这篇文章很长，可能会占用你半小时左右的时间才能读完，消化完，可能要更长时间。

但是文章很重要，因为他在回答一个问题：如何找到自我？

这也是混沌大学的愿望，希望每个人都能通过认知升级，找到自己的底层算法，成就很厉害的你。

A部分

  1 

这个世界上有时间旅行者吗？

霍金为此在2009年做过一个实验：专门为时间旅行者举办了一场派对。

实验的亮点是：为确保参加者真的是穿越而来，而非普通人前来冒充，霍金在派对结束后才向时间旅行者发出请柬。请柬上注明了具体的时间和地址。

遗憾的是，并没有时间旅行者出现在霍金的派对上。这似乎意味着时间旅行是不可能的。

说的好像时间旅行者很闲似的。又或者，时间旅行者是不自知的。又又或者，已经来过了，这就是他们恶作剧后的结果。

时间不可逆，可能是宇宙最奇妙的秩序之一。时间之不可逆流而上，凸显了其它所有可能的逆流而上的价值和意义。

上帝不会安排每个人的命运，祂只是设计了基本的算法。

时间均匀、单向地流淌，是这个算法不多的“第一性”设定。就像围棋的“气尽棋亡，隔手提劫”。“第一性”设定越简洁，棋局的变化越丰富。所以围棋比“第一性设定”更多的象棋复杂很多很多倍。

复杂即不确定性。

这就是人世之不确定性的原因。

人生观的界限之一是：你因不确定性而生的快乐，和你因不确定性而生的痛苦，孰大孰小？

然而，痛苦和快乐，并非“第一性”，最初的算法，未曾对其作出定义。

否则人类就会失去最重要的禀赋：自由意志。

所以，时间穿越者，要么因为获得旅行的权力，放弃自由意志；要么对上帝撒娇说：我两个都想要。

于是上帝可能设置一个类似于围棋里打劫的“第一性”，气虽尽，犹可循环。

作为条件，为了保持“自由意志”～假如自由意志并不是一个幻觉，时间旅行者会被从记忆里拿掉他重复过的那一段岁月。

那么时间旅行者的穿梭，又有何意义呢？

也许你我都是那个不自知的时间旅行者。

在上帝的算法里，我们的躯壳，盛放着我们的大脑，运行着我们的意识，被驱使于自由意志的那些并不自由的快乐、忧愁。

  2 

你是你自己的主人吗？

莎士比亚说：

“我们的身体就象一座园圃，我们的意志是这园圃里的园丁；

不论我们插荨麻、种莴苣、载下牛膝草、拔起百里香，或者单独培植一种草木，或者把全园种得万卉纷披，让它荒废不治也好，把它辛勤耕垦也好，那权力都在于我们的意志。”

在进入成人世界之前，“控制论”似乎是可行的。我们玩儿球，看物体按照牛顿力学精确计算出的抛物线飞行；我们学骑车，享受着惯性的乐趣。因为地球的转动，四季更迭。年少的我们对未来充满期待，而内心底，则坚信世界犹如钟表般牢靠。

假如人也是原子构成，并处于物理世界中，那么，我们的大脑是否就遵循着物理定律呢？

斯宾诺莎是一名一元论者或泛神论者。他认为宇宙间只有一种实体，即作为整体的宇宙本身，而上帝和宇宙就是一回事。他的这个结论是基于一组定义和公理，通过逻辑推理得来的。

斯宾诺莎的上帝不仅仅包括了物质世界，还包括了精神世界。他认为人的智慧是上帝智慧的组成部分。

斯宾诺莎还认为上帝是每件事的“内在因”，上帝通过自然法则来主宰世界，所以物质世界中发生的每一件事都有其必然性；

世界上只有上帝是拥有完全自由的，而人虽可以试图去除外在的束缚，却永远无法获得自由意志。关于决定论，法国数学家皮埃尔·西蒙·德·拉普拉斯写道：

我们可能将宇宙的现在状态视为其过去的结果和其未来的原因。

如果一位智者在某个特定时刻知道使自然处于运动的所有力以及知道构成自然的所有成分的位置，并且如果他还有足够的能力分析这些数据，那么他能将宇宙中的最大物体和最小原子的运动纳入一个单一的公式中；

对于这样一位智者，没有什么是不确定的，而未来就像过去一样呈现在他的眼前。

这位智者，就是著名的“拉普拉斯妖”。

“宇宙钟表论”认为，世界具有确定性、且可被数学方程式精确计算。只要知道某个物理世界的初始数值，我们就可以算出后面发生的一切。所以，从科学的角度看，宇宙中不存在不确定性，一切皆可预知。

十九世纪末，“上发条的世界”，被研究“三体问题”庞加莱叩出一个缝隙。他发现了混沌系统：

这是一种确定的但不可预测的运动状态。它的外在表现和纯粹的随机运动很相似，即都不可预测。

但和随机运动不同的是，混沌运动在动力学上是确定的，它的不可预测性是来源于运动的不稳定性。或者说混沌系统对无限小的初值变动和微扰也具有敏感性，无论多小的扰动在长时间以后，也会使系统彻底偏离原来的演化方向。

混沌现象是自然界中的普遍现象，天气变化就是一个典型的混沌运动。混沌现象的一个著名表述就是蝴蝶效应：南美洲一只蝴蝶扇一扇翅膀，就可能会在佛罗里达引起一场飓风。

混沌系统经常是自反馈系统，出来的东西会回去经过变换再出来，循环往复，没完没了，任何初始值的微小差别都会按指数放大，因此导致系统内在地不可长期预测。

奥尔松举了二战时候的例子，他认为顽强的丘吉尔也许就是一只蝴蝶。

进入20世纪，量子机制取代了牛顿的物质观。原子和分子层面的不确定性，尽管如此难以被直观体验，仍然被加速般进入到我们的现实世界中来。

宇宙开始不确定起来了，充满了随机和偶然。那个理性化的、符合物理定律的稳定世界，于动荡演变的真实世界并不相符。《深层学习》写到：

复杂系统的变革给我们的启示是：我们生活在复杂的、不可预料的、不可简单化的混乱系统之中。

这一观点不仅适用于我们的自然界，也适用于社会环境。火灾和战争，地震和市场崩溃，全球变暖和国际贸易，事物间的关系远比简单的类比复杂得多。我们所在的系统永远以新颖的方式发生着变化。阳光之下，并无旧事。

