There are countless dots out there to connect, but if you are looking in the same places as everyone else, you're going to end up being just like everyone else. "输入输出...三维时空...神经元...时间是空间变化引起的幻觉..."当我想从语言文字思考而感到不解时，就想到维特根斯坦的语言即世界，就感到释怀。今年因人工智能增加了人们许多理论思考及新观点及认知？还是这些抽象文字的概念的界限已变及扩大？从而"语言的边界就是世界的边界"。 一个人的概念量，尤其是清晰准确的概念量，是衡量智能水平的最佳数据指标。而最佳落地实践工具一直近在眼前! 这种概念量，最好的管理、迭代、积累方式就是logseq。用了一年多logseq，我积累了接近 6000 条概念笔记，相互之间建立了12000 个链接，共同构成了一个不小的 LCM（大概念模型，meta 最新提出的理论，我还没细看，但是和我的实践差不多。对比之下，我 2009 年使用 evernote，到 2020 年停用之前，我也只有 15000 条笔记，而且不是概念笔记，无法在概念砖块之间灵活建立丰富的链接。大语言模型这两年，胜过人类的两千年，两万年！语言的边界，就是思想的边界。而最好的落地方式，就是费曼学习法 + logseq + chatgpt。 是的，在简化的抽象模型里，"语言的边界就是世界的边界"。我有一个很粗暴的方法，去评判另一个人是不是比我更聪明（认知水平更高）——掌握了多少的有效词汇量。一个人词汇量的多寡，在大部分时候，代表了 他/她 对这个世界理解的颗粒度，词汇量越多，颗粒度越细，往往也意味着，对这个世界的理解更深刻，因为词汇代表了 可解释性。而对世界可解释性的增加，会带来对世界感知能力的交织，无形之中就可能产生涌现，带来 一层 一层的涌现式认知提升，当这些认知堆叠到一定程度时，会形成一个新的维度。对比我多一个认知维度的人，我大抵是羡慕并向往之的。而高频使用GPT和Claude类工具，会极大地丰富一个人的词汇量，会迫使我们重新审视语言的本质及其与认知的内在联系，并可能最终突破当前的认知局限。而在语言之外，也还有很多隐性的知识和体验，难以用语言描述，根植于我们的具身认知(Embodied Cognition)中。这是未来很长一段时间，区分人类和AI，重要且根本的差异。 恰恰相反 [数学@](数学@.md)是一门特殊的语言，摒弃了自然语言常有的模糊性，是一种对信息无损压缩的语言，不存在多重解释的可能，在任何语言环境下都能保持逻辑一致性。而且，数学符号和公式解压缩的失真率为零，解压过程中不会产生任何失真或噪声，完全可逆。更令我叹服的是，数学拥有高维表达的能力，可以通过抽象的符号系统，将人类无法直接感知的高维规律，精确的描述、解释，让人类可以在更高维度上理解并解释自然规律。精通数学的人，和常人相比，如同获得了通往更高维度认知的钥匙，那是另一种逻辑更为清晰、抽象能力更强的境界。对于真正做数学研究的人，天赋、热爱缺一不可，我由衷感到敬佩。