<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>船长日志 &#187; 学习</title>
	<atom:link href="http://www.cslog.cn/tag/%e5%ad%a6%e4%b9%a0/feed/" rel="self" type="application/rss+xml" />
	<link>http://www.cslog.cn</link>
	<description>最让我激动的是不知道下一个星球上能发现什么...</description>
	<lastBuildDate>Wed, 30 Jul 2025 16:06:05 +0000</lastBuildDate>
	<language>zh-CN</language>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
	<generator>http://wordpress.org/?v=3.4.1</generator>
		<item>
		<title>在线学习推演模型：在不确定中追索规则的智能方式</title>
		<link>http://www.cslog.cn/Content/online-learning/</link>
		<comments>http://www.cslog.cn/Content/online-learning/#comments</comments>
		<pubDate>Thu, 17 Jul 2025 04:30:52 +0000</pubDate>
		<dc:creator>船长</dc:creator>
				<category><![CDATA[人工智能]]></category>
		<category><![CDATA[AI]]></category>
		<category><![CDATA[学习]]></category>

		<guid isPermaLink="false">http://www.cslog.cn/?p=1355</guid>
		<description><![CDATA[在这个充满不确定性的世界里，几乎所有的智能系统——无论是人脑、动物、企业组织还是 &#8230; <a href="http://www.cslog.cn/Content/online-learning/">继续阅读 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<h1 data-start="59" data-end="84"><span style="font-size: 16px;">在这个充满不确定性的世界里，几乎所有的智能系统——无论是人脑、动物、企业组织还是AI模型——都在做着一件事情：</span><strong style="font-size: 16px;" data-start="141" data-end="169">从过去的局部经验中总结出规律，去试探未来的反馈。</strong></h1>
<p data-start="171" data-end="260">这种机制看似朴素，却蕴含着极为深刻的哲学与技术含义。我将它称为一种“在线学习推演模型”（Online Inductive Probing Model），并尝试从以下几个维度展开：</p>
<hr data-start="262" data-end="265" />
<h2 data-start="267" data-end="288">一、时间维度的单向性：我们只能用过去</h2>
<p data-start="290" data-end="346">无论是谁，都无法逃脱时间的箭头。我们做出所有判断的依据，<strong data-start="318" data-end="332">只能是过去已发生的事</strong>。未来尚未发生，也无从取样。</p>
<p data-start="348" data-end="362">更具体地说，任何推理或模型：</p>
<ul data-start="363" data-end="444">
<li data-start="363" data-end="377">
<p data-start="365" data-end="377"><strong data-start="365" data-end="377">只能使用历史数据</strong></p>
</li>
<li data-start="378" data-end="405">
<p data-start="380" data-end="405"><strong data-start="380" data-end="405">基于有限区域的信息（空间、语义或感知范围）</strong></p>
</li>
<li data-start="406" data-end="421">
<p data-start="408" data-end="421"><strong data-start="408" data-end="421">提出一种规则或结构</strong></p>
</li>
<li data-start="422" data-end="444">
<p data-start="424" data-end="444"><strong data-start="424" data-end="444">并在未来遇到反馈后进行修正或淘汰</strong></p>
</li>
</ul>
<p data-start="446" data-end="462">这就是最原始也最通用的学习方式。</p>
<hr data-start="464" data-end="467" />
<h2 data-start="469" data-end="492">二、无法证实，无法证伪：试探是唯一的方式</h2>
<p data-start="494" data-end="528">这套模型有个悖论：它既无法完全证实所推理的“规则”，也无法彻底证伪。</p>
<ul data-start="529" data-end="594">
<li data-start="529" data-end="547">
<p data-start="531" data-end="547">因为未来未到，验证永远是延后的；</p>
</li>
<li data-start="548" data-end="569">
