认识事物的几个阶段 GPU学习
1. GPT的说法
认识事物的过程通常可以分为以下几个阶段：
1. 感知阶段：
- 这是认识事物的第一步，通过感官（视觉、听觉、触觉、味觉、嗅觉）接收外界信息。感知是对外部世界的直接观察和感受。
2. 注意阶段：
- 在感知之后，注意力会集中在特定的信息上，忽略其他无关的信息。这是为了更深入地关注所选择的信息。
3. 理解阶段：
- 在注意到信息后，进行解释、归纳和整合信息，以建立对事物的初步认识和理解。
4. 记忆阶段：
- 将理解的信息存储在记忆中，以便将来回顾、提取和使用。记忆有助于形成长期的认知模式。
5. 思考和推理阶段：
- 基于感知、注意、理解和记忆，进行思考、推理和分析，以加深对事物的认识并进行更深层次的理解。
6. 创造和应用阶段：
- 基于对事物的认知，可以进一步创造新的想法、解决问题或将认知应用到实际生活中。
7. 评估和反思阶段：
- 定期评估自己对事物的认知水平，并进行反思，以发现认知中的错误、不足或改进的空间。
这些阶段构成了认识事物的基本过程，帮助我们建立对世界的认知和理解。不同人可能在每个阶段的表现和处理方式有所不同，但这些阶段通常共同构成了认知活动的基本轨迹.
2. 山水理论
阶段1：
阶段2：
阶段1：
涌现性表达概括：
1. 一个恰当的词语，一句恰当的话。 有一种特别的美感。能将之前领悟到不可名状的东西，
突然能恰当的表达出来，概括出来。
比如学习中的“去魅”这个词，非常好的表达出来由不懂，敬畏，害怕，担心到平平无奇，原来是这样，如此来去的如来。
殊途同归，
负熵
从log对着代码来学习是一种不错的方法，为啥了？很多时候能猜测出大概可能的样子，但是没有看过源码时，这是存在不确定性。大概知道和实际的实现存在1对多的情况。如果消除不确定性。
自然是看源码，看实现。将不确定性消除。所以负熵是学习+掌握一个东西的强力武器与方法。
非常类似薛定谔的猫，一旦进行观测，概率波塌缩，一切化为确定的，有去魅的魔力。（在学习XDM时，完成了几个角度来观测后，觉得大体了解了实现，许多东西串连了起来，一个事前觉得怪异的地方，突然变得非常合理，一些why得到解释，之前的一些话从没啥明显的印象到一下子知道为啥这么写，记得也更深刻了。再次感受到负熵的强大力量。但是直到我写下”薛定谔的猫“，“负熵”后，我想我进一步掌握了这种方法。它从模糊中独立出来，成为一个有名有姓的实体，不再那么飘渺不定）
1.知道它的优缺点，适用边界，出了问题知道怎么调试，定位问题，可改进优化的方向。
这个是用来评估对一个事物的掌握情况。
几个维度下来，如果有些点不行，说明还欠缺。
殊途同归,遍历性，各态历经性。
这个是一个有意思的地方。盲人摸象，无论从那个地方开始摸索，最终的拼图，你一块都不能少。
纵是走了很多弯路，该摸到的地方一个也不能少。就像我从外围学习了很多关于XDM知识。但是对着log和模拟器源码这一步，仔细分析地址什么的具体行为。直到我看到每一个reg级别的行为后。一开始我是想省掉这一步，因为大的东西我已经掌握了，narrow down已经差不多了。但是深入到非常底层的细节后，有些东西才串连起来，一些知识盲点也扫清了。一个why的问题也想明白了。至此，我脑子里浮出来“殊途同归”这个词。从top to bottom， 还是bottom to top这两者都不能少，不可能因为top了就能省掉bottom.
虽然路子是不同的，但是遍历性，各态历经性。什么时候遍历完，什么时候到一个阶段。
无论从哪一个点出来，图中节点，都必须遍历一次。最小信息熵，可能是我们唯一能省到的极限。