在一秒鐘內看到本質的人，

和花半輩子看不清的人,

自然是不一樣的命運。

——《教父》?

究竟是什么推動我們進步？

有沒有一個簡單的理論可能解釋那些厲害的人是如何變成那么厲害的？

如果你看到了這里，不妨花點時間進來了解一下。

第一部分 什么是認知閉環

近代的科學管理大都是通過多個關鍵節點構建成為一個閉環，通過可持續改進的閉環獲得螺旋式上升，我們舉幾個例子。

1

PDCA 戴明環

戴明循環是一個持續改進模型， 它包括持續改進與不斷學習的四個循環反復的步驟， 即計劃（Plan）、執行（Do）、檢查（Check/Study）、處理（Act）。

戴明循環的研究起源于20世紀20年代，先是有著“統計質量控制之父”之稱的著名的統計學家沃特·阿曼德·休哈特（Walter A. Shewhart）在當時引入了“計劃-執行-檢查（Plan-Do-See）”的雛形， 后來有戴明將休哈特的PDS循環進一步完善，發展成為“計劃-執行-檢查-處理（Plan-Do-Check/Study-Act）”這樣一個質量持續改進模型。

做為改進質量的工具，其自身也在進化。做好PDCA首要是認知到PDCA每個環節，其次是執行它，不掉鏈。

1960年，日本天皇為戴明授勛，以表彰他為日本企業所做的服務與貢獻。

2017年2月，《解決孫社長所有難題的超厲害PDCA》在日本出版，曾任孫正義貼身秘書多年的作者三木雄信指出，孫正義就是靠PDCA戰勝所有困難，包括如何做到“超乎常人的目標執行力”、“為達目的無所不用其極”、“追蹤數據進而縝密驗證”以及“沒有最好、只有更好”等，而這些正是PDCA的精髓。 說穿了，PDCA就是一趟修煉，讓人們能夠在一次一次的設定目標與執行過程中，練就凡事精確到位、按部就班的功夫。日本年輕人正在視它為個人進化的新解方，而臺灣各大企業也逐漸將其視為員工必備要件。

如果覺得它古老，不妨想下，目前流行的敏捷項目管理SCRUM的理論基礎也是來源于此。

2

精益創業

益精創業，就是大膽假設，小心求證。類似于有了一個想法，然后不去過早引于價值判斷，如不去臆想自嗨自己了解市場了解客戶，先摸石頭過河走一步，得到數據反饋，再根據數據重新獲得前路的信息，再選擇路向再走一步，一步步假設、行動、數據驗證、再重新假設，直到過完河。

同上，精益創業也是一個閉環，有3個關鍵節點

1.想法idea：通過和天使用戶接觸，自己不去自嗨臆想，了解天使用戶真實的痛點與需求。

2.產品product:根據需求制定一個簡單但又恰如其分的解決方案（MVP），給這批天使用戶進行驗證。

3.數據data：從這些天使用戶中得到關于解決方案的可以數據化衡量的真實反饋。

4.迭代環閉：從這些反饋中重新反思與學習，完善產品，進行下一輪迭代。益精創業是一種快速試錯迭代，不斷去偽求真的過程。

3

增長黑客

增長黑客是基于精益創業的價值驗證和數據衡量基礎上而來，所謂增長有兩個，一是產品價值假設，二是用戶增長假設。增長黑客首要驗證的是產品的價值，如用戶留存率，轉化率、產品單位凈利潤、NPS凈推薦值等等，在產品能實現良性循環后，再進行用戶、業績規模化增長。

增長黑客的閉環：

1.設置目標

2.分析現狀

3.提出假設

4.提出方案

5.開始小規模測試

6.收集數據復盤

7.驗證假設

8.驗證成功大規模推廣，驗證失敗再提出假設重新驗證，完成閉環。

影響增長黑客在國內發展有如下2個原因：

（1）沒有做市場價值驗證，產品還沒有達到PMF就要增長。有在重慶做共享單車生意的，我們都知道重慶多山路，在這樣的城市騎車本身就是偽需求。這種產品從它誕生的那一刻，就注定了會快速死亡。這樣的產品沒有辦法增長。