<p data-start="550" data-end="569">而未来反馈往往不完全、不连续、不明确；</p>
</li>
<li data-start="570" data-end="594">
<p data-start="572" data-end="594">所以，一个假说只能“暂时有效”，直到它失效。</p>
</li>
</ul>
<p data-start="596" data-end="615"><strong data-start="596" data-end="615">这是一种永远在路上的认知模式。</strong></p>
<p data-start="617" data-end="628">我们只能不断“试探”：</p>
<ul data-start="629" data-end="660">
<li data-start="629" data-end="636">
<p data-start="631" data-end="636">抛出预测；</p>
</li>
<li data-start="637" data-end="644">
<p data-start="639" data-end="644">接受反馈；</p>
</li>
<li data-start="645" data-end="652">
<p data-start="647" data-end="652">修正模型；</p>
</li>
<li data-start="653" data-end="660">
<p data-start="655" data-end="660">再次预测。</p>
</li>
</ul>
<p data-start="662" data-end="708">这非常像贝叶斯更新，也像进化选择。你永远不能证明自己是对的，但可以不断修正偏差，靠近有效性。</p>
<hr data-start="710" data-end="713" />
<h2 data-start="715" data-end="731">三、提升学习效率的两条路径</h2>
<p data-start="733" data-end="763">既然这是个结构性困境，我们就只能在<strong data-start="750" data-end="758">试探效率</strong>上下功夫。</p>
<h3 data-start="765" data-end="787">1. 加快预测节奏：增加反馈密度</h3>
<p data-start="788" data-end="828">如果你能在短时间内做出更多“小预测”，哪怕是微小反馈，也能加快模型的迭代。比如：</p>
<ul data-start="829" data-end="886">
<li data-start="829" data-end="843">
<p data-start="831" data-end="843">股票市场中的高频交易策略</p>
</li>
<li data-start="844" data-end="861">
<p data-start="846" data-end="861">人类认知中的“快速验证小假设”</p>
</li>
<li data-start="862" data-end="886">
<p data-start="864" data-end="886">AI中的强化学习 agent 快速与环境互动</p>
</li>
</ul>
<h3 data-start="888" data-end="910">2. 增强感知能力：扩展输入维度</h3>
<p data-start="911" data-end="941">另一种方式是“装更多眼睛和耳朵”，也就是增加传感器和数据源：</p>
<ul data-start="942" data-end="1011">
<li data-start="942" data-end="967">
<p data-start="944" data-end="967">人工智能中，添加多模态输入（图像+语言+动作）</p>
</li>
<li data-start="968" data-end="989">
<p data-start="970" data-end="989">人类学习中，去倾听他人经验、跨领域观察</p>
</li>
<li data-start="990" data-end="1011">
<p data-start="992" data-end="1011">企业经营中，提升用户反馈、监控系统建设</p>
</li>
</ul>
<p data-start="1013" data-end="1053">本质上都是：<strong data-start="1019" data-end="1053">提升输入的覆盖面与密度，从而让模型拥有更多可参考的“过去”。</strong></p>
<hr data-start="1055" data-end="1058" />
<h2 data-start="1060" data-end="1093">四、架构的历史演进：在扩展有效 context length</h2>
<p data-start="1095" data-end="1147">从历史的视角看，人类所有关于“学习架构”的进化，本质上都围绕一个目标：<strong data-start="1130" data-end="1146">延长“有效上下文”的范围</strong>。</p>
<p data-start="1149" data-end="1233">从最原始的口口相传、记忆规则，到文字、书籍、数据库、互联网，再到今天的人工智能模型（如Transformer、GPT），不断扩大的都是我们能纳入推理系统的“过去内容”。</p>
<blockquote data-start="1235" data-end="1271">
<p data-start="1237" data-end="1271"><strong data-start="1237" data-end="1271">有效 context length = 可用于决策的经验范围</strong></p>
</blockquote>
<p data-start="1273" data-end="1334">AI系统里，我们从 RNN（短记忆）到 LSTM（门控记忆）到 Transformer（全局注意力），无不体现出这个趋势。</p>
