《暗时间》
最近花了几天时间看完了《暗时间》这本书，作者以他对思维方式的深刻见解阐述了人类在思维上的一些缺陷，并如何去利用思维背后的原理去弥补这些缺陷。道理虽然听过不少，但很少可以在关键时刻想到并应用，而作者则重在讲解道理背后的原理，告诉我们为什么这样而不是应该这样。
以下是自己对作者观点的一些理解和总结：
学习方面
时间有限，面对选择不要犹豫
面对学习方向的选择有些人总是习惯性地评估哪个方向更好，哪个方向收益更高，在选择上犹豫很长时间，到最后却因一直选不出结果而放弃，这倒不如先选一条自己感兴趣的路试试看，因为有些路不试探地走一走是不知道它到底长什么样的，在不清楚长什么样的前提下的比较是没有意义的，而且选择后能够持之以恒地学下去才是关键，这由什么来支撑，兴趣是一个很重要的因素。
面对要买的商品，犹豫选哪个好的时候对手里的钱来说不会有改变，钱还是自己的钱，而面对花时间去学某领域知识时，不知选哪个学习方向的时候，犹豫的这段时间它过去那就不再是属于自己的了。
高效学习
有效学习时间=学习时长*学习效率
不同的人花同样的时间所学到的东西是有差异的，虽然花的时间相同，但有效的学习时间是不一样的，这与学习效率相关，而学习效率与专注力相关，专注力高，效率自然就高，专注力又与表层意识和潜意识相关，当表层意识和潜意识都集中于同一个问题，那么专注力是最高的，人们常说身在A心在B，这里A就属于表层意识所关注的，而B就是潜意识所关注的。
人的精力有限，不可能把所有东西都去了解一遍，可以把所要学的东西或者要解决的事情按重要程度和紧急程度来分级，潜意识里容纳一些重要的事情，即使表层意识转移到一些不重要的事情时，潜意识仍然在关注着重要的事情，不知不觉地增加了学习的时间，而且有些问题的答案就隐藏在脑海里但就是想不出来，需要一些外部的启发让自己搜索到这个答案，这个启发可能来源于不经意间的举动、一个砸到头上的苹果等等，如果潜意识里没有这些，即便是一件可以让你联想到答案的事情发生了也不会引起自己的注意。
其次，当表层意识空闲的时候再把重要的事情由潜意识散发到表层意识，以达到更高的解决效率，而对于不重要的事情则等它自己来找到你。
目标具体化，过程可量化
目标应该是具体的、明确的，不应是模糊的、模棱两可的。比如学习某一方面知识，制定一个模糊的目标：学到能够运用该领域知识解决一些实际问题。那么想要解决的具体是哪些实际问题？这些实际问题的难度如何？学到什么程度才可以？需要学哪些内容？这些问题的不确定性会使我学习的过程很艰难，不知如何下手，学到中途发现无法确定这个目标的边界在哪，做这件事的目的是什么，最终可能因一眼望不到头而过早放弃。
一个具体的目标比如了解到该领域知识可以通过看一些书籍来获取，有3本比较经典的书籍，第一本讲解了该领域的知识概况，可归为树干部分；第二本讲解了各个知识点的详细内容，归为树枝部分；第三本讲解了各个知识点在实际问题中的应用，归为树叶部分。那么我的目标可设定为：学完这三本书。只要学完这三本书就可以大致了解该领域的知识及在实际问题中的应用，如果还想深入学习去解决一些更高难度的问题，只需在原始知识树的基础上增加一些新的树枝分叉和树叶，即学习关于某一知识点的衍生内容和应用。
这个具体的目标相较于第一个要显得容易实现得多，更容易触及目标的边界。在学的过程中也更加有目的性。人的精力和时间是有限的，不可能什么都学，因为学习的目的是为了解决实际的问题，你不可能所有问题都会遇到，学习主要的内容就能解决大部分的问题，并且学习的过程也是循序渐进的，在基础没牢固之前去拓宽知识树的结果好比是丢了西瓜捡了芝麻。
