一、认知中的模式识别和机器学习
1、终身学习的重要性
熵增是不可避免的，终身学习就是以更大的努力减少熵增的方法。
（1）“用进废退”，接触的信息越单一，神经元之间的连接概率会越来越低，加上生理上的老化，神经元的树突变得稀疏，人对世界的反应方式容易呈现“钉锤化”；
（2）我们的认知中有一种类似于“熵增”的东西：神经元突触减少，反应变量减少。（随着年龄的增加，我们的认知天然具有退化、固化、老化的特点）。
2、认知的“模式识别”和“机器学习”
模式识别：自上而下，演绎。根据已有的某些固定的模型来做识别、判断、选择等。
机器学习：自下而上，归纳。自己摸索总结规律，而这规律是以谦卑之心不断与世界碰撞，一直处在动态修正和完善迭代之中。
要保持认知的活力，就要尽可能让自己的认知处于一种“自下而上”的状态，或者让自己有一种饥饿感和愚蠢感，这是优化认知和实现终身学习的前提。
听吴伯凡谈认知 跳出“伪”学习的认知困境 ——听吴伯凡谈认知有感 听了吴伯凡的《认知方法论》中...
一、认知中的模式识别和机器学习 1、终身学习的重要性 熵增是不可避免的，终身学习就是以更大的努力减少熵增的方法。 ...
本文为学习笔记，内容原素材取自吴伯凡老师得到专栏《吴伯凡· 认知方法论》，此次学习的主题是“认知与范式” 1、做事...
本文为学习笔记，内容原素材取自吴伯凡老师得到专栏《吴伯凡· 认知方法论》，此次学习的主题是“认知与供给” 1、在工...
跳出“伪”学习的认知困境 ——听吴伯凡谈认知有感 听了吴伯凡的《认知方法论》中的一些内容，...
原文：«吴伯凡 认知方法论»第10周复盘----“无中生有”的认知 见： 战友从6月8日开始写吴伯凡认知方法论的复...
吴伯凡认知方法论——存量与增量2 认知的四种特性 自从开始认真的写笔记，才注意到吴伯...
先完成，再完美 今天学习了得到吴伯凡老师《认知方法论》课程，讲“积极数据与消极数据”，有几点启发。 什么是消极数据...
这是吴老师认知方法论的第二模块认知治理与心智能量管理，本单元的主题是直觉与数据主义。、很多人都相信直觉，比如有些销...
#方法#合作#人物#吴伯凡「2/7」 「见」 最近听得到吴伯凡认知方法论里面的算法与选择，其中对我触动和共鸣的地方...
本文标题：吴伯凡认知方法论·直觉与数据主义
本文链接：https://www.haomeiwen.com/subject/ltuaqctx.html
网友评论