<p data-start="1336" data-end="1350">而未来的发展，也会持续提升：</p>
<ul data-start="1351" data-end="1416">
<li data-start="1351" data-end="1371">
<p data-start="1353" data-end="1371"><strong data-start="1353" data-end="1361">时间跨度</strong>（处理更久远的过去）</p>
</li>
<li data-start="1372" data-end="1393">
<p data-start="1374" data-end="1393"><strong data-start="1374" data-end="1382">多维感知</strong>（整合更多形式的信息）</p>
</li>
<li data-start="1394" data-end="1416">
<p data-start="1396" data-end="1416"><strong data-start="1396" data-end="1404">状态空间</strong>（建模更复杂的外部世界）</p>
</li>
</ul>
<hr data-start="1418" data-end="1421" />
<h2 data-start="1423" data-end="1448">五、但 context 的扩大，也带来副作用</h2>
<p data-start="1450" data-end="1484">需要注意的是，并非“context 越长越好”。以下风险会随之而来：</p>
<ul data-start="1485" data-end="1560">
<li data-start="1485" data-end="1514">
<p data-start="1487" data-end="1514"><strong data-start="1487" data-end="1496">过拟合历史</strong>：模型过度相信过去规律，错失变化信号</p>
</li>
<li data-start="1515" data-end="1537">
<p data-start="1517" data-end="1537"><strong data-start="1517" data-end="1525">响应迟缓</strong>：记忆过重会拖慢反应速度</p>
</li>
<li data-start="1538" data-end="1560">
<p data-start="1540" data-end="1560"><strong data-start="1540" data-end="1548">信息冗余</strong>：噪音累积，信号反而稀释</p>
</li>
</ul>
<p data-start="1562" data-end="1595">所以，任何智能系统都需要在<strong data-start="1575" data-end="1587">记忆 vs 适应</strong>之间做动态平衡。</p>
<hr data-start="1597" data-end="1600" />
<h2 data-start="1602" data-end="1623">六、从本质看：这是所有智能的底层模式</h2>
<p data-start="1625" data-end="1661">你会发现，无论人类思维、公司决策，还是AI系统，几乎都遵循这个通用架构：</p>
<blockquote data-start="1663" data-end="1694">
<p data-start="1665" data-end="1694"><strong data-start="1665" data-end="1694">有限经验 → 提出模式 → 未来验证 → 反馈修正</strong></p>
</blockquote>
<p data-start="1696" data-end="1755">这就是一种“后验智能”（post-hoc intelligence），<strong data-start="1731" data-end="1755">在无法预知中不断调整自己，从而适应未来。</strong></p>
<p data-start="1757" data-end="1772">而“智能”的本质，可能就只是：</p>
<ul data-start="1773" data-end="1814">
<li data-start="1773" data-end="1785">
<p data-start="1775" data-end="1785">提出合理假设的能力；</p>
</li>
<li data-start="1786" data-end="1798">
<p data-start="1788" data-end="1798">快速验证假设的能力；</p>
</li>
<li data-start="1799" data-end="1814">
<p data-start="1801" data-end="1814">容忍错误并及时调整的能力。</p>
</li>
</ul>
<hr data-start="1816" data-end="1819" />
<h2 data-start="1821" data-end="1840">七、未来方向：更快、更广、更精准</h2>
<p data-start="1842" data-end="1858">我们真正要追求的，或许是这三点：</p>
<ol data-start="1859" data-end="1958">
<li data-start="1859" data-end="1896">
<p data-start="1862" data-end="1896"><strong data-start="1862" data-end="1873">更快的反馈循环</strong>：从年级考试 → 每日小测 → 实时眼动追踪；</p>
</li>
<li data-start="1897" data-end="1926">
<p data-start="1900" data-end="1926"><strong data-start="1900" data-end="1911">更广的感知范围</strong>：从单一维度 → 多模态融合；</p>
