博文

抽象概念一定要被具象化才能被理解吗?

转载自 https://www.yueyao1982.com/phil_faq/faq_abstraction.html 若侵犯了内容创作者的权益,请联系删除 正文: 恰恰相反,具体的问题一定要抽象化之后才能理解,虽然这乍听起来比较奇怪。我们不妨想一想中学物理中最简单的问题,比如斜面上物体的运动。我们是先把物体和斜面都作了抽象化——物体和斜面都有很多细节,即“象”,而这些“象”被我们忽略了,或者说是抽离了,亦即“抽象”。所以,我们通过牛顿力学来理解机械运动,只是在理解抽象物体的相互关系,比如它们之间的作用,即力,比如它们之间的相对运动:简而言之,我们是在研究一个抽象模型,并试图理解这个模型。我们能做到最好的,就是我们的抽象化很合理,亦即被抽掉的“象”都是次要的;相应的,我们能得到最好的结果就是:模型的预测结果和实际的观测结果之间误差很小,一般来说不能没有误差,除非被观测值的可能性是离散甚至是有限的——比如电子的自旋只有两种可能。即使我们真的把主要因素抽掉,我们仍然可以理解那个被抽象出来的模型,只是那个模型和经验世界已经不能很好的对应了。 稍微深入一些来说,并非所有的抽象概念都能具象化,或者说概念的世界至少从规则和可能性这些方面来讲,并不受制于经验的世界,虽然没有经验概念就无从产生。比如我们观察过很多“经验中的马”,忽略了彼此不同的“象”,比如颜色、大小、公母等因素,就产生了“马的概念”;同样,我们观察过很多“经验世界中的鸟”,忽略了彼此不同的“象”,就产生了“鸟的概念”。“马的概念”和“鸟的概念”都可以被具象化到自然界中真实的动物。然而,我们的思维还可以对概念进行加工,比如我们对“鸟”概念进行切分,得到了“翅膀的概念”(当然它还是可以被具象化的)。然后我们把“翅膀的概念”和“马的概念”进行组合,得到了“天马”的概念——这个概念虽然可以具象化为具体的玩具或模型,但不再能具象化为自然界中的动物了。与此相似,我们还可以进行更复杂的概念建构,比如用更多的翅膀构建出“六翼天使”,比如用多种动物的不同部分构建出了“龙”和“麒麟”等神兽。当然,到此为止,这些概念至少还是可以被在一定程度上具象化,比如画成图画,比如做成雕刻。但是,更进一步的概念建构使这点也不可能了。如果我们把自然数的计数泛化到空间的维度上,我们就构建出了N维空间——1维空间、2维空间和3维空间是可以被具象化的,4维...

是否有速读——来自知乎的回答

图片
 本文转载自知乎 速读科学吗? - 知乎 (zhihu.com) 如果侵犯了您的权益,请联系博主删除      作者:无知 原先答案中我认为“ 速读科学 ”。后来想想,这太过武断,没有考虑到在不同的语境中“速读”有不同的意义,因此对答案进行修改。 现在我对“是否存在速读”这个问题的答案是: 有 ,或我不知道 。 如果“速读”是“在原有基础上对阅读进行训练,使速度得到一定程度的提高,与此同时对内容的理解也得到一定程度的加深,而这些提高尚处在常人能够理解的程度上”,那么我的答案是“有” 如果上述定义中对速度和理解程度的提高达到一般人较难想象的程度,那么我的答案是“我不知道”。 在这里,仅对前一种定义中的“速读”进行展开阐述,也就是取答案为“有”的那一种情况作出论证或解释。 ================================================ 只有在保证从一本书中 1)得到你想要的东西 的基础上 2)增加阅读速度 才叫速读。 首先是一些正式回答前必须提到的内容: 1、 书和书之间是不同的。 对不同的书把速读技巧用上得到的效果也不一样。 有的书速读可以省去许多阅读时间,有的书只能省去小部分。(比如你说我用速读的方法看《高等数学》为什么还是那么慢最后考试还是挂了啊?那我只好……눈_눈?) 造成书与书之间这种不同的源头是下面三种内容的比例不同: 理性输入内容、感性输入内容、无效内容 。 理性输入内容越多,信息密度就越大,要读好花费的精力和时间也就越多,速读提高的效率的幅度就越小。 请大家有感情地朗读下面这一段: 黑化肥 挥发发灰会花飞,灰化肥挥发发黑会飞花 ……不好意思,拿错了 应该是这一段: 有一天,小明理了新发型背着新的亮黄色的海绵宝宝形状的书包上学了,同学见了惊奇地说:“小明啊小明,你的头好像风筝啊!”小明听了觉得非常郁闷。于是小明蹲在操场上伤心地哭了起了,哭啊哭啊哭啊哭啊哭啊哭啊哭啊,哭着哭着,他就飞起来了…… 以这一段为例。 理性输入内容就是对情节推进有帮助的内容 ,俗称干货:“小明理了新发型——新发型像风筝——小明被嘲笑了——小明飞起来了”。理性输入内容就是我们必须有意识地理清思路甚至有时候还需要记下来的内容。 感性输入内容就是虽然对情节推进无明显作用,但能起到增进感性认识的作用的文字 :“哭啊哭啊哭...

