偶数、甚至一切有理数，都是一样多的。数学上这叫“可数”。一个包含无限个元素的集合只要是“可数”的，它就能跟自然数一一对应，它的元素个数就跟自然数一样多。

但实数（因为包含了无理数）是“不可数”的

而计算机的一切，都是可数的。

计算机和真实世界的区别：

• 算法必须是“数字化”的。计算机里没有真正的圆周率。
• 算法是一步一步的。计算机不能算连续，没有“半步”的中间状态。
• 图灵机必须停机。

计算机程序就一定是有限长的、而且是数字化的操作。所有计算机程序都可以翻译写成由0和1组成的代码，硬件层面就是这么操作的。所以计算机程序必定是可数的。

真实世界里的事情也是可数的吗？真实世界里有没有实数呢？

如果真实世界里有些不可数的事情，如果真实世界里有些数必须是实数，那计算机怎么可能完全模拟真实世界呢？

我的世界

• 绝大多数无理数无法用语言精确描写。

• 凡是人为取用的信息都有误差，那就都可以数字化和信息化。

• 数字宇宙假说：“数字宇宙”是建立在有理数上的，它在本质上就可以用计算机编码。

这个假说有可能证明，但不可能证伪。
费米实验室的“Holometer”，它的目标是发现空间的最小尺度。如果成功，那么将证明空间不是连续变化的 —— 说明这个世界完全是由有理数组成的！
如果人类的实验精度永远都发现不了空间的最小尺度，那能说空间没有最小尺度吗？不能。———— 数字宇宙是个不可证伪的理论。
相信数字宇宙假说的是主流。也许因为数字化的世界更容易接受。

笑话是有限的吗？

想想数学，笑话显然应该只有有限多个。可以规定，笑话必须得是在两千汉字之内的文字。我们知道汉字的个数是有限的，大概是四千到六千个，就当有一万个吧。那从这10000个汉字中选出2000个，允许重复，进行排列组合形成文章，最多有10000的2000次方种。其实具体的计算方法和结果不重要，重要的是答案肯定是有限多种。

但并不能说明笑话只有有限多个。同样一篇文字，每个人 get 到的笑点可以是不一样的。文字是有限的，但是文字背后的意思是无限的。不同的人对同一段笑话的解读可以千变万化 —— 所以这么说来，笑话还是无限多的。

【文字一旦写出，所有者就不是写作者自己，而是所有看到它的人】

与此相对：曲谱是有限的，但音乐是无限的。抽象的画作。

意会。算法解决有理数，意会解决无理数。。。

每个读者只能读到已然存在于他内心的东西。书籍（文字，艺术）只不过是一种光学机器，帮助读者发现自己的内心。————马塞尔 普鲁斯特

如果真实世界是个实数世界

气球，是一台可以计算无理数的机器。哪怕你测量出来的输入和输出都是有理数，这个机器的本质也可以是实数的。有理数是你对世界有限的观测，而世界的本质是实数。

【异议：气球可能不连续】

圆规，基于几何学的实数系统。

人脑能编码吗？

• 大脑内部的思维过程，无非就是脑神经元之间的连接，而神经元连接本质上是个二进制过程。
• DNA 的遗传编码是用碱基对实现的，碱基只有四种，所以我们完全可以说 DNA 是一个四进制的数字信息编码。那也就是说，遗传信息是可数的。大脑，是从可数的 DNA “种子”生长起来的。

但是人的心灵、意识、自我的感知、智慧和知识，这些也能写成代码一一列举吗？

如果我们假设大脑是个实数机器，内部有不可数的活动，那么根据前面说的香农信息论，大脑活动就是不可编码的。对大脑的任何观测结果，都必然有噪音和误差。人脑的思维过程是不可数的。大脑活动是不可复制的！

