一、一个人的命运，为什么和另外一个人迥然不同？
我们又该去哪里找寻心底的自由？
通常我们都会把目光投向那些“很厉害的人”。不管这些人是我们身边的，还是遥不可及的，很厉害的人似乎能够把握自己的命运，从而实现物质和精神的双重自由。
难题有两个：
1、究竟什么是很厉害的人？
2、很厉害的人和我有什么关系呢？
这两个难题的矛盾之处在于，厉害的人越厉害，对于平常人来说，就越难模仿、借鉴、学习。
下面，我们先探索这个时代最厉害人们的“认知地图”，然后，指向我们的目标：
发现厉害人的底层算法。
二、很厉害人们的厉害之处，在于其认知模式和能力
很厉害人们的厉害之处，在于其认知模式和能力，这一点毋庸置疑。满足“认知需求”的书籍几乎占据了所有的榜单：
1、（大脑）决策类；
2、（计算机）算法类；
3、科学类；
4、人文类；
在此基础上又有各种交叉延伸：
1、人工智能、强化学习。
2、硅谷模式：精益创业、亚马逊飞轮、增长黑客；
3、认知心理学、行为经济学、非理性的原创性；
4、斯金纳的行为主义、自由意志；
各条路线上的最厉害的人们，分别贡献出他们所在领域和方向的“认知”；而我们也如饥似渴地阅读、吸收，并试图拼出一张完整的“认知地图”。
为了便于理解这张地图，我引入一个隐喻：围棋。
四个边分别是：
1、（大脑）决策类。最著名的是卡尼曼的快与慢理论，无意识的“系统1”依赖情感、记忆和经验迅速作出判断；有意识的“系统2”通过调动注意力来分析和解决问题，并作出决定。各类决策类、管理类、励志类的著作，也大多围绕这两个基点展开；
2、（计算机）算法。除了科技行业的技术趋势、商业模式，成功的个人或者机构，都是因为发现没人认可的秘密而建立起来的。这个秘密，可以表现为一个算法。
3、科学。硅谷的创业英雄们，大多是科学神童，将求真、证伪，作为思考与行动的基本准则。我们也会看到获得过物理学学士的马斯克，在打算造火箭时，会认真学习《火箭制造原理》。
4、人文。历史学家尤瓦尔?赫拉利，开启了人们对意义、故事的宏大好奇心。作者讲述了人类从石器时代至21世纪的演化与发展史，并将人类历史分为四个阶段：认知革命、农业革命、人类的融合统一与科学革命。
四个角分别是：
1、大脑与算法的交叉点：AI。创造了阿尔法狗的Deepmind公司的CEO哈萨比斯，就是横跨脑神经科学与计算机科学的天才；
2、 科学与算法的交叉点：硅谷模式。价值假设和增长假设，是把科学家精神，与企业战略、数字经济完美结合在一起。科学试错在虚拟经济中发扬光大。亚马逊的飞轮，Facebook的增长黑客，释放了惊人魔力；
3、科学与人文的交叉点：认知心理学、行为经济学、非理性的原创力。人们甚至寄希望于在这个“金角”建立对抗AI的人类阵地；
4、大脑与人文的交叉点：自由意志&操作性条件反射。后者是斯纳金的著名论断，核心词是“客观无情”、“强化作用”。现实中取得伟大成就的人，的确有很多就是如此，仿佛“人肉阿尔法狗”。
进一步将这四条边角色化，分别对应四个社会角色：
1、企业家；2、理科生；3、科学家；4、文科生。
我不打算陶醉于这个地图精确而简洁的结构，而是要立即用它来揭示两个有趣的秘密。
秘密之一：文科生+理科生
人们都知道扎克伯格时哈佛计算机专业的辍学生，却很少有人知道，他同时修习心理学；
人们都觉得乔布斯是一位人文大师，却忘记了他小时候是一个无线电爱好者，还曾经打电话给惠普的创始人索要电子元件。
秘密之二：科学家+企业家
尽管斯坦福的博士生佩奇，看起来更像是一位科学家，但是在硅谷特有的辅导机制下，他迅速成为杰出的企业家。