进而，量子物理被引入人的大脑。

一群物理学家和心理学家开始用量子概率原理来研究人类的认知和决策行为，开创了“量子认知科学”：

正如微观粒子的行为是概率性的、不确定性的，人的认知和决策行为亦然。正如微观粒子的行为极易被情境影响，人的认知和决策行为亦然。

有人让爱因斯坦用不超过 50 个字来回答关于上帝的问题，而他只用了 32 个：

我信仰斯宾诺莎 的上帝，他以万物之秩序示现，不会干涉人的命运和行为。

我倒不认为爱因斯坦支持“决定论”。他曾经说过：我想知道上帝的构思，其他的都只是细节。“万物之秩序”，不正是造物主的“算法”吗？

  3 

谁在控制你的意识？

上世纪的70-80年代，科学家们开始关注“复杂系统”，“涌现”则是复杂系统中最显著也是最重要的一种特征。涌现(Emergence)，字面翻译为突然出现，在系统科学中它意味着“整体大于部分之和”。

任何系统都是由大量微观元素构成的整体，这些微观个体之间会发生局部的相互作用，然而当我们把这些个体看作一个整体的时候，就会有一些全新的属性、规律或模式自发地冒出来，这种现象就称为涌现。

Jeffrey Goldstein 则对「涌现」作以下定义：复杂系统中在自我组织的过程中，所产生的各种新奇且清晰的结构、图案、和特性。

例如：每只小小的蚂蚁是一个非常简单的个体，它们没有聪明的头脑，只会完成一些简单的任务。然而，当把成千上万只小蚂蚁组合到一起的时候，整个蚁群就能体现出非常复杂、庞大的涌现现象，例如社会分工、集体协作等等。

人类的大脑是另外一个蕴含 “涌现 ”理论的令人震惊的例子。

组成人类基因组的 2 万个不同基因中，大约有 1/3 出现在大脑中，并且掌管着数百亿个神经细胞的生死。每一个神经细胞尽管相对复杂，但自身没有意识，或者说不够聪明。

然而，当这些神经细胞相互连接时，便会形成一个令人惊讶的网络，该网络不仅比神经细胞总和更强大，而且能够意识到自己在思考。

尽管人们热烈讨论的话题仍然是 “大脑真正的工作机理 ” ，但很明显，以正确的方式将不太复杂的部分相互连成网络，便可以涌现思考和意识。

库兹韦尔的立场是：

如果生物体在做出情绪反应时完全令人信服，对于这些非生物体，我会接受它们是有意识的人，我预测这个社会也会达成共识，接受它们。

请注意，这个定义超越可以通过图灵测试实体的范围——因为图灵测试至少需要掌握人的语言。

但只要非生物体足够像人，我会接纳它们，我相信，社会中的大部分人也会如此，不过，我也会把那些具有人类一样的情感反应却不能通过图灵测试的实体包括进来，例如，孩子们。

在库兹韦尔看来，如果你接受这样一种信仰飞跃，即非生物体就其感受性所作出的反应是有意识的，那么这也就意味着：

意识是实体整体表现出来的涌现特性，而不是由其运行机制产生的。

简而言之，他选择“相信”。

假如意识是“涌现计算”的结果，它又是如何被感知的呢？

那些不可测的意识，是如何被穿起来，仿佛一个连贯（尽管经常不如意）的剧情，从而塑造了“我”？

大脑基于非常古老的设计，虽然其微观性和复杂性，成年人的大脑有1000亿个神经元。在历史进化的过程中，大脑的设计是低效而怪异的。但我们如何完成超级电脑都手足无措的任务？

《进化的大脑》说：单个神经元都是极其缓慢、不可靠且低效率的处理器。但是，大脑是一万亿个非最优处理器的聚合体，大量互联形成500万亿个突触。

因此，大脑可以利用大量神经元的同步加工以及随后的整合模式来解决复杂问题。大脑就是一台拼装电脑，尽管每一个处理器的功能极有限，但大量相互关联的处理器则效率惊人。

这就是大脑，它使用大量相互关联的平行构造，加上精细的反馈信息，就把简陋的部件组成了一个令人惊叹的装置。

大脑都不是设计完美的，它只是胡乱堆积在一起的一团东西。我们的情感、感知和行为的独特性，很大程度是因为大脑并非一台优化的通用解题机，而是寻求特定解的一团怪异聚结物。

心智和意识，是我们存在的根本，也是这个世界最大的难解之谜之一。我们很难从主观体验的角度去研究。

哲学家大卫·查默斯说：“我们用物理解释化学，用化学解释生物，用生物解释心理（也许要在前面加上：用数学解释物理）。但如何解释意识呢？”

让我们暂时放下对“我是谁”的纠缠，回到物理世界。史蒂芬.平克这样定义：

心智是由自然选择设计来解决我们的进化祖先在他们原始觅食方式的生活中所面临的问题的一套计算器官系统 。

他认为：心智是我们祖先在解决生存问题的进程中 “自然选择 ”出来的 。

心智不是大脑 ，而是大脑所做的事情 。人是心智进化的产物 ，而不是剃光了毛的 “裸猿 ” 。心智进化的最终目的是为了复制最大数量的基因 ，而正是基因创造了心智 。

达尔文指出 ， “那些令人叹为观止 、极度完美而精妙的器官 ”不是源于上帝的远见 ，而是由复制器经过极其漫长的时间进化而来的 。

在复制器的复制过程中 ，有时会出现随机的复制错误 ，而那些恰好能提高复制器的幸存率与繁殖率的复制错误逐渐一代一代地积累下来 。

植物与动物是复制器 ，它们复杂的结构因而看上去就像是被专门设计的 ，使其得以生存和繁衍 。

然而，上帝真的需要亲自参与设计完美而精妙的器官吗？不，他只需要设计一套算法。

进化论是一种算法。维多利亚时期的计算机先驱人物，查尔斯·巴贝奇的观点是，上帝创造的不是物种，而是创造物种的算法。

2017年，AlphaGo团队推出AlphaGo Zero，此版本不依靠人类玩家的数据创建，且比之前的所有版本都要强大。通过自我对弈，AlphaGo Zero在三天内以100比0的战绩战胜了AlphaGo Lee，花了21天达到AlphaGo Master的水平，用40天超越了所有旧版本。

DeepMindCEO杰米斯·哈萨比斯说，AlphaGo Zero“不再受限于人类认知”，很强大。

由于专家数据“经常很贵、不可靠或是无法取得”，不借助人类专家的数据集训练人工智能，对于人工智能开发超人技能具有重大意义，因为这样的AI不是学习人，是通过对自我的反思和独有的创造力直接超越人类。

确切说，AlphaGo Zero也并非完全从零开始。DeepMind 的联合创始人Mustafa Suleyman 被问到Alpha zero 的强化学习是否真的证明可以不要训练数据？