【无法存在真正的克隆】

人脑的阅读和机械化的信息输入有本质区别。人脑可以从字里行间体验文字以外的东西。所有阅读都结合脑补 —— 所有解码都带有补偿。

到底什么是“主观”？主观就是可数的语句背后那些不可数的意思！

在数字宇宙假设的眼光下，这一切都只是假说。也许大脑真的有些不可数的活动，但也许只是大脑活动的分辨率实在太高，以至于让我们感觉它不可数 —— 其实只是“很难数”而已！

1931年，25岁的哥德尔

哥德尔不完备性定理：在自然数的公理系统中，不但你们想要的那种机械化的证明不存在 —— 而且对有些命题来说，连“证明”本身，都根本就不存在！

只要自然数的公理系统只有有限条公理，那么就一定存在一些命题，你既不能用这些公理证明它是对的，也不能判断它是错的。自然数世界里永远都有新东西等着你。也就是自然数的公理系统是不完备的。数学家的整个世界观都崩塌了。

如果没有终极理论，我们对世界的探索就永远都不会停止。

不完备性定理只限于自然数系统。如果是一个封闭的实数系统，那它就有可能是完备的、也是自洽的。例如：欧氏几何系统 —— 虽然仅有五条公理 —— 是完备的和自洽的。千万不要滥用哥德尔不完备性定理。

计算机算法是可数的。那仅用计算机算法的各种规则，能对所有算法做出判断吗？不能。有时候你必须跳出算法之外去看算法。可是如果宇宙就是个计算机，你又怎么可能跳出算法之外呢？

当一台盯着手册看的 AI 不知道怎么办好的时候，因为你的思维不可数，你可以跳出手册做决定。

哥德尔不完备性定理说，在这样一个封闭系统中，总有一些语句是这个系统本身所无法判断对错的。这就意味着如果我们身处的是一个数字宇宙，如果我们的大脑都是计算机，那迟早有一天，我们会发现对这个系统我们能想明白的东西都已经想明白了，剩下的都是永远都不可能想明白的。

但如果真实世界是实数的，人脑不是计算机，那我们就有可能随时跳出任何能写成文字的认知系统。我们永远都有一个只能意会、不可言传的思路。我们可以不断地跳出旧系统，探索新知识、发明新语言，建立新系统。科学家永远可以琢磨新的物理定律，艺术家永远可以创造新的意境，工程师永远可以发明新的模型。

实数的世界是我们用语言所无法穷尽的。

道可道，非常道。

启示：

科学与工程的关系

科学：自顶向下，根据数学模型反推真实世界

工程：自底向上，根据真实世界不断迭代

哥德尔不完备定理

多学一门语言，就掌握了一种思考方式，就对世界多了一层体察。两种语言永远无法对等。

《逻辑哲学论》（维特根斯坦）总有一些语句，用这个语言系统本身是无法判断对错的，对于这种东西，我们称之为不可说。对于不可说的，我们保持沉默。沉默的意思是用语言之外的东西让他自己显现，即意会。

