howie.serious

人类学习闭环中的“编码”环节 quanta杂志的这篇文章，讲的是科学家如何通过llm来更好地理解人类大脑的运作机制，用人工神经网络来理解人类的大脑神经网络。我的笔记（只提取了一点🤣）： - 人脑的语言系统和视觉系统，都可以视为一种“特征编码器”（feature encoder），即能够对输入的信息（无论是视觉图像还是语言符号）进行处理并提取出特征。 - 语言系统不是简单地存储单词或句子，而是对语言材料进行编码，将语言输入信息转换成特定的神经表征（neural representations）。 - 就如同视觉系统接收外部世界的光学信号并将之转化为神经信号，从而在大脑中形成视觉特征表征一样，语言系统将单词、句子或概念转换为抽象的、能够在脑内被“解读”和“理解”的编码模式。 - 语言与视觉等认知功能共享类似的神经编码原理，这种认识打开了理解人类智能本质及AI与人脑深层次互动的大门。在我的学习方法论（小能熊版费曼学习法）中，“编码”是学习闭环的关键环节。也就是说，一切输入，必须通过大脑积极主动、深度加工（关键是特征提取，和llm一样），encode为特定的心理表征（概念、模型等心理符号、知识砖块）。这些表征，最好是用logseq、obsidian的砖块笔记，显式展现，结构化呈现，便于巩固、迭代（以及供llm+MCP来打通、调用、思想综合）。结论就是：记录。尽可能多记录，多写笔记。并且，用符合大脑/llm认知原理的方式记笔记（而非随心所欲、经验主义乱记录）🤣