过程可量化，即实现目标的过程可量化，将过程切分为实现几个小目标的过程。比如学3本书，可以切分为3个小目标，对实现每个小目标的过程再切分，比如一本书12个章节，可分为12个更小的目标去完成，将实现目标的过程抽象为一颗树，树干是最终目标，树枝是切分后的小目标，树枝分叉是再次切分后更小的目标。将过程切分可以让实现目标的过程可感知、有反馈，每完成一个小目标，就离最终目标更进一步，让自己更有动力坚持做下去，就好比是下载一部电影，如果没有进度条的话，你可能没有那么多耐心去等待。
不要低估自己的学习能力
只要一项技能可以通过学习获得，那就不是难事，真正难的是如何让大脑相信这是一件不难的事情。学习一项技能前，大脑会对学习收益进行评估，若大脑觉得自己很难学会或者成本很大、收益很小，会让自己选择放弃。但是有一点，大脑的这些分析是基于自己当前的状况作出的判断，当学习了一定程度后会发现大脑的判断也随之改变，就好比是先验概率和后验概率的区别。选择无视，学了再说，豁然开朗的心情只有经历过才明白。
思维方面
方法论很重要
绝大部分事情都有规律可循，掌握处理问题的方法论就可以知道如何去解决一系列不同学科、不同领域相似问题的框架，而应用什么工具去实现，这时再去学习相应的工具也不晚。以自己经历来说，学习SQL和Python用的是同一套方法论，即自己需要什么样的输出结果为基础，我的原材料（源数据）是哪些，用自己的方法在大脑中对这些原材料（源数据）进行加工输出结果，提取这个加工过程的步骤，再去查看SQL或者Python中有哪些方法或函数可以实现我这个步骤，前提是能够清楚地知道这些语言的运行原理或者运行顺序。比如SQL，内容主要包括“增删改查”，一般“查”用得最多，以MySQL为例，比较全面的查询结构为：
select ...（可以是表字段名、聚合函数、条件判断case when）
from ...（可以是单个表、连接表、中间表、临时表）
where ...（可以是条件运算，对上一步结果做进一步筛选）
group by ...（以某一字段或某几个字段为基础进行分组）
having ...（对分组后的结果进行筛选）
order by ...（对select的结果进行排序）
limit ...（对排序后的结果取某部分行的数据）
但是，内部运行顺序与编写顺序是有差异的，运行顺序如下：
from ...
where ...
group by ...
having ...
select ...
order by ...
limit ...
所以，在明白了这一运行顺序后，在明确了要呈现的结果的情况下，把自己所想象的步骤以这一运行框架为基础去写入可以得到结果的表、字段以及运算函数，就像解数学题一样，知道了解题思路，那么只需要利用公式去计算出结果就行，Python代码的编写也是同理。这些方法论可以让自己解决问题的效率大大提高，有触类旁通的效果。总之是发现问题、分析问题、用领域知识去解决问题，而如何学习这个领域知识，则可以先理解它的本质、它解决问题的原理、以及它的知识框架。
认识问题的本质，总结解决类似问题的通用方法
当遇到一个问题，首先大脑会从自己以往的经历中去搜索曾经解决该问题的方法，若以往没经历过同样问题的时候可能导致找不到解决的方法，若以往没经历过同样问题但知道别人遇到同样的问题的一些解决方法，那么也能快速搜索到解决方法，若这两者都没有，但遇到的问题如果分析其本质其实跟曾经自己或别人的遇到的问题本质相同，那么会分析问题本质、举一反三的人总是能快速解决新出现的问题。
天性与理性
