读完《脑科学讲义》之后，我最大的感受就是震撼。 它表面上是在讲大脑，实际上讲的是人怎么认识世界、怎么理解自己，甚至可以说，它讲的是“人到底是怎么成为今天这个样子的”。一开始我只是把它当成一本脑科学科普书来看，但越往后读越觉得，它其实不只是科普，而是在用一种很科学的方式，重新解释我们平时习以为常的很多东西，比如情绪、记忆、学习、选择，甚至欲望和自由意志。 书一开篇那句话我印象特别深： 大脑是人体最重要的器官，但是这是脑告诉你的。 这句话一下就把我吸引住了，因为它既有点幽默，又一下点出了这本书最有意思的地方：我们用来理解世界的工具，恰恰也是最难被我们真正理解的东西。 我们平时总觉得“我在思考”“我在判断”“我在做决定”，但这本书会让人慢慢意识到，很多你以为自己很清楚的事，背后其实都是大脑在运作，而我们未必真的知道它是怎么运作的。 前三章有点“硬”，但也让我读出了熟悉感 前面三章主要还是偏理论，先讲脑是人类心智的载体，再讲脑的基本单元，然后重点讲作为“计算器”的脑在不同场景下是怎么工作的。 说实话，这几章专业术语挺多，书里也穿插了不少实验。如果只是单纯当消遣来读，确实会有点枯燥。不过我自己是计算机专业出身，所以读这部分的时候反而还挺有感觉的。 很多概念虽然属于脑科学，但理解起来会让我联想到计算机里的输入输出、反馈、建模、强化这些东西，所以不会觉得特别难，反而会觉得很有意思。某种程度上，我甚至会觉得，人脑和很多技术系统虽然不是一回事，但它们在一些底层逻辑上确实有相通的地方。 预期比奖赏本身，更能驱动人 这本书里让我特别有感触的一部分，是关于“预期差”和多巴胺的内容。 以前我也知道多巴胺和奖赏有关，但这本书让我真正明白，多巴胺代表的并不是奖赏本身，而是 对奖赏的预期 。也就是说，它更像是一种“未来会有好事发生”的信号，而不是“好事已经来了”的信号。 这个点对我触动挺大的，因为它一下就解释了为什么很多时候，追求目标的过程反而比真正实现目标更快乐。很多时候我们最兴奋的，不是拿到结果那一刻，而是快要接近结果、又还没有完全得到的时候。人很多动力，其实都来自这种“将来时”的快乐。 我觉得这个解释特别妙，因为它和现实中的很多感受都能对上。比如学习一个新东西、追一个目标、等一个好消息，甚至包括生活里很多期待，本质上可能都不是因为结果本身有多了不起，而是因为这个过程中，大脑一直在被“可能会得到”的预期拉着往前走。 这样再回头想，会觉得人很多时候并不是活在当下，而是活在自己对未来的想象里。希望是这样，焦虑也是这样，动力是这样，很多执念其实也是这样。 真正重要的，可能不是技巧，而是安全感 顺着这个思路，我还挺认同书里能延伸出来的一个结论，就是一个稳定、可靠、有安全感的环境到底有多重要。 以前说到教育，很多人第一反应还是成绩、方法、技巧，但如果从脑科学的角度看，一个孩子最重要的东西，可能首先不是学了多少，而是他的大脑是在什么样的环境里长大的。 一个长期处在稳定、安全、可预期环境中的人，更容易形成对世界的信任感，也更容易建立比较平稳的内在秩序。反过来，如果一个人大脑一直处在紧张、防御、不确定的状态里，那他很多行为其实都不是“想不想努力”的问题，而是系统本身已经被环境塑造成那样了。 所以我现在越来越觉得，所谓“鸡娃”，最重要的可能不是加码，而是先把基础环境打稳。给孩子一个更富足、更可靠、更有安全感的家庭环境，这件事本身可能比很多技巧都重要。 读脑科学时，我一直在想到人工智能 除了这些，这本书让我最有共鸣的，还有它关于学习机制的讨论。 书里讲到，巴甫洛夫式学习和斯金纳式学习，本质上都是在反复同时出现的事件之间建立相关性，再拿这种相关性来指导行为。读到这里时，我一下就联想到了人工智能。 