1. 數(shù)學(xué)不是四則運(yùn)算、幾何、代數(shù)
??當(dāng)我的小女兒，還在咿呀學(xué)語(yǔ)時(shí)，還沒(méi)能熟練說(shuō)出“我要吃面條”的時(shí)候，她已經(jīng)可以在爬樓梯的時(shí)候，從1數(shù)到9。我曾經(jīng)和老婆求證過(guò)，我們都沒(méi)有采用特殊的方法，刻意教會(huì)小丫頭數(shù)數(shù)字。所以，我還專門(mén)寫(xiě)了一個(gè)小短文，以強(qiáng)調(diào)性地將這種超級(jí)能力進(jìn)行描述。 點(diǎn)擊查看小短文
??這個(gè)簡(jiǎn)單的1到9的序列，就屬于“自然數(shù)”，它是人類計(jì)量自然的數(shù)量或者標(biāo)記自然的序列關(guān)系的方法。譬如，用來(lái)描述家庭的人口，描述每個(gè)人的年齡，描述家里房屋的個(gè)數(shù)等等。
??在上學(xué)以后，我們還會(huì)學(xué)習(xí)到大量的人類已經(jīng)總結(jié)的數(shù)學(xué)經(jīng)驗(yàn)，從小學(xué)開(kāi)始逐步學(xué)習(xí)到：加減乘除的四則運(yùn)算，負(fù)數(shù)，分?jǐn)?shù)，未知數(shù)，形狀與面積，函數(shù)，微積分等數(shù)學(xué)經(jīng)驗(yàn)。同樣，如果我們不從事與數(shù)學(xué)相關(guān)性很強(qiáng)的專業(yè)的話，離開(kāi)大學(xué)之后，基本上最多運(yùn)用的就是“四則運(yùn)算”和自然數(shù)，就連分?jǐn)?shù)都很少使用，接觸到小數(shù)的地方無(wú)非是計(jì)算利息的時(shí)候。就連遇到超市的促銷優(yōu)惠，看起來(lái)用了小數(shù)，還是被默默轉(zhuǎn)換成了“幾毛幾分”的整數(shù)。
??而且，在我們所看到的新的數(shù)學(xué)應(yīng)用領(lǐng)域：人工智能，基本上不是運(yùn)用四則運(yùn)算。而是廣泛使用邏輯計(jì)算、分類統(tǒng)計(jì)、非線性方法……
??——幾年前，我在與朋友們分享的時(shí)候，談到人際關(guān)系的計(jì)算方法，很多人覺(jué)得無(wú)法理解，是因?yàn)樗麄兊拇竽X里在聽(tīng)我講訴的時(shí)候，聽(tīng)到“計(jì)算”兩個(gè)字的時(shí)候，就認(rèn)為是“加減乘除”。
2. 邏輯計(jì)算與非線性系統(tǒng)
??對(duì)于邏輯計(jì)算，最初接觸這個(gè)運(yùn)算方法，應(yīng)該都是在“計(jì)算機(jī)知識(shí)普及課程”上。現(xiàn)在的中學(xué)7年級(jí)以后，應(yīng)該都開(kāi)設(shè)了計(jì)算機(jī)課程，或多或少都會(huì)介紹這種運(yùn)算的基本方式，譬如：邏輯或、邏輯與、邏輯異或等。不過(guò)大多數(shù)的人，和我最初接觸這個(gè)運(yùn)算方法的時(shí)候的想法應(yīng)該是類似的，認(rèn)為這種運(yùn)算是為計(jì)算機(jī)所特有的。
??然而，隨著對(duì)數(shù)學(xué)的歷史有所了解的話，就會(huì)知道以人類的聰明程度，這種運(yùn)算方法絕不是最近百年的成果，起碼是200多年前就成熟的運(yùn)算工具，只不過(guò)在計(jì)算機(jī)的實(shí)現(xiàn)過(guò)程中，發(fā)現(xiàn)計(jì)算機(jī)采用二進(jìn)制計(jì)算的時(shí)候，運(yùn)用這種邏輯運(yùn)算的方法，才能實(shí)現(xiàn)基本的四則運(yùn)算。并且比起采用十進(jìn)制進(jìn)行“計(jì)數(shù)”運(yùn)算，要高效得多。
