大脑的黑匣子模式

计算机深度学习模式指计算机的学习过程是一个黑匣子模式，这也是深度学习最让人感到不安的地方。AI能很好地得出人类要求的结果，人类却不知道它的思考过程，也并不知道计算机是否有过“思考”。

那么，用AI的这种产出思路来参考大脑模式如何？

喂食数据

比如，持续给大脑喂食大量的数据，这样用黑匣子思维就可以很好地让大脑在无意识中解决问题，从而产出要求的结果。

对一些文字工作者来说，这种体验是存在的。在给大脑下达某个主题文字任务后，不用去思考如何完成，而是持续大量地阅读相关素材。阅读得越多，文字的灵感就越丰富。大脑很自然地对这些数据进行加工和处理，或许睡一觉后，就开始文思泉涌。

把大脑当成一个黑匣子，只需要喂食足够的数据，似乎就不用担心产出结果。可是，我们为什么总是在工作产出过程中充满焦虑？

我们之所以对工作产出焦虑，就是因为大脑还没法响应最终的结果。我们吸收知识，然后产出结果，如果用黑匣子思维，只需要给出它要达到的结果，然后自动运行。

如果要达到的结果高于它的响应惯性，就会产生焦虑。如同一个常常词穷的人要马上加入口若悬河的辩论，肯定会感受到压力。

面对这种情况，该怎么做呢？

我们需要将最终结果分层设定，也就是目标分解，用金字塔的方式来分解目标。大脑可以先响应最底层的目标，之后逐渐响应最上层的目标，从而产出最终结果。

处理训练

AI的深度学习模型中，计算机是需要不断训练的。同样，要做到无焦虑一步到位的输出能力，需要对大脑进行训练。

我们的常规学习模式，就是通过一次次实践让我们对目标值感到轻松，通过一遍遍的反复验证让我们确定这是我们要达到的最终效果。

大脑也需要不断训练，需要用不同的数据来训练大脑模型。

我们用整块的时间去阅读，去学习，去吸收各种知识，充实阅历，就是在不断给大脑带来数据支持。我们的大脑对非结构数据的处理能力很强大，如处理图片、语音，等等。

我们无法做到像计算机那样高效，但是在处理非结构数据、抽象数据上会表现出神奇的能力。难怪只有人类才能进行哲学类思考，才有分析出复杂多变的情绪能力。人类所具有的能力有些是与生俱来的，有些则需要不断训练来提升。

我们可以通过不断地输入数据来提高大脑的数据处理能力，海量的数据输入并不是指需要输入生硬的信息数据点，而是输入数据网状系统。大脑对信息的处理往往是联想式的、回忆式的。我们只需要知道某个信息存在哪里、如何有效取用就可以。至于这些信息是如何发挥作用、如何产出我们想要的结果的，当大脑是一个黑匣子就够了。

很多人担心大脑的存储量有限，已经有科学报告驳斥这种错误认识。

大脑可能更适合记录网状知识结构，而这种方式的信息存储量有限。我们需要用笔记或者APP的方式来协助我们记录那些碎片化的数据，留给大脑更多思考的空间，更多地记录那些可以将知识点联结起来的信息。

另外，也不能忽视一些底层信息的沉淀。如果只是做网络的搭建，而没有填充一些骨肉，那么这些网络就无法支撑起来，变成一团乱麻，给大脑的处理工作带来负担。

有时候大脑的处理能力很慢，就像我们说一些人天生愚笨一样。但是当给大脑被喂食足够的数据后，它是如何处理这些数据的，我们大可放心。慢速处理也能够产出理想的目标值，这便是我们理解的“勤能补拙”。

升级认知

我们大脑的处理能力既然能够提高，也就必然能够有效训练。至于为什么能训练，其实不难理解。人类一直是处于进化之中的，现代人比古人聪明很多，也就是说，现代人大脑的处理速度要快很多。对大脑的训练，最典型的一种表现就是不断提升大脑的认知水平。

这种提升，最走捷径的方式就是模仿更聪明人的思考方式，将前人的智慧直接复制过来。到无可复制的时候，就需要自己创新。然而，颠覆式的创新是很难做到的，这个时代很多新的认知都是积木式组合出来的，可以先机械地进行组合，再深度融合。

认知升级是一个循环往复的过程，从大量的数据导入到某种联结带来的灵感，从而推动大脑进行一次微小的认知升级。升级之后的大脑对此前的数据再次处理，产生新的联结，发生新的认知变更。

大脑需要经历三个环节：喂食数据、处理训练、认识升级，这就是我认为的大脑的黑匣子模式。