（2）沒有自上而下推進的獨立增長團隊，在執行上得不到保障。增長黑客這個概念要公司從上到下推進。增長黑客需要調動開發資源，設計資源，產品資源。

總的來說，1就是不知道各個增長工作流程的節點，沒做PMF就想做用戶增長，2沒有團隊保障，讓環真正滾動起來。

4

飛輪效應

飛輪效應指為了使靜止的飛輪轉動起來，一開始你必須使很大的力氣，一圈一圈反復地推，每轉一圈都很費力，但是每一圈的努力都不會白費，飛輪會轉動得越來越快。達到某一臨界點后，飛輪的重力和沖力會成為推動力的一部分。這時，你無須再費更大的力氣，飛輪依舊會快速轉動，而且不停地轉動。這就是“飛輪效應”！

對互聯網公司比較有名的應用是亞馬遜電商。

亞馬遜的飛輪節點：

1.低價吸引更多消費者

2.更多的消費者提升銷售額從而帶來更多的第三方賣家

3.更多供應商和消費者讓亞馬遜的投入的硬件和服務的固定成本中邊際成本更低，效率更高，收入更高。

4.更高的效率和更多的供應商賣家，從此飛輪轉起來。?

很多互聯網公司都想擁有自己的飛輪，但連基礎的單個節點都沒做好，更別說把環完好的連起來，跑起來的時候各種節點掉鏈。

5

反思與OODA

反思指回過頭對過去的事進行再思考，從中吸取經驗教訓。反思的幾個環點如目的、方法、行動、結果、總結提升，如PDCA差不多，但在美國空軍訓練對戰中，有一個環節就是找有利位置進行攻擊，這里面有一個OODA循環，可以幫助空軍快速進行反思，快達幾十秒一次：?

觀察Observe—從環境中收集與您試圖解決的問題有關的信息。

確認Orient—使用收集來的信息建立環境的心理模型。也就是說，通過對數據加以綜合，在心中對情況進行評估。隨著接收到的信息量在不斷增長，你將解構舊的心理模型，然后創建更符合情況的新模型。

決策Decide—考慮各種選擇，然后選出您認為有助于解決問題的行動路線。

行動Act—執行構思出的決策，并檢驗結果。當您觀察到行動的結果后，您會將這一信息反饋到循環的開始處，然后開始新一輪的循環。

反思循環就是快速的完成一個OODA循環，快速的結束一個劣勢的位置，找到一個新的有優勢的位置，而不是一直沉湎于上一個劣勢位置的失意當中，不能自拔。

反思自己，必須要讓自己抽身出來看事件或者場景，看一段歷程當中的自己。當你身處一個場景或者事件當中，你是無論如何沒有辦法進行反思的，因為你沒有反思的支點，反思的支點就在一個循環的結束。

如現在要做一個產品，如果你不馬上投入并盡快完成最小可行性產品（MVP），拿給用戶看得到反饋，是沒法對你現在現在的思路的對錯、優劣進行評估的。

所謂“拖延”，有一種解釋就是永遠滯留在一個循環里，根本不愿意去完成和結束一個過程。如寫文章寫論文，老想著要一切準備好了，想完美了，再下筆，正確的方法是，只有把它寫出來，才能獲得反思的支點，發現自己的思考起點是不是正確的。

同樣來到新的環境和位置，如果不給自己一個新的視角觀察舊環境，將無法解構舊的心理模型，就無法獲得反思的支點。知識經驗一直停留在一個循環當中。?

