<?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>船長日誌 &#187; 學習</title>
	<atom:link href="http://www.cslog.cn/tag/%e5%ad%a6%e4%b9%a0/feed/zh-hant/" rel="self" type="application/rss+xml" />
	<link>http://www.cslog.cn</link>
	<description>最讓我激動的是不知道下一個星球上能發現什麼...</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>在線學習推演模型：在不確定中追索規則的智能方式</title>
		<link>http://www.cslog.cn/Content/online-learning/zh-hant/</link>
		<comments>http://www.cslog.cn/Content/online-learning/zh-hant/#comments</comments>
		<pubDate>Thu, 17 Jul 2025 04:30:52 +0000</pubDate>
		<dc:creator>船長</dc:creator>
				<category><![CDATA[人工智能]]></category>
		<category><![CDATA[AI]]></category>
		<category><![CDATA[學習]]></category>

		<guid isPermaLink="false">http://www.cslog.cn/?p=1355</guid>
		<description><![CDATA[在這個充滿不確定性的世界裡，幾乎所有的智能系統——無論是人腦、動物、企業組織還是 &#8230; <a href="http://www.cslog.cn/Content/online-learning/zh-hant/">繼續閱讀 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<h1 data-start="59" data-end="84"><span style="font-size: 16px;">在這個充滿不確定性的世界裡，幾乎所有的智能系統——無論是人腦、動物、企業組織還是AI模型——都在做着一件事情：</span><strong style="font-size: 16px;" data-start="141" data-end="169">從過去的局部經驗中總結出規律，去試探未來的反饋。</strong></h1>
<p data-start="171" data-end="260">這種機制看似樸素，卻蘊含著極為深刻的哲學與技術含義。我將它稱為一種“在線學習推演模型”（Online Inductive Probing Model），並嘗試從以下幾個維度展開：</p>
<hr data-start="262" data-end="265" />
<h2 data-start="267" data-end="288">一、時間維度的單向性：我們只能用過去</h2>
<p data-start="290" data-end="346">無論是誰，都無法逃脫時間的箭頭。我們做出所有判斷的依據，<strong data-start="318" data-end="332">只能是過去已發生的事</strong>。未來尚未發生，也無從取樣。</p>
<p data-start="348" data-end="362">更具體地說，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">只能使用歷史數據</strong></p>
</li>
<li data-start="378" data-end="405">
<p data-start="380" data-end="405"><strong data-start="380" data-end="405">基於有限區域的信息（空間、語義或感知範圍）</strong></p>
</li>
<li data-start="406" data-end="421">
<p data-start="408" data-end="421"><strong data-start="408" data-end="421">提出一種規則或結構</strong></p>
</li>
<li data-start="422" data-end="444">
<p data-start="424" data-end="444"><strong data-start="424" data-end="444">並在未來遇到反饋後進行修正或淘汰</strong></p>
</li>
</ul>
<p data-start="446" data-end="462">這就是最原始也最通用的學習方式。</p>
<hr data-start="464" data-end="467" />
<h2 data-start="469" data-end="492">二、無法證實，無法證偽：試探是唯一的方式</h2>
<p data-start="494" data-end="528">這套模型有個悖論：它既無法完全證實所推理的“規則”，也無法徹底證偽。</p>
<ul data-start="529" data-end="594">
<li data-start="529" data-end="547">
<p data-start="531" data-end="547">因為未來未到，驗證永遠是延後的；</p>
</li>
<li data-start="548" data-end="569">
<p data-start="550" data-end="569">而未來反饋往往不完全、不連續、不明確；</p>
</li>
<li data-start="570" data-end="594">
<p data-start="572" data-end="594">所以，一個假說只能“暫時有效”，直到它失效。</p>
</li>
</ul>
<p data-start="596" data-end="615"><strong data-start="596" data-end="615">這是一種永遠在路上的認知模式。</strong></p>
<p data-start="617" data-end="628">我們只能不斷“試探”：</p>
<ul data-start="629" data-end="660">
<li data-start="629" data-end="636">
<p data-start="631" data-end="636">拋出預測；</p>
</li>
<li data-start="637" data-end="644">
<p data-start="639" data-end="644">接受反饋；</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">再次預測。</p>
</li>
</ul>
<p data-start="662" data-end="708">這非常像貝葉斯更新，也像進化選擇。你永遠不能證明自己是對的，但可以不斷修正偏差，靠近有效性。</p>
<hr data-start="710" data-end="713" />
<h2 data-start="715" data-end="731">三、提升學習效率的兩條路徑</h2>
<p data-start="733" data-end="763">既然這是個結構性困境，我們就只能在<strong data-start="750" data-end="758">試探效率</strong>上下功夫。</p>
<h3 data-start="765" data-end="787">1. 加快預測節奏：增加反饋密度</h3>
<p data-start="788" data-end="828">如果你能在短時間內做出更多“小預測”，哪怕是微小反饋，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">股票市場中的高頻交易策略</p>
</li>
<li data-start="844" data-end="861">
<p data-start="846" data-end="861">人類認知中的“快速驗證小假設”</p>
</li>
<li data-start="862" data-end="886">
<p data-start="864" data-end="886">AI中的強化學習 agent 快速與環境互動</p>