特斯拉的马斯克，从宾夕法尼亚大学的沃顿商学院毕业，获得经济学学士学位后，再获得物理学学士学位。他还曾打算在斯坦福大学念应用物理与材料科学博士学位。
我们自古重文轻理，后来又追求“学好数理化，走遍天下都不怕”。现如今，理科生和文科生彼此鄙视（更多是理科生有莫名的优越感），似乎无法相容。其实，在现代科学的学术概念里，并没有理科这一概念；
在中国，企业家是一个很年轻的名词。早期企业家意味着胆子大、脑子活。和科学家完全不沾边。
我们似乎在这个棋盘上，发现越来越多的内在关联、与巨大秘密。
阿尔法狗战胜人类围棋第一高手，背后的目的，是为了探索一种通用算法，我们也可以称之为终极算法。
那么，在我们的“认知地图”之上，存在着某种“终极算法”吗？
围棋有句谚语：金角、银边、草肚皮。意思是说角最有价值、边次之，棋盘中间的价值最小。
围棋里还有一句谚语：高手在腹。从阿尔法狗的棋谱看，它对肚皮的重视与擅长程度，远超人类。
围棋棋盘最中央的那一点，我们称之为天元。即：
底层算法。
三、什么是底层算法
什么是底层算法？让我继续用渺小而强大的蚂蚁来比喻：
1、人和人之间的差别没那么大，就像蚂蚁之间不会有太大差异。就像桥水基金老板说的，“我阅人无数，没见过有人天赋异禀。”
2、你自己就是一个蚁群。每时每刻，每个决策的你，每个行动的你，就是一只蚂蚁。无数个不同时刻的无数个你，叠加在一起，构建了一个智能系统。
3、蚂蚁之间的传输控制协议，是这个智能系统的算法。不同时刻的你之间的关系和连续性，是你的算法。
4、该算法采用了强化学习--机器学习的一种。它能像alpha zero一样自我学习，不断进化。
我们要“机器学习”，而非成为简单的学习机器。
我们当中的大多数人，为什么不能成为很厉害的人？
1、我们的认知系统，都是建立在钟表宇宙里的。然而现实却充满不确定性，不可预测，难以计算。这既是我们的痛苦之源，也是那些厉害的人的秘密。
2、问题还不止于此，我们甚至无法真正控制“自我”。大脑中并不真正存在一个中心，“我”只是由无数个“涌现”串起来的电影角色。
3、进一步，我们花时间试图控制不可预测的那些东西，却对自己自暴自弃。
我们的知识都是牛顿时代的，我们的行为方式是牛顿时代的，我们的学习方式，也是牛顿时代的。
厉害的人是怎么做的？
他们既承认大多数物质系统具有复杂性质，又知道，钟表式科学的这种典型策略在封闭环境依然是奏效的。
所以，他们尝试在个人半径里，来打造“机器”。
这个“机器”，既有符合牛顿力学的机器的意思，又是“机器学习”。
让我们看看对强化学习的描述，它强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。
你的动机、欲望、热爱、梦想、自我认知、价值观，负责实施奖惩的刺激。
哈佛大学心理学家罗伯特.凯根说：
“从出生开始，我们便踏上持续学习（ Learning ）和成长 （ Developing ）的旅程。这两股力量往往交织在一起，但又不尽相同。如果仅仅是知识储存量的增加（ in-form-ation ），以既有的思维模式来运算资料，谈不上真正的学习，更谈不上成长。成长是指思维模式本身产生改变 （trans-form-ation）。”
是的，我们大脑神经是可以后天塑造的，每秒即逝的那个“我”，并没有被不可逆的时光之河裹挟而走，而是被写入“我”的底层算法。
这种控制与相应，与“扔个石头到水中能听到一声响”完全不同。所以经常看起来是模糊的，遥远的，不确定的，甚至是反人性的。
然而，我们只能控制我们可以控制的，让其它涌现而来。
