在计算机深度学习模式中，即计算机的学习过程是一个黑匣子模式，这也是深度学习最让人感到不安的地方。AI能很好的产出人要求的结果，但是人却不知道它的思考过程。不过，人其实也并不知道计算机是否有过“思考”。

用AI的这种产出思路，来参考大脑模式如何？

1 喂食数据

比如持续给大脑喂食大量的数据，这样用一个黑箱子的思维就可以很好的让大脑无意识去解决问题，从而产出要求的结果。

对于一些文字工作者来说，这种体验是存在的。在下达某个主题文字任务后，不用去思考如何完成，而只是持续大量的阅读相关素材。阅读的越多，文字的灵感就回越丰富。大脑很自然的对这些数据进行加工和处理，睡一觉后，或许就开始文思泉涌。

如何把大脑也当成一个黑匣子，只需要喂食足够的数据，似乎就不用再担心任何产出结果了嘛。

可是，我们在工作产生总是充满焦虑。为何？

我们之所以对工作产出对焦虑，就是大脑还没法响应到最终的结果。我们吸收知识，然后最终产生，如果用一个黑箱子思维，那么不用去理会具体推理的细节。只需要让它自己运行就可以了。只是，我们需要给出它要达到的结果。

如果达到对结果要高于它的响应惯性，那么就会产生焦虑。如同词穷一般，要马上加入口若悬河的辩论，那肯定会感受到压力一样。

怎么做呢？

我们需要将最终对结果分层设定，也就是目标分解。用金字塔的方式来分解目标。大脑可以响应最底层的目标，而后才会响应最上层目标，从而最终产出目标值结果。

2 处理训练

AI的深度学习模型中，计算机是需要不断训练的。同样，能做到无焦虑一步到位的输出能力，需要对脑进行训练。

我们的常规学习模式，就是通过一次次实践，从而让我们对待目标值感到轻松。通过一遍遍的反复验证，让我们确定这是我们要达到的最终效果。

大脑也需要不断的训练，用不同的数据来训练大脑模型。

我们整块的时间去阅读，去学习，去吸收各种知识，充电，阅历就是在不断给大脑带来数据支持。我们对大脑对非结构数据的处理能力要强大很多。譬如图片，语音等等。

我们无法做到像计算机那样在运算下的效率，但是我们在处理非结构数据，抽象数据上面表现出神奇的能力。这样难怪人类才能产生哲学类思考，才能分析出复杂多变的情绪能力。处理能力，有些是我们与生俱来对本领。有些则需要不断对训练从而来提升这种处理能力。

我们可以通过不断的输入数据，来提高大脑的数据处理能力。海量的数据输入，并不是需要输入哪些生硬对信息数据点，而是需要去输入哪些数据网状系统。大脑对信息处理，往往是联想式的，回忆式的。我们只需要知道某个信息存在哪里，如何有效取用就可以。至于这些信息是如何发挥作用，如何产出我们想要等结果，那么就当大脑是一个黑箱子就够了。

很多人担心大脑的存储量很有限，已经有科学报告驳斥这种误区认识了。

而现在大脑可能更适合记录网状知识结构。而这个的信息存储量一定要有限得多。我们需要用笔记app的方式来协助我们记录哪些碎片化的数据，留给大脑更多思考的空间。更多的去记录那些可以将知识点链接的信息。

另外，也不能忽视一些底层信息沉淀。如果都只是做这些网络的搭建，而没有填充一些骨肉，那么这些网状就无法支撑起来。变成一团乱麻，对大脑的处理会带来负重的影响。

有时候我们的处理能力很慢，就像我们说，一些人天生愚笨一样。但是当给电脑喂食足够的数据后，它如何处理这些数据的，我们其实大可放心。慢的处理速度，也能够产生出理想的目标值。这便是我们理解的：勤能补拙了。

3 升级认知

我们大脑的处理能力，既然能够提高，那么也就必然能够有效训练的。至于为什么能训练，其实这无需理解得太多。人类处于进化之中的，我们现在的人类一定是比古人聪明很多。也就是现代大脑处理速度要快很多。对大脑的训练，最典型第一种表现就是不断的提升大脑的认知水平。

这种提升，最捷径的方式就是模仿更聪明人的思考方式。将前人的智慧直接复制过来。

到无可复制到时候，就需要自己创新认知了。然而颠覆式的认知是很难做到的，这个时代很多新的认知都是积木式组合出来的，先从机械的组合，再到能够深度融合。

认知升级是一个循环往复的过程，从大量的数据导入，到某种连接带来的灵感，从而能推动大脑一次微小的认知升级。升级之后的大脑，对此前的数据再次处理，会产生新的连接，从而发生新的认知变更。

以上，大脑所需要经历的的三个环节：喂食数据，处理训练，认识升级，就是我认为的大脑的黑匣子模式。

作者：曹涛CT，产品经理，互联网追风人