如何提高认知。¶

提高认知是老生常谈了，因为提高认知大概率和改善生活有着强关联，或者说把提高归于运气不太好，于是认知这个东西作为一种不可见的要素就作为归因的结果。

当然，认知是个大词，我主张先拆分，再组合，这样才谈得上后续的提高。

什么是认知¶

我把认知拆成几部分: (1) 信念；(2) 基于信念做出判断和行动；(3) 生成信念/判断的方法论。

这里做一个区分，认知和能力是不同的，认知更多在于选择，而能力关注执行。方法论作用于信念的形成，并和信念一起作用于做决策和决定是否行动。行动自有其失败概率，所以认知不包含结果，结果是由多方面因素决定的。

信念¶

信念毫无疑问是重要的，信念是对复杂事物和无法遍历事物的概括性提炼，持有与现实不符的信念毫无疑问是危险的，因为假的信念会导致与现实冲突的理解，以及可能的行为。

信念是人对世界和自身状态形成的概括性模型，于是信念会影响先验概率，持有不同的先验概率，对事件发生概率的预测也会不同，进而产生不同的行为，导致不同的后果。

信念是多种条件下形成的，我主张以下要点对信念的形成很重要:

自身处境
接收到的信息
个人倾向
智商
掌握的知识
处理信息的方法论

智商是先天的，没办法改变；个人倾向是难以言说的；剩下可以提高的就是信息，知识和方法论。

自身处境同样是很重要的，人需要持有可以代表自身状况的信念，这样才谈得上后续做出可以改善自身状况的决定。当然，不同人的效用函数不同，但我认为个人首要代表自己是不需要额外论述的。

这里需要指出的是，我认为不存在脱离主体处境、目标和约束条件而普遍适用的最优行动认知。有些事实信念可以普遍成立，但从事实推导出的行动策略通常受到个人状态和效用函数的影响。

判断和行动¶

认知的第二部分是在持有信念的基础上作出判断和决定，以改善现状。这一步强调所持信念如何影响个人改善。持有信念没有难度，但持有可以促进做出正确决定的信念是难的，在作出决定后选择行动则更困难。

有信念是远远不够的，持有与自身处境错位的信念无法带来改善。譬如贫穷限制了长尾收益，错位的信念并不代表高认知。其次就是在当前信念下尝试和调整，要有强烈的动力在信念的指导下主动前行。什么都不做看似逃避了选择，但实际上已经在已有信念下延续了过去的策略，无法保证未来一定会改善。

这对我来说是值得单独提出来的，见多想如何做，少想要不要做. 信念不产生决策和行动，实际上是谈不上认知的。

构建的方法论¶

最初在我思考的时候，我认为认知可以简单地分为前面两项，但在后面逐步思考的时候，我认为这样解释不够，因为这是个纯粹的静态模型，信念影响后续的决策。

前面讲到的信念是静态的存量，但动态的现实会不断发生新的事件，讨论信念，不仅要讨论信念的存量，更要讨论如何在已有基础上更新信念，用贝叶斯的话来说就是更新先验概率。

在动态的世界里，信念就变成了“通过何种方法论来处理外界输入，构建和更新信念”。

认知的误区¶

现实中，我注意到很多误区，我自己也有很多，这里列出一些。

我是谁¶

信念需要有持有的人，有人就有对应的状况，不过由于自身状况相对较难改变，又不是那么显眼（取决于个人价值观），个人状况通常不作为明显影响因素计入，但毫无疑问个人状况是不可忽略的影响因素。

我是谁看似是个废话，但其实很重要，因为我看到有时所谓“认知高”的人，但他并不持有代表他当前状况的信念，而人们称赞某人认知高时，可能是以自身为标杆的。这会产生一种荒谬的现象，人们可能完全赞同与特定状态不符的信念，并深以为然。

这很奇怪，时常人又不自知，我居然代表别人持有了信念，那么在这种情况下做出正确的决策就够难了。这也是我讲当持有信念的时候，要反思自己的思路是从哪里来的.