不同语言人的交流很多时候用手势，表情，应为有语言之上的人类底层。不同语言的人看某一副画作，主观的不可名状的感受可以是相通的。

禅宗————不立文字，直指人心。

越抽象（守则，行为规范），越有更大的解释空间。越具体（规则），越会出现漏洞，因为无法完备。

from 得到 听书+万维钢《精英日课2》

作者：梅瑞狄斯 布鲁萨德 2018.4

人工智能想大规模取代人类并不是一件容易的事情，它还有很长的一段路要走，我们对于人工智能的恐慌和其他，其实都是在过度想象。

像《未来简史》中担心的“数据和算法掌控一切的未来”，离我们还非常遥远。

我们对于人工智能的误解，如果仅仅是观念和想象也就罢了，严重的是，因为人们过分依赖计算机算法，反而带来了一系列社会问题，所以我们现阶段需要正确认识人工智能。

其实算法都是人写的，人会犯错，算法就会犯错。

问题：

• 高估人工智能会产生什么样的社会问题？
• 自动驾驶这件事到底有多难？
• 现阶段人工智能的社会化应用的根本矛盾是什么？

高估人工智能会产生什么样的社会问题？

• 技术沙文主义，一切社会问题都可以用技术解决，特别是可以用计算机技术解决。
• 包括人工智能在内的所谓新技术，其实并没有解决真正的社会问题。
• 很多系统，比如教育，本质上是个因人而异的、混乱的、动态的系统。计算机技术要求标准化，统一，静态不变，定义良好，这个从本质上是矛盾的。
• 计算机和人工智能擅长解决工程问题，工程问题要求定义良好，而复杂的社会问题恰恰是不能定义良好的。
• 数据技术再先进，录入数据和使用数据的终究是人。不解决人的问题，技术会被人抵制。（上层人设想的问题，与底层实际操作者遇到的问题不一致）

自动驾驶这件事到底有多难？

• 现阶段所有的人工智能一个致命的弱点————高度依赖数据。都是对过去“经验”的总结，没有办法预测“没见过”的事情。
• 五级自动驾驶（全自动驾驶）可能是一个无法达到的目标。因为人工智能处理不了意外。
• 永远做不到100%的准确度，而做不到100%，即使是99.999999%也许就意味着一个人的生命。
• 人对路面情况的理解和平时积累的大量经验相关（可以区分塑料袋，石头，鸟，鸭子等等），可以预判后续的动作。计算机靠计算来完成，但这里有很多意外。（如：小孩是一个运动混沌系统）
• 人工智能对标识牌等的识别也有很多问题。（破损、有广告的标识牌，有干扰的GPS信号，误把白色的车当做白云，雨雪天气的影响）
• 道德困境，紧急情况是路人优先还是乘客优先？

• 经济困境，二八定律，提升最后的1%需要非常大的努力（数据）
• 法律困境，各地交通法不一致。无法穷尽（不完备定理）。
• 谁掌握了数据，谁的技术才有市场。小创业公司很难起步。强大的公司会变得更加强大

“自动驾驶技术千篇一律，实际未知路况万里挑一”

• 能否在特定的高速公路上强制要求全自动驾驶？
  能，但这不是技术问题，而是经济问题。

现阶段人工智能的社会化应用的根本矛盾是什么？

• 算法只能在一个维度上公平。而世界有很多维度。

• 算法根据经验，本质上是用以前人的表现去预测后来人的表现，可能会让一个人为不是他自己的行为付出代价。（公平性问题）一切基于经验决策的本质缺陷。
• 丑小鸭定理，一切分类都是主观的，是主观就会有歧视，此事古难全。
• 对于公平，人类社会存在不同的标准。社会还是这个社会，数学还是同样的数学，人工智能改变不了问题的本质。

