纠错+

马斯克说人生最大的挑战就是要有纠错反馈循环，人生不应该回避犯错，而是要不断地知错就改，不断地纠错。

根据硅谷王川网文整理

1、神经网络模型

传统的神经网络模型似乎就是这么几个部分:

1/神经元，就是一个函数，根据输入计算输出。

2/神经元之间的连接强度，对应于计算输入的加权值。

3/ 成本函数。就是衡量根据输入计算的输出结果，离正确值多远，有多靠谱。

4/ 学习的算法。learning algorithm 这个可能是最核心的，就是根据成本函数，最有效的自学，纠错，找到神经元之间最优化的加权值。

【自学、纠错】

2、计算量数量级下降

86年以前，神经网络算法，要学习，纠错，传统的gradient descent, 其计算量和神经元数目的平方成正比。反向传播算法的发明，把运算量降到只是和神经元数目本身成正比。这带来神经网络研究的第二个春天。

【人工智能本质是算力、算法】

3、计算和通信

说明计算和通信是一个事情的两面。计算和通信都是把数据从一个时空移动到另外一个时空，并且按照某种规则做出变换。实际中，这种变换还要增加系统干扰部分，以及纠错。我们传统说的计算更加偏重数据变换，而通信则更加偏重数据的移动，干扰和纠错。计算和通信熟悉互相制约

并行计算除提升计算速度外，也大大提升了存储速度，因为存储也是分布式的。现在CPU的主频越来越高，速度越来越快，瓶颈不在计算速度，而在存储和I/O速度上

【？】

4、切片和整体

今天看到一篇有趣的论文，哥伦比亚大学的 Erik hoel 提出所谓的 casual emergence 的概念。他把微观个体的集合在宏观上表现出来的“涌现” 的现象，和在有噪音的信道上准确传输数据类比。香农曾说，“ (用纠错编码)在有噪音的信道上精准传输信息，好像是无中生有 getting something out of nothing.”. 许多复杂系统在宏观上表现的一些特性，无法用个体的微观性质解释, 似乎是无中生有，但本质上也是一种纠错编码 (error correction code) 在宏观尺度上的体现。

句话说，个人在社会的微观行为大多都是无用功。分析宏观尺度上什么东西对未来有决定性影响，很有意义//@我是一棵伯树:原因现象是一种集合状态，不是单一实体，某一个单一实体随机的碰巧的在最后完成，它就被认为是根本原因，这是错误的，在时间序列所生成的原因状态中，个体的先后在本质上毫无意义。

【无数的微观构成宏观】

5、制造一个制造机器的机器

建立快速迭代纠错的机制，是向内看，解决本质问题的一个重要手段.

但有的时候局部优化做到极致，更多的投入不再有较大回报时，拓宽视野向外看，也是解决问题的一个重要角度和方法.

特斯拉在准备大规模生产第三代电车 Model 3时，为了降低成本，提高性价比，在电池，马达，车型设计等各个方面绞尽脑汁.

但是跳开电车设计本身，在生产电车的工厂的设计上，投入同等的时间其潜在的回报要大得多，有时可能高出一个数量级以上.

马斯克说，

“我们意识到，真正的问题，真正最困难的，同时也是潜力最大的地方 - 是制造一个制造机器的机器。换句话说，是建造工厂，把工厂本身看成一个产品.

当你想象一个特定体积的工厂，输出等于 容积 x 密度 x 速度。如果你看看现在的工厂，有效 （用于生产的) 容积和无效容积的比例，低得要命。光看容积的化，大约比例只有 2-3%.

然后你再看速度。。。世界上最先进的汽车生产工厂，每 25 秒出产一辆车，听上去很快，但是如果你估算车身长度加上一些缓冲空间大约五米长的话，这等于25秒移动五米，也就是一秒钟移动 20厘米，这不比乌龟快多少. "

特斯拉的 CTO JB Straubel 说到,

“有时我们的工程师在马达，电池，电控系统上花了很多时间，只是为了获得千分之一的性能提高。。但是我们如果把同样的精力放在设计工厂上的时候，我们很容易得到百分之十，百分之二十，甚至百分之几百的效益的提升。。这种大幅度提升在设计领域内闻所未闻”.