3. 人工智能，他不僅僅使用四則運(yùn)算
??當(dāng)我們?cè)俜醋罱浅衢T(mén)的人工智能的時(shí)候，會(huì)發(fā)現(xiàn)更多的數(shù)學(xué)計(jì)算方法被使用，我們?cè)谶@里就簡(jiǎn)單提出一點(diǎn)點(diǎn)。
3.1. 統(tǒng)計(jì)學(xué)的分類算法
??這是最早的人工智能的經(jīng)驗(yàn)獲取方法，目前基本上所有的大數(shù)據(jù)和人工智能分析方法，都是站在統(tǒng)計(jì)學(xué)經(jīng)驗(yàn)之后的（或者稱為之上）。在進(jìn)行大數(shù)據(jù)和人工智能的項(xiàng)目的時(shí)候，基本上都要進(jìn)行統(tǒng)計(jì)學(xué)的數(shù)據(jù)處理操作，譬如：
? 將標(biāo)定數(shù)據(jù)或者文字?jǐn)?shù)據(jù)轉(zhuǎn)化為數(shù)字；
? 將不完整的數(shù)據(jù)進(jìn)行補(bǔ)全，相鄰平均數(shù)、整體平均數(shù)、指定數(shù)據(jù)補(bǔ)全等等方法，所采取的具體方法與數(shù)據(jù)的含義和數(shù)據(jù)的采集方法有關(guān)；
? 進(jìn)行數(shù)據(jù)置信度檢查，以發(fā)現(xiàn)數(shù)據(jù)采集的偏差，這種偏差可能出現(xiàn)在設(shè)備的誤差、采集人對(duì)數(shù)據(jù)定義的理解分歧、采集過(guò)程中的數(shù)據(jù)污染（譬如經(jīng)常接到業(yè)務(wù)部門(mén)提出請(qǐng)求，某些數(shù)據(jù)導(dǎo)入的時(shí)候人為操作錯(cuò)誤）……
? 其他的統(tǒng)計(jì)學(xué)方法還有很多。
3.2. 人工智能的人工神經(jīng)網(wǎng)絡(luò)
??現(xiàn)在在人工智能領(lǐng)域很火的“人工神經(jīng)網(wǎng)絡(luò)”，只是人工智能工具的一個(gè)新人，不過(guò)因?yàn)樗朔藗鹘y(tǒng)方法的一些弊端，并且成功解決了我們后面提到的非線性分類的問(wèn)題。尤其是最近10來(lái)年，成功將“人工神經(jīng)網(wǎng)絡(luò)”的程序結(jié)合大數(shù)據(jù)、云計(jì)算，延伸到了最基本的人際交互活動(dòng)，最出名的行為有，圖像識(shí)別：應(yīng)用到了無(wú)處不在的視頻監(jiān)控；下棋：尤其是 下圍棋，還多輪絕對(duì)優(yōu)勢(shì)地戰(zhàn)勝人類。 使得”人工神經(jīng)網(wǎng)絡(luò)“變成了一個(gè)非常NiuBi的東東。
??但是，從最基本的數(shù)學(xué)入門(mén)知識(shí)來(lái)看，”人工神經(jīng)網(wǎng)絡(luò)“主要就是幾個(gè)函數(shù)：
? 用于處理狀態(tài)變化的函數(shù)，當(dāng)輸入函數(shù)發(fā)生變化的時(shí)候，輸出的狀態(tài)就是一個(gè)跳變；
? 用于處理狀態(tài)變化，但在某個(gè)區(qū)間是能夠反應(yīng)出一個(gè)線性變化的函數(shù)；
? 用于處理線性的數(shù)據(jù)變化的函數(shù)，就是很常見(jiàn)的一條直線，表示參數(shù)和輸出的比例關(guān)系、變化關(guān)系的函數(shù)，可以輸出為大小對(duì)比、數(shù)列排序等；