</li>
<li data-start="1927" data-end="1958">
<p data-start="1930" data-end="1958"><strong data-start="1930" data-end="1943">更精准的上下文建模</strong>：从纯数据 → 意义结构图谱。</p>
</li>
</ol>
<p data-start="1960" data-end="1977">也许这正是智能系统未来的发展路径。</p>
<hr data-start="1979" data-end="1982" />
<h2 data-start="1984" data-end="1995">小结：命名与比喻</h2>
<p data-start="1997" data-end="2014">我们可以为这种结构起个名字，比如：</p>
<ul data-start="2016" data-end="2190">
<li data-start="2016" data-end="2055">
<p data-start="2018" data-end="2055"><strong data-start="2018" data-end="2027">试探式智能</strong>（Probe-based Intelligence）</p>
</li>
<li data-start="2056" data-end="2096">
<p data-start="2058" data-end="2096"><strong data-start="2058" data-end="2068">后验推演模型</strong>（Post-hoc Inference Model）</p>
</li>
<li data-start="2097" data-end="2135">
<p data-start="2099" data-end="2135"><strong data-start="2099" data-end="2109">时间盲测系统</strong>（Temporal Blind Probing）</p>
</li>
<li data-start="2136" data-end="2190">
<p data-start="2138" data-end="2190"><strong data-start="2138" data-end="2150">延迟反馈学习架构</strong>（Delayed Feedback Learning Architecture）</p>
</li>
</ul>
<p data-start="2192" data-end="2196">它就像：</p>
<ul data-start="2197" data-end="2257">
<li data-start="2197" data-end="2211">
<p data-start="2199" data-end="2211">在雾中行走，靠回声定位；</p>
</li>
<li data-start="2212" data-end="2234">
<p data-start="2214" data-end="2234">在黑箱前试按按钮，根据灯光变化理解机制；</p>
</li>
<li data-start="2235" data-end="2257">
<p data-start="2237" data-end="2257">或者像盲人摸象，每一次触摸都是一次推理。</p>
</li>
</ul>
<p data-start="2259" data-end="2290">这是不完美的，但确实是<strong data-start="2270" data-end="2289">所有智能体正在使用的最现实方式</strong>。</p>
<div style="margin-top: 15px; font-style: italic">
<p>转载请注明: 转自<a href="http://www.cslog.cn/">船长日志</a>, 本文链接地址: <a href="http://www.cslog.cn/Content/online-learning/">http://www.cslog.cn/Content/online-learning/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/online-learning/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>怎样学快一点？论学习的速度</title>
		<link>http://www.cslog.cn/Content/learning-2/</link>
		<comments>http://www.cslog.cn/Content/learning-2/#comments</comments>
		<pubDate>Mon, 30 Aug 2021 17:16:47 +0000</pubDate>
		<dc:creator>船长</dc:creator>
				<category><![CDATA[成败几何]]></category>
		<category><![CDATA[我思我在]]></category>
		<category><![CDATA[学习]]></category>

		<guid isPermaLink="false">http://www.cslog.cn/?p=1327</guid>
		<description><![CDATA[不同的人学习不同的东西，有的人看一眼就学会了，有的人可能学习很久还是不能入门。是 &#8230; <a href="http://www.cslog.cn/Content/learning-2/">继续阅读 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p>不同的人学习不同的东西，有的人看一眼就学会了，有的人可能学习很久还是不能入门。是什么导致这样的差异呢？</p>
<p>我将导致学习速度的不同因素拆分，分为以下几个：</p>
<p>1。最明显的，投入真正学习的时间。很多人说想学什么想学什么，比如想学习英语，想学习乐器，问题是你真正投入时间了吗？还是只是一直在口头说说。没有投入真正的学习时间，说想的永远只是梦想或幻想吧。成功学上有一个10000小时原则。要真正掌握什么，真金白银地投入10000个小时学习啊。光说是没有用的，浪费口水而已。</p>