因为这几年 AI 的很多核心争论，本质上也和这个问题有关：到底学习是什么？到底是靠总结规则来理解世界，还是靠对海量数据中的相关性进行建模来逼近世界？ 这两种思路，其实对应的正是两种完全不同的方向： 一条路是形成抽象概念，建立明确规则，然后用规则去理解复杂世界，这有点像专家系统，也更接近理性主义。 另一条路是时刻关注概率，根据大量反馈不断调整输出，这更像深度学习，也更接近经验主义。 现在基于深度学习的模型已经很强了，但关于它的批评也一直很多。大家会说，它其实并不真正理解世界，不理解因果，也不理解物理规律，它只是根据海量数据里的相关性去生成一个最像“正确答案”的输出而已。 所以未来真正的通用人工智能，到底是不是一定需要一套“世界模型”，也就是一种更底层的规则和逻辑系统，我觉得这确实是一个很大的问题。 这本书，也让我重新理解了我最近在用 Agent 的体验 而这部分内容之所以让我印象特别深，是因为它和我最近这一段时间的工作体验几乎可以直接对应上。 我大概是从去年 10 月左右开始系统地用 agent。刚开始的时候，模型能力还没现在这么强，你只要稍微把任务说得开放一点，它就很容易跑偏。所以那时候我经常要给它加很多限定词，把边界写得特别清楚，尽量让它别乱发挥。 后面我们开始用 skill。我现在回头看，skill 某种程度上就很像一种经验沉淀后的明确规则。它像一个简化版说明书，告诉 agent 该怎么做、先看什么、按什么顺序走。一方面它确实能提高稳定性，另一方面也能省 token。 但特别有意思的是，最近模型能力更强以后，我发现自己反而越来越少用 skill 了。不是因为它没价值，而是因为模型推理能力上来之后，规则有时候反而会限制它。 以前是因为它不够强，所以需要扶着走；现在它更强了，限制太多反而容易压住它本来可以做出来的东西。 这个变化给我的感受很深，因为它让我觉得，不管是对人脑还是对 AI 来说，规则和概率、明确框架和自由推理，都不是绝对的谁好谁坏，而是和能力边界、资源条件强相关的： 能力弱的时候，我们更依赖规则。 能力强的时候，过多规则反而会变成束缚。 很多选择，归根到底都是资源问题 所以读完这本书后，我越来越觉得，很多选择归根到底其实都是资源问题。 我们之所以依赖规则、依赖经验、依赖简化模型，并不一定是因为这些东西更接近真相，而是因为我们的资源有限。动物的大脑为什么总是要从复杂世界里抓重点、找规律？未必是因为世界真的那么简单，而是因为它没有能力把所有信息都处理完，所以只能用一种成本更低的方式去活下去。 换句话说，很多所谓的“认知方式”，背后其实都是算力、时间、注意力、安全感这些资源分配的结果。 这也是我读这本书时越来越强烈的一个感受： 人并不是在最优条件下思考，而是在有限条件下做出足够可用的判断。 相关性不等于因果性，但大脑往往只能先抓住相关性 也正因为这样，我对相关性和因果性的关系有了更深一点的理解。 我现在会更倾向于认为： 因果性一定伴随着相关性，但相关性不一定代表因果性。 对于动物来说，真正重要的当然是掌握因果，因为只有理解因果，才更有利于生存和繁衍。但问题是，因果太贵了。获取因果需要更长时间、更高抽象能力、更高试错成本。 于是大脑为了节能，很多时候只能退一步，用相关性去近似地代替因果，然后据此做决策。也就是说，脑直接能学到的，可能更多只是时间序列上的相关模式，而不是我们后来总结出来的那些“本质规律”。 这个观点我觉得非常重要，因为它不仅能解释很多认知偏差，也能解释为什么人很容易对经验上瘾、对模式过度自信、对“我以为我懂了”这件事抱有不必要的确定感。 这本书真正厉害的地方，是它让我对“自己”都没那么想当然了 《脑科学讲义》最厉害的地方就在这儿。