如果不解决人的问题，技术终究不能解决真正的社会问题。

关于软件开发

• 软件开发不是生产流水线那种标准化的操作，它更像是一门匠人式的手艺。
• 快速提升开发技能的方式

面对面交流，向高手学习

“投掷”想法很重要，向观众展示

经验：

没有办法估计项目完成时间，任何软件都是“新的”，很多功能都是第一次做。

一个人犯的错误，全团队都受影响，软件开发是全局性的。

MVP（Minimum Viable Product），用勉强能用的产品接受市场的考验，不断迭代。

人工成本其实是用了一般人想象不到的地方。60%-70%的成本都花费在日常的人工维护上。

启示：

算法不能取代人的主观判断。

算法也需要适应这个世界，好的算法是适应这个社会的算法。（适者生存）算法（技术）能让这个社会往前推动了一点点就是成功的算法（技术）。

人工智能需要预判，需要与世界的互动

目前的智能算法取决于数据的输入，取决于频率派观点。

如果一件事情已经被标准化，数据完备，那么就很容易被人工智能取代。

有人参与的人工智能才是目前最适合的发展之路。

人有定义问题的能力，计算机只是用来解决人所“定义”的“特定”的问题。

现有的人工智能就是用统计方法增加猜测的准确度。人工智能就是机器学习。机器学习就是统计模型。

1
2
3
4

人脸识别
数据：人脸特征模型标准化
困难：双胞胎，相似度与区分度的平衡
人为：照片替代，面膜，遮挡，化妆，美颜，装饰

1
2
3
4

车牌识别项目
数据：车牌标准化，采集数据比较完备
困难：车牌污损，光线，天气
人为：遮挡，故意不挂车牌，错挂车牌

来自得到听书

习惯养成的机制是怎么样的？

理解框架，大脑工作原理（节省能量）

系统1（基底核）系统2（新皮质）

暗示-行动-奖励

出现xx后—-行动自然而然发生—预期有奖励

得到推荐人的说明：

• 养成好习惯—增加暗示和奖励（暗示：时间，地点，情绪，他人，刚发生的事）（奖励：自然奖励，规则奖励（给自己定规则））

• 戒除坏习惯—有意识找到行动的替代品

重要的是觉察到习惯的机制

书的附录有一个读者实践指南，还是很有作用的，非常重要！

“改变可能不会很快，而且不会总是很容易。但只要付出时间和努力，几乎所有的习惯都是可以改变的。”

> - 找出惯常行为（这个行为的暗示是什么？）
> - 用各种奖赏进行实验（自己对自己做实验，自己想要什么，确定行为是哪种渴求在驱动？记下当时的感觉）
> - 将暗示隔离出来（事先定好哪几类行为需要注意，发现其中的规律（5类暗示中的哪种））

制定计划（定闹钟，提醒自己改变原来的行为，但可以得到一定的奖励）

感想：

习惯的养成确实很难，结合《微习惯》读效果会更好

现在就开始养成一个好习惯

想想自己在什么情况下在做无聊的事（刷朋友圈，看无关新闻），把这个时间用起来，暗示是什么？用其他方式打发时间：看收集的东西？？？也许会产生很多灵感。试试看！

得到 精英日课2

《创造的起源》（ The Origins of Creativity ）

爱德华·威尔逊（Edward O. Wilson），哈佛大学生物学教授

“人文艺术”从哪里来，应该往哪里去。用文艺给科技以意义。

从篝火讲起

81%篝火边的谈话都是在讲故事（虚构）

火给人安全感————给人提供想象力。

人类的基因突变

提高了社交能力。（解决问题，共情，模仿）

发明了语言。更高级的交流，表达复杂的意思。————真正创造的开始。

什么是真正的创造？

• 求新，有新东西。

• 提供“审美的惊喜”。让人眼前一亮。

白蚁群也有创造，人与之相比的特点：

人文的创造。————提供道德判断，促进群体选择。

经典的文艺，小说，影视都是在讲述人类基因中已有的故事，使其产生共鸣。

例子：英雄故事（《千面英雄》），怪兽片，探险片，爱情片等等。

科学和人文应该联合。科学帮人文扩大视野，人文帮科学寻找意义，这样的结合能帮助人类挑战更厉害的哲学问题。

启发：

从事科研时也要从人文中获取营养，从更广阔的视角去看，从不同的维度去看。

《园丁与木匠》 艾莉森 高普尼克【美】

这本书主要介绍的是目前教育的误区，用园丁与木匠的比喻来说明该如何对待孩子。

其实这本书是从更高的观点来看教育孩子这件事，提出的问题并不是“如何”“怎样”教育孩子，而是作为父母该如何认识自己的身份。父母对自己的认识改变了，才能从根本上改变自己对育儿的态度。

孩子来到世上是让父母来感受爱的。孩子不是自己的所有品，他有他自己的路。

爱孩子不是给他们一个目的地，而是为他们的旅程提供寄养和必要的帮助。

父母其实不能决定一个孩子的未来，但能决定一个孩子美好的童年，给长大后的孩子一份美好的回忆。

“照顾孩子就像照顾花园，做父母就像做一个园丁。”

父母也是一个守望者，麦田里的守望者，而不是直升机。

我们评价一个孩子，并不只是评价他的知识和技能的学习，这些只是表面的，但更关键的是他的心理内核，这包括坚毅、创造性、成长型思维等等，这些往往很难改变，唯有用爱来滋养，靠强力只能切割这些最值得珍视的东西。