<p>2。学习时候的注意力。有的人虽然投入了学习的时间，但学习的时候没有集中精力，比如一边学习一边看电视，或者一边学习，一边心里想其它东西。这样的学习低效是可以预见的。这种三心二意的做事其实本身也是很浪费时间的，因为很可能做的想的二三件事都没能做好。有的时候人要取舍，选择在一个时间把一件事做好。</p>
<p>3。学习的材料，<span id="more-1327"></span>比如教材的质量，是否精心编排的教材。是否有形象的图示，是否有适当的影音辅助教学；教学的老师。好的老师最重要的是应该提起学生对学习内容的兴趣，其次是教学的方法，用适当的方法让学生容易掌握这些学习内容。当然自学的话自己就得找到好的材料，好的方法。学者在学习遇到瓶颈时，可以试着换换学习教材，学习方法，或老师。</p>
<p>4。相关联的基础知识。学习者在学习新东西的时候，事行应该掌握这些新内容的前提基础知识。如果基础知识扎实，学习新内容就比较快；相反，如果很多基础知识都不懂，那新知识听起来很可能就云山雾罩，不明所以。比如让一个小学生去听大学的专业课程，几乎就是白费时间。如果你学习一个东西，发现很基础概念或原理都不明白，那就说明当前的知识对你来说太进阶了。这时候应该怎么办？你应该退出这个课程，去找一个基础的，适合自己的课程去学习基础，学会了再回来。这里说一个我自己的实例。当年我在初中二年级时，因为当时学校条件差，当时的英语老师精神有问题，在课堂上所有的学生都没能好好学习，上英语课时好多学习到讲台上和老师嬉戏，所以我的初二英语没有学好，期末考试时100分只考了20多分，其中大多是选择题选C蒙对的。初三时我意识到这个问题，想学好英语，但因为没有英语基础，初三课堂上老师的课程对我来说太难了，很多听不懂，于是我放弃了课堂学习，开始自己买英语教材从入门学习英语基础。自学了一年，终于将英语基础补了上去。中考150分的英语，考了130多分，高中时因为英语成绩不错，还当上了英语科代表。</p>
<p>5。大脑的开放性。这个说的是世界观，是否认识到这个世界你不懂的非常多，不骄傲，而是应该时时虚心学习，做到求知，并虚心。和他人相处的时候，随时明白对方可能是自己的学习对象。而不是到处炫耀自己的才识。一心不能两用，当一个人忙于炫耀与表现的时候，他自然就失去了很多接收和学习的机会。你可以做一个永远装知识的袋子，你的知识会越装越多；也可以做到处吹泡泡的肥皂水，越吹越少。拉长时间来看，对人的一辈子来说，其实心态这个因素对人是最重要的，虚心的人累积下来，知识越来越多。前面几个因素只是影响学习的速度。</p>
<div style="margin-top: 15px; font-style: italic">
<p>转载请注明: 转自<a href="http://www.cslog.cn/">船长日志</a>, 本文链接地址: <a href="http://www.cslog.cn/Content/learning-2/">http://www.cslog.cn/Content/learning-2/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/learning-2/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>谈学习之学习的目的</title>
		<link>http://www.cslog.cn/Content/learning-1/</link>
		<comments>http://www.cslog.cn/Content/learning-1/#comments</comments>
		<pubDate>Sat, 07 Aug 2021 05:00:19 +0000</pubDate>
		<dc:creator>船长</dc:creator>
				<category><![CDATA[成败几何]]></category>
		<category><![CDATA[我思我在]]></category>
		<category><![CDATA[学习]]></category>

		<guid isPermaLink="false">http://www.cslog.cn/?p=1321</guid>
		<description><![CDATA[我从小好学。可惜条件不好，学习之路磕磕碰碰，导致到现在也没成啥大事。但我还是喜欢 &#8230; <a href="http://www.cslog.cn/Content/learning-1/">继续阅读 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p>我从小好学。可惜条件不好，学习之路磕磕碰碰，导致到现在也没成啥大事。但我还是喜欢学习，并从学习中得到快乐，就如天真孩子一样，我为此感到幸运。我准备花时间跟大家分享一些关于学习的心得。这是第一篇。</p>
<p>谈学习的目的</p>
<p>正如做其它事一样，学习的第一要点是动机。有充分的理由学习才会投入时间、精力认真去学习。学习的理由可以是兴趣。喜欢什么东西去学习什么自然是很好的，你会自觉的投入时间精力。不过由此去学习的问题是学习到的知识并不一定有实际的用途。注意知识如果不用，是会被遗忘掉的（这个不是大脑的缺点，而是一功能，因为大脑的容积有限，遗忘就如手机的内存清理，清除不常用的内容，会留下更多的空间可以储存更实用的东西）。是不是现在不用的东西就不能学的，<span id="more-1321"></span>其实不是的。因为有时候一种知识在你没有熟悉或掌握之前，你并不知道它有什么用，怎么用，或许你学了，知道了用法，你就会去用它，并为你创造价值。比如本来是没想过学习瑜伽，只是因为一时的兴趣，你学习了，发现它很好，自己喜欢，而且对身体很有作用，你甚至转行成为了一个瑜伽教练，想把它教给更多的学员。或许在接触这个知识前，你没有想过可能自己会做这么大的改变。这就是因兴趣学习的惊喜。总之，因为兴趣去学习，有时候是单单享受学习过程的快乐（或痛苦？），结果知识不用而被遗忘，或者学习了新知识后，因为新知识带来的新视界，改变了自己的人生轨迹，两个都有可能。总结：有时候学了才知道有什么用，有时候学了才知道没啥用。如果有兴趣又有时间，与其刷抖音，不如学学看。</p>