否定而非构建¶

信念以否定为主有其好处，尤其是在贫穷会导致长尾损失时, 负面信念给予了强大的避险能力，可以在易受损的情况下保全自己，做出不糟糕的选择。

但它仍有很大的负面影响，否定为主的信念容易导致否定一切，于是不行动保持现状，在行为上等同于继续执行当前策略。而问题恰恰出在这里，当前策略也只是历史惯性，完全可能是随机漫步至此，当前的状态不能保证未来的好处。

刻板印象¶

信念很重要，但当接触新的信息时选择性处理，有选择地强化信念，丢弃不利证据，信念变成刻板印象而非思考产物的时候就很糟糕了。

信念首先承担描述和预测世界的功能。评价一个信念时，应优先讨论它是否真实、可靠和适用，而不是把是否赞同它上升为道德评价。

如何提高¶

Overview¶

提高认知，我认为主要需要做到以下几点：

清楚自身现状，明确自身期望状态的方向。注意这里是方向即可，因为细节本身是决策的结果，这里的重点是强调必须清楚自己的现状
在接触到外界信息后，要有选择地理解信息，不能寄希望于读海量信息后理解会涌现
处理信息、形成信念的方法论决定了信息加工后的质量，也影响认知产出的质量。但这个很难量化，检查方法论也很难，我认为可以关注以下几点：
- 信念是否代表自身状态
- 信念是否在事实上是准确的
- 新产生的信念是否和过去的信念做正确的合并更新
- 信念更新是否出现了可能改善状态的机会。
这里难免伴随着狭隘的批评，但我认为可以先完成小任务，再继续扩展让视野更开阔，在信息大发达的现在信息是过载的而非贫瘠的。 - 检查方法论时，可以训练自己列出思考节点，借助外部工具寻求改善，而非推翻重构 - 要把做尝试设置为默认策略，要多保持尝试而非延续已有策略，并容忍失败 - 定期写作，清晰陈述信念，不把信念以二象性的状态存储在脑子里

信息与知识¶

信息和知识也同样重要，在这里信息指外部输入的无固定格式的内容，知识是已经被一定程度理解、组织并能够参与解释的背景。

信息的复杂之处在于其缺乏结构，以及难以衡量其在长链条处理过程中产生的影响，至于预测对行动的指导更是难以实现的。这里的难度主要来源于信念很大程度上是不可言说的，过去我尝试用ai处理流程帮我处理信息，难点在于它很难对我的已有信念产生更新，因为ai根本不知道我的已有信念，我也无法清晰定义。

大部分信息是噪音，譬如知道海豹没有外耳廓并不能改善我的状态，但新知识的获取仍然让我快乐，这是另外一个话题。所以对于信息来说，“高质量”的信息在我的实践看来并不意味着形成好的认知，因为受方法论和已有信念的影响，高质量信息可能只是流过。同样，信息可能蕴涵了巨大的复杂度，导致无法理解，这也是一个大问题。

这里我的方案是，处理信息最好有意识地去碰已有信念，刻意去想信念是如何更新的，以及思考如何行动起来。

对于过于复杂的信息，我的看法是把问题拆开，尝试理解小问题，拉长时间跨度，允许放弃和忘记一些问题。这属于典型的渐进改善行为，也更容易执行。

关于知识，我认为知识是典型的背景基础，但难以言说，因为很多时候无法假设没有这块知识会怎么样，以及想象自己拥有根本不知道的知识。这个地方我的思路有两点：

随机漫步，要接触学习“无用”的知识
相信统计学，ai背后是统计学的大手，从ai处获取相关的知识是非常简单的，只需要在相关知识上做积累。

知识是个很难以量化的东西，在这里我主张积累知识有其必要性，但无法证明充分性。很多成功路径并不要求知识，对此我不做评论。