monmon

male,三张了还在奔波糊口！

[monmon @monmon3022]

@op7418 @HuoQubot

[howie.serious @howie_serious]

如何使用 ChatGPT 原理学会一切知识？读Wolfram 大神的神书《这就是 ChatGPT》之后的读书笔记

读了李沐大神的《使用随机梯度下降来优化人生》，忍不住拍大腿。加上前面推荐了wolfram 大神的神书《这就是 ChatGPT》，于是觉得有必要写点类似读书笔记或书评的东西。李沐的文章写于ChatGPT 之前，是结合随机梯度下降来讲人生道理的，我这篇准备从ChatGPT 原理出发，聊一聊 GPT对人类学习、构建个人知识体系的启发。以此文致敬两位大神。🫡

李沐的文章微言大义，只用了 1100 字。我对GPT原理的认识有限，所以写了5000字，请大家多多指正。

1 首先要有目标

所有机器学习，一定得有个目标函数。人类的学习也是如此，学习之前，目标先行。

目标函数，也叫成本函数，损失函数。**模型训练的目标就是让损失函数最小化**。人类学习，也是要不断接近自己的学习目标。

2 学习目标要大

GPT模型的训练目标，是用一个巨大的神经网络去模拟互联网上的所有人类语言文本，让损失函数最小化。目标基本达成，**GPT把基本上全部的人类知识压缩进了万亿参数的单一模型**，实现了通用认知任务上的卓越表现。

GPT的学习目标不可谓不大。

人类学习也是如此。目标不能太小，你的学习不是为了通过某次考试，取得某个分数。在我看来，人的学习应当以构建个人知识体系为学习目标。

在你在外，人类知识体系（body of knowledge）是一种客观存在，wikipedia 和书籍等都是对人类知识体系的一种整理和构建的实践，我称之为bok1。在你之内，你的脑子里应该有一个自己的个人知识体系，关于一个或多个学科或领域，我称之为 bok2。

**个人学习的目标，是缩小bok2和bok1之间的差距，形成你自己的更全面更扎实更强大的bok2。**

为什么学习目标要足够大？神经网络训练的实践有一个发现：**参数越多，成本函数最小化越容易。正因为这个规律，用神经网络解决复杂问题比解决简单问题更容易**。所以，AI 现在可以写作编程绘画，但是还没法在餐馆端盘子。

人类学习也是如此。目标足够大，进步才可能足够大，走的才能足够远。

3 从实例中学习

机器靠**样例学习**（learn from examples），从数据中学习，而非通过规则学习（符号AI路线已经破产多年）。机器通过大量的大量的数据来学习到数据中蕴含的模式和规律，就好像从大豆中压榨出其中丰富的油脂。

人类也应当从实例中学习。一本书，一篇文章，一个知识视频，一次演讲录像，一次面对面交谈，都是你学习的来源。从实例中，你学到丰富的、鲜活的、有意义的知识。

4 用高质量信息作为学习数据

**Garbage in，garbage out。这是机器学习的第一性原理**。如果数据本身不富含意义，哪怕训练数据再多，可能训练出来的大模型也无法实现高级的智能，甚至还会从垃圾材料中学到满嘴脏话。GPT的训练数据集是精心挑选的高质量数据，包括 Wikipedia、书籍、论文、代码以及高质量的互联网文本。

所以，人类的学习是不是也要尽可能用高质量信息作为学习数据？**在一头扎进某本垃圾教科书之前，先精心设计你的学习数据集**。对于任何主题，我通过什么小册子轻松上手登堂入室？通过大师的那本科普书获得大图景（big picture）？哪几本教科书才是全国范围内最好的教科书？有那些知识视频让我更直观更好的理解这个主题？有什么工具能让抽象复杂的知识变得具体而清晰？

学习是从数据中体验意义的过程。只有通过高质量的文章、书籍、视频、课程、网站和工具，才能高效提炼出真正的知识。

5 从错误中学习

在GPT模型的预训练过程中，数据依次通过神经网络的各层，最终生成下一个token。token的预测值和实际值之间的差异，这是模型的误差（error）。error = diff（预测值, 实际值）。 GPT就是通过error来学习，把误差用反向传播的方法反馈回去，调整模型参数，降低损失函数。

**预测下一个 token => 得出error => 反向传播 => 梯度下降 => 调整参数 => 预测下一个 token**

GPT 只能通过误差来学习，人也是如此，只能从错误中学习到东西。错误和不足，是反馈的重要来源，也是最好的来源。

然而，人是追求奖励逃避惩罚的动物。**教育的规训让人追求正确，回避错误**。在孩子身上尤其明显，孩子会觉得错误不好，正确才好，一直正确一直好（直到ta迎来必然到来的重大挫折）。

我们可以认识到这个思维陷阱并尽量避免：虽然错误让人痛苦，但错误是唯一的学习来源。只有通过错误，人才能学到点什么东西。

6 唯有学习才能改变自己

GPT模型的训练过程，就是不断调整模型的过程，训练的每一步都在改变模型参数，改变模型本身的连接配置。

人的学习也还如此。每一次费曼，都得到你当前的理解与费曼式理解之间的差距，根据这个差距来调整，查资料，加深理解，再一次费曼。

每一次学习，都在改变你的大脑。不是比喻意义上的改变，而是字面意义上的改变，在生物和物质层面的改变：**短时记忆就是大脑突触之间神经递质增加释放，长时记忆就是基因表达蛋白质合成折叠，形成新的突触连接**。经过充分学习训练的大脑，在结构上不学习的大脑是截然不同的。之间的区别，类似于大脑和脑花之间的区别。

学习改变了大脑，改变了你，字面意义上的改变。

7 把阅读作为学习方法

**GPT的学习，是使用上百万GPU时间做一件事：阅读，阅读整个互联网，阅读几乎所有人类的语言文本**。这个阅读过程被被称为“预训练”，而GPT的阅读，只在做一件事：预测下一个token。而 GPT 的阅读量，是上万亿个 token。

人类的学习，也应该把阅读作为主要方法。scaling law对 GPT 适用，对人类神经网络也同样适用。人大附中早培班要求六年级小学生每年阅读五百万字，约 50 本书。个人认为这是保底要求。**人类学习者，需要首先成为一个贪婪的阅读者：一年五十本书。每天至少阅读一小时。**