“作为父母的工作不是要创造一种特定的孩子。相反，我们是要提供一个充满爱且安全、稳定的保护空间，让充满无限可能的孩子都可以蓬勃发展。我们的工作不是塑造孩子的思想，而是让这些思想去探索世界的所有可能；我们的工作不是告诉孩子该如何玩，而是给他们玩具，然后再孩子玩完后再把玩具捡起来，我们不能逼孩子学习，但可以让他们自己学习。”

家庭环境非常重要，父母也是孩子的榜样，陪伴与示范缺一不可。可以一起做题，一起玩耍，一起讨论，但不能倚大欺小，他们能够感受得到，这会起反作用，平等温和的交流才是真正的沟通之道。
孩子的内部驱动力才是根本。

“作为父母，最重要的奖励不是孩子的成绩和奖杯，甚至也不是他们的毕业典礼和婚礼，而是与孩子一起生活所感受到的身心愉悦，以及孩子和你在一起的点滴快乐时光。”

我们不必对孩子有所求，只需要体会与他相处的每一刻。其实18岁后他就离开了，会自己飞，在他还需要拥抱的时候好好抱抱他，以后不知道从什么时候开始，他就不会让你抱了。

面对童年的孩子：

玩耍是孩子的天性，在玩耍的反馈中也会学习。学校教育是工业化的产物，是模板化的，保持每个孩子的特点，维持多样化才是面对未知世界的利器。对孩子的精雕细琢终是徒劳，保持宽松的环境，给与充分的信任，有一天他会让你刮目相看。

边看边学：

和孩子一起做，而不是“照我说的做”。避免这样的口头禅“给我把作业做完”“看看你们班的。。。”“再这样就告诉你们老师”

遇到问题，站在孩子的角度去思考，而不是做他的“敌人”，一起去解决问题，但不是替他解决问题。

边听边学：

赢得孩子的信任是最重要的。所以，言出必行是非常重要的。不要再说那些吓唬人的话，不要轻易骗人，哪怕是善意的。真诚的解释，告诉他们事物的因果关系，来龙去脉，他们总会理解的。

反向：多问为什么，也可以启发思考。

边玩边学：

如何引导孩子正确的“玩”？也许没有正确的玩，只是我们提供什么，他们就玩什么。那我们能提供什么？玩不应该是奖励手段，更应该是交流手段。

成年人需要为孩子建造一个支架，这个支架能帮助孩子自己构建知识。这才是陪玩的真正价值。如果不能提供，享受陪玩的过程吧，要全身心的投入。

边练边学：

重要的学习应该发生在学校之外。学校只是提供标准化的教育，不能满足孩子的个性和天分。学校更是一种社交场所，让他们找到更好的朋友和玩伴。

科技与孩子的未来：

在电子屏幕世界，如何让孩子重建一个属于他们的世界？如何培养他们阅读的习惯？

父母的任务是提供文化历史感和延续性，是成为一座桥梁，沟通起过去和未来。

“爱没有目标、基准或蓝图，但爱是有意义的。这个意义不是为了改变我们所爱的人，而是为了给他们提供条件，让他们蓬勃发展。爱的意义不是塑造我们所爱之人的命运，而是帮助他们塑造自己的命运；不是为了向他们展示道路，而是为了帮助他们找到自己的道路，哪怕他们所走的道路不是我们想选的，也不是我们能为他们选择的。”

“照顾孩子这件事本身就是有意义的，而不只是因为我们未来可能会获得孩子的回报。”

付出不是为了回报，付出本身就有了回报。育儿育己，本身我们也会获得成长，何况有时还会得到他们天真的笑和纯粹的依赖。

“为人父母的成功在于养育成人的孩子能够自己做出决定，哪怕是灾难性的决定。这是作为父母最悲伤的一部分，但也是道德深度所在。好的父母会让孩子在一个安全、稳定的童年期不断尝试和探索全新的生活和存在方式，让他们勇于冒险。风险只有在事情变坏之后才能真正被称为“风险”。如果孩子没有机会失败，那我们作为父母就不成功。同样，好的父母也会支持孩子以自己未曾预料到的方式去获取成功。”