如果特斯拉是把工厂外包，一门心思专攻软硬件系统，缺乏对制造的理解，则无法在工厂制造这个维度看到大的优化机会，这是广度比深度重要的一个例子。

【全局优化，全局范围内纠错】

6、人生是认知变现

未来最重要的资本积累，应当是智力资本 (intellectual capital)的积累. 能够容纳各种最先进的知识结构和思维模型，能够前瞻性地发现多数人没有意识到的路径和趋势，能够不断自我纠错得以更加准确的理解事实真相。

价值互联网的涌现，使得价值财富的创造，指数级的增加了多种路径，传统的主要依靠杠杆的傻大粗的金融资本的力量， 可能将被大大弱化。

【高认知即是财富，智力资本即是财富】

7、认知不断迭代提升

过程导向的哲学，评判进步的标准可能是:

我是不是又纠正了对一些概念的错误理解？
我是不是又学到了新的，完全不同的知识，思维框架和方法论 ？
我是不是又积聚到新的资源，人脉，让我更加反脆弱 ?
我的学习速度，纠错速度，是不是又更快了？大脑内存是不是更多了 ？（这也许要到脑机结合的技术实现后才会真正有大突破

再加一个标准：我从外界获取的信息，是否更加全面，更加细致，更加迅速，更能真实地反映客观现实？

【足够多的细颗粒的事实性信息+高复杂度知识+丰富的思维模型+广泛的人际关系+纠错反馈循环】

8、还原论和涌现轮

1/ 科学研究有还原论 （reductionism) 和涌现论 (emergentism) 之分. 还原论讲究的是，把事物拆分为更细微的结构，然后根据微观结构推导出因果关系和宏观的规律。还原论在物理和其他很多学科中取得巨大的成功。

2/ 涌现论的基本逻辑则是，在一个复杂系统内，各个零部件之间的互动，存在很多随机性，即使知道所有微观细节，也无法推导预测宏观现象。甚至即使回到当初的初始条件，再来一次，也无法保证演化的结果和上次一样。

3/ 在投资领域，很多人分析投资，看项目，各种考察，本质上用的是还原论的逻辑。

4/ 而被动的指数投资，本质上采用的是涌现论的逻辑

5/ 实际操作上，97-98%的美国共同基金的十年长期回报，扣掉管理费后，无法超过标准普尔指数基金。对冲基金的表现就更差了。

6/ 人性对于还原论的逻辑非常执着，因为看到成功案例多了， neurons fire together wire together. 所以每个人都想成为索罗斯，巴菲特。

7/ 1988年丹*奎尔作为美国副总统候选人参加辩论，被对手质疑太年轻时，他拿肯尼迪 44岁就当上总统一事来辩护。民主党候选人本森说，“参议员，我认识杰克*肯尼迪，他是我的朋友。你算不上杰克*肯尼迪”.

8/ 年轻人爱拿索罗斯狙击英镑一事，来勉励自己看到好机会要重仓。但是以绝大部分人的阅历，和哲学底蕴，根本无法望索罗斯相背。

9/ 还原论适合于孤立的，局部有限时空的，变量极少的场景；涌现论适用于开放的，广阔时空的，多变量的场景。还原论的误区在于，支持局部孤立现象背后的因果关系，在多个不同节点组成的复杂系统里，并不具有必然性。

10/ 一个企业家过去的成功，归因为“靠谱，专注，all-in", 但在新的科技浪潮来临时，这也可以说成是“赌徒孤注一掷带来的自我毁灭” 。曾经在山里称大王的猴子，把成功归因为可以灵活地在树林里上蹿下跳，但外面的老虎来了后只得抱头鼠窜。

11/ 开放系统带来的外部因素，可以随意摧毁所有局部经验积累的似是而非的逻辑。还原论式的投资者的误区在于，当外部环境变化了，自己的选择被市场证明是错误的时候，还死死咬住原来的错误逻辑，直到被市场彻底抛弃。

12/ 对于更高维度的观察者而言，还原论者永远是井底之蛙，当然在井尚未被新的外部因素冲击之时，其逻辑的局部合理性也是事实。

13/ 涌现论的操作特点是，根据涌现出来的最突出的标的来调整仓位，而不拘泥于某个特定因果关系的逻辑。所有因果关系都是基于某个抽象模型的简化设定，而任何主观的简化设定迟早会和客观事实产生巨大的错位。