没有预训练，GPT 无法学习；没有阅读，人类无法学习。

8 把费曼作为理解方法

GPT的理解，是在万亿维度的意义空间，用注意力机制，在数百层神经网络中，通过上万次的矩阵向量乘法来加工处理文本转化成的数字向量。

**text => token => generic embedding => embedding 2 => embedding x => final refined embedding => list of probabilities => next token**

对于一个token，GPT用它的上下文来不断关联，提取特征，调整这个向量在语言意义空间中的位置，形成富含意义的、更准确的理解。

人类的理解，也是把知识砖块和它的上下文不断建立丰富的、有意义的关联。最好的理解方法就是费曼技巧。**首先费曼知识砖块，然后不断费曼知识砖块之间的关联。通过清晰的概念以及概念之间的关联，人类形成自己的理解。**

把阅读作为学习方法，把费曼作为理解方法，一个概念接着一个概念，一次费曼接着一次费曼。

而且，费曼技巧，就是人类的“预测下一个token”。费曼的实际结果与期待结果之间的差异，就是我们在具体实例学习中得到的 error。针对这个 error，计算梯度，沿着梯度前进一部，你就得到了改进。

9 把迭代作为进步方法

GPT模型是在万亿token的高质量数据上训练出来的，用反向传播来传递误差，用随机梯度下降来减少模型误差。**每一个token的生成，都是神经网络中上亿神经元的一次激活，都是一次包含万亿参数在内计算。**

人类的学习，每一次费曼都是一次对神经网络的调参过程。哪怕是对一个概念的理解和费曼，都不是一蹴而就的。费曼x3，任何一个概念都要至少费曼三遍。在有间隔的多次费曼中，你对一个概念的理解变得越发清晰。

这是一种迭代式的学习闭环。闭环，迭代，这是学习之要义。把迭代作为进步方法。

10 规模法则，大力出奇迹

GPT模型是遵循规模法则（scaling law）的，规模法则是当前AGI之路的关键方法。wolfram说，“足够大的神经网络当然无所不能”。

人类神经网络，是否遵循规模法则？海量知识砖块的积累，构建出越发庞大、多元的个人知识体系，是否能像 GPT 一样带领个体发展出更强大的智能水平？用简单的话说，人类的学习，是否是“大力出奇迹”，凡事都靠积累？

答案很可能是肯定的。

11 身为父母，减少人为干预

曾经，人类设计AI系统走的是规则路线（符号AI）。曾经，机器学习是需要人工建立特征的（有多少人工，才有多少智能），相当于人类工程师教机器学习。现在，深度学习是端到端的，不用人为的特征工程。AI科学家们发现，学会放手，让神经网络做尽可能多的事情，让神经网络自己学习。**学会放手，结果惊人。**

身为人类父母，是不是也应该减少人为的、低水平的干预？大部分父母自己不是学习专家，不懂学习原理，强行扮演教育家是不是反而伤害了孩子的学习？是不是父母们也应该学会放手，不要瞎设计瞎教学？

孩子的大脑就像一个等待训练的 GPT模型，与其自上而下去指导教学，不如每天陪着孩子读半小时书，像一个朋友一样，让孩子快乐地享受伟大的预训练过程（阅读）。每天晚饭后，孩子做作业，大人在旁边读书学习。作业完成后，一起快乐共读，一起谈天说地。学会放手，生活更美好，学习更有效。

12 注意力是最贵的

GPT的T，是transformer架构。而transformer的精髓在于其用算法实现了类似人类的注意力机制，从而让模型在阅读文本时针对文本序列的不同部分给与不同程度的关注。

GPT的学习，是注意力分配的艺术。

人类的学习，也是注意力分配的艺术。当你阅读，你在不同内容上分配不同程度的注意力，关注概念之间的关联。

而且，整个有效学习的前提，是你能在学习这件事上建立并维持你的注意力。注意力的质量，决定学习的质量。

然而，你的注意力，是很多厂商虎视眈眈的猎物，10 亿短视频用户每天刷 150 分钟短视频，人们的注意力模式每天都在被短视频算法疯狂训练，训练到最后，一篇长文章都读不下去，更不要说严肃的书籍读物。

机器在学习，人类在沉迷。**机器通过注意力机制实现了更强大的认知能力。而人类的注意力却愈发稀缺和脆弱。短视频是免费的，但是，注意力却是最贵的。**

13 预训练之外的后训练

在让GPT模型阅读完互联网文本之后，OpenAI的科学家们还做了重要的一步：让人类积极地与GPT互动，并且在“如何称为一个更好的LLM助手”方面给与实际反馈。

是的，GPT模型的训练，除了预训练之外，还有**后训练：微调（finetuning），奖励建模（reward modeling）和RLHF(基于人类反馈的强化学习)。预训练占比95%，是绝对大头；后训练强调少而精，事半功倍。**

人类学习也是如此。除了海量阅读作为预训练，还需要后训练作为补充。

对海量阅读的孩子进行考试元技能的微调，只做了 8 套真题，8 岁儿童就能通过 FCE 考试。而对孩子的三观培养，家庭的家风建设，则类似于 GPT 模型中的奖励建模。为人父母，我们最重要的角色就是正反馈父母，不要学上“老中”的毛病，不过脑子，什么话难听说什么。只要做好正反馈，每个孩子都能培养出强大的澎湃的学习内驱力。

14 语言就是思维本身

人类语言，以及语言生成所涉及的思维过程，一直被视为复杂性的巅峰。而ChatGPT的成功给我们一个启示：在某种程度上，似乎人类语言的所有丰富性，以及人类能用语言谈论的所有事物，都可以被封装进一个有限的系统。