3.3. 激活函數(shù)的基本信息
??借用MatLab的一個(gè)神經(jīng)網(wǎng)絡(luò)的拓?fù)鋱D，我們可以看到，上圖中可以分為四個(gè)大的部分，其中：
1. 最左邊的部分，是Input，也就是輸入數(shù)據(jù)，這個(gè)輸入數(shù)據(jù)并不是原始的標(biāo)定數(shù)據(jù)，一般情況下會(huì)進(jìn)行一定的數(shù)據(jù)預(yù)處理，這個(gè)在前面已經(jīng)提及；
2. 中間的左邊部分，是第一個(gè)類型的神經(jīng)網(wǎng)絡(luò)，在“10”這個(gè)數(shù)字的上方，我們可以看到一個(gè)藍(lán)色的示意圖，他代表了這個(gè)方框的函數(shù)類型。這個(gè)示意圖，就是用函數(shù)的輸出曲線來(lái)表示的。可以看出這是一個(gè)Sigmoid函數(shù)。
3. 中間右邊的部分，是第二個(gè)類型的神經(jīng)網(wǎng)絡(luò)，在“0”這個(gè)數(shù)字的上方，可以看出這個(gè)示意圖和左邊的那個(gè)明顯不一樣，所以可知這個(gè)函數(shù)和左邊的函數(shù)所做的計(jì)算是不同的。
??這組神經(jīng)元，他的運(yùn)作是這樣的
1. 首先，他是知道Input和Output的，也就是說(shuō)，是知道輸入和結(jié)果的；
2. 其次，他是需要計(jì)算出，如果按照兩種數(shù)據(jù)處理方法，這兩組數(shù)據(jù)之間，有什么樣的關(guān)系；在“專業(yè)”的叫法上，會(huì)被叫做“學(xué)習(xí)”或者“訓(xùn)練”。實(shí)際上，我們很多“會(huì)計(jì)崗位”的運(yùn)用過(guò)Excel的人都做過(guò)與之類似的相同的事情。在給領(lǐng)導(dǎo)做年度銷售數(shù)據(jù)的展示的時(shí)候，經(jīng)常會(huì)被要求”添加趨勢(shì)線“，這個(gè)添加趨勢(shì)線的過(guò)程，就是用一個(gè)等差序列（時(shí)間）和銷量變化數(shù)據(jù)之間，進(jìn)行一個(gè)訓(xùn)練。如果洋氣一點(diǎn)，可以說(shuō)，“讓人工智能算法來(lái)看一下這個(gè)業(yè)務(wù)是不是還可持續(xù)發(fā)展”。下圖就是一個(gè)Excel的趨勢(shì)線選項(xiàng)截圖。我們通過(guò)趨勢(shì)線的選項(xiàng)，可以顯示出最終計(jì)算出的這個(gè)趨勢(shì)線圖形的函數(shù)公式：y = 0.5724x + 2.3712
3. 計(jì)算的過(guò)程中，有點(diǎn)不同于上面的趨勢(shì)線那么簡(jiǎn)單，畢竟人家叫人工智能呀，豈能只做序列關(guān)系這么簡(jiǎn)單的計(jì)算呢。由于這個(gè)計(jì)算過(guò)程往往是非常有“領(lǐng)域”的知識(shí)要求，甚至是跨學(xué)科的組合，所以當(dāng)一個(gè)人工智能被發(fā)布的時(shí)候，會(huì)把這個(gè)部分黑箱成兩個(gè)字“學(xué)習(xí)”。