他说还是有三个前提：可预测环境（围棋规则）清晰奖励系统（输赢），无变数（variability）。

AlphaGo Zero对我的震撼，远不如最初战胜樊麾的那个初级版本。知道其原理后，你会明白，人类有史以来的棋谱毕竟是有限的，AlphaGo Zero更为高效的“自我学习”在想象之中。

震撼我的，是AlphaGo Zero从零开始发现的围棋招法，很多是与人类一样的。我不由得感慨人类的孤独与伟大。

围棋有着超过宇宙间所有原子数量的变化，人类从头开始慢慢摸索，历经漫长的黑暗岁月，代代相传，竟能走得和阿尔法元一样对。

如果AlphaGo Zero是一套算法，人类会不会也是一套算法呢？

DeepMind追求的是“通用人工智能”，而非只擅长下围棋的AlphaGo。此路漫漫。

而人类是如何在亿万年间，逐步演化出自己的“通用人工智能”的？

  4 

什么是算法？

阿尔伯特·爱因斯坦说：所有科学中最重大的目标就是，从最少数量的假设和公理出发，用逻辑演绎推理的方法解释最大量的经验事实。

算法就是一系列指令，告诉计算机该做什么。计算机是由几十亿个微小开关（称为晶体管）组成的，而算法能在一秒内打开并关闭这些开关几十亿次。最简单的算法是触动开关。

Cathy O'Neil则说：算法是嵌入在代码中的观点。

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习是人工智能的一个分支。

人工智能的研究是从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，一条自然、清晰的脉络。

《终极算法》一书对比了普通算法和机器学习：

每个算法都会有输入和输出：数据输入计算机，算法会利用数据完成接下来的事，然后结果就出来了。机器学习则颠倒了这个顺序：输入数据和想要的结果，输出的则是算法，即把数据转换成结果的算法。学习算法能够制作其他算法。通过机器学习，计算机就会自己编写程序，就用不到我们了。

因为，计算机科学通常需要的是准确思维，但机器学习需要的是统计思维。例如，如果有条规定是“垃圾邮件标记的正确率是 99%”，这并不意味存在缺陷，而可能意味这是你的最好水平，已经很好用了。

这种思维上的差别很大程度上也解释了为什么微软能赶上网景公司，但想赶上谷歌却困难得多。说到底，浏览器只是一个标准的软件，而搜索引擎则需要不同的思维模式。

作者说机器学习是“打了类固醇”的科学方法，也遵循同样的过程：产生假设、验证、放弃或完善。

科学家可能会花费毕生精力来提出或验证几百个假设，而机器学习系统却能在一秒钟内做完这些事。机器学习使科学的发现过程自动化。因此，并不奇怪，这既是商业领域的革命，也是科学领域的革命。

人脑和电脑，已经不是一种简单的譬喻关系。人的大脑内部，以及人类社会，似乎正是以类似于“机器学习”的方式运行着。或者，应该反过来说，机器学习可以模仿人类大脑和人类社会。

在《人工科学》一书中，人工智能先驱人物、诺贝尔奖得主赫伯特·西蒙让我们想象蚂蚁费力地穿过沙滩回家。

蚂蚁的路线非常复杂，这不是因为蚂蚁本身复杂，而是因为沙滩这个环境对蚂蚁来说意味着要爬很多山丘，绕很多卵石。如果我们通过对每条可能的路线进行编程，模仿蚂蚁，那么我们注定会失败。同样，在机器学习中，复杂性存在于数据中。终极算法需要做的就是消化复杂性，

因此，如果终极算法变得非常简单，那么我们也不用感到惊讶。虽然人类的手很简单（四个手指，一个大拇指），但是它却可以制作并使用无数种工具。

我们再次看到科学家拿蚂蚁说事儿。也许我们大脑中单个看起来并不复杂的神经元，就是一只只蚂蚁。一千亿个神经元，构成了一个蚂蚁超级社会。

两位斯坦福大学教授最近合作研究蚂蚁如何寻找食物，其中一位是计算机科学家，另外一位是生物学家。

他们发现，蚁群其实早于人类数百万年便发明了传输控制协议 /互联网协议（TCP / IP ），而这是信息在互联网上传输的核心方法。

如前所述，每只小小的蚂蚁是一个非常简单的个体，它们没有聪明的头脑，只会完成一些简单的任务。

然而，当把成千上万只小蚂蚁组合到一起的时候，整个蚁群就能体现出非常复杂、庞大的涌现现象，例如社会分工、集体协作等等。

神经元似乎也是如此工作。

让我们跳出来，回到本文的标题：什么是人生算法？

假如上帝是以算法来构建这个世界，我们也该找到自己的人生算法。

至此，让我们总结一下上述段落的观点，并以此作为后面文字的基石：

1. 我们所在的世界，看起来是一个“一切不可改变的”钟表宇宙，其实是一个“一切不可预测”的混沌宇宙；

2. 我们努力去控制，无论是控制自己的大脑，还是控制外部事物，经常是徒劳的。结果其实是“涌现”出来的；

3. “自动学习”，是一个智能体自我进化的本质，即“算法”。

B部分

  1 

一个人的命运，为什么和另外一个人迥然不同？

我们又该去哪里找寻心底的自由？

通常我们都会把目光投向那些“很厉害的人”。不管这些人是我们身边的，还是遥不可及的，很厉害的人似乎能够把握自己的命运，从而实现物质和精神的双重自由。

难题有两个：

1. 究竟什么是很厉害的人？

2. 很厉害的人和我有什么关系呢？

这两个难题的矛盾之处在于，厉害的人越厉害，对于平常人来说，就越难模仿、借鉴、学习。

下面，我们先探索这个时代最厉害人们的“认知地图”，然后，指向我们的目标：

发现厉害人的底层算法。

  2 

很厉害人们的厉害之处，在于其认知模式和能力，这一点毋庸置疑。满足“认知需求”的书籍几乎占据了所有的榜单：

1. 决策类；（大脑）

2. 算法类；（计算机）

3. 科学类；

4. 人文类；

在此基础上又有各种交叉延伸：

1. 人工智能、强化学习;

2. 硅谷模式：精益创业、亚马逊飞轮、增长黑客；

3. 认知心理学、行为经济学、非理性的原创性；

4. 斯金纳的行为主义、自由意志；

各条路线上的最厉害的人们，分别贡献出他们所在领域和方向的“认知”；而我们也如饥似渴地阅读、吸收，并试图拼出一张完整的“认知地图”。

为了便于理解这张地图，我引入一个隐喻：围棋。

四个边分别是：

1. 决策类（大脑）。最著名的是卡尼曼的快与慢理论，无意识的“系统1”依赖情感、记忆和经验迅速作出判断；有意识的“系统2. 通过调动注意力来分析和解决问题，并作出决定。各类决策类、管理类、励志类的著作，也大多围绕这两个基点展开；