语言，在根本上，似乎比它看起来简单。**ChatGPT 则成功捕捉到了人类语言的“本质”和背后的思维方式**。ChatGPT 在训练过程中，隐含地发现了人类语言的语法规则，并且很擅长遵守这些规则。人类语言中丰富的语义信息，也被 GPT 通过向量空间中无数次的矩阵计算成功提取出来，存储为万亿参数构成的神经网络连接。通过掌握人类语言，GPT 还建立了某种意义上的世界模型。

人类学习也不应轻视语言，把语言视作普通的一个科目，分值有限，在高考中拉不开差距。不宜把口头的语言表达视作非核心技能，不宜把书面语言的写作技能视作非核心技能。每一个终身学习者，都应该足够重视语言，重视演讲作为核心技能，重视写作作为核心技能。

15 学习，快与慢的艺术

机器学习的快慢由一个超参数决定：**学习率 learning rate**，这是模型在梯度下降时的步子长短。步子太大，可能无法实现模型损失函数的最小化。步子太小，梯度下降太慢，效率太低。神经网络的训练中，合适的学习率是只能在实践中摸索出来的，只能来自经验。

人类学习也是如此。步子太大，看起来学的快了，但是理解浅，遗漏多。突击可以让你在考试中蒙混过关，但在实际应用中需要支付更高的代价。步子太小，龟速爬行，学起来会没劲。在快速学习和深度学习之间平衡，是学习的艺术。

而掌握这么艺术的最佳方式，是构建自己的知识树。以知识树为目标的学习，在快与慢之间最容易取得平衡：前期快速搭建框架，快速建立大局观，获得正反馈；然后慢慢微调，一个概念接着一个概念，看起来慢，但实现了更好的快。

16 学习，没有人出生在罗马

有人煽动起跑线焦虑，说什么“有的人出生在罗马”。在财富和权力层面可能对，但在学习这件事上，众生平等，没有人的家住在罗马。哪怕是马斯克的孩子，也得自己亲自预训练自己的神经网络，也得自己逼近学习目标，而且没有捷径。

机器学习也有起点和终点。起点是初始化的随机参数，终点是高维空间中损失函数最小的点。GPT模型的学习，就是在万亿维度的意义空间中找到这个最低点。

LLM们的学习都是后天的，难道ChatGPT比文心一言聪明是因为它出生在罗马？学习就是在万亿维度的意义空间趋近自己的目标函数，所有学习者的起点都是一样的，没有人生在终点，没有人家在罗马。

17 学习，每个人有自己的时区

有人煽动学习焦虑，像把大活人变成竹节虫，让人生布满“节点”： “婴儿英语启蒙要抓住关键节点”，“三年级真的至关重要” ，“大二是最关键的一年”，“人生最关键的节点是35岁”……多少岁毕业，多少岁买房，多少岁结婚，多少岁生子，多少岁财富自由……

这个“社会时钟”妄图规定出一个人生的“标准时间”，规定了人们在不同的阶段要完成相应的 KPI。在“社会时钟”下，很多人在疲于奔命地过一种“打卡人生”。

但是，GPT的学习，是万亿维度的意义空间的旅程。每一条梯度下降的路线，都是逼近目标函数的路线，没有一个固定的、正确的路线。

人的学习也是如此。我们不需要一个“社会时钟”来规定你是迟到了还是来不及了。娃 6 岁了还没学 scratch，是不是晚了？孩子已经初中了，英语词汇量才 500，是不是来不及了？我三十多岁了，才开始学 python，丢不丢人？

每个学习者都有自己的时区，按照自己的节奏，走在终身学习终身成长的道路上。芒格曾经说过，我今年学习了做 PPT，我这 90 多岁的老狗还能学会新技能，你们年轻人还担心什么。

只要你还在学习，还在往前走，就无所谓早晚。每个人都是独一无二的，每个人对自己的路线拥有主导权和解释权。横向比较是愚蠢且没必要的。

18 学习，简洁是更高级的复杂

机器学习的早期，人们认为应该在神经网络中使用各种复杂的独立组件，从而让神经网络“显式地实现特定的算法思想”。GPT之后，人们发现，更好的方式是使用非常简单的组件，让它们“自我组织”，反而能更好地实现算法思想。

**ChatGPT原理的一大启示：最强大的智能，并非通过复杂部件的堆砌，反而来自结构简单的无数计算元素的组合，以及朴实无华的scaling law。**

最复杂的神经网络，由最简单的基本结构组成。人类的学习也是如此。不要迷信复杂的工具和技巧，大道至简，简单最好。

最庞大的知识体系，也不过是由一系列简单的事实性知识、概念、模型组合而成，而学习这些概念的方法本身也是简单而非复杂的，朴实而非深奥的。

---
这些，就是 ChatGPT 教给我关于学习的道理。

[monmon @monmon3022]

@linglingfa 求推荐码

[Tw93 @HiTw93]

#随便看看 最近「黑客与画家」的作者出了一篇新的文章《How To Do Great Work / 如何做出伟大的工作》，写得特别好，很符合我的胃口，我用 ChatGPT4 给翻译了一下，帮大伙省下 Token，全文如下：

如果你收集了很多不同领域做出伟大工作的技巧列表，那么它们的交集会是什么样子呢？我决定通过实践来找出答案。

部分原因是我希望创造一个可以被任何领域的工作者使用的指南。但同时我也对这个交集的形状感到好奇。这个练习展示的一点是，它确实有一个明确的形状；它并不只是一个被标签为“努力工作”的点。

以下的秘诀是为你这种雄心壮志的人准备的。

首先，你要决定从事什么工作。你选择的工作需要具备三个品质：你有天生的适应能力，你对它有深厚的兴趣，同时它还要能提供展现你伟大工作的空间。

实际上，你不必过于担心第三个条件。雄心壮志的人往往在这方面过于保守。所以你只需找到你有能力且有强烈兴趣的事情即可。

这听起来很直接，但实际上往往很困难。当你年轻的时候，你不知道你擅长什么或者各种工作是什么样的。你最后可能会做的一些工作可能现在还不存在。所以，虽然有些人在14岁的时候就知道他们想做什么，但大多数人还是需要自己去摸索。