4. “訓(xùn)練”或者“學(xué)習(xí)”的結(jié)果，就是算出這個(gè)神經(jīng)元的參數(shù)，也就是上面說(shuō)的神經(jīng)元框框里的W和b。如果借用剛才PowerPoint的趨勢(shì)線的函數(shù)“y = 0.5724x + 2.3712“的話，W就是0.5724，b就是2.3712。一個(gè)是圖像的函數(shù)關(guān)系，一個(gè)是圖像的偏移值。一個(gè)最簡(jiǎn)單的45度傾斜的函數(shù)圖像就是y=x，這個(gè)圖像是穿過(guò)“原點(diǎn)”的，但是如果數(shù)據(jù)不是那么巧，跟原點(diǎn)有一定的距離呢？如果以y軸的數(shù)據(jù)為距離標(biāo)記的話，就是這個(gè)b。下圖就是兩條函數(shù)，y=x 和 y=x+1的圖形。
4. 再?gòu)?fù)習(xí)認(rèn)知心理學(xué)中的“記憶”
??在心理學(xué)領(lǐng)域，對(duì)“記憶”或者“思維”或者“意識(shí)”的描述，為了區(qū)別歷史上被多個(gè)學(xué)科、人們的日?？谡Z(yǔ)描述中的“記憶”、“思維”、“意識(shí)”。將大腦中存放的感知世界的結(jié)果和大腦自己思考的結(jié)果，換了一個(gè)名稱，叫做“表征”，之所以叫做“表征”，我想，一方面是和已經(jīng)廣泛使用，歧義頗多的“意識(shí)”進(jìn)行區(qū)分，一方面也是說(shuō)明，這個(gè)東東，并不是大腦的實(shí)際存放“記憶”的結(jié)構(gòu)，只是人類能夠觀測(cè)到的界面“表征”。
4.1. 表征
??在認(rèn)知心理學(xué)的領(lǐng)域中，表征作為一個(gè)非常基礎(chǔ)的知識(shí)，構(gòu)建了很多認(rèn)知心理學(xué)的基本架構(gòu)。從一個(gè)人對(duì)外界的刺激信號(hào)的感覺(jué)器官到達(dá)表征，在時(shí)間上可能是0.001秒左右的時(shí)間，然而在這個(gè)過(guò)程中，卻要經(jīng)歷幾個(gè)層次的運(yùn)算。
??以視覺(jué)為例，簡(jiǎn)單來(lái)說(shuō)，光線到達(dá)眼睛以后，在視網(wǎng)膜形成電位變化，并不是一開(kāi)始就形成“圖像”，而是先通過(guò)明暗的電信號(hào)差異，形成物像輪廓。然后再進(jìn)行色彩的辨別、紋理的辨別……。最后，會(huì)將這個(gè)圖像“識(shí)別”出來(lái)。
??為什么會(huì)把“識(shí)別”兩個(gè)字加上引號(hào)呢？由于能夠看到這篇文章的人，從三歲以后，基本上已經(jīng)在使用“語(yǔ)言”來(lái)描述自己的心理活動(dòng)，譬如：那種胃部空曠的焦灼感受，被抽象為漢字的“餓”、英文的“hungry”，這里的“識(shí)別”，很多人就會(huì)認(rèn)為，是識(shí)別出物體的“名稱”，實(shí)際上遠(yuǎn)遠(yuǎn)沒(méi)有到達(dá)那么高級(jí)的層次。這個(gè)“識(shí)別”，只能說(shuō)是你見(jiàn)到了一個(gè)從沒(méi)見(jiàn)過(guò)的東西的狀態(tài)。
??當(dāng)我們能夠到達(dá)大伙所習(xí)以為常的普通的識(shí)別的時(shí)候，就已經(jīng)走入了“知識(shí)的范疇”，就是非常高級(jí)的思維層次了。在這個(gè)層級(jí)就完全是“表征”的世界。
??發(fā)現(xiàn)這個(gè)從感覺(jué)到表征的過(guò)程，有許多貓咪作出了巨大的犧牲，各位有興趣的可以去參考“《大話深度學(xué)習(xí)2:折磨了那么多只貓,還得了諾貝爾獎(jiǎng)?》”
4.2. 圖式