1

復盤

復盤是圍棋術語，本意是對弈者下完一盤棋后，重新在棋盤上把對弈過程擺一遍：

· 看看哪些地方下得好（下次繼續做），

· 哪些地方下得不好（下次停止做），

· 哪些地方可以有不同甚至更好的下法等（改進做），

這個把對弈過程還原并且進行研討、分析的過程就是復盤。

復盤的環節：

1. 當初設定的目標是什么

2. 為了達成目標，當初設定的策略是什么

3. 目標執行的結果如何？

4. 接下來要怎么做？哪些是好的行為下次繼續做，哪些不好下次停止做，哪些可以做得更好改進做。

復盤同樣是一個循環，有些人一輩子學不會復盤，原因：

1是不了解復盤的環節；

2是不能閉環，把所有的環節串起來；

3是不能把環轉起來，停留在這一環里無法自拔，不能提升。?

7

瑞·達利歐 原則

如果講認知這個詞太不好理解的話，我們可以換成達利歐的原則，利用原則一樣可以實現個人的持續進化。

達利歐的進化其實是由五個步驟所組成:

第一步你要有自己的目標。

第二步是發現和面對問題。所謂問題就是目標與現實的差距。

第三步是診斷問題。

第四步是設計好一個方案去解決問題，做出改變。

第五步是踐行。

進化就是大家看到的這五個步驟，所有進化都是診斷你所面臨的問題，診斷方案、適應環境、做出變化，最終踐行，慢慢實現進化。只要每一步都連接上，快速迭代進化，那怕我們現在是在猿人時代，經過快速迭代也很快到智人時代了。?

在實現進化的過程中，最大的問題就是面對自己的非理性，你是否有勇氣承認自己的不足，是否有智慧去分析和積累問題的解決方法，是否有決心去果斷踐行。

為了防止大腦非理性的情況發生，達利歐給了幾個必殺武器，就是：

大腦極度開放、極度透明、極度求真，可信度加權決策。

呃，大概就是把自己當成人肉AI。

8

機器學習算法

機器學習算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。

如如何分辨一只貓，傳統算法是有兩只眼，4支腿，跑得快等等符合這些已知的參數，就可以定義這個對象為貓，但是如果貓的照片太多，無法窮盡貓在不同光線，不同姿態、顏色....等等變量超多，無法窮盡，這時候就要用到機器學習了。

而機器學習的過程：輸入訓練數據與想要的結果--算法學習--輸出算法--運用算法--產生假設-驗證--放棄或完善。?

有監督機器學習是給出一批貓的照片，并告訴這是只貓，訓練數據越多，最后那怕只有只有貓的半身，也只根據學習到的算法，告訴我們給的新的照片里的動物有多大概率是一只貓。

機器學習也是一個隨著數據增加，算法不斷迭代，不斷逼近真相的過程。?

9

元認知與反饋回路

巴甫洛夫的實驗展示刺激-反應之間的條件反射，回想一下，我們大多時候都是服從條件反射的，如有人罵我們，我們總想罵回去，而忽略了我們在刺激和反應之間還有積極主動思考的能力，為什么大多時候我們會喪失主動思考的能力呢？因為大腦處在系統1下的“自動化思維”的狀態下是最節省能量的，而大腦在系統2的利用認知是要額外消耗大腦帶寬的。?

所謂元認知，就是審視自身思想的能力（或者說關于思維的思考），每當我們對思維過程和所獲取的知識進行反思時，其實都在使用元認知。?

意識層面的元認知

無意識認知：自動化思維，運行于無意識空間，信息加工速度為11 000 000次/秒，它是由多個模塊組成的復雜自動化系統，它允許人們調整地處理從外界接收到的信息，并生成行動的處理模塊，

低級元認知：運行于無意識與有意識空間之間，包括非語言，想法和感受

高級元認知：控制性思維，運行于有意識空間，信息加工速度為40次/秒，它是對感知、想法和感受的再思考，可以進行認知察覺，完成認知的反饋回路，大腦通過處理這些反饋回路接收信息、處理信息，并轉化為行動。?