找出要从事什么工作的方法是通过实际操作。如果你不确定应该做什么，就猜。但是必须选择一件事情并开始行动。你可能有时会猜错，但没关系。了解多样性的事物是有益的，很多重大的发现都源于注意到不同领域之间的联系。

养成自我研究项目的习惯。不要让“工作”只是别人告诉你要做的事。如果你真的能做出伟大的工作，可能会在你自己的项目中。这可能会在某个更大的项目内，但你将是驱动你那部分的人。

你的项目应该是什么？对你来说，什么都可能是令人兴奋的挑战。随着你年纪的增长和项目口味的演变，刺激和重要会汇聚在一起。在7岁的时候，建造 Lego 大作可能会让你觉得挑战重重，然后在14岁的时候，自学微积分可能会让你觉得挑战重重，到21岁的时候，你可能开始探索物理学中未解的问题。但是，始终保持那份激情。

有一种兴奋的好奇心是伟大工作的引擎和舵。它不仅能驱使你前进，而且如果你让它自由发挥，它还会告诉你应该做什么。

你对什么过于好奇——到让大多数其他人都觉得无聊的程度？这就是你要找的。

一旦你找到了你非常感兴趣的东西，下一步就是学习足够多的知识，让你能够达到知识的前沿。知识是以分形的方式扩展的，从远处看，边缘看起来很平滑，但是一旦你学得足够多以接近它们，你会发现它们其实充满了缺口。

下一步就是去发现这些缺口。这需要一些技巧，因为你的大脑希望忽视这些缺口，以便构建一个更简单的世界模型。许多发现都来自于对大家都视为理所当然的事情提出疑问。

如果答案看起来很奇怪，那就更好了。伟大的工作往往带有一点奇特的气质。你从绘画到数学都能看到这一点。试图刻意制造它可能会显得做作，但如果它自然出现，就拥抱它。

大胆地追求异常的想法，即使其他人对它们不感兴趣——实际上，尤其是在他们不感兴趣的情况下。如果你对所有人都忽视的某种可能性感到兴奋，而你又有足够的专业知识来精确指出他们都忽视了什么，那么这就是你能找到的最好的选择。

四个步骤：选择领域，学习足够的知识以到达前沿，发现缺口，探索有前景的缺口。这就是几乎所有做出伟大工作的人都是如何做到的，从画家到物理学家。

第二步和第四步需要付出艰辛的努力。也许不能证明你必须努力工作才能做出伟大的事情，但实证证据是与证明人会死一样有力。这就是为什么你需要投身于你深感兴趣的事情。兴趣能驱使你比单纯的勤奋工作更努力。

最强大的三种动力是好奇心、喜悦和希望做出令人印象深刻的事情。有时它们会交汇，那种组合是最有力的。

真正的大奖就是发现一个新的分形芽。你发现知识表面上的一条裂缝，将其撬开，里面竟是一个完整的世界。

让我们再多谈一点关于如何找出要从事什么工作这个复杂问题。主要难点在于，除非亲自去做，否则你无法了解大部分工作是什么样的。这意味着四个步骤是交叠的：你可能需要在某项工作上花费几年的时间，才能知道你对它有多喜欢或者你在这方面有多能干。而与此同时，你并未从事，因此也未能了解大部分其他类型的工作。因此，在最坏的情况下，你可能会在获取的信息非常不完整的情况下做出迟来的选择。[4]

野心的本质使得这个问题更加棘手。野心有两种形式，一种是对主题感兴趣之前的野心，一种是从对主题的兴趣中生长出来的野心。做出伟大工作的大多数人都有这两种野心的混合体，你对前者的拥有越多，决定要做什么就越困难。

大多数国家的教育系统假装这很容易。他们希望你在知道这个领域真正是什么样子之前就致力于它。结果就是，一个处在最佳轨迹上的有抱负的人在系统中往往会被认为是有问题的。

如果他们至少承认这一点——如果他们承认这个系统不仅不能帮助你找出要从事什么工作，而且还是建立在你将以某种神奇的方式作为青少年来猜测的假设上——那就好了。他们没有告诉你，但我会告诉你：当你试图弄清楚该做什么时，你就是自己的主人。有些人运气好，猜对了，但其他人可能会发现自己在一个基于每个人都会这样做的假设而铺设的轨道上横冲直撞。

如果你年轻有抱负，但不知道该做什么，你应该做什么？你绝不能漫无目标地漂流，假设问题会自行解决。你需要采取行动。但是没有系统的程序可以遵循。当你阅读做过伟大工作的人的传记时，你会发现运气在其中起了多大的作用。他们通过偶然的会面，或者阅读他们碰巧选到的书，发现了应该做什么。所以，你需要使自己成为运气的大目标，而做到这一点的方法是保持好奇心。尝试许多事情，遇见许多人，阅读许多书，提出许多问题。[5]

在疑惑之际，优化有趣性。随着你对它们了解得越来越多，领域会发生变化。例如，数学家所做的事情与你在高中数学课上所做的事情非常不同。所以你需要给不同类型的工作一个机会，让他们向你展示他们是什么样的。但是，当你对一个领域了解得越多，它应该变得越来越有趣。如果没有，那么它可能就不适合你。

如果你发现自己对其他人不感兴趣的事情感兴趣，不要担心。你的有趣口味越奇怪，就越好。奇怪的口味通常是强烈的口味，对工作的强烈口味意味着你会有生产力。而且，如果你在鲜有人走过的地方寻找，你更有可能找到新事物。

你适合某种工作的一个标志是，你喜欢其他人觉得枯燥或者恐怖的部分。

但是，领域不是人；你不欠它们任何忠诚。如果在做某件事的过程中，你发现了另一件更让人兴奋的事情，不要害怕转换。

如果你正在为人们制作一些东西，一定要确保那是他们真正想要的东西。做到这一点的最好办法就是制作你自己想要的东西。写你想读的故事；制作你想用的工具。由于你的朋友可能有相似的兴趣，这也会为你赢得你的初始观众。