它没有让我觉得“原来人脑也不过如此”，反而让我更强烈地感受到，人其实是一个非常复杂、非常微妙的存在。 我们很多时候并没有自己想象得那么理性，那么清醒，那么理解自己。 我们以为自己是在主动选择，可能只是被预期推着走。 我们以为自己掌握了规律，可能只是看到了相关。 我们以为自己看清了世界，其实看到的很多只是大脑加工后的版本。 所以对我来说，这本书最大的价值，不只是让我学到了一些脑科学知识，而是它让我重新理解了人，也顺带让我重新理解了人工智能。 很有意思的是，我一边通过脑科学去看人脑，一边又会通过自己使用 agent 的经验，反过来理解人脑为什么会这样工作。这种感觉挺奇妙的，好像两个原本不同的领域，在“如何学习”“如何决策”“如何在不确定中建立模型”这些问题上，突然照到了一起。 结语 如果用一句比较简单的话来总结这本书给我的感觉，我会说： 它让我意识到，人并不是因为真正掌握了世界的全部真相，才活成今天这样，而是因为大脑在有限资源下，发展出了一套足够高效、足够实用的近似理解世界的方法。 它未必完美，甚至经常出错，但它足够支撑我们活下去、做选择、建立秩序。 而这本书真正有意思的地方，就在于它让人开始认真地想： 我们以为最了解的自己，可能其实只是大脑给自己讲出来的一个版本而已。 1 个帖子 - 1 位参与者 阅读完整话题
isirin1131.github.io %E5%88%86%E6%9E%90%E8%AE%B2%E4%B9%8920260514.pdf 218.06 KB 不知道叙事节奏够不够友好？ 2 个帖子 - 2 位参与者 阅读完整话题
IT之家 5 月 12 日消息，苏州大学金融工程研究中心今日发布讣告，我国著名数学家、教育家，苏州大学原校长、数学科学学院名誉院长、金融工程研究中心主任，同济大学数学研究所原所长、教授、博士生导师姜礼尚教授于 2026 年 5 月 8 日在上海与世长辞， 享年 91 岁 。 姜礼尚教授 1935 年 10 月生于江苏，1954 年毕业于北京大学数学专修科，1960 年获北京大学偏微分方程方向研究生学位，先后在北京航空学院、北京大学任教。1983 年任北京大学教授，1985 年被国务院学位委员会评为博士生导师，1989 年至 1996 年担任苏州大学校长，后任职于同济大学数学系，2007 年创建并出任苏州大学金融工程研究中心主任，同时担任苏州大学数学科学学院名誉院长、应用数学研究所所长，深耕数学研究与教育一线逾七十载。 他先后荣获第七届华罗庚数学奖、第三届苏步青应用数学奖，两次获得国家自然科学三等奖，1993 年被评为全国教育系统劳动模范并授予“五一”奖章，彰显了其在学术与教育领域的卓越成就。 姜礼尚教授在数学研究领域贡献卓著， 研究方向涵盖偏微分方程理论及其应用、金融数学等 ，学术成果具有广泛国际影响力。IT之家汇总如下： 作为新中国培养的杰出数学家，他长期深耕偏微分方程领域，证明了一维两相 Stefan 问题古典解的存在唯一性以及自由界面的无穷次可微性，为该领域的发展奠定了重要理论基础； 他积极推动数学与实际应用的深度融合，早年参与葛洲坝船闸设计计算、石油渗流问题研究，建立贴合实际的数学模型； 晚年深耕金融数学领域，带领团队开创同济大学金融数学专业，主持建设的《金融衍生物定价》课程 2008 年获评国家精品课程，推动金融数学学科跻身全国领先行列。 他编写《 期权定价的数学模型和方法 》《 数学物理方程讲义 》等多部经典教材，发表学术论文数十篇，其学术团队被国际同行誉为“Jiang's Family”，成为中国数学界的一段佳话。
如题哈，哪个佬友有考过的，可以分享一下吗 1 个帖子 - 1 位参与者 阅读完整话题