2. 算法（计算机）。除了科技行业的技术趋势、商业模式，成功的个人或者机构，都是因为发现没人认可的秘密而建立起来的。这个秘密，可以表现为一个算法。

3. 科学。硅谷的创业英雄们，大多是科学神童，将求真、证伪，作为思考与行动的基本准则。我们也会看到获得过物理学学士的马斯克，在打算造火箭时，会认真学习《火箭制造原理》。

4. 人文。历史学家尤瓦尔•赫拉利，开启了人们对意义、故事的宏大好奇心。作者讲述了人类从石器时代至21世纪的演化与发展史，并将人类历史分为四个阶段：认知革命、农业革命、人类的融合统一与科学革命。

四个角分别是：

1. 大脑与算法的交叉点：AI。创造了阿尔法狗的Deepmind公司的CEO哈萨比斯，就是横跨脑神经科学与计算机科学的天才；

2. 科学与算法的交叉点：硅谷模式。价值假设和增长假设，是把科学家精神，与企业战略、数字经济完美结合在一起。科学试错在虚拟经济中发扬光大。亚马逊的飞轮，Facebook的增长黑客，释放了惊人魔力；

3. 科学与人文的交叉点：认知心理学、行为经济学、非理性的原创力。人们甚至寄希望于在这个“金角”建立对抗AI的人类阵地；

4. 大脑与人文的交叉点：自由意志&操作性条件反射。后者是斯纳金的著名论断，核心词是“客观无情”、“强化作用”。现实中取得伟大成就的人，的确有很多就是如此，仿佛“人肉阿尔法狗”。

进一步将这四条边角色化，分别对应四个社会角色：

1. 企业家；2. 理科生；3. 科学家；4. 文科生。

我不打算陶醉于这个地图精确而简洁的结构，而是要立即用它来揭示两个有趣的秘密。

秘密之一：文科生+理科生

人们都知道扎克伯格时哈佛计算机专业的辍学生，却很少有人知道，他同时修习心理学；

人们都觉得乔布斯是一位人文大师，却忘记了他小时候是一个无线电爱好者，还曾经打电话给惠普的创始人索要电子元件。

秘密之二：科学家+企业家

尽管斯坦福的博士生佩奇，看起来更像是一位科学家，但是在硅谷特有的辅导机制下，他迅速成为杰出的企业家。

特斯拉的马斯克，从宾夕法尼亚大学的沃顿商学院毕业，获得经济学学士学位后，再获得物理学学士学位。他还曾打算在斯坦福大学念应用物理与材料科学博士学位。

我们自古重文轻理，后来又追求“学好数理化，走遍天下都不怕”。现如今，理科生和文科生彼此鄙视（更多是理科生有莫名的优越感），似乎无法相容。其实，在现代科学的学术概念里，并没有理科这一概念；

在中国，企业家是一个很年轻的名词。早期企业家意味着胆子大、脑子活。和科学家完全不沾边。

我们似乎在这个棋盘上，发现越来越多的内在关联、与巨大秘密。

阿尔法狗战胜人类围棋第一高手，背后的目的，是为了探索一种通用算法，我们也可以称之为终极算法。

那么，在我们的“认知地图”之上，存在着某种“终极算法”吗？

围棋有句谚语：金角、银边、草肚皮。意思是说角最有价值、边次之，棋盘中间的价值最小。

围棋里还有一句谚语：高手在腹。从阿尔法狗的棋谱看，它对肚皮的重视与擅长程度，远超人类。

围棋棋盘最中央的那一点，我们称之为天元。即：

底层算法。

  3 

什么是底层算法？让我继续用渺小而强大的蚂蚁来比喻：

1. 人和人之间的差别没那么大，就像蚂蚁之间不会有太大差异。就像桥水基金老板说的，“我阅人无数，没见过有人天赋异禀。”

2. 你自己就是一个蚁群。每时每刻，每个决策的你，每个行动的你，就是一只蚂蚁。无数个不同时刻的无数个你，叠加在一起，构建了一个智能系统。

3. 蚂蚁之间的传输控制协议，是这个智能系统的算法。不同时刻的你之间的关系和连续性，是你的算法。

4. 该算法采用了强化学习--机器学习的一种。它能像alpha zero一样自我学习，不断进化。

我们要“机器学习”，而非成为简单的学习机器。

我们当中的大多数人，为什么不能成为很厉害的人？

1. 我们的认知系统，都是建立在钟表宇宙里的。然而现实却充满不确定性，不可预测，难以计算。这既是我们的痛苦之源，也是那些厉害的人的秘密。

2. 问题还不止于此，我们甚至无法真正控制“自我”。大脑中并不真正存在一个中心，“我”只是由无数个“涌现”串起来的电影角色。

3. 进一步，我们花时间试图控制不可预测的那些东西，却对自己自暴自弃。

我们的知识都是牛顿时代的，我们的行为方式是牛顿时代的，我们的学习方式，也是牛顿时代的。

厉害的人是怎么做的？

他们既承认大多数物质系统具有复杂性质，又知道，钟表式科学的这种典型策略在封闭环境依然是奏效的。

所以，他们尝试在个人半径里，来打造“机器”。

这个“机器”，既有符合牛顿力学的机器的意思，又是“机器学习”。

让我们看看对强化学习的描述，它强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。

你的动机、欲望、热爱、梦想、自我认知、价值观，负责实施奖惩的刺激。

哈佛大学心理学家罗伯特.凯根说：

“从出生开始，我们便踏上持续学习（ Learning ）和成长 （ Developing ）的旅程。这两股力量往往交织在一起，但又不尽相同。如果仅仅是知识储存量的增加（ in-form-ation ），以既有的思维模式来运算资料，谈不上真正的学习，更谈不上成长。成长是指思维模式本身产生改变 （trans-form-ation）。”