这应该遵循让人兴奋的规则。显然，最让人兴奋的故事将是你想读的故事。我特别提到这个例子是因为有太多的人弄错了。他们没有制作他们想要的，而是尝试制作一些他们想象中的，更成熟的观众想要的东西。一旦你走上那条路，你就迷失了。[6]

在你试图找出要做什么时，有许多力量会让你走错路。矫饰、时尚、恐惧、金钱、政治、别人的愿望、声名狼藉的骗子。但是，如果你坚持你真正感兴趣的事情，你就能抵挡住所有这些。如果你感兴趣，你就不会迷路。

追求你的兴趣可能听起来像是一种相当被动的策略，但在实践中，它通常意味着你需要冒着各种困难去追求它。你通常需要冒着被拒绝和失败的风险。所以，这确实需要相当大的勇气。

但是，虽然你需要勇气，但通常不需要太多的规划。在大多数情况下，做出伟大的工作的秘诀简单来说就是：努力工作，从事令人兴奋的雄心勃勃的项目，这样就会有好的结果。你无需制定一个计划然后去执行它，你只需要尽力保持某些不变的东西。

规划的问题在于，它只适用于你可以提前描述的成就。你可以在儿童时期决定要赢得金牌或者变富有，然后坚持不懈地追求这个目标，但你不能以这种方式发现自然选择。

我认为对于大多数想要做出伟大工作的人来说，正确的策略不是过多地规划。在每个阶段，做最有趣的事情，并为未来保留最好的选项。

我称这种方法为“顺风而行”。这似乎是大多数做出优秀工作的人所采用的方式。

即使你找到了令人兴奋的工作，进行工作并不总是直截了当的。有些时候，新的想法会让你早晨从床上跳起来，直接开始工作。但也有很多时候，事情并非如此。

你并不是简单地扬起帆，让灵感吹动你前进。存在逆风、潮流和隐秘的浅滩。所以，工作就像航海一样，有其技巧。

例如，你必须努力工作，但是也有可能工作过度，如果这样的话，你会发现收获递减：疲劳会让你变得愚蠢，最终甚至会损害你的健康。工作的回报递减的点取决于工作的类型。最难的类型你可能每天只能做四五个小时。

理想情况下，这些小时应该是连续的。只要你能做到，尽量安排你的生活，使你有大块的时间用来工作。如果你知道可能会被打断，你就会避开艰难的任务。

可能开始工作比继续工作更难。你经常需要欺骗自己才能跨越那个初始阈值。不用担心这个；这是工作的性质，不是你性格的缺陷。工作有一种启动能量，既有每天的，也有每个项目的。而且，因为这个阈值是虚假的，它比继续下去所需的能量要高，所以你完全可以告诉自己一个相应的谎言来跨越它。

如果你想做出伟大的工作，通常向自己撒谎是错误的，但这是极少数例外的情况。当我早上不愿意开始工作时，我经常通过对自己说“我只是看看到目前为止我做了些什么”来欺骗自己。五分钟后我发现了一些错误或不完整的地方，我就开始工作了。

类似的技巧也适用于开始新项目。对自己撒谎，说一个项目需要做多少工作，也是可以的。很多伟大的事情都始于某人说“这有多难呢？”

这是年轻人具有优势的一种情况。他们更乐观，尽管他们乐观的一个来源是无知，但在这种情况下，无知有时候可以打败知识。

尽管如此，你要尽量完成你开始的工作，即使它比你预期的要花更多的工作。完成事情不仅仅是一种整洁或自律的锻炼。在许多项目中，最好的工作常常发生在本应是最后阶段的地方。

另一个允许的谎言是，在你的心中夸大你正在做的事情的重要性。如果这有助于你发现新事物，那么它可能原来就不是谎言。

由于工作有两种开始方式 —— 每天和每个项目 —— 所以也有两种形式的拖延。每个项目的拖延远比每天的拖延更危险。你把开始那个雄心勃勃的项目一年又一年地推迟，因为时间总不是恰到好处。当你以年为单位拖延时，你可能会做不了很多事情。

每个项目的拖延之所以如此危险，是因为它通常会伪装成工作。你并不是只是坐在那里什么也不做；你在另一件事情上工作勤奋。所以，每个项目的拖延不会触发每天的拖延的警告。你太忙了，没时间注意到它。

战胜它的方法是，偶尔停下来问自己：“我在做我最想做的事吗？”当你年轻的时候，答案偶尔是不行也可以，但随着你变老，这越来越危险。

伟大的工作通常需要花费对大多数人来说看似过多的时间来解决问题。你不能把这个时间看作是成本，否则它看起来就太高了。你必须找到足够引人入胜的工作。

可能有些工作需要你在你讨厌的事情上认真工作几年才能进入好的部分，但这不是伟大工作的方式。伟大的工作是通过持续地专注于你真正感兴趣的事情来实现的。当你停下来审视时，你会惊讶于你已经走了多远。

我们感到惊讶的原因是我们低估了工作的累积效应。每天写一页看起来不像多大的事，但如果你每天都做，你一年就能写一本书。关键是：一致性。做伟大事情的人每天不会完成很多事情。他们做了一些事情，而不是什么都没做。

如果你做的工作可以产生复合效应，你就会得到指数增长。大多数这样做的人都是在无意识

中做的，但值得停下来思考。学习，例如，就是这种现象的一个例子：你对某件事学的越多，学习更多的东西就越容易。吸引观众也是一样：你拥有的粉丝越多，他们就会为你带来更多的新粉丝。

指数增长的问题在于，曲线在开始时感觉平坦。它并不平坦；它仍然是美妙的指数曲线。但我们无法直观地理解这一点，所以我们在初期低估了指数增长。

一个能指数增长的事物可以变得如此有价值，以至于值得我们付出非常的努力来启动它。但由于我们在早期低估了指数增长，这也主要是在无意识中完成的：人们在学习新事物的初期付出初始的努力，因为他们从经验中知道学习新事物总是需要初始的推动，或者他们一次吸引一个粉丝，因为他们没有更好的事情做。如果人们意识到他们可以投资于指数增长，会有更多的人去做。