通過對比，我們發現在意識空間連大腦加工的1%都不到（真是冰山一角），剩余部分都是新的無意識。在進化過程中，大腦中生成了一個彌足珍貴的系統--“自動化”，自動化保證了我們那些無意識的模塊在沒有意識參與的情況下能正常工作。如我們無法想像，當我們呼吸、心跳都要動用有意識參與下動用高級元認識能力去處理。

同時參看圖里的箭頭，無意識空間的自動化想法是有意識幾個數量級，我們無法阻止這些無意識涌現到意識，但是我們可以有目的訓練和控制自己的注意力，但同時我們很難利用高級元認知控制無意識（無意識的自動化處理速度可是高級元認知的27.5萬倍啊），所以很多時候我們都是情緒、非理性的動物，但很難說這些情緒和非理性不是在趨利避害的進化后的結果。

高級元認知的作用是可以察覺到反饋回路，調整行動。

如有段時間，自我懷疑的想法不斷地在意識空間涌現，同時，我們總是以一種情緒的方式對之進行反應（低級元認知）。我們自我感覺很糟糕，并且由于感覺很糟糕，我們對任何有價值的事都提不起興趣，更加加重我們的自我懷疑，如此周而復始，惡性循環。

因為身處問題當中，我們壓根沒意識到，我們的大腦陷入一個消極思維的反饋回路。但如果從問題抽離出來，利用高級元認知（或者說上帝視角）去審視消極思維的反饋回路，我們才能有意識地評估接下來會怎么樣，從而扭轉反饋回路，而不是不停地反芻所有消極的想法。?

第二部分 人生算法

1

底層算法

什么是底層算法就是處在最底層最簡單而又影響最大的認知基本單元，大道至簡，越簡單使用場景越大。

如大自然創造出如此豐富的物種世界，它無須一個個去設計，只須擁有一個算法：自然選擇。

如人的大腦想法如此復雜，但究竟還是一個一個的神經元連接驅動。

如計算機如此復雜，但放到運算層就是0和1的運算。

如我們要如何達成目標，從細的講就是無數個遇到問題、思考問題、決策、行動解決問題。

而我們每時每刻，每次遇到的問題、每個想法、每個決策，每個行動，把這些串起來，就構成了我們的智能系統，遇到的事、解決的事越多，即數據越多，我們越能強化學習，越加智能，那怕是吃一埑長一智，數據越多，見識，我們的認知決策水平越高，這就是我們的底層算法。?

2

人生算法——認知閉環

吳伯凡在他的《認知方法論》詳細的闡述了數據與算法，所謂數據就是我們遇到的種種事與經歷，算法就是不過學習進化的認知，瑞·達利歐把這些認知稱之為原則。

老喻在他的公眾號《孤獨大腦》講得更詳細明了，他通過總結了那些厲害的人，發現低層邏輯就是認知閉環，通過認知閉環，來構建人生算法。

什么是人生算法？人生算法=認知飛輪+概率分層，人生算法就是我們的底層算法。

認知飛輪

認知飛輪的基本單元：感知-認知-決策-行動。

我們對信息的處理都遵循這一基本單元，人工智能、智慧物聯網也是同樣的運作模式。認知飛輪本質上是一種學習提升的方法。?

這個認知飛輪有4個節點：

節點一 感知：感知是外界刺激于感官時，腦對外界的整體看法和理解，它為我們對外界的感覺信息進行組織和解釋。

節點二 認知：這里的認知是指對不同方案與選擇的量化評估過程 。認知在心理學、神經科學、哲學、系統學及計算機科學都不同的解釋，心理學上指個體思維進行信息處理的心理功能。

節點三 決策：在心理學中，決策（Decision-making)是一種認知過程，在這個過程，決策者往往面臨不同的方案和選擇，決策者會根據認知偏好、預期和效用做出決定。

節點四 行動：這里指人對所處環境與其它生物體或物體的一種反應。?