是的，我们大脑神经是可以后天塑造的，每秒即逝的那个“我”，并没有被不可逆的时光之河裹挟而走，而是被写入“我”的底层算法。

这种控制与相应，与“扔个石头到水中能听到一声响”完全不同。所以经常看起来是模糊的，遥远的，不确定的，甚至是反人性的。

然而，我们只能控制我们可以控制的，让其它涌现而来。

C部分

费曼曾经写道：

假如由于某种大灾难，所有的科学知识都丢失了，只有一句话传给下一代，那么怎样才能用最少的词汇来表达最多的信息呢？我相信这句话是原子假设：

所有的物体都是用原子构成的——这些原子是一些小小的粒子，它们一直不停地运动着。当彼此略微离开地时互相吸引，当彼此过于挤紧时又相互排斥。

我用同样的方式来思考，假如我只能交给自己的孩子一种思维，或者能力，那是什么？

我的答案是：闭环认知。

姑且视之为我对“底层算法”的一种简单化探索。

先让我们找到基本单元。就像找到一只蚂蚁，或者一个神经元。

先建立一个模型：认知闭环的基本单元。

由人行为的原理可知，人的行为的过程主要由人对环境信息的获取 、感知 、处理和输出组成 ，即感知 、认知和决策以及行动的过程。

我们思考一个问题，做一件事情，开展一个项目，都需完成如上这个认知闭环。

我们的每天、每年、此生，都是有无数个或完整、或残缺的该基本单元链接构成。

该闭环由4个节点构成：

感知-认知-决策-行动。

这也是人工智能的运作模式。

四个节点

节点一：感知

知觉或感知（Perception）是外界刺激作用于感官时，脑对外界的整体的看法和理解，它为我们对外界的感觉信息进行组织和解释。

在认知科学中，也可看作一组程序，包括获取感官信息、理解信息、筛选信息、组织信息。与感觉不同，知觉反映的是由对象的各样属性及关系构成的整体。

节点二：认知

认知或认识（cognition）在心理学中是指通过形成概念、知觉、判断或想象等心理活动来获取知识的过程，即个体思维进行信息处理（information processing）的心理功能。

认知过程可以是自然的或人造的、有意识或无意识；因此，麻醉学、神经科学、心理学、哲学、系统学以及计算机科学在分析认知时，其分析的聚焦点以及脉络是不同的。

这里的认知，是指对不同方案与选择的量化评估过程。

节点三：决策

在心理学中，决策（Decision-making），是一种认知过程，经过这个过程之后，个人可以在各种选择方案中，根据个人信念或是综合各项因素的推理，决定出行动，或是决定出个人要向外表达的意见。

每个决策过程都会以产生最终决定、选取最终选择为目标。而这些选择的形式可以是一种行动或选取的意见。

决策者做决定之前，往往面临不同的方案和选择、以及有关其决定后果的某种程度上的不确定性；决策者需要对各种选择的利弊、风险做出权衡，以期达到最优的决策结果。

节点四：行动（行为）

行为是指有机体（包括人类与其他动物）的动作、行动方式，以及对所处环境与其他生物体或物体的一种反应。词性为中性。在生物适应环境上，行为有很重要的意义，有助于避免受到负面的环境因素所影响。

对动物而言，行为可以是有意识或无意识的，可以是自愿也可以是非自愿的。而且是受到内分泌系统与神经系统的控制。

一般认为行为的复杂度和生物体神经系统的复杂度有关。若生物体的神经系统越复杂，越有可能学习新反应，调整其行为。

一个内核

当闭环能够完成，并且形成正反馈循环，便形成了某个“内核”。

成功的创业公司，都是因为其找到了一个可以复制的秘密。

这就是巴菲特所谓的滚雪球。所谓：人生就像滚雪球。最重要之事是发现足够湿的雪和长长的坡。

“坡”是核心算法，“湿雪”是大量可重复的动作，滚雪球，即有效的、可重复、可持续、自我强化的学习。即，重复是具有滚雪球效应的。

好的商业模式，就是找到可以笨办法重复的聪明事，或者是用聪明办法重复的笨事。

一个外环

作为被广泛认同和应用的成功学方法论，以“欲望、财富、智慧、时间”为元素，从山坡上自上而下滚动的雪球，是当下中国人至为追求的“既能自动发生、又可以无限大”的完美人生境界。

然而，真的有所谓滚雪球吗？墨菲定律总是会致力于拖一切愿望的后腿，宇宙间存在一种力量，处心积虑地打翻你的牛奶。哪里会有坐着滑梯就把钱赚了的好事呢？

本·霍洛维茨说：“在担任 CEO 的 8 年多时间里，只有3天是顺境，剩下的8年几乎全是举步维艰。”

他是硅谷顶级投资人，与网景之父马克·安德森联手合作18年。2009年创立风险投资公司A16Z，被外媒誉为“硅谷最牛的50个天使投资人”之一，先后在初期投资了Facebook、Twitter、Groupon、Skype，是诸多硅谷新贵的创业导师。

看似一直在滚雪球的硅谷超一流的大师，何以抒发西西弗斯般的感慨？

回到滚雪球的巴菲特，他一生如苦行憎般专注于投资，几乎没有任何个人爱好。他又何尝不是一个西西弗斯？

西西弗斯神话，象征永不停息而又毫无意义的劳作，如不断往山上推却又滚落下来的巨石。加缪用来比喻生命本身，借此他引入了荒诞主义哲学，认为生命没有意义，除了我们构建出的价值外没有价值。

试图取得世俗成功的人们，要克服：

将不断滚下的石头推上山之疲惫；

心底之虚无和厌倦。

滚雪球和推石头，也许是一件事情。

当你的能力，不是由两种或以上对立的能力组合而成，就不是一种真正的能力。

在这个模型里，雪球和石头，通过齿轮咬合在一起：

有时候石头靠雪球自上而下势能的转换，本身得以强化。

有时候雪球的斜坡突然变成了需要攀登的山峰，这时，西西弗斯的经验，以及对待苦难的心灵力量凸显出来，帮助雪球逆势而上，直到发现下一个巨大的斜坡。

西西弗斯的永无停息的劳作，构成了“操作性认知系统”的外环。

西西弗斯的力量，对企业而言，是：

价值观；

愿景；

使命。

这力量帮企业走出迷雾，在看不到方向时指引他们，在陷入泥潭的时候激励他们，在充满恐惧时拥抱他们。

对人而言，是：

强烈的动机；

一个人的目标和愿望；

一个人的心流。

这个模型的价值比看起来有趣、有意义的多。

我们由此可以解释很多让你困扰的问题。

例如，你会发现，要取得世俗的成功，关键在于让一个内核滚动起来。内核的大小并不重要。

这种成功常是突如其来、跌跌撞撞、不符常理的。

实现这一点，很多时候与智商无关，和勤奋也无关，那和什么有关呢？我在后面尝试着给出了一个内心诚恳、形式游戏的“九段体系”。

我们可以用这个闭环系统做什么呢？

01. 解析问题

人生的主要问题，都能在这个4+2的模型中找到解释：

节点问题

即：在“感知、认知、决策、行动”这四个节点上出现了问题。例如缺乏感知力，不懂得概率思考的认知方法，决策困难，光想不行动。

链接问题

作为一个闭环系统，我们需要将四个节点串起来。问题往往出现在链接（红色箭头）部分，例如：习得性无助、认知失调、明知故犯、屡教不改。

在不同的节点之间，大脑要么做得太多，夹带了自己的私货，该理性时不理性；要么做得太少，不能够坚定发出明确的指令，或者被某些其它指令干扰、削弱。

例如：在感知环节，感觉敏锐经常是个优点。但是不能带到第二个环节。因为认知需要理性，需要第一个环节提供客观的数据，而非喧宾夺主的体验，否则会极大伤害认知过程。

核心算法问题

不能形成一个核心算法，不能找到自己的模式，本质上缺乏自我学习能力。

外环问题

没有外环，来对抗未知、不确定性、恐惧、疲惫。

02. 发现症结

如果知道问题发生在哪里，以及为什么会发生，能帮我们在大脑深处找到问题的原点。

你的问题出在某个“节点”，那么你在另外一个节点无论多么用功，对于整个体系也无济于事。例如，有些人有决策障碍症，所以不管他如何勤奋阅读，提升自己的“感知”能力，也无济于事。