??圖式是一種對(duì)記憶的結(jié)構(gòu)進(jìn)行抽象命名的名詞。他代表了人類的記憶是一種紛繁復(fù)雜進(jìn)行互相關(guān)聯(lián)的關(guān)系狀態(tài)。最普遍的閱讀的時(shí)候，大腦當(dāng)中就有：顏色、字體、語(yǔ)言、上下文、劇情等等復(fù)雜的圖式結(jié)構(gòu)被調(diào)用。
??同時(shí)，圖式還支持類似計(jì)算機(jī)中的“泛型”，也就是使用“代詞”的方式，在可以抽象地代替具體的事、物的方法。這種方法讓人的交流可以出現(xiàn)大量的不確定，也可以應(yīng)對(duì)大量的變化?！爱?dāng)你看到的時(shí)候把他交給你的事情做好”，這一句簡(jiǎn)單的話，卻可以完成大量的不確定表達(dá)?！灰J(rèn)為是人類的智慧早就了這個(gè)五彩繽紛的世界，是因?yàn)樽匀贿M(jìn)化的結(jié)構(gòu)的支持，才讓人類如此繽紛多彩?！鲞^(guò)系統(tǒng)設(shè)計(jì)的人都會(huì)體會(huì)到，在底層架構(gòu)上不支持的功能，依靠上層行為規(guī)則勉強(qiáng)實(shí)現(xiàn)的時(shí)候，效率是非常低下的。
5. 人際關(guān)系的基本數(shù)學(xué)模型
??在借鑒了以上的知識(shí)基礎(chǔ)后，再運(yùn)用一些“社會(huì)認(rèn)知”的經(jīng)驗(yàn)、知識(shí)，我們就可以勾勒出一幅人際關(guān)系的“圖式”模型，并且將其中的大部分“表征”用數(shù)學(xué)的方式表示出來(lái)。
??在《社會(huì)認(rèn)知》科學(xué)當(dāng)中，非常深入地研究了在人所組成的這個(gè)人際社會(huì)中，從交流到人際印象到群體效應(yīng)等等方面的科學(xué)規(guī)律。還研究了群體之中語(yǔ)言、行為、交流等規(guī)律和現(xiàn)象。而且在《Social Intelligence》章節(jié)，也研究了是否能夠用數(shù)學(xué)方法表述人類在社會(huì)活動(dòng)中的智能活動(dòng)架構(gòu)。
5.1. 人際關(guān)系模型的基本原則
1. 觀測(cè)受限原則
??由于人際關(guān)系的數(shù)據(jù)模型，還是有大量的重要數(shù)據(jù)是人的思維結(jié)果，但是由于目前人的思維具體結(jié)構(gòu)還是不可以觀測(cè)，所以必須要時(shí)刻提醒，在現(xiàn)有的技術(shù)背景下，還是有大量的數(shù)據(jù)不可以觀測(cè)。這種觀測(cè)包括兩種結(jié)構(gòu)，
? 一個(gè)不能觀察：即沒(méi)有表情、沒(méi)有行動(dòng)的表現(xiàn)，但是有內(nèi)心活動(dòng)的新的表征產(chǎn)生。
? 另一個(gè)是即便觀察到了，但是，由于觀察到的現(xiàn)象無(wú)法分類，以至于不能稱為有效測(cè)量。
??其實(shí)，這個(gè)原則在歷史上，中國(guó)人曾經(jīng)有過(guò)非常成功的突破的案例，那就是“中醫(yī)”。中醫(yī)的知識(shí)結(jié)構(gòu)中，絕大多數(shù)是不符合“解釋與邏輯”的結(jié)構(gòu)體系的。也就是說(shuō)，無(wú)法回答“原因與結(jié)果的關(guān)聯(lián)關(guān)系”。但是，卻可以總結(jié)出經(jīng)驗(yàn)，用“表象A、表象B”與“表象C”的關(guān)聯(lián)關(guān)系，來(lái)計(jì)算或測(cè)算身體的變化。這就像我們很多人無(wú)法理解這種“頭痛望舌頭”的規(guī)律一樣，今后對(duì)于不可觀測(cè)的思維活動(dòng)的測(cè)量方法，一定也是采用突破人類常規(guī)邏輯的方法。