完成4個節點后，在下一步，持續迭代，加強感知、豐富認知、提升決策質量和行動質量。

如果我們出身于偏遠的山村，要想獲得大家所認可的財富與精神的上自由，那么：

在感知上，我們就要更加的好奇敏感，如走出山村，了解城市與環境，以免我們錯過更多機會或選擇。

在認知上，隨著感知的增加，我們才不至于在認識的環節丟失更多方案和選擇，導致量化大錯誤。

如種田5畝，一年無休年，收入6000元；

做小學教師，有周未放寒暑假，年收入4萬；

富士康流水線工人，一月休6-8天，年收入10萬；

互聯網運營和產品，995，年收入20萬；

......

在決策上，有了認知上的量化，根據自身能力，就可以快速的找到更適合自己的方向。

在行動上，因為有了遠景認知，懂得了目前自己所做的選擇就是最好的選擇，而不再患得患失，就一往無前的干就是了。

值得重點說的是人生算法是適用于每一個細微的行動思考以及每個大的人生方向決策與行動，仍至組織的整體運用。它也可以說是一種不斷進化的學習方法，是和PDCA、復盤、OODA、精益創業等等這些一樣的可進化迭代的循環。

概率分層

概率分層則是將概率思維引入認知和決策當中。

泰德?威廉姆斯是過去70年來唯一一個單個賽季打出400次安打的棒球運動員，他的《擊球的科學》一書中這樣描述道：對于一個攻擊手來說最重要的事情就是等待最佳時機的出現。

他的技巧如下：

第一步：把擊打區劃分為77個棒球那么大的格子。

第二步：給格子打分。

第三步：只有當球落在他的最佳“格子”時，他才會揮棒，即使他有可能因此而三振出局，因為揮棒去打那些“最差”格子會大大降低他的成功率。?

和玩德州撲克一樣，給手里的牌贏的按概率算期望值評分。 一旦期望值的收入大于成本，就繼續跟下去。

用球賽來構建一個同樣適用于生活的模型：

第一層：感應層。生活中有各種各樣的事（球），有的是好事，有的是壞事，無法預測，但對于球手而言，必須有球打，對于算法而言，必須得有數據，對于復盤PDCA等等而已，必須是有事做，我們也可以稱之為“資源層”，每個球都是外部世界發給我們的資源。

第二層：配置層，或理性層，對于球手而言，要做兩件事，1對球進行評估（理化認知），2決定是否擊打（決策），當然還有3，擊打后進行復盤，對1和2的系數進行調整（貝葉斯）。

圖的左上角即貝葉斯公式

第三層：行動層。一旦做了決策，一流的球手就會立即忘掉概率，不管這個球是99%勝率還是51%勝率，他都會以平常心穩穩的完成，努力擊球后，不管結果是成功還是失敗，因為這是根據理性認識做的最好的決策和行動了。完成后，才會進行復盤，決定是否修改配置層的概率。

理解了認知閉環和概率分層，我們可以理解人生算法的閉環了。?

第三部分 為什么要認知閉環？

這世界上只有一種成功，那就是能夠用自己的方式度過自己的一生。?

——克利斯托福·莫利

1.構建人生底層算法，推動認知飛輪，只是為了認識這個世界后，擁有更多的選擇，以及按自己的選擇，做真實的自己。

越來越多的人開始努力提升他們的認知能力，以令自己干蠢事時更加心安理得。追求認知的升級，不是堆砌知識，單純擴大邊界，而是痛苦的消減無知、自我雕刻、發現自己的過程。認知是找回自己的工具，不是目的。如同有錢一樣，有錢不是目的，只是有錢了可以選擇得更多，也可以保障更多，從選項里做真實的自己。

2.求外不如求已。這個世界變得太快，我們試圖通過掌握所有的事物的本質規律（求外），追求整體最優，還不如構建自己的內在算法（求已），一步步迭代，對于每一件事都盡力做到閉環，達到局部最優，再一步步逼近全局最優，簡單說就先做好自己，自己才是這個世界的原點。

3.分清正確的失敗和錯誤的成功，接納自己并不斷提升。?