若你的问题出在“链接”部位，例如你是一个认知失调症患者，你有很好的感知，你还是一个认知高手，你能算出每一种选项的预期收益，知道最好的选项，但你就是无法正确地行动。那么，不管你在“节点”如何下功夫，也是白搭。

或者你就是没法形成自己的“内核”。你无法界定自己的能力半径，不知道该专注于何处。你广泛学习，无所不通。任何一个节点都无比强大，哪一个链条都不掉，但总是如猴子掰玉米般，落后在你的那些笨同学的后面。你不能找到自己的雪球，不能享有时间的复利、和地心引力的拥抱。

又或者你足够聪明，又足够理性，而且幸运地发现了自己的内核。然而你敏感的内心无法穿越黑夜，你在巨大的不确定性间窒息，每个逆向的人、事、话语，都如冰雹般砸向你。你像一个后悔的登山者，在暴风雪中懊恼：我干嘛要来受这个罪呢？--是的，这时你需要是西西弗斯。

经过上面这些繁琐的论述和推理，你会发现，日常你看到的大多数答案，通常都是错误的。一些漂亮理论或者观点的论述者，其实也不知道自己在说什么。但却能制造一种解决问题、完善自我的错觉。

这就是为什么你我总是原地打转，甚至开始被时光抛下。

03. 修补大脑

例如：由于进化，我们的大脑已经变得适于产生连续不间断的故事。大脑喜欢虚构。把不相干的感知的东西和想法捆绑在一起。

对大脑的这种习惯，我们既要克服，又要利用：

在节点上，我们要学会 stop，仔细想，客观思考；

在整体系统上，我们需要学会讲故事，一个足够宏大的故事，在 5-10 年内，引导自己，引导他人。

大脑是通过基本单元的网络化，来实现强大功能的。我们的“闭环认知”模型，正是试图构建一个思考与行动的基本单元，进而探寻其滚动、复制、关联后的力量与秘密。

04. 强化作用

认知闭环，像是一个“操作性认知系统”。“操作性”这个词，来自斯金纳。某种意义上，也像一万小时理论里的“刻意训练”。

斯金纳认为，人类向来珍视的“自由意志”其实并不存在。他主张通过正强化作用来训练人类或动物完成指定的任务，即所谓的“操作性条件反射”。

作为一名有争议的科学家，斯金纳观点是：心理学应当着重于可计量的具体行为，至于虚幻的心智或难以捉摸的唯心论，根本无足轻重。

为什么我们做出许多蠢事，即使得不到回报，仍旧执迷不悟？为何女性总是爱过头？男性总喜欢玩儿股票？斯金纳让我们知道，都是因为：间歇强化。

曾经梦想当文学家的斯金纳，在大量的实验后，开始痛恨某些字眼，如：觉察，感受，恐惧。我们所谓的恐惧，不过是皮肤出现如触电般的反应及不由自主的肌肉颤动。

斯金纳的两个关键词：客观无情，强化作用。

客观无情：情绪都是假的，绝大多是时候会干扰认知，影响判断；

强化作用：以正强化原理，能够有效控制人的行为，强化人的某些能力。

05. 学习系统

尽管大脑的总体线路图已被遗传密码所决定，但大脑的精细线路可被经验修改，这就允许突触强度和联系可由经验而改变，即所谓的突触可塑性。

人脑具有两大学习系统：

经节。由绵密网状的神经突触构成，位于脑部深层，是脑部较早发育部分，掌管习惯的成形；

前额叶皮层。一大片布满皱褶的凸起部位。个体思考或产生情绪时，此区域会随之抬升。神经学家推断，前额皮质区主管人类独立撕开、相像、根据过往经验拟定计划的能力，创意及后续实际行动就源于此区。

部分认知是后者，多数则是习惯驱使。

本质上，并无“模式”这类雪球。滚雪球，其实是指一种学习系统。

3G资本的雷曼说：

“你必须不断地冒险。你唯一的办法就是不断地练习。早年，我在海浪中和网球场上练习。后来，我在生意场上练习。”

巴菲特自打耳光，买航空公司和苹果也是一次自我认知的刷新。如何解释这一点呢？一方面，你需要不断学习；另外一方面，你需要一个一以贯之的强大愿景，来支撑自己前后不一致的不要脸。