孩子的失败是成长的一部分，早失败是好事。反脆弱告诉我们打不死的小强才最强大。但每次失败的引导却很关键。不能意志消沉，要从内心相信自己的能力。

“父母和孩子的故事里不只有悲伤，更有希望。父母给了我们该过去，我们也会留给孩子属于他们自己的未来。”

斯蒂芬·盖斯

采用微习惯改变的普通人

《每天完成一个俯卧撑》

来自得到听书

什么是微习惯 what

如何培养习惯？

之前的做法：

动力策略：打鸡血，给自己奖励，感受不一致，长期不靠谱，边际效用递减

意志力策略：自身意志，但改变自己太难，理想太丰满

so：
理想也骨感一点，让完成更容易

把一个习惯大幅度缩减成小得不可思议的步骤，解决意志力不足的问题

为什么微习惯有作用 why

为什么养成习惯太难？

• 无法开始行动，所以先跨越出来

• 不能坚持，想象换一种方式

  只做一个俯卧撑

  只写50个字

大脑抗拒改变，但微习惯的动作却以相反的方向”欺骗“了大脑，让坚持成为一种习惯

每天会因为自己坚持取得了小成就而不断增加惯性，提升自己的习惯能力。

小改变撬动大目标

怎样应用微习惯 how

步骤：

1. 选择一个微习惯，制定每天的计划。能做20个俯卧撑，就定1个。
2. 挖掘每个微习惯的内在价值。会带来什么好处，想明白。
3. 纳入到日程中，最好固定时间。
4. 建立回报机制。用奖励提升动力。
5. 每天记录和追踪完成情况。
6. 微量开始，超量完成。
7. 服从计划安排，摆脱高期待。不要轻易调高基础。坚持的频次比数量重要。
8. 留意习惯养成的标志。

绿灯思维

不要等路上全是绿灯才出发，遇到第一个绿灯就行动。

启示：

培养自己的习惯
每天跳30秒绳，做三个俯卧撑

培养孩子的习惯
每天写好10个字

不抽象，就无法深入思考，不还原，就看不到本来面目

不仅仅是对商业问题思考，更重要的是对身边事件的思考

洞察：透过表象，看清本质

系统

从系统的角度去思考

什么是系统？

系统就是“要素乘以关系”

我们经常只看到要素（可见），但常常忽略关系（不可见）

看要素，更要看关系是什么，系统是由关系维护的

看待一件事情，不光要看这件事情的要素有什么？（时间，地点，人物）更要看他们（它们）之间的关系。（起因）

看待历史，不仅看过去谁做了什么，而是看他做的时候系统是怎么样的？他这样做的动机是什么？现在系统（关系）发生了什么变化。

新的变化可能会带来结构性的改变，要素之间关系的变化会带来新的机遇。
疫情的机遇（报复性消费（刚需压后），忧患意识（保险，健康业），人力资源外包，线上办公的不可逆转变（可取代一部分））

洞察：透过表象，看清“系统”中的要素和要素之间的连接关系。

很多时候，我们去解决问题，并不是去改变要素，而是改变要素之间的连接关系。

“结构不对，什么都不对”

如何分析结构？

结构模块

所有系统，抽象来看，除了“要素”，就是“要素”之间的四种“连接关系”：因果链，增强回路，调节回路，滞后效应

世间万物都是复杂系统，但是“抽象”来看，任何复杂系统都构建于其固有的简单性。

变量（要素）

什么是变量？

系统中变化的数量。随时间而变，由此带来了系统的复杂度，未来的不确定性，以及洞察本质的难度。

怎么查看变量？

“浴缸模型”