? 再一個(gè)就是：可觀察到的行為，與決定之間的欺騙現(xiàn)象。用中國(guó)古典的說(shuō)法就是“兵不厭詐”。
2. 非線性原則
??對(duì)于能夠觀測(cè)到的活動(dòng)，也有大量的有效結(jié)果，是非線性的。前文我們提到了一些非線性系統(tǒng)的信息，我也在之前的分享的文章中描述過(guò)非線性的一些常見(jiàn)現(xiàn)象，現(xiàn)在我們?cè)購(gòu)?fù)習(xí)一下
?局部不響應(yīng)：
??從反對(duì)、到中立、到支持，我們可以看到的行為可能有：咒罵生氣、默不作聲、手舞足蹈；這些行為最終會(huì)被轉(zhuǎn)化為數(shù)字序列進(jìn)行計(jì)算，但是，并不代表就一定是一個(gè)等比、等差序列。他代表的是互不關(guān)聯(lián)的不同的東西。其數(shù)據(jù)之間，大部分不能進(jìn)行加減運(yùn)算。
?無(wú)對(duì)立數(shù)據(jù)：
??從人的關(guān)系活動(dòng)來(lái)看，有正向關(guān)系的時(shí)候，人與人互相之間可能會(huì)有合作活動(dòng)。但是，對(duì)于負(fù)向關(guān)系，人與人之間一般情況下沒(méi)有相互活動(dòng)，對(duì)于觀察來(lái)說(shuō)，負(fù)向關(guān)系和沒(méi)有關(guān)系的觀測(cè)結(jié)果是一樣的。
3. 場(chǎng)景原則
??在社交環(huán)境下，一個(gè)人的表現(xiàn)，會(huì)和他所對(duì)所處環(huán)境的進(jìn)行判斷，以確定自己的行為符合環(huán)境，按照行為的顯著區(qū)別，一般可以分為以下的環(huán)境類型。
?私下：
??中國(guó)哲學(xué)中指出的是類似于動(dòng)物居于深幽的巢穴之中的場(chǎng)景，也是君子慎獨(dú)的那種獨(dú)處的環(huán)境。這種場(chǎng)景下，人處于最安全、最放肆的環(huán)境中，是最真我的釋放。這種情況下即便是裸身也是無(wú)所顧忌的。
?熟悉：
??一般情況下，指的是與家人、朋友在一起的環(huán)境下，在某些可以擴(kuò)展到戰(zhàn)友、同事。在這種場(chǎng)景下，人處于安全、卻不放肆的環(huán)境中，仍然需要顧及一些人際禮數(shù)。
?公眾：
??這種場(chǎng)景，就像是逛街、超市、菜市場(chǎng)里的顧客。在這種場(chǎng)景下，人的狀態(tài)屬于最中性的，也是絕大多數(shù)商品所定義的消費(fèi)環(huán)境。
?公開(kāi)：
??這種公開(kāi)指的是在公開(kāi)的場(chǎng)合表現(xiàn)自己。在眾目睽睽之下，往往是需要最為謹(jǐn)言慎行的時(shí)候，幾乎所有的表達(dá)都會(huì)經(jīng)過(guò)改造，以達(dá)到最期望的效果。
?危險(xiǎn)：
??在危險(xiǎn)的場(chǎng)景下，行為的決策會(huì)具有非常大的不確定性，在熟悉環(huán)境下很普通、常見(jiàn)的消息，都會(huì)被賦予更多的含義。
5.2. 人際關(guān)系模型
??1. 不得不面對(duì)的測(cè)量難度：一個(gè)能夠被測(cè)量和表達(dá)的人際關(guān)系模型，是一種受限的模型，因?yàn)橛泻芏嘈畔⑹菬o(wú)法觀測(cè)到的，并且受到場(chǎng)景的限制。
??2. 能夠被測(cè)量到的行為：，是一個(gè)分類與矢量（強(qiáng)度且有方向）判斷的過(guò)程，并且綜合場(chǎng)景的分類判斷。