我們在做事失敗的時候，經常的都會很懊惱，埋怨自己怎么當時那么笨什么的，但如果我們在決策的時候引入算法和概率預測，那么一但選擇和行動了，就不必為此懊惱。如選擇：

（a） 0.50的概率贏得 50元，否則一無所有。

（b） 0.30的概率贏得 50元，否則一無所有。

生活題目：

（a）0.5的概率去大公司工作獲得年薪25萬與加背景，但還有0.5的概率混日子。

（b）0.1的概率去創業公司工作獲得暴富100萬年薪，但還有0.9的概率拿8K月薪混日子。

雖然我們有很大概率的都是在混日子，但如果我們是選擇范圍內選了期望值最高的概率，那無論什么結果都是自己能做的最好的選擇了，并且這個做選擇的過程是科學的，在下次可在這基礎上優化的，那就算是失敗，這是正確的失敗，下次還要繼續根據這樣的認知這樣選。而錯誤的成功是低概率的，巧幸的成份具多，追求錯誤的成功就像是莽撞的無頭蒼蠅。

同時一旦有了概率樹的思維，大腦里就可以容納兩種相反的結果了，從而更容易接納未達預期的結果。

第四部分 如何構建我們的底層人生算法？

構建底層的人生算法，有3點。

1.節點，認識閉環的每一個節點，提升單點能力。

2.閉環，把環節連起來，構建認知閉環的內核。

3.滾雪球，把飛輪驅動，構建認知閉環的外環。?

1.節點

1.節點，認識閉環的每一個節點，提升單點能力。

對于“感知、認知、決策、行動”，節點的問題會出現在缺乏感知力、不懂概率思考、決策困難、光想不行動。

簡單來說就是：

1、感知：多去試，找機會，找資源。

2、認知：構建決策樹，什么時候都做正確的事情，努力集中于（相對的）優勢境地。

3、決策：知錯就改，別在不擅長的地方負隅頑抗，除非你能改變那種“不擅長”。

4、行動：正確的時候才死磕到底。

不管你在人生哪個階段，不管分到你的牌有多爛（你的出身），你都應該專注于找到該局面下最好的打法。什么是最好的打法？就是選擇收益概率最高的事，并死磕到底。

《不確定世界的理性選擇》一書里里介紹的例子：

兩個賭博游戲：?

（a） 0.20的概率贏得 45美元，否則一無所有。

（b） 0.25的概率贏得 30美元，否則一無所有。?

通過決策樹選擇期望值最大的選擇a，即便有80%的概率一無所有。

讓我們用決策樹來描述一個困擾絕大多數人的問題：沉沒成本。

假如你和一位朋友買了幾張打折的滑雪票，租了滑雪板，然后開車到了度假的地方。此時你才發現，滑雪場的條件極其惡劣，天氣非常寒冷，你認為，與其在這里去滑雪，直接掉轉車頭回家或許是一個更好的選擇。

你的朋友則認為，這樣做并不好，因為你們已經花錢購買了滑雪票，而這個滑雪票過期作廢，而且你們租滑雪板的錢也是不能退還的。也就是說，你們倆當然可以選擇在家里度假，卻會浪費 90美元，而這是你們不能承受的。