工作并不仅仅在你努力时发生。当你走路、洗澡或躺在床上的时候，你会进行一种无目的的思考，这种思考可能非常有力。让你的思绪稍微游走一下，你经常会解决你无法通过正面攻击解决的问题。

然而，你必须以正常的方式努力工作，才能从这种现象中获益。你不能只是四处游荡做白日梦。白日梦必须与刻意的工作交织在一起，为它提供问题。[10]

每个人都知道在工作中避免干扰，但在循环的另一半中避免干扰也很重要。当你让你的思绪游走时，它会游到你在那一刻最关心的事情上。所以避免那种会把你的工作从首位挤出去的干扰，否则你会把这种有价值的思考方式浪费在干扰上。（例外：不要避免爱情。）

在你所在领域的工作中，有意识地培养你的品味。直到你知道哪个是最好的，以及使它如此的原因，你才知道你在追求什么。

而那就是你要追求的，因为如果你不试图成为最好的，你甚至都不会变得很好。这种观察已经被许多人在许多不同的领域中提出，因此值得思考为什么它是真的。可能是因为野心是一种几乎所有的错误都在一个方向上的现象——几乎所有偏离目标的炮弹都是偏低了。或者是因为对成为最好的野心和对成为好的野心是质的不同。或者可能只是因为好是一个过于模糊的标准。这三个原因可能都是对的。[11]

幸运的是，这里有一种规模经济。尽管试图成为最好的可能看起来你要承担重大的负担，但实际上你经常会最终获得收益。这是激动人心的，也是奇特地令人感到自由。它简化了事情。在某些方面，试图成为最好比只试图变得好更容易。

要有高远的目标，你可以试图创造出人们在一百年后仍然会关心的东西。不是因为他们的观点比你的同时代人更重要，而是因为一百年后仍然看起来好的东西更可能真的很好。

不要试图用独特的风格工作。只要尽力做好你的工作；你将不由自主地以独特的方式去做。

风格是在不试图做到的情况下以独特的方式做事情。试图做到就是矫揉造作。

矫揉造作实际上是假装不是你在做工作。你采用了一个令人印象深刻但假冒的人格，虽然你对其令人印象深刻感到满意，但在工作中显现出来的是假冒的一面。[12]

对于年轻人来说，想成为别人的诱惑最大。他们常常感觉自己是无名小卒。但你永远不需要担心这个问题，因为如果你在足够雄心勃勃的项目上工作，这个问题会自行解决。如果你在一个雄心勃勃的项目上成功，你就不是一个无名小卒；你就是做到了的那个人。所以只要做工作，你的身份就会自我照顾。

"避免矫揉造作"是一个有用的规则，只要它可以走得足够远，但你怎么才能以积极的方式表达这个想法呢？你要怎么说出你要成为什么，而不是不要成为什么呢？最好的答案是诚实。如果你是诚实的，你就可以避免不仅是矫揉造作，还有一整套类似的恶习。

诚实的核心是诚实。我们从小就被教导要诚实，这是一种无私的美德——一种牺牲。但实际上它也是一种力量来源。要看到新的想法，你需要对真相有一个异常敏锐的眼光。你正在尝试看到迄今为止别人还没有看到的更多真相。如果你不诚实，你怎么能对真相有一个敏锐的眼光呢？

避免诚实的一种方法是保持稍微的正压。积极地愿意承认你是错的。一旦你承认你在某件事上错了，你就自由了。在那之前，你必须承受它。[13]

另一个更微妙的诚实成分是非正式。非正式比它在语法上否定的名字意味的要重要得多。

它不仅仅是缺乏某件东西。它意味着把焦点放在重要的事情上，而不是不重要的事情。

正式和矫揉造作有共同之处，那就是在做工作的同时，你也试图看起来某种方式。但任何进入你看起来怎样的能量都会减少你的好。这就是为什么书呆子在做伟大的工作上有优势：他们在看起来像什么上花费的努力很小。实际上，这基本上就是书呆子的定义。

书呆子有一种天真的大胆，这正是你在做伟大工作时所需要的。这不是后天学来的；这是从童年时代保留下来的。所以要坚持下去。成为一个把事情摆出来的人，而不是一个坐在后面提供听起来很复杂的批评的人。"批评很容易"在最字面的意义上是真的，而通向伟大工作的路永远不容易。

可能有一些工作在你是愤世嫉俗和悲观的时候有优势，但如果你想做出伟大的工作，那么乐观是一个优势，即使这意味着你有时会看起来像个傻瓜。有一种古老的传统恰恰相反。旧约圣经说，最好保持沉默，免得你看起来像个傻瓜。但那是为了看起来聪明的建议。如果你真的想发现新的东西，最好冒险告诉人们你的想法。

有些人天生就是诚实的，有些人则需要刻意的努力。任何一种诚实都足够。但我怀疑在没有诚实的情况下能否做出伟大的工作。即使你是诚实的，做起来也很难。你没有足够的错误边际来容纳被影响、诚实、正统、时髦或酷的扭曲。[14]

伟大的作品不仅与创作者一致，也与其自身一致。它通常都是完整的一体。因此，如果你在工作中遇到决定，问问哪个选择更一致。

你可能需要丢掉一些东西，然后重新做。你不一定必须这样做，但你必须愿意这样做。这可能需要一些努力；当有些东西需要你重做时，现状偏见和懒惰会结合在一起，让你对此事保持否认态度。要击败这种情况，问问自己：如果我已经做出了改变，我是否想要恢复到现在的状态？

要有剪切的信心。如果某样东西不合适，不要仅仅因为你为之骄傲，或者它花费了你大量的努力就保留它。

实际上，在某些类型的工作中，把你正在做的事情剥离到本质是好的。结果会更集中；你会更理解它；你也无法对自己撒谎，说那里有真实的东西。

数学优雅可能听起来只是一个来自艺术的隐喻。当我第一次听到“优雅”被用来形容一个证明时，我就是这么想的。但现在我怀疑它在概念上是更早的——艺术优雅的主要成分是数学优雅。无论如何，它在数学之外还是一个有用的标准。