14/ 旧的抽象模型和新的客观事实产生错位之时，对于新人是巨大契机。对于顽固的老人，则是死亡螺旋的开始。

15/ 涌现论的实践者，也无法避免被各种噪音所干扰，也会有各种回撤和曲折，但是它的内在的自我纠错的能力，可以避免某一次偏离正道太远而彻底毁灭。

16/ 数亿股民痴迷于技术分析K-线图而无法自拔的一个主要因素，可能是相关的信息很容易获得，操作简单，虽然其有效性是个大问号。类似，还原论的操作方法，虽然大多表现不如指数基金，但被多数人认可，是因为它容易理解，大家都觉得自己可以成为少数聪明的可以长期超越市场指数的赢家。

17/ 有哲人最近提出这样两个严肃的问题：是什么力量让人相信按摩胸可以让胸变大，按摩脸可以让脸变小？是什么力量让散户相信十几年前2700点，十几年后还是2700点的股市能挣钱？最终，人们相信他们愿意相信的东西。随他们去吧。

【还原论具有局限性，容易成为井底之蛙，刻舟求剑；涌现论保持开放，符合事物发展的客观规律，人类的认知总是滞后于世界的变化。保持不可知状态，跟随变化，去理解变化】

9、不能纠错的机制有致命缺陷

遇到一位老投资家，一针见血的指出：

一级市场的投资，最大的缺点和风险是，无法纠错。

不像二级市场，如果发现错了，可以随时卖掉离场。这个差别，要经过很多痛苦的教训，才能深刻理解。

【一级市场缺乏流动性】

10、拒绝改变自己，试图改变他人，大错特错

1/ 每个人会根据只言片语的局部信息，自行脑补其它内容，来符合自己的叙事模型。而很多脑补的内容，和真相是八竿子打不着的。

2/ 但是这类叙事模型在人与人之间传递时，会被强化。最符合大众文化的叙事模型，将会成为大众的共识。

3/ 这类共识，如果无法被简单明确的证伪，将被强化成真理。

4/ 仅仅因为大众是错误的，就以为凭一己之力，大声疾呼，就可以扭转这种错误认识，是完全不现实和简单化的。

5/ 更重要的是，存在什么契机，简单明确地证伪大众的错误认识。

6/ 需要有个大概的时间表，这种契机带动形成正确认识的大众人数，是否可以越滚越大，何时突破临界点。

7/ 爱因斯坦的广义相对论 1915年提出。1919年五月在一次全球性的日食中，首次得到实验验证，这是第一个临界点；之后很多人还对实验测量精度长期存在各种质疑，但随着多次新的实验验证，和更高级的射电天文望远镜的测量手段出现，反对声浪一步步萎缩到消失。

8/ iphone 2007年一月推出时，因为价格等因素受到广泛质疑。到 2008年九月时，累积全球销售量是六百万，但在 2008年第四季度，一个季度销量就接近七百万，超过之前的总和。这是第一个转折点。到 2010年时， iphone 只有手机的 4%市场份额， 但是拥有超过手机市场 50% 以上的利润，已经没有什么好质疑的了。

9/ 理解转变的契机，和时间表，是需要背后做大量客观研究分析，收集大量数据，是不可能舒舒服服坐着看看（常常极端误导的）新闻头条就得出正确结论的。

10/ 和周围同样没做深入研究的人交流观点，更可能会强化错误的叙事模型，纯属浪费时间。

11/ 通讯速度的大大增快，意味着错误的叙事模型传播速度飞快，群体极端之不理性可以荒谬到难以想象的地步。当然同时也意味着纠错是飞快的。只是纠错的过程，对于站在错误位置的人们，是极端痛苦甚至致命的。

12/ 每天看到不同的人群，对同一件事，有完全不同解读，而且都在主动寻找对自己有利的证据，忽视对自己不利的证据，并因此强化自己的观点和叙事模型，觉得异常好笑。所以年纪稍微大一点的人 （三十岁以上？），作为一个整体，其认知模型之顽固不化，并且互相强化，基本上就是统计上的必然。

13/ 回顾往事，犯的最大的错误之一就是拒绝调整和丰富自身的思维模型，错误之二就是徒劳地企图改变他人的思维模型。

【通过改变自己来改变世界】