這是我們現實中經常遇到的難題，一條路都到黑，與混蛋男朋友分不了手，家里做不到斷舍離，買錯的股票舍不得斬倉，道理誰都懂，做到真難。

讓我們用樹狀圖分析一下：

如圖所描述，90美元根本沒有出現在你的決策困境中。你最明智的選擇，就是趕緊回家喝杯熱咖啡，而不是去受罪，繼續放大自己的損失。

可惜，我們絕大多數人，更多的被“自動思維”支配，而不能啟動“控制性思維”。公式誰都明白，但是沒法在關鍵時刻啟動，便毫無意義。

據說，人類大腦每秒鐘能夠接收1000w比特的信息量，但其中只有50比特思維是在有意識的狀態下加以處理的，屬于有意識的思維。我們的很多行為都是由潛意識或者習慣驅使的，這是一個自動駕駛系統，其中一部分取決于人類的計劃，一部分是因為你的基因和后天習慣。

所以，很多時候，我們都是踩著西瓜皮決策的，在那些關鍵的路口，從來都是不假思索。?

2.閉環

2.閉環，把環連起來，構建認知閉環的內核。

在節點之間，大腦的非理性會頻繁干擾節點之間的轉化。如：

（1）.在感知到認知之間，因為感知過于敏感或感知麻木，沒法給下一層的認知提供可參考數據，如有些人看了很多書，感知力很強，但是不總結規律，無法轉化為認知，在決策時無法量化，變成決策障礙。

（2）.在認知到決策之間，因為從眾心理、峰終定律、近因效應、光環效應、存活者偏差、鮮活性效應等造成認知偏見，夸大概率。

（3）.在決策與行動之間，明知故犯、一直在做低概率選項和患得患失不行動。如有些人是認知高手，能算出每種選擇的預期收益，但是就是無法正確的行動，那認知再高也白搭。你理智上決定了的事情，情感上必須要接受，行動上必須要忠誠。現實中我們總是在背叛自己。

（4）.在行動與感知認知之間，不懂復盤，屢錯不改，不懂提升感知，不斷修正認知概率。《阿甘正傳》說：你得丟開以往的事，才能不斷繼續前進。

把環連起來就是要解決以上問題，如一開篇所講的復盤、反思、精益創業、瑞·達利奧的原則等等都是閉環。?

3.滾動飛輪

認知飛輪是一個工具，它強不強大關鍵在于我們是怎么用它。認知是要耗費大腦高級元認知的帶寬的，明明在大腦自動駕駛的狀態下是最舒適的，我們還為什么要逆流而上的滾雪球，要不斷的提升認知，提升成功的概率？這力量來自哪兒？

對人而言，外環是：強烈的動機、目標與愿望。

對企業而言，外環是：使命、愿景與價值觀。

有了外環，才可以對抗未知、不確定性、恐懼、疲憊。?

推動飛輪類似于西西弗里式的勞作

以上是講了企業和個人的科學管理里的各種著名的環和我們要構建的底層算法——人生算法，以及如何構建它。一旦你掌握了自己的底層算法，你也許就有了些許把握自己命運的權力，從而實現物質和精神的雙重自由。?

我一直想總結這些年對認知閉環的學習與理解，但實際上，這方面是有科學的研究，我從頭探索無疑于從石器時代重走一遍。但對于閉環的執念，我得把這想了一兩年，在這一兩個月又查看書籍學習反思，想用費曼學習法寫出來給閉環了。這里面說的不能表達相關原作者完整的意思的十分之一，同時我也做不到簡單三言兩語就把事給講清楚了。認知飛輪是個不斷學習進化的工具，希望這次的粗糙是個起點，下次會迭代更好。

若想進一步學習了解認知和決策相關知識，可以參考以下資料。歡迎大家保持大腦極度開放，共享認知，共同提升。

參考資料：

書籍：雷德·海斯蒂《不確定世界的理性選擇》

書籍：大衛·迪紹夫《元認知》

書籍：邁克爾·劉易維《思維的發現》

書籍：瑞·達利歐《原則》

書籍：邱昭良《復盤》

公眾號：老喻《孤獨大腦》

音頻：吳伯凡《認知方法論》

網站：wiki維基百科