然而，优雅可以是一个长期的赌注。繁琐的解决方案在短期内通常会有更高的声望。它们需要大量的努力，而且难以理解，这两点都会给人留下印象，至少是暂时的。

而一些最好的工作看起来好像并没有花费太多的努力，因为在某种意义上，它们已经存在了。它们不需要被建造，只需要被看见。当你难以判断你是在创造还是在发现某件事时，这是一个非常好的迹象。

当你做的工作可以被看作是创造或发现时，倾向于发现。试着将自己看作是一个单纯的通道，让思想自然地形成。

奇怪的是，选择要做什么问题的问题是一个例外。这通常被视为搜索，但在最好的情况下，它更像是创造某样东西。在最好的情况下，你在探索过程中创造了领域。

同样，如果你试图建造一个强大的工具，使其毫无限制地宽松。强大的工具几乎就是定义上将会被以你意想不到的方式使用，所以倾向于消除限制，即使你不知道这会带来什么好处。

伟大的工作往往具有工具性，即它是其他人建设的基础。所以，如果你正在创造其他人可以使用的思想，或者揭示其他人可以回答的问题，那是一个好的迹象。最好的思想在许多不同的领域都有含义。

如果你以最一般的形式表达你的思想，它们会比你预期的更真实。

当然，仅仅真实是不够的。伟大的想法必须是真实且新颖的。即使你已经学习到足够的知识来到达知识的前沿，看到新的想法也需要一定的能力。

在英语中，我们将这种能力称为原创性、创造性和想象力。给它一个单独的名字似乎是合理的，因为在某种程度上它确实是一个单独的技能。有可能在其他方面有很强的能力——有很多所谓的“技术能力”——但是在这方面可能没有那么多。

我从未喜欢过“创造性过程”这个词。它似乎有些误导。原创性不是一个过程，而是一种思维习惯。原创性思考者在他们关注的任何事情上都会产生新的想法，就像角磨机抛出火花一样。他们禁不住。

如果他们关注的东西是他们不太理解的东西，这些新的想法可能不是好的。我知道的最具原创性的思考者之一在离婚后决定专注于约会。他对约会的了解大致与一般15岁的孩子相同，结果色彩斑斓。但看到原创性与专业知识如此分离，让其本质更加明显。

我不知道是否可以培养原创性，但肯定有方法可以充分利用你所拥有的。例如，当你在做某件事时，你更有可能有原创的想法。原创的想法不是来自于试图有原创的想法。它们来自于试图建立或理解一些稍微困难的东西。

谈论或写关于你感兴趣的事情是产生新想法的好方法。当你试图将想法转化为文字时，缺失的想法会创造一种吸引它出现的真空。事实上，有一种思考只能通过写作来完成。

改变你的环境也有帮助。如果你访问一个新的地方，你通常会发现自己在那里有新的想法。旅程本身往往会将它们搅动出来。但你可能不需要走得很远就能得到这个好处。有时候，只需散散步就足够了。

在话题空间中旅行也有助于此。如果你探索很多不同的主题，你会有更多的新想法，部分原因是因为这为角磨机提供了更大的工作表面，部分原因是因为类比是新想法的一个特别丰富的来源。

但是，不要把你的注意力平均分配在许多主题上，否则你会分散自己的精力。你应该根据更像一个幂律的东西来分配它。对少数几个主题保持专业的好奇心，对更多的主题保持闲散的好奇心。

好奇心和原创性密切相关。好奇心通过给原创性提供新的工作对象来滋养它。但关系比这更紧密。好奇心本身就是一种原创性；它大致上是问题的原创性，就如同原创性是答案的。既然问题在最好的情况下是答案的一个大部分，好奇心在最好的情况下就是一个创造性的力量。

拥有新想法是一种奇怪的游戏，因为它通常包括看到那些就在你鼻子下面的事情。一旦你看到一个新想法，它往往看起来是显而易见的。为什么之前没人想到这个呢？

当一个想法看起来既新颖又显而易见时，它可能是一个好主意。

看到一些显而易见的事情听起来很容易。然而，从经验上看，拥有新的想法是困难的。这种明显矛盾的来源是什么呢？那就是看到新的想法通常需要你改变看世界的方式。我们通过既有助于我们也限制我们的模型来看待世界。当你修复一个破碎的模型时，新的想法就变得显而易见。但是注意到并修复一个破碎的模型是困难的。这就是新的想法既显而易见又难以发现的原因：你做了一些困难的事情之后，它们就容易被看到。

发现破碎模型的一种方法是比其他人更严格。世界的破碎模型在与现实冲突的地方留下了线索的痕迹。大多数人不想看到这些线索。说他们对当前的模型有所依恋简直是轻描淡写；这就是他们的思维方式；所以他们往往会忽视模型破碎留下的线索，无论这在回顾时看起来多么明显。

要找到新的想法，你必须抓住破碎的迹象，而不是转过头去。这就是爱因斯坦做的。他能够看到麦克斯韦方程的狂野含义，并不是因为他在寻找新的想法，而是因为他更为严格。

你需要的另一件事是愿意打破规则。尽管听起来自相矛盾，但如果你想修复你对世界的模型，成为一个习惯于打破规则的人会有所帮助。从旧模型的观点来看，新模型通常至少会打破一些内在的规则，而这旧模型是每个人包括你自己最初都会认同的。

很少有人理解所需的打破规则的程度，因为新的想法在成功之后看起来更保守。一旦你使用他们带来的新的世界模型，他们看起来完全合理。但在当时他们并不是这样的；即使在天文学家中，也花了大约一个世纪的时间才普遍接受地心说，因为它感觉错了。

的确，如果你仔细想想，一个好的新想法对大多数人来说必须看起来是坏的，否则已经有人去探索它了。所以你在寻找的是那些看起来疯狂，但是疯狂得恰到好处的想法。你如何认出这些呢？你不能确定。通常看起来坏的想法就是坏的。但是恰到好处的疯狂的想法往往是令人兴奋的；他们富含含义；而那些仅仅是坏的想法往往让人沮丧。

