系统认知不是知道更多事实,而是先在脑中建一个能解释现实的抽象框架,再用现实反馈不断修正它。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
认知是脑中的模型,不是信息的堆积
材料里的观点立正用修摩托车打比方:你脑中先有一个对现实的抽象理解,比如“哪个零件出问题会导致哪些症状”,再拿现实中的车去观测、验证,发现不对就回来改脑中的模型,改完再试。工作里也一样,网站、用户、模型都是现实,你脑中必须有一个对现实的抽象框架,才能判断做一件新事情大家会怎么反应1。格桑泽仁把“认知”拆成知、识、认:知是别人说你听懂了,识是自己看明白、内化进去的,认是主动确认和承诺。多数人的认知停在“知”的表面,以为懂了,其实没有内化2。所以形成系统认知的第一步,是承认自己现在多半只有零散信息,还没有一个能推演的结构。
方向靠理论,执行靠体感,两者不能互相替代
材料里的观点认知分两层:方向层回答做什么、为什么做,靠 Science——读书、理论框架、构建世界模型,深度思考优先于行动;执行层回答怎么做,靠 Craft——实践、学徒制、体感积累,行动优先于思考3。大多数人的瓶颈在执行层,所以“开始做”通常是正确建议;但方向错了,再怎么做也是原地打转3。这解释了为什么只读书或只埋头做都形不成系统认知:理论给你判断该往哪走的框架,实践给你判断这一步对不对的体感,缺哪一层都会卡住。
框架的价值在于帮你分辨,不在于给你答案
7 Powers 那篇讲得很直接:读完七种竞争壁垒,如果马上得到一张行动清单——做品牌、建社区、增加转换成本——就又掉回脑雾里了。真正的战略框架不会让问题消失,它只是帮你分辨哪些工作是在维持日常运转,哪些少数选择可能改变未来的竞争结构4。系统认知也是这样:它的用处不是替你给出结论,而是让你在面对新情况时,能判断原来的答案在哪里失效、下一步该加什么5。检验自己有没有形成系统认知,可以看遇到一个陌生问题时,你是只能等别人给答案,还是能自己说出该验证什么、为什么。
材料里关于认知的讨论来自不同场合和说话人,其中格桑泽仁的拆解是访谈嘉宾的观点,不是立正本人的主张。
出处
- 1认知最重要,可什么是认知?|课代表聊数据第8期
用修摩托车的例子讲清脑中模型与现实反馈的循环,适合理解认知的基本机制。
- 2当知识停下来,觉才会出现:与"得觉"体系创始人格桑泽仁教授的深度对话
把认知拆成知、识、认三层,适合核对“知道”和“真正内化”的区别。
- 3二层认知模型:方向层 Science,执行层 Craft
方向层与执行层的区分,适合判断自己卡在哪一层。
- 4菜鸟总有答案,高手总有问题:从“护城河”到 7 Powers:怎样真正思考一个商业问题
说明框架为什么不该变成行动清单,适合理解系统认知的边界。
- 5通过Jev,辨清AI新技术的叙事陷阱:谁替你决定了什么叫“厉害”?
可回到原文核对这部分判断
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 你的认知是什么
认知不是知道一个说法,而是能被证据说服、愿意改掉旧判断,并在行动中不断被检验的那套东西。
- 我应该如何影响我的其他同事,推进当前的项目
先弄清同事在意什么,再用他们关心的价值切入,而不是只讲自己方案正确。
- 立正从什么时候开始做视频,如何坚持下来的
立正说自己是五年前开始做视频、每周至少更新一期;起点是给餐馆做外卖教学视频,发现满足了表达欲,就一直做下去。
- 在ai时代 data scientist更应该develop什么skillset 是product/strategy方向 还是更technical/statistics方向
材料不支持把两条路当成二选一:统计与编程是入场工具,product sense 决定能否把商业问题转成数据问题;AI 时代更值钱的是设计系统、定义评估,而非只做执行。
- 什么叫做技术直觉,它起到什么作用?怎么养成肌肉直觉?肌肉直觉的关键点是什么
技术直觉是从很少的数据点看出问题背后原因的能力;它靠经验积累、观察和把知识连成结构来养成,不是单靠重复动作练出的“肌肉记忆”。
- 如何做好一个new grads的mentor
做好新人导师,重点不是替新人做决定,而是帮他把力气用在对团队有影响的事上,给略高于当前能力的任务和失败空间,并在公开场合替他争取认可。