动机+专注+学习，几乎是所有强者的共同秘密。

回到我们的模型：

1. 阿尔法狗的每一次自我对弈的数据，都能生成新的感知；

2. 核心是其算法，该算法通过滚雪球式的强化学习，令AI越来越强大；

3. 红字部分的人类弱点，阿尔法狗完全没有；

4. 黄线部分的西西弗斯，阿尔法狗天生就是；

5. 它正是斯金纳眼中“客观无情&强化作用”的完美造物。

如我所言，牛人牛企，大多是一个人肉阿尔法狗。有些人的天赋，例如超级理性，其实是人格缺陷。我们也没有必要苛求自己变成超人。

如这两年红火的巴西3G资本，其公司强调“找到差距”和“弥补差距”，这就是企业的强化学习。他们追求“永不知足”，Go extra mile，这就是AI的不断重复。

D部分

下面是我为“得到”准备的内容的提纲。希望能提前得到你的一些反馈。

九段，是一个求解的过程。而你，是这道题最大的已知条件。

让我们继续沿用此前围棋的譬喻，用段位来描述闭环认知的9个层级。

闭环认知的核心是：

找到你的算法内核，然后不断重复，如滚雪球般越滚越大。

我希望探索一个可以循序渐进、逐步习得的思考和行动框架。

本系列文章，分为上半场和下半场。

上半场，从初段到六段，是一个切割钻石的过程，目的就是为了不断找到真正属于你自己的最小的那个内核。

下半场，就是如何通过复制，令最小的内核最大化。

上半场是做减法聚焦，下半场是做加法或乘法放大。

1. 发现内核，是一个求解的过程，是对真相的科学性追求。

2. 这个过程，需要勇敢的独立思考，和聪明的试错实践；

3. 一个人，或者一个机构，其成功的最大秘密是：找到可大规模复制（具有连续性）的“大概率事件“。

初段：靠谱闭环

要点：待在自己的能力半径内，做一个靠谱的人。

二段：节点闭环

要点：感知-认知-决策-行动，四个节点，就像高尔夫的挥杆动作分解。

三段：心智闭环

要点：如何不掉链子？聪明人如何不干蠢事？我将五花八门的非理性归为四大类别。

四段：重启闭环

要点：每一次都从头思考，每一天都焕然一新，每完成上一次认知闭环，就归零重新启动。

五段：成长闭环

要点：将“自我进化”变成一个可以复制、可以加速的系统。

六段：内核闭环

要点：找到核心算法，发现你自己的商业模式的种子。

七段：复利闭环

要点：以“大规模复制”，实现爱因斯坦所说的世界第八大奇迹—复利。

八段：愿景闭环

要点：在极度不确定的现实世界中，建立起乐观的未来与严酷的现实之间的秘密联系。

九段：认知闭环

要点：来到最高段位，回到一个基本的圆环，圆心只有一句话：发现通向自己的道路。

E部分

闭环认知有以下使用要点：

要点1：学会构建自己的技术

阿尔弗雷德·诺思·怀特海说过：“通过拓展我们不假思索就能运算的能力，文明就会大为进步。”

对个人而言，同样如此。我们需要像机器学习那样，具备“一种能够构建自我的技术”。

爱因斯坦说：每个人都是天才。但如果你用爬树的能力评断一条鱼，它将终其一生觉得自己是个笨蛋。

现实中的大多数学习，都是将自己往笨蛋的方向发展。

认知升级的本质，是要找到你自己最小的那个内核，然后令其最大化。

如上所述，认知闭环的九个段位，就是并不复杂的9个步骤：

第一步：凡事有交代，待在能力半径内；

第二步：理解并掌握认知闭环的四个节点，完成好每个击球的基本动作；

第三步：令上面的认知闭环的四个节点之间不要掉链子；

第四步：不管前一个球打的是好是坏，你总是能够什么都没发生似地启动新的一次闭环动作；

第五步：让雪球滚起来；

第六步：发现自己最小的那个内核；

第七步：通过复制，令自己最小的那个内核最大化；

第八步：仿若星空，赋予自己目标、方向和意义；

第九步：找到通向你自己的道路。

要点2：穿越认知知识的海洋

当我们建立了自己的认知闭环系统，当我们穿越未知世界，手里拿着本文开篇的那张认知地图时，就能明白自己要学习什么，如何学习。

你未必要什么都懂，你只需要一个强大的基点

原因一：对内，拥有强大的基点，才可以实现大规模复制；

原因二：对外，你作为强大的基点，才能够实现互联。

计算思维的核心，是“关联”。你的价值，取决于链接的数量和价值。

当我们穿越认知知识的海洋时，有以下两个原则：

原则一：你不必拥有整个海洋，但是要像切割钻石一样，不断雕刻你的认知闭环；

原则二：你不是要具备更多维度的认知能力，而是学习其底层算法，应用于自己的认知闭环。

要点3：令自己最小的那个内核最大化

这个要点有以下4层含义：

1. 每个人都有属于自己的最强大的内核。

2. 你只有一层一层剥下去，直到剥不动了，剩下的那个最小的硬核，才是属于你的硬核。

3. 然后，开始让这个内核的能量和价值最大化。

4. 你必须认识到这是你的一切，并且珍惜它，爱上它。

巴菲特说：

“每次我看到某家公司的削减成本计划时，我就会想到这家公司根本不知道什么是真正的成本。那种想短时间内毕其功于一役的做法在削减成本领域是不会有效的。一位真正优秀的经理人，不会在早晨醒来后说‘今天就是我们削减成本的日子’，就像他不会早上醒来后决定开始呼吸一样。”

这句话的含义是：控制这件事情，本来就该是优秀经理人基因的一部分。

我们无法把一个悲观的人变成乐观的。即使能做到教会一匹马数数，它也永远不会成为伟大的数学家，除非它的理想是在马戏团表演“会数学的马”。

接受和拥抱自己的局限性，不仅不是悲观，不是宿命论，相反是在人生的长河迎头而上。能够对自己做出科学的、也就是近乎残忍的分析和判断，常会带来乐观的结果。

发现你自己，这是实现“个人策略”的关键。

个人DNA与企业DNA并不直接关联。伟大的喜剧演员很多都是悲观主义者，骨子里悲观的人，常常能打造一个积极乐观的企业。

个人和企业的“复制”，也需要像DNA的复制一样，具备完美的精确性。

要点4：改写决定自己命运的DNA

摩西·西夫是表观遗传学领域的先驱，他研究生物如何对其基因组重新编码，以应对压力和缺乏食物等社会因素。他的研究表明，从母体传递到后代的生化信号告诉孩子他们将要生活在什么样的世界，这改变了基因的表达。

“DNA不仅仅是一系列字母，它不只是一个脚本。” 西夫说。 “DNA是动态的电影，我们的经历正在被写入DNA”。它是互动的。你可以控制基因的表达方式，你可以为自己的命运设置角色。你可以设置新的故事线。

一个人的命运，为什么和另外一个人迥然不同？

我们又该去哪里找寻心底的自由？摩西·西夫说：

我们的DNA是由两层信息构成，一层信息是古老的，千百年来进化而来，很难改变；另一层是表观遗传层，开放，动态，设置了可以互动的故事线，让我们在很大程度上控制自己的命运，并改变下一代的命运。

认知闭环，试图建立起某个系统，让每个普通人都能成为“很厉害的人”，将自己的无数个正向的认知闭环，写入自己的后天基因，把自己的生命设置称为有担当的生命。

一旦你掌握了自己的底层算法，你也许就有了些许把握自己命运的权力，从而实现物质和精神的双重自由。

要点5：非凡的成就不需要非凡的元素

10年前我看过一条新闻，国外有个妈妈办了一个摄影展，引起了不小的轰动。摄影展的主题很普通，只是摄影师拍下自己孩子的日常点滴；摄影技术也没有任何高明之处。但是仍然人赶来小镇，一睹为快。

那么，魔力在哪里呢？秘密就在于：这个妈妈从孩子出生开始，每天为她拍一张照片，一直到孩子成年，一天都没错过。所以，即使每张照片都是那么普通，但是，几千近万张照片串在一起，实在是震撼人心。