有两种方式可以舒适地打破规则：喜欢打破它们，或对它们漠不关心。我把这两种情况称为积极独立思考和被动独立思考。

积极独立思考的人是顽皮的。规则不仅不能阻止他们；打破规则给他们提供了额外的能量。对于这种人来说，对一个项目的胆大妄为有时可以提供足够的活化能量让它开始。

打破规则的另一种方式是不在乎它们，或甚至不知道它们存在。这就是为什么新手和局外人经常发现新事物；他们对一个领域假设的无知作为一种临时的被动独立思维的来源。Aspies也似乎对传统观念有一种免疫力。我知道的几个人说这帮助他们有新的想法。

严格性和打破规则听起来像是一种奇怪的组合。在流行文化中，它们是对立的。但在这方面，流行文化有一个破碎的模型。它暗含地假定问题是微不足道的，而在微不足道的事情上，严格性和打破规则是对立的。但在真正重要的问题上，只有打破规则的人才能真正严格。

一个被忽视的想法通常要到半决赛才会输。你在潜意识里看到了它，但然后你的另一部分潜意识将它打倒，因为它会太奇怪，太冒险，太费力，太有争议。这提出了一个令人兴奋的可能性：如果你能关闭这种过滤器，你就能看到更多的新想法。

一种做到这一点的方法是问什么对别人来说是好的想法去探索。然后你的潜意识就不会射击它们来保护你。

你也可以从另一个方向发现被忽视的想法：从掩盖它们的东西开始。每一个珍视但错误的原则都被一片死寂的有价值的想法所包围，这些想法因为与它相矛盾而未被探索。

宗教就是一些珍视但错误的原则的集合。所以任何可以被文字或比喻形式描述为宗教的东西，都会有有价值的未探索的想法在它的阴影下。哥白尼和达尔文都做出了这种类型的发现。

你的领域的人们在什么方面有宗教感，意思是他们对某个可能并不像他们认为的那么不言而喻的原则过于依恋？如果你舍弃它，会变得可能？

人们在解决问题时的创新性远远超过在决定要解决哪些问题时的创新性。即使是最聪明的人在决定要做什么时也可能出奇地保守。那些在其他任何方式上都不梦想成为流行的人，却被吸引到做流行的问题上来。

人们在选择问题时比选择解决方案更保守的一个原因是，问题是更大的赌注。一个问题可能占据你几年的时间，而探索一个解决方案可能只需要几天。但即便如此，我认为大多数人都太保守了。他们不仅在回应风险，也在回应流行。不流行的问题被低估了。

最有趣的不流行问题之一就是人们认为已经被充分探索过，但实际上并没有的问题。伟大的工作经常是拿已经存在的东西，展示其潜在的潜力。杜勒和瓦特都做到了这一点。所以如果你对别人认为已经耗尽的领域感兴趣，不要让他们的怀疑阻止你。人们经常在这一点上错。

从事一个不流行的问题可以是非常愉快的。没有炒作或匆忙。机会主义者和批评者都在别处忙碌。现有的工作通常具有老派的稳固性。并且，在培养那些否则会被浪费的想法时，有一种满足的经济感。

但是，最常见的被忽视的问题并不是在意义上明确地不流行，也就是说，它并不是过时的。它只是看起来并不像实际上那么重要。你怎么找到这些呢？通过自我放纵——让你的好奇心尽情地放飞，至少暂时地忽

略你的头脑里那个说你只应该工作在“重要”问题上的小声音。

你确实需要处理重要的问题，但几乎每个人对什么算重要都太保守了。如果你的附近有一个重要但被忽视的问题，那它可能已经在你的潜意识的雷达屏幕上了。所以，试着问问自己：如果你要从“认真”的工作中抽出时间，仅仅是因为它真的很有趣，你会做什么？答案可能比你认为的更重要。

在选择问题时的独创性似乎比在解决它们时的独创性更重要。这就是区别开创全新领域的人的特点。所以可能看起来只是第一步——决定要做什么——在某种意义上是整个游戏的关键。1/N

[monmon @monmon3022]

@cat0rz @get_this_v

[衝撃bot @minnano_dougaww]

何作ってるんかなーって思ったら...
これはすごいな！！

https://t.co/WVNhIhuPKw

[monmon @monmon3022]

@colorisebot

[Insider @thisisinsider]

Each cat doll has a personality of its own! 😸

[胡彩霞 @huchuan]

刘继卣一九五六年为《西游记》创作的《大闹天宫》组画中一幅，精彩，比葛饰北斋的作品好得多。

[Disney @Disney]

What’s this? What’s this? There's emojis everywhere! #DisneyHalloween

[小众软件 @appinn]

MultCloud – 支持数据互传的网盘管理[Web] http://t.co/PbWcgjiUeJ

[郭大虾 @daxa]

这么多人看了《一步之遥》批评姜文，虽然我还没看过这本电影，也不能说些什么，我只记得，2011年艾未未 @aiww 失踪那81天里，他在纽约的那些“朋友”们———今天的影视界的明星大腕，都没有说话，姜文也没有说话。我想，这应该也是拥有“独立个性和姿态”的艺术家的另一面吧！

[sylar @sylarc]

女生为什么有体香？答：化妆品腌入味了

[蛋花儿 @danhuaer]

看完这些，我整个人都不好了！！好心塞。。（by：@二逼青年这样过） http://t.co/NF27rmbTq2

[中文锐推客 @RTKcn]

17+ RT @fndhrt: 心疼王自如，连续两届奥运因伤退赛还要承受巨大压力跟老罗扯这个。

[QBot @QiubaiBot]

网上看到的，笑了，哈哈
http://t.co/n1jUHG9o0r

[蛋花儿 @danhuaer]

太机智了，你们自己看效果吧！ http://t.co/PEoSPl83Nj

[Don Evans @DonEvansWm]

【政府切断网络控制舆论？这款APP能让其成为历史】移动应用Open Garden和Fire Chat可以创建移动热点让人们以匿名方式进行“线下”聊天。它们不需要WiFi连接和数据流量也能联网，凭借开放的手机网络信号源即可免费的上网和通信http://t.co/gcxXxotASH