借助工具链实现知识的外显化

知识的分层

我个人对知识的理解如下，主要是基于投入的ROI（价值与难度）角度思考

按照抽象维度的分层

每个深层的指导是浅层的理论支撑，越向下越需要坚定的信念来寄托。

按照ROI的分层

认知范式假设

以下是我个人的假设，下文以此为依据

• 一定要打破犹豫，不要给自己下死锁/等待，先投入一天试试，枚举下试试。
• 知识是基于符号的索引，有且只有通过广度遍历尽快“见过”这些符号，才能将符号作为概念带入语境；当足够多的符号录入大脑后，才会形成网状的立场、视角与经验，最终作为信念作为前置条件进行试推（abduction）与再现。当前AI知识问答已经很成熟，准确提问可以让效率提高约4倍。
• 获取符号后，需要进行记忆、实践与经验，才能启发“顿悟感（Feeling of knowing）”。
• 产生顿悟感后，才能在细节上进行填充，上述是螺旋上升的流程。这种顿悟感可能是反直觉、自反性的。
• 从递归的维度进行内隐化，这个难度极高，可遇不可求

我个人的认知流程如下，需要时刻POC调整

• 先POC一套知识体系，比如树形分类方案；
  • 一定要找现成且权威的大纲，很多时候只是没找到教材或者术语，不要自己分类。
  • 先整体枚举后还原，也就是将黑盒事物自上而下分解为树，树要求互斥且定义明确，再基于逻辑方法组合的方式去推导；
• 不要对存粹理性的逻辑定义过分地苛刻要求，部分难以分解的知识内容（比如心理/语言学），我认为死记硬背后，就算没有因果强证明，成为“经验公式”也是实用的。

综上，我的总体思路是优先成为通才（所谓的万金油）获取知识，然后再讨论某个细节的落地，最终知识结构是一种根茎状的联结分布，并不断螺旋循环。

"认知"工具链

如下认知流程，可以实现处理任何确定性的任务

• 专业技术: Strong independent trouble shooting skills
• 应试流程: 比如专业证书、语言学习。留学、面试与工作等。
• 软件：比如ToB领域需求分析

如下是流程图

上述学习过程，理论上说是可以通过IT工具承载的，这里的工具并不是类似notion这种单纯的笔记工具，目前各个工具各有优点