这周的课程主要讲的是数据的收集和算法的优化，这个理论可以和我们生活中的很多事联系起来。比如，在刚开始做事时，我们需要大量的试错获得经验，形成算法。然后不断优化算法，提醒自己为什么要做这件事，时刻提醒自己要不忘初心，才能获得幸福。

1. 第一节课

我们讲过，要提升认知最好要积累大量的数据，同时也讲过要不断精简我们的认知，如无必要勿增实体，你自然就会有一个疑问：到底是该多还是该少啊？第一节课我们说的就是这个问题：该多的叫数据，该少的叫算法，算法是在数据的基础上总结提炼出来的，高手就是既有大量数据又有算法的人。

经常会有人问我，健身时应该注意什么或者他的健身动作对不对？我都会告诉他：在安全的前提下，坚持“练”就可以了。随着你健身时间的延长，你可能会想着这样练或者那样练会不会更好，这就形成了算法。坚持练是收集数据，数据收集多了才能形成算法。你的算法也不一定正确，但随着你健身时间和次数不断增加（也就是不断收集数据），自我会调整训练方法和技巧。这就是算法的不断迭代。

2. 第二节课

但是，如果把握不好数据和算法的关系，你就很容易陷入到伪学习当中，伪学习又跟伪选择有关。第二节课我们讲的就是，真正的选择是无可选择，当你有很多选项的时候，那就是伪选择，这种状态下的学习、改变、迭代，都是没有效果的。

无可选择的选择才是真选择

认知留级和难以实现认知升级的原因，本质上就是回避痛感，核心上就是不选择，或者说选择那种不可能有实质性差异的选择。就像萨特说的：你可以不选择，不选择就是选择了不选择。人在认知留级，甚至推广到职业生涯、创业状态的留级，往往都是选择了不选择。

即使数据量很大，动辄一万小时，也没有造成真正的升级，是因为“有练习，无刻意”，而刻意就是痛感，是不断面对真选择。有很多选择的时候都是假选择，往往是无可选择的时候才是真选择。

健身房也经常能看到这样的人，用一个小重量从头练到尾，几个月之后看不出他有任何变化。这种练习其实就是“有练习、无刻意”，没有寻求在某个动作上的改进，或者重量上的突破，肌肉一直处于“舒适区”。

这节课的最后吴老师给出了算法的三个特点：底层中立、潜在无头脑、结果有保障。在日常生活中，如果一个人是这样状态的话，你会觉得他傻吗？

底层中立：对什么人都是一个态度；没什么头脑：歹也好，好也好，你有千变万化，我有一定之规，阿甘、郭靖都是这样的人；结果有保障：行为和思维是能够预期的。

3. 第三节课

然而在学习过程中，我们会经常犯一个错误，那就是走着走着，就忘了自己的目标是什么，被眼前的任务和障碍所绑架。所以第三节课我们说，确立了目标和算法之后，我们还要记住一个要素——关键结果，这是著名的OKR管理法给我们的认知带来的启示。

这里借用一位同学的留言，我觉得特别好和大家一起分享一下：有位老教授做过一个测试。他问：“如果你去山上砍树，正好面前有两棵树。一颗粗，另一棵细，你会砍哪一棵。”回題一出，大家都说：“当然砍那棵粗的了！＂老教授一笑，说：“那棵粗的不过是一棵昔通的杨树，而那棵细的却是红松，现在你们会砍哪棵？”我们一想，红松比较珍贵，就说：“当然砍红松了，杨树又不值钱！＂老教授带着不变的微笑看着我们，回：＂那如果杨树是笔直的，而红松却七歪八扭，你们会砍哪一棵？我们觉得有些疑惑，就说“如果这样的话，还是砍杨树。红松弯弯曲曲的，什么都做不了！老教授目光闪烁着，我们猜想他又要加条件了，果然，他说“杨树虽然笔直，可由于年头太久，中间大多空了，这时，你们会砍哪一棵？虽然搞不懂老教授的葫芦里卖的什么药，我们还是从他所给的条件出发，说：“那还是砍红松，杨对中间空了，更没有用！”老教授紧接着问：“可是红松虽然不是中空的，但它担曲得太厉害，砍起来非常困难，你们会砍哪一棵？我们索性也不去考虑他到底想得出什么结论，就说：“那就砍杨树。同样没啥大用，当然挑容易砍的砍了！＂老教授不容喘息地又回“可是杨树之上有个鸟巢，几只幼乌正躲在巢中，你会砍哪一棵？终于，有人同：“教授，您到底想告诉我们什么，测试些什么呢？老教授收起笑容，说：你们怎么就没人问问自己，到底为什么砍树呢？虽然我的条件不断变化，可是最终结果取决于你们最初的动机。如果想要取柴，你就砍杨树；想做工艺品，就砍红松。你们当然不会无缘无故提着斧头上山砍树了！

4. 第四节课

最后一节课的关键词叫“合作”。我们一直在说算法，那合作当中的核心算法是什么？我们总结了四条：（1）不以损害对方的利益为起点；（2）不是你选择合作伙伴，而是合作伙伴选择你；（3）合作总是表现为利他主义；（4）利他主义不是目的，合作的真正目的是要形成一个近似于生命、可持续生存和成长的利益共同体。

希望以上内容对你有启发，我是无畏的小强，希望和你一起成长。