??基于這樣的背景，我們把人際關(guān)系的模型描述為：人與人之間的關(guān)系預(yù)期，并通過(guò)在一定場(chǎng)景下的行為分類，以驗(yàn)證關(guān)系分類是否正確的過(guò)程。
5.2.1 人際關(guān)系的定義
??人際關(guān)系的定義，也可以說(shuō)是是對(duì)人際關(guān)系的分類。從人們對(duì)人際關(guān)系的“稱呼”或者“命名”來(lái)看，其背后帶有很顯著的“分類”行為特征。
??用通俗的方式，并引用人們?nèi)粘Ｔ谌穗H關(guān)系方面的體會(huì)，能夠很直觀體會(huì)出這種“分類”特征。
??通常情況下，我們會(huì)把人際關(guān)系稱為：“夫妻、朋友、父子、母子、同事”等類別，并且在以下方面可以典型地將這些關(guān)系進(jìn)行區(qū)分：
1. “思想交流”行為不一樣：
??典型的是在“思想”的共享不同，這個(gè)“思想”的含義是什么呢？主要指一個(gè)人對(duì)另一個(gè)人共享自己想法的程度，譬如：對(duì)一個(gè)事情的看法、對(duì)另外一個(gè)事物的好惡、價(jià)值觀、人生觀等，“思想”的成果?？梢悦鞔_的是：夫妻之間、朋友之間、同事之間，共享的”思想“類型是區(qū)別很大的：和朋友不會(huì)分享“你愛(ài)不愛(ài)我？”這樣的主題。
2. 資源行為不一樣：
??典型的是在“物資”共享不同，這個(gè)方面有豐富的經(jīng)濟(jì)性質(zhì)。譬如：錢(qián)給不給你用……，房子給不給你住……，美味佳肴給不給你吃……。
3. 語(yǔ)言行為不一樣：
??由于人際關(guān)系的不同，在語(yǔ)言中的“名詞：稱謂”上就顯然不一樣，“語(yǔ)氣詞”上也不一樣。
??語(yǔ)言作為觀測(cè)人的思想的窗口，是人類對(duì)智能研究的一個(gè)重要載體，甚至在前面提到的“表征”，專門(mén)提出了，本能的“智能”，在成人熟練掌握語(yǔ)言后，往往被“語(yǔ)言表征”替代，就是說(shuō)，人在最初沒(méi)有學(xué)會(huì)語(yǔ)言表達(dá)之前，譬如新生兒階段，也是很“智能”的。但是，當(dāng)十歲以后，人的大腦運(yùn)算過(guò)程和運(yùn)算結(jié)果，能夠被關(guān)注到的幾乎都是由“后天學(xué)會(huì)的語(yǔ)言”進(jìn)行描述。并且隨著書(shū)本知識(shí)的積累，為了讓自己的思維越來(lái)越能夠貼近”科學(xué)“，在我這個(gè)年紀(jì)的人，越來(lái)越缺少那種“直覺(jué)而來(lái)”的思維。
5.3. 人際關(guān)系的參數(shù)權(quán)值
5.4. 人際關(guān)系的偏差
5.5. 人際關(guān)系的損失
5.6. 行動(dòng)與定義的錯(cuò)誤分類
待續(xù)
??在過(guò)去的一年多的時(shí)間里，因?yàn)楣ぷ髟?，大量的時(shí)間在解決一些超出預(yù)期的項(xiàng)目任務(wù)，由于：項(xiàng)目的時(shí)間、成本、產(chǎn)出、范圍、變化、質(zhì)量，以及項(xiàng)目本身的各種文案、會(huì)議……占據(jù)了大量時(shí)間，在身體上、思考上，都占據(jù)了我的大量時(shí)間資源。
??今年開(kāi)春以后，一方面恢復(fù)了規(guī)律的鍛煉，一方面就是恢復(fù)對(duì)《認(rèn)知科學(xué)》的學(xué)習(xí)和思考。
2018年3月17日
連云港
Wollaston