物种为了生存和繁衍在进化过程中保留下来的天性自然有它存在的道理，但某些天性在当代社会可能并不适用，与之对应的理性则是基于客观事实分析作出的判断。比如风控行业中对一个欺诈客户进行回溯，以当前时间点去分析后所作出的判断可能与曾经自己给出的结果截然相反，刨除认知增长所带来的影响的前提下（毕竟对于一个经验充足的人来说这部分影响很小），在那个时间点的评估中必定也发现了这一系列风险点，若完全以资料为基础作出判断也许会避免这个欺诈，但现实情况是会先去获取客户的反馈来作出一个综合判断，在客户反馈符合自己预期的情况下可能会产生一个直觉告诉自己这个也许是特例，理性被忽视，天性占主导。直觉很重要，但只能作为参考，需要经过理性的检验。
在做一件事情的过程中给予自己一些压力或动力
天性总是追逐一时的愉悦和满足感，容易受外部诱惑因素的影响，而理性告诉我们要看得更远一点，但往往天性总是占据主导地位，这时需要自己寻找压力来胁迫情绪大脑，或者用奖励来诱导情绪大脑 。
学会反思
反思自己，以旁观者角色去发现自己的不足；
反思别人，把自己置身于他人遇到的问题中，看别人的处理方式，自己在遇到同类的问题就能以他人经验或教训为参考来解决；
做事前先模拟， 多在大脑中模拟各种选择所带来的结果，这件事可以是自己以往的经历，当自己再次遇到类似问题应作何选择；也可以是别人所经历的，当自己遇到他人所面临的选择时应怎么做，是否可以避免相同的错误；还可以是未曾经历过的，自己的选择可能会带来什么结果，虚拟想象中经历的失败越多，现实中失败就越少。
多从自身找原因，不要给自己找理由
影响一件事成功与否的因素分为外因和内因，外因繁杂多变，自己无法控制，能定向改变的只有内因，从自身寻找原因，针对性做出改变，等到下次遇到类似事件时可以把结果往好的方向推进。
相同的问题，不同的人所做出的判断可能不同
每个人的判断基于各自的认知水平，这种认知水平的差异会导致结果的不同。以风控的例子并结合贝叶斯原理来解释：一个客户是欺诈客户为事件A，一个客户拥有某一风险点为事件B，若已知P(A)=0.01,P(B)=0.1，当一个客户拥有这一风险点，那他是欺诈客户的后验概率为P(A|B)，根据贝叶斯公式P(A)*P(B|A)=P(B)*P(A|B),代入求得P(A|B)=0.1*P(B|A),对于一个没有风控经验的人来说，可能没有总结过欺诈客户的一些风险共性，那么对他来说事件A和事件B相互独立，即这两个事件互不影响，即P(B|A)=P(B)，那么他分析这个客户是欺诈客户的后验概率P(A|B)=0.01，与先验概率相同，可能会选择接受这个客户的申请；若对于有一定风控经验，总结过这些风险点的人来说，P(B|A)肯定大于P(B),比如P(B|A)=0.5，也就是说通过分析总结，欺诈客户群体总是有一半的客户都存在这一风险点，那么针对现在这个客户是欺诈客户的后验概率P(A|B)=0.05，是先验概率的5倍，此时可能会偏向于拒绝这个客户。通过这个对比，可以看出对待同一个问题，信息的不对称会左右结果，在分析问题的时候不仅仅基于自己的认知，同时也要结合他人的经验，掌握的信息越全面，分析得出的结果就越准确。
跳出自己的固有思维
解决一个问题的思路很多，比如正向思维、逆向思维、个例推广到整体、启发式思维、联想等等，遇到一个问题，大脑首先选择的解题思路必定是自己最常用或者是最擅长的，但这并不适用于所有问题，当自己苦思冥想也得不到答案的时候不如尝试一下其他思路。
why永远在how之前
先明白要解决的问题，弄清楚解决这个问题的初衷是什么，再去思考解决问题的方法，否则就算得到的结果很完美，但不具实用性，那么也无济于事。
多写作，多思考
把自己学到的跟别人讲清楚，以此来巩固学到的知识，自己的思维漏洞往往很难被自己察觉，把自己的想法写出来，让别人来找出漏洞，对自己是一种提升。想得出来不一定写得出来，想出来的可能是模糊的概念，把它写清楚不仅可以理清自己的思路，让自己理解得更深刻，在写的同时还可以拓宽自己的思维。