算法的八大常用思想

图片
 写在前面:本文更改自知乎 一文图解弄懂八大常用算法思想! - 知乎 (zhihu.com) 如果侵犯了您的权益,请联络博客的Email删除。     正文:     算法和数据结构一直以来都是程序员的基本功,可以说没有数据结构的基础建设和算法加持,页就没有这将近80年来的信息革命时代。数据结构可以看作是算法实现的容器,通过一系列特殊结构的数据集合,能够将算法成为更高效而可靠地执行起来。     算法的应用不单单只体现在编程中。          狭义的讲,算法可看作是数据传递和处理的顺序,方法和组成方式,就像各种排序算法等。而广义的讲,算法就像是一种事物运行时的逻辑和规则。太阳的东升西落,海水的起伏,月亮的阴晴圆缺或许都可以看作是一种算法,只不过它们的执行者并不是计算机,而是自然万物。     算法的思想与算法题目比起来是少之又少。     算法的具体思想 枚举     枚举算法也叫穷举,顾名思义就是穷尽举例。枚举思想的应用场景十分广泛,也非常容易理解。简单来说,枚举就是将问题的可能解依次举例出来,然后依次带入问题进行检测,从而从一系列的可能解中找到能够解决问题的精确解。            枚举虽然看起来简单,但是其实还是有一些容易被人忽视的考虑点。比方说解决问题的“可能解/候选解”的筛选条件,“可能解”之间的相互影响,穷举“可能解”的代价,“可能解”的穷举方式等。          很多时候实际上不必追求高大上的复杂算法结构,反而大道至简,采用枚举法就能很好的规避系统复杂性带来的冗余,同时或许在一定程度上还能对空间进行缩减。      系统复杂性和枚举     枚举思想的流程可以用下面的图来表示。通过事先确定好“可能解”,然后逐一在系统中进行验证,根据验证结果来对“可能解”进行分析和论证。这是一种很明显的结果导向型思想,简单粗暴地试图从最终结果反向分析“可能解”的可行性。 枚举法      不过,...

Leedcode 328. Odd Even Linked List

图片
题目描述:      Given the   head   of a singly linked list, group all the nodes with odd indices together followed by the nodes with even indices, and return   the reordered list . The  first  node is considered  odd , and the  second  node is  even , and so on. Note that the relative order inside both the even and odd groups should remain as it was in the input. You must solve the problem in  O(1)  extra space complexity and  O(n)  time complexity.   Example 1: Input: head = [1,2,3,4,5] Output: [1,3,5,2,4] Example 2: Input: head = [2,1,3,5,6,4,7] Output: [2,3,6,7,1,5,4]  题解:          这里添加代码 class   Solution   { public :      ListNode *   oddEvenList ( ListNode *   head )   {          ListNode *   oddNums_head   =   new   ListNode ( 0 );  ...