experience

[feibaliang]

智慧有两个因素，第一个，有效的适应环境，第二个，优雅的诠释经验

[feibaliang]

巴黎矿院校长雷蒙德.费斯彻赛尔把智慧定义为“有效地关注重要之事”

[feibaliang]

从经验中获取智慧的模式可以分为两种

1. 低智（low-intellect）学习 是指在不求理解因果结构的情况下复制与成功过相连的行动
2. 高智（high-intellect）学习 是指努力理解因果结构并用其指导以后的行动，具体可以描述为这样一个过程：观察历史经验，理解深层因果机构，形成知识，加以记录，进行传播。

[feibaliang]

复制成功的智慧成分

1. 适应过程认知的复杂性，比 如Bush_Mosteller_Estes 模型预言，如果时而奖励这个选项，时而奖励那个选项，那么学习的情况就会因选项认知定义的不同而大相径庭。
2. 把规律推广到相似情境是，就会遇到，在现实生活中，“相似性”是一个很模糊的概念

[feibaliang]

复制成功的3种模式 1.试误，2模仿 ，3.天择

[feibaliang]

复制成功的问题

1. 历史是复杂的 世界是复杂的但是，我们只能采取简单的设计，简单的模型和小样本分析，容易放下误设和迷信的错误
2. 历史充满随机不确定性。 信号弱，噪音大，样本小，可能会导致偏离现实，进而导致过分偏爱而导致错误复制并非最好的选项或者过分轻视其实并非很差的选项而导致错误回避
3. 选项的潜在结果分布收到历次所做选择以及历次变现结果的影响。 例如：假设以为网球选手采取的策略是，把球打到对手较弱的那边。这一策略会增加短期获胜的可能性，但是与此同时会为对手提供练习较弱那边的机会。随着时间的推移，练习效应会减小对手两手之间的能力差异，进而减弱“把球打到对手较弱那边”这个策略的竞争优势。
4. 经验抽样率受样本结果的影响 成功选项的经验样本量因复制成功而增加，那么因高估选项价值而造成的误差就会自行矫正。复制会减小成功选项的经验抽样误，进而暴露高估误差。但是，因低估选项价值而造成的误差不会自行矫正，初始结果较差的选项容易被低估，被轻视。

[feibaliang]

高智故事和模型在两种压力的联合作用下倾向于展现“最大可理解复杂性”-比简单的过程复杂，比复杂的过程简单

1. 故事和模型必须精妙复杂到显得有趣并彰显人类智慧
2. 故事和模型必须简单到足以让人理解

[feibaliang]

诠释历史，涉及把经验的模糊性和复杂性转化成一种详尽到足以让人感兴趣，简单到足以让人理解，可信到足以让人接受的形式。

[feibaliang]

人类储存，回忆历史的能力有限，对服务于当前信念和欲望的重构记忆敏感。人类的分析能力有限，对加诸经验智商的框架敏感。人类固守成见，对支持先入之见的证据不如对反对先入之见的证据挑剔。人类既歪曲观察又歪曲信念，以提高两者的一致度。人类偏爱简单的因果关系，认为原因必定在结果附近，大果必有大因。与比较复杂的分析相比，人类更喜欢涉及邮箱信息和简单计算的启发式。

[feibaliang]

故事和模型简化身份以及其激活场合，抛开身份实现的细枝末节，降低人类义务的混乱程度。自然语言智慧实践者的工作，在坚定和怀疑之间无尽循环，因两难，矛盾和不一致而繁荣。他们依靠并敬重自然语言的不确定性，诠释再诠释，不求定论但求新解。分析模型实践者，其工作也在怀疑和坚定之间循环，但是强烈地希望怀疑是暂时的，坚定是最终的。他们认为自己的动力是追求超语言真理，但是发现自己总是容易犯统计过度拟合的错误。

[feibaliang]

人们为了创作更好的故事需要删减（极不可能）或者添加（没有却应该有的）故事，还会吧经验纳入容易识别的故事情节（或者说框架，有时为了把新故事放入现有框架，还需要对框架进行修整）。人类渴望从历史经验中学习，但是历史经验封装在人类发明的框架之中。人类从自己的发明中学习。这并不排除从经验学习可以增长智慧，但是会增加混淆的可能性，而且会加强对已有信念不一致的信息的抵触。