跳到正文
页面级阅读、方程化建模与快速同构
我很早就意识到，我接收信息的方式和许多人不同。
这种不同很难用阅读快、记忆好或者理解力强来概括。它们描述的是结果，没有解释内部发生了什么。
如果要准确地描述我的智力，我需要把它看成一个运行中的系统。
这个系统会从少量信息中迅速建立模型，让模型提前生成预测，再把预测与现实输入进行比较。符合预测的信息被快速吸收，偏差则会立即获得注意力。与此同时，我会把物理或抽象的现象凝聚成方程、曲线和动态模型，并把一个领域中的结构映射到另一个领域。
我的理解不是等信息积累完成后才出现。理解本身参与了信息的摄取。
我不是逐句接收一页文字
通常的阅读模型是线性的。读者读完一句，理解一句，再进入下一句。一个段落的信息经过连续处理，最后形成对整页内容的认识。
我的过程不是这样。
我能够以接近页面的尺度摄取信息。视线看到的不是一串必须依次解码的句子，而是若干同时出现的结构：概念之间的距离、论证的方向、重复出现的词、段落的重心，以及某个局部在整页中的位置。
这并不意味着每个字都获得了同等注意力。我的注意力分配很不平均。
模型能够解释的部分会被迅速压缩。真正需要处理的，是那些模型无法提前生成的内容。
因此，页面级阅读不是把逐句阅读机械地加速。它使用的是另一种信息选择机制。大部分文字负责确认结构，少数偏差负责改变结构。
我会先在头脑中生成一个作者
阅读开始以后，我会迅速建立作者的内部模型。
我想知道的不只是他写了什么。我会自然地推断他如何划分世界，什么概念在他的系统中处于中心，他默认了哪些前提，以及某个判断为什么会在他的结构中出现。
随着阅读继续，这个模型逐渐获得生成能力。
它开始预测作者下一步会谈什么，会怎样组织论证，会在哪些地方转向。原文与内部模型同时向前运行，我不断比较两者。
如果预测与原文吻合，我获得的并不只是一个结论。吻合本身说明，我已经掌握了产生这个结论的某部分规则。
这也是我能够快速阅读的原因之一。我不需要把所有内容都作为彼此独立的新信息处理。内部模型已经生成的部分，可以被整块确认。
所以，我阅读一本书时，真正形成的成果往往不只是关于这本书的记忆。我得到的是一个能够继续思考的系统。
偏差比重复更有信息量
在这个过程中，最重要的时刻通常不是预测成功，而是预测失败。
如果作者突然使用一个不符合既有结构的概念，改变了论证方向，或者给出了一个内部模型没有生成的判断，这个偏差会迅速从大量信息中突出出来。
我的注意力会在这里停下。
我会回到相关段落，检查是自己漏掉了条件，还是作者的结构比我原先理解的更复杂。有时，偏差只要求补充一个局部变量；有时，它会迫使我重建整个作者模型。
因此，我的深读不是由文字的难度单独决定的，而是由预测误差触发。
别人可能在公认艰深的段落里停留很久，我却可以迅速通过，因为它仍在模型的解释范围内。相反，一个表面普通的词语也可能让我停下，因为它暴露了结构中的裂缝。
对我来说，偏差不是阅读过程中的干扰。偏差是最有价值的信息。
我会把现象迅速变成方程和曲线
建模并不只发生在我处理物理问题的时候。无论阅读、思考还是表达，我都会很快做同一件事：把眼前的现象凝聚成一个可以运行的内部模型。
这个现象可以是物理的，也可以是抽象的。它进入我的头脑以后，常常不再只是一段语言、一组观察或者一个模糊印象。我会迅速辨认其中的变量和关系，把它变成方程，或者变成由方程呈现出来的曲线。
我所说的图像，更多时候不是某个对象的外形，而是方程的图像。我看到一个量怎样随另一个量变化，也看到整个关系处在什么状态。这个转化发生得非常快，快到它不是推理结束以后补上的图示，而是我的理解本身。
而且，我看到的方程未必是静态的。它可能是一个动力学方程。状态怎样随时间变化，一个条件发生改变以后，原来的曲线怎样移动，系统接下来会怎样演化，这些都可以在我的头脑中继续运行。