存量+流量

互联网世界，流量确实“必要”，但只有能转化为存量的流量，才是“重要”的。

流量改变存量，存量改变世界。

三个心法：

1. 关注“核心存量”。 它的增长能明显提升实力，它的减少会迅速带来危机。 （公司的核心存量是什么，我的核心存量是什么？）找到核心存量后，不遗余力的注入流量。
2. 关注“流量增速”。流量增速是存量的“放大器”。要想超越，就必须选择具有大的流量增速的事业。（当前什么的流量增速最快？）
3. 关注“周转时间”。效率的刻度。更短的周转时间可以更快的成长。

实力靠存量， 潜力靠流量， 赶超靠流量增速x周转时间。

因果链

带箭头的线段

变量之间增强或减弱的连接关系

用”因果链“顺藤摸瓜，找到与之相连的”原因变量“

找寻因果链的误区：

1. 遗漏中间项（喝咖啡->精力充沛？）
2. 迷信相关性（相关不一定就是因果）
3. 颠倒因果链（价格<->成本）

增强回路

因增强果，果反过来又增强因，形成回路，一圈一圈循环增强

例子：

腾讯—社交：用户数目多->对其他用户有价值->用户增多

阿里—点商：买家多->卖家多->买家多

百度—搜索：收录的网页多->搜索的用户多->广告商多->用钱收录更多网页

怎么建立自己的增强回路？

1. 找到自己飞轮 （亚马逊：客户体验好-流量增大-供货商多-低成本结构-更低的价格-客户体验好）

2. 确定第一推动力（淘宝：让买家先满意）

3. 坚持不懈地推动（亚马逊：25年）

小成功靠聪明才智，大成就靠增强回路，增强回路越滚越快，就是你自己的飞轮。

调节回路

保持系统平衡的力量

因增强果，果反过来减弱因，抵抗系统变化的因果回路

怎么发现控制调节回路？

1. 打破”看不见的天花板“

2. 建立”自我修复机制“

3. 让”阻碍变革者“成为变革受益者

你的计划是腾飞，世界的计划是回归。凡有增强，七步之内，必有调节。

滞后效应

因果之间的时间差

如何识别和处理”滞后“？

1. 原因不一定在结果附近

2. 减少滞后，增加确定性。能立刻表扬和奖励的马上就做。

3. 警惕由”滞后效应“引起的”剧烈震荡“（缩短系统结构中的环节，平滑时间抖动）

找到自己的核心存量，摸清关键因果链，打磨增长飞轮，做在”增强回路“上的事情

系统体检

检验搭建的模型是否可靠

模型是否健康的指标：

1. 适应力，是否能对外部冲击自我修复

用存量和调节回路应对意外

2. 自组织，是否能适应变化自我突变

乱七八糟的生机勃勃，好过井井有条的死气沉沉

3. 层次性，是否具有整体化为局部控制信息风暴的能力

来自得到听书

大卫·尼希尔
幽默传播讨论会

幽默是一种可以训练的技能

向脱口秀学习讲话有趣的技巧

怎么学？

把幽默放在故事里，注意收集生活中真实的故事

幽默=悲剧x时间

笑点=铺垫+抖包袱

幽默感是写出来的，不断模拟，不断练习。

表演需要预演。总结自己的失误，不断完善

如何记住顺序？

记忆宫殿法

如何避免怯场？

接纳它

适当的计划能避免糟糕的表现

开场暖场，结束总结。

永远调试：自己录音录像，听。克服自己的羞耻心。抽离自身，做一个评估者。

幽默更是一种思维方式

是用独特、有趣的视角，去观看你的人生，看到真相，看到痛苦，然后从中看出现实的荒诞。真正的幽默来自洞察，来自人性。

感受：

课堂教学也需要一点趣味性，如何提高？

收集与内容有关的材料，结合生活实际

可以预演，录制回看。

这次由于疫情不得不上网课也是一个机遇，反思自己上课的过程。

读书笔记也可以采用这样的方式，通过屏幕录制ppt，像讲给别人听一样