<p>学习最靠谱的理由是马上需要用到知识。类似于临阵磨枪。这种学习有急切的紧迫感，而且已经清楚学到了就要用上，不会浪费。</p>
<p>学习最不靠谱的理由是别人都在学，或者别人让你学，因为这些学习都不是自己由衷的想要学习。这样的学习没有内动力。不单是学习，做任何事没有内动力，靠外力的学习基本都是事倍功半，吃力不讨好。自己不单不享受这一敷衍过程，而且学习效率十分低下，学到的知识也大多数对自己没有作用或不愿意去用，浪费时间、精力与生命，甚至金钱。如果你是老师或家长，以命令的形式向孩子发出的学习要求，就是这种情况。监督的家长也将是痛苦的要命。这时候应该怎么办？当然是停止这一多输过程。这是一小道，成功的概率很小。正道是什么，是引导学习者找到学习的正确目的。让他悟的学习的理由，是为了兴趣，还是为了马上要用到知识（中小学的基础知识可以为将来更多的高级知识打基础，打开学生的眼界，还可以用来应付必须的考试）。花更多的时间让学习者明白学习的理由，比花时间监督心不在焉的学习过程高效多了。就如武学中的打通任督二脉，或者参禅中的悟道，过了这关，让学习者明白学习的理由，有了内动力，余下的基本就是一马平川，过了不了，所有的努力只是徒劳的消耗时间。</p>
<p>无论如何都找不到学习的理由怎么办？那就不要学啊。没有理由还做什么？可以把时间花在其它有意义的事上。或者转变题材，学习自己感兴趣的课题上。人生不是一条直线，非要吊死在一棵树上。与其在不想学的东西上浪费时间，为什么不学习一些自己感兴趣的东西呢？不是说别人学的东西自己一定要学习，现在的社会内卷的这么利害，如果剑走偏锋，自己掌握了大多人没有的知识，反而让自己更为稀有，具有更高的价值。这就是管理学上的差异化吧。
<div style="margin-top: 15px; font-style: italic">
<p>转载请注明: 转自<a href="http://www.cslog.cn/">船长日志</a>, 本文链接地址: <a href="http://www.cslog.cn/Content/learning-1/">http://www.cslog.cn/Content/learning-1/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/learning-1/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>iliad &#8212; 一个好的老师能让你喜欢上一门课程</title>
		<link>http://www.cslog.cn/Content/irex-iliad/</link>
		<comments>http://www.cslog.cn/Content/irex-iliad/#comments</comments>
		<pubDate>Sat, 11 Sep 2010 00:11:09 +0000</pubDate>
		<dc:creator>船长</dc:creator>
				<category><![CDATA[信息处理]]></category>
		<category><![CDATA[其它]]></category>
		<category><![CDATA[成败几何]]></category>
		<category><![CDATA[iliad]]></category>
		<category><![CDATA[学习]]></category>
		<category><![CDATA[读书]]></category>

		<guid isPermaLink="false"></guid>
		<description><![CDATA[一个好的教师能让你喜欢上一门课程。 我当年就是这样。 因为初中的化学老师很风趣， &#8230; <a href="http://www.cslog.cn/Content/irex-iliad/">继续阅读 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p>一个好的教师能让你喜欢上一门课程。 我当年就是这样。 因为初中的化学老师很风趣， 因此我喜欢上了化学老师， 也因此迷上了化学这门课程。 而到高中时没能坚持下来， 这是后话了， 不过或也跟高中的化学老师不风趣有关。 但这却不是今天的话题。 今天的话题是一个好的工具能改变一个人的生活习惯。</p>
<p>实际上一个好的工具能改变一个人的生活习惯也不是今天的重点。 今天的重点是iRex iLiad, 一个电纸书阅读器。 最近终于用上了它。 果然， 发现用它读书很好。 比之前的打印出来再读， 和在电脑上读好多了。 </p>
<p>好是有几点的好：一是显示效果。 显示更接近纸了， 不刺眼。二是方便，不用打印， 考进PDF文件就能读， 甚至可以使用无线网络向里面转书读。 三是相比小巧，可以捧在手里读。大小跟一本技术书差不多， 但里面能装上几十本书。四是可以手写， 跟书上一样做笔记。 </p>
<p>当然iliad也有不足的地方。 比如屏还是太小了， 有少量PDF读起来不方便。 又如因为显示比较慢不能像书一样快速的翻看。<br />
&nbsp;</p>
<p>但总之， 用iliad看电子书是非常不错的体验。 它或将让我重新喜欢上读书。 而这是好事。 读书比上网好多了。 网上信息太杂太乱了， 而读书收集信息更专注， 更有目的性一点。</p>
<p>说到这里， 又要说回工具能改变生活习惯的问题。 有一个自己喜欢的MP3能让人想多听一些有声书， 有一本自己喜欢的背单词书能让一个人喜欢上英语， 有一辆自己喜欢的自行车能让人爱上骑行， 有一个计步器能让人喜欢上步行。。。。说不尽的例子。 好老师能改变人， 好的工具也是一个好老师。</p>
<div style="margin-top: 15px; font-style: italic">
<p>转载请注明: 转自<a href="http://www.cslog.cn/">船长日志</a>, 本文链接地址: <a href="http://www.cslog.cn/Content/irex-iliad/">http://www.cslog.cn/Content/irex-iliad/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/irex-iliad/feed/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
	</channel>
</rss>