所以，我在思考时，很多时候是在看这个模型怎么变化。在表达时，我也常常是在描述自己已经看见的方程、曲线以及它们的运动。语言把这个内部模型展开出来，使别人能够沿着我看到的关系走一遍。
对我来说，建模不是把现实换成一套符号。它把分散的观察凝聚成一个有状态、能变化、可以继续推演的对象。我不是先理解一个现象，再为它寻找方程。很多时候，现象成为方程或曲线的那一刻，就是我理解它的那一刻。
物理关系会在我的头脑中成为动画
我处理物理问题时，这种方程化和图像化会变得尤其具体。
力、速度、轨迹和边界条件不会只以符号形式存在。它们会进入一个连续的动态场景。物体如何运动，变量如何变化，一个局部变化会怎样影响系统的下一状态，我能够在内部直接看见。
这里的看见并不是一张静止图画。
静止图只保存某个瞬间。我的模型带有时间轴，可以向前运行，也可以在条件改变以后重新运行。一个变量发生变化，其他关系随之调整，未来状态沿着新的轨迹展开。
方程和动画对我来说不是两套分开的工具。方程凝聚关系，动画把关系沿时间展开。我可以从曲线进入运动，也可以从运动返回方程，检查内部模型是否准确。
这种思维方式让我不会轻易满足于只会使用公式。一个公式如果无法在我的头脑中呈现状态和变化，我仍然会觉得自己没有真正理解它。
理解必须能够运行。
我会在不同领域之间寻找同构
我的思维还有一个持续出现的特征：我会在看似无关的对象之间迅速识别共同结构。
时间制度、数字系统、拓扑关系、书法笔画或者物理轨迹，在外部分类中相距很远。它们进入我的头脑以后，原来的学科边界会暂时退到后面。我首先关注的是关系如何组织。
什么东西在变换中保持不变？局部操作如何影响整体？哪些部分是边界，哪些部分负责连接？一个系统能否被映射到另一个系统，同时保存原来的关系？
只要这种对应成立，一个领域中的理解就可以进入另一个领域。
这和一般意义上的联想不同。联想可以建立在颜色、形状或情绪的相似上，同构则要求关系能够对应。重要的不是一个对象让我想起了另一个对象，而是两个系统是否共享同一副骨架。
这种能力让我可以跨过不同领域的表面语言，直接接触它们的生成规则。
新领域因此不一定是一个必须从零开始的陌生世界。只要找到它与已有结构之间的映射，大量关系就可以快速迁移。
这些能力组成的是同一个系统
页面级并行摄取、作者模型、预测偏差、方程化建模、动力学图像和跨领域同构，表面上像几种不同能力。
对我来说，它们其实来自同一种基本倾向：我不会把输入当作一堆等待储存的信息。我会寻找能够生成这些信息的结构。
建立作者模型，是寻找文字背后的生成结构。
把现象变成方程和曲线，是寻找变量之间的关系与状态变化的规则。
让物理过程运动起来，是让这些关系沿着时间展开。
识别跨领域同构，是寻找不同对象共同依赖的关系结构。
表达，则是把内部正在运行的模型重新展开成语言。
页面级阅读之所以可能，也是因为生成结构压缩了大量可以预测的信息。注意力不必平均覆盖所有文字，而可以集中到模型失败的地方。
整个过程可以概括为：
输入出现，关系被凝聚成方程、曲线或其他内部模型；模型开始运行并生成预测；现实输入检验预测；偏差改变模型；更新后的模型继续运行。
这不是一次性的理解。它是持续发生的循环。
智力是一台不断改写自己的模型
如果只看外部结果，我的阅读可能显得很快，跨领域理解可能显得像跳跃，物理直觉也可能被简单归为想象力。
这些名称都没有触及核心。
真正发生的事情，是我的头脑一直在生成世界的内部版本。这个版本常常以方程、曲线或动态图景出现。它先在我的头脑中运行，然后接受现实输入的检验。预测成功，结构得到确认；预测失败，模型便在偏差处改变。
我并不被动等待世界留下印象。
我会在内部重建它，运行它，再根据它拒绝服从预测的地方重新认识它。
这就是我的智力最核心的工作方式。