大多数人没有看透以下几点：

1. 成就非凡的荣耀，未必需要非凡的基本要素；

2.  一个妈妈照相，拍了17年。这是一件可坚持、可以由量变跃升到质变的事情。但绝大多数事情并不符合这个逻辑。例如你再勤奋，也很难成为诺奖得主，等等。

3. 可是，现实中，绝大多数人做着自己无论如何努力、都不会有所成就的事情。

要点6：“认知闭环”是更为重要的认知升级

认知升级，对于大多数人来说，毫无意义。

我们此前说过巴菲特的比喻，与其试图越过七英尺高的横杆，不如找到很多个一英尺高的横杆。妈妈摄影师每天拍一张照片，就是一英尺高的横杆，毫不费力就能实现；但是你如果试图称为一名摄影大师，让照片上《国家地理杂志》，那可能努力一辈子也不能实现。

对于一个人而言，能够完成认知闭环，也许比认知升级更为重要。

有时，为了让“认知闭环”这个雪球滚得更好，我们甚至还要“认知降级”，逃离那些更高级事物的概念诱惑。

就像芒格说的：我们比别人优胜的地方在于我们选择避开恶龙，而非（更有本领）杀死它们。

当然，我们也可以把“认知闭环”，也视为“认知升级”的一种吧，只是和我们平常理解的形式和方向不太一样。

要点7：切割、而非堆砌

首先，我们要纠正一个被广泛误解的概念：多元思维模型。

芒格说：「长久以来，我坚信存在某个系统——几乎所有聪明人都能掌握的系统，它比绝大多数人用的系统管用。你需要的是在你的头脑里形成一种思维模型的复式框架。有了那个系统之后，你就能逐渐提高对事物的认识。」

“你必须知道重要学科的重要理论，并经常使用它们——要全部都用上，而不是只用几种。大多数人都只使用学过的一个学科的思维模型，比如说经济学，试图用一种方法来解决所有问题。

你知道谚语是怎么说的：‘在手里拿着铁锤的人看来，世界就像一颗钉子。’这是处理问题的一种笨办法。”

问题在于，极少有人能够在头脑中拥有这些思维模型。进而言之，这是一个很难搭建的模型。

在我看来，我们应该用切割钻石的方式来理解“多元思维”。不同学科的知识，是为了切割“个人认知内核”，否则，你会掉入一团蜘蛛网。

也就是说，当我们试图解决某个问题时，不是用各个维度的思维来验证方案，而是来“证伪”—也就是切割方案。

这是一个求解的过程，一个通过雕刻来自我完善的过程，而非堆砌。这也解释了，为什么绝大多数学习都是无效的。

要点8：兼具两种对立能力，并切换其间

一个完美的“认知闭环者”是什么样子的？

他既能够如科学家般求真、证伪，又能够如企业家般，在迷雾中作出大胆的决策；

他既能够如理科生般具备量化思维，具有科学逻辑，又能够如文科生般赋予意义、讲述故事、绘制愿景，具有故事逻辑；

他的轨迹充满理性，舞步充满激情；

他近乎冷酷地理性、客观，正视现实，又能够在没有头绪的情境下挥剑而下，砍断死结。

即使现实确实总是乱作一团不见头绪，他也像科学家费曼：“我可以在疑问和不确定中生活。我有大致的答案、可能的信念、对不同事物不同程度的确定”。

用于呈现结构的棋盘是静态的，但正如我们前面的5个比喻，认知闭环是不断转动的。

歌德说：所有真正智慧的思想 ，都是千百次思考的产物 。但要使之真正成为自己的思想 ，我们必须诚实地思索 ，一遍又一遍 ，直到它们在我们的个人体验中生根为止。

在“认知闭环”的九段历程中，我们穿越了上面图片里精彩纷呈的认知世界。我们不打算做一个知识的集邮者，而是试图从中发现自己是谁（who），想要去哪里（where）。

在找到自己的内核之后，我们得到了自己的底层算法，还需要进行大规模复制。

所谓事业，是将一个人最小的那个内核最大化。

这时，我们便要面对“如何去（how）”的问题。

当我们聚焦于自己的内核时，我们便不会迷失在认识的海洋中，而是从中发现与自己关联的那部分。有些看起来似乎对立、冲突的思想，一旦和你的坚定的基点发生联系，便被整合为一个整体。

于是，雪球越滚越大。

最后

越来越多的人开始努力提升他们的认知能力，以令自己干蠢事时更加心安理得。

追求认知的升级，不是堆砌知识，单纯扩大边界，而是痛苦的消减无知、自我雕刻、发现自己的过程。

下面是我的10大结局建议：

1. 这个世界快得无人能都抓住。试图通过洞察事物的内在秩序而征服世界极其困难。远不如构建自己的内在秩序。

2. 你要制定新的策略，不再预测胜利和能力，而是更多地在这个不可预测的世界中茁壮成长。

3. 对每个人而言，真正的职责只有一个：找到自我。

4. 设法找到上帝创造你的基本机制。上帝从来不给你自己的说明书。

5. 有些人的天分是，高效地大规模试错，又不被拖垮。

6. 人最擅长的领域，是他能有效榨干自己的领域。所谓天赋，就是让自己在某个领域长时间处于极限状态。

7. 只有具备坚硬的内核，方有资格谈All in。在此之前，你要勇于做一只乱撞的苍蝇。

8. 激光般的专注力，是最重要、也是最反人性的能力。

9. 你只要拥有一个很小的内核，即使没有资源或者权力，也可以连接整个世界，实现网络化、指数级的复制和增长。

10. 时间是一种可以自动驾驶的机器，它是一切秘密背后的秘密。

据说，一系列物理常数中的任何一个变化 1%，这个宇宙就不复存在，人类也就可能不出现了。好险！

意识到底是什么？我们不知道。或许如艾略特所说：

我们是一个过程，是一次绽放。自由意志和我们自身的命运究竟是如何联合工作的？时间用分针和秒针把我们切成一个个切片的目的和意义是什么？

那些悲观的人们，在躲避命运的路上，与自己的命运不期而遇。

我们该像罗曼.罗兰那样：每一个流逝的时刻都为我们揭开面纱，露出一张不期而至的面庞，我毫不犹豫地正视她，抛弃先前不真实的幻想，不管它们多么宝贵。

每一个流逝的时刻都为我们揭开面纱，露出一张不期而至的面庞，我毫不犹豫地正视她，抛弃先前不真实的幻想，不管它们多么宝贵。

他在《约翰·克利斯朵夫》写到：没有一个人是完全幸福的。所谓幸福，是在于认清一个人的限度而安于这个限度。

在这个有限度的安全城堡里，有限的时光仿佛一道护城河，城墙内是我们无限的不确定性，背后的算法并无正误、高低之分。像莫利说的那样：

只有一种成功，那就是能够用自己的方式度过自己的一生。