</li>
</ul>
<h3 data-start="888" data-end="910">2. 增強感知能力：擴展輸入維度</h3>
<p data-start="911" data-end="941">另一種方式是“裝更多眼睛和耳朵”，也就是增加傳感器和數據源：</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，添加多模態輸入（圖像+語言+動作）</p>
</li>
<li data-start="968" data-end="989">
<p data-start="970" data-end="989">人類學習中，去傾聽他人經驗、跨領域觀察</p>
</li>
<li data-start="990" data-end="1011">
<p data-start="992" data-end="1011">企業經營中，提升用戶反饋、監控系統建設</p>
</li>
</ul>
<p data-start="1013" data-end="1053">本質上都是：<strong data-start="1019" data-end="1053">提升輸入的覆蓋面與密度，從而讓模型擁有更多可參考的“過去”。</strong></p>
<hr data-start="1055" data-end="1058" />
<h2 data-start="1060" data-end="1093">四、架構的歷史演進：在擴展有效 context length</h2>
<p data-start="1095" data-end="1147">從歷史的視角看，人類所有關於“學習架構”的進化，本質上都圍繞一個目標：<strong data-start="1130" data-end="1146">延長“有效上下文”的範圍</strong>。</p>
<p data-start="1149" data-end="1233">從最原始的口口相傳、記憶規則，到文字、書籍、數據庫、互聯網，再到今天的人工智能模型（如Transformer、GPT），不斷擴大的都是我們能納入推理系統的“過去內容”。</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 = 可用於決策的經驗範圍</strong></p>
</blockquote>
<p data-start="1273" data-end="1334">AI系統里，我們從 RNN（短記憶）到 LSTM（門控記憶）到 Transformer（全局注意力），無不體現出這個趨勢。</p>
<p data-start="1336" data-end="1350">而未來的發展，也會持續提升：</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">時間跨度</strong>（處理更久遠的過去）</p>
</li>
<li data-start="1372" data-end="1393">
<p data-start="1374" data-end="1393"><strong data-start="1374" data-end="1382">多維感知</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">狀態空間</strong>（建模更複雜的外部世界）</p>
</li>
</ul>
<hr data-start="1418" data-end="1421" />
<h2 data-start="1423" data-end="1448">五、但 context 的擴大，也帶來副作用</h2>
<p data-start="1450" data-end="1484">需要注意的是，並非“context 越長越好”。以下風險會隨之而來：</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">過擬合歷史</strong>：模型過度相信過去規律，錯失變化信號</p>
</li>
<li data-start="1515" data-end="1537">
<p data-start="1517" data-end="1537"><strong data-start="1517" data-end="1525">響應遲緩</strong>：記憶過重會拖慢反應速度</p>
</li>
<li data-start="1538" data-end="1560">
<p data-start="1540" data-end="1560"><strong data-start="1540" data-end="1548">信息冗餘</strong>：噪音累積，信號反而稀釋</p>
</li>
</ul>
<p data-start="1562" data-end="1595">所以，任何智能系統都需要在<strong data-start="1575" data-end="1587">記憶 vs 適應</strong>之間做動態平衡。</p>
<hr data-start="1597" data-end="1600" />
<h2 data-start="1602" data-end="1623">六、從本質看：這是所有智能的底層模式</h2>
<p data-start="1625" data-end="1661">你會發現，無論人類思維、公司決策，還是AI系統，幾乎都遵循這個通用架構：</p>
<blockquote data-start="1663" data-end="1694">
<p data-start="1665" data-end="1694"><strong data-start="1665" data-end="1694">有限經驗 → 提出模式 → 未來驗證 → 反饋修正</strong></p>
</blockquote>
<p data-start="1696" data-end="1755">這就是一種“後驗智能”（post-hoc intelligence），<strong data-start="1731" data-end="1755">在無法預知中不斷調整自己，從而適應未來。</strong></p>
<p data-start="1757" data-end="1772">而“智能”的本質，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">提出合理假設的能力；</p>
</li>
<li data-start="1786" data-end="1798">
<p data-start="1788" data-end="1798">快速驗證假設的能力；</p>
</li>
<li data-start="1799" data-end="1814">
<p data-start="1801" data-end="1814">容忍錯誤並及時調整的能力。</p>
</li>
</ul>
<hr data-start="1816" data-end="1819" />
<h2 data-start="1821" data-end="1840">七、未來方向：更快、更廣、更精準</h2>
<p data-start="1842" data-end="1858">我們真正要追求的，或許是這三點：</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">更快的反饋循環</strong>：從年級考試 → 每日小測 → 實時眼動追蹤；</p>
</li>
<li data-start="1897" data-end="1926">
<p data-start="1900" data-end="1926"><strong data-start="1900" data-end="1911">更廣的感知範圍</strong>：從單一維度 → 多模態融合；</p>
</li>
<li data-start="1927" data-end="1958">
<p data-start="1930" data-end="1958"><strong data-start="1930" data-end="1943">更精準的上下文建模</strong>：從純數據 → 意義結構圖譜。</p>
</li>
</ol>
<p data-start="1960" data-end="1977">也許這正是智能系統未來的發展路徑。</p>
<hr data-start="1979" data-end="1982" />
<h2 data-start="1984" data-end="1995">小結：命名與比喻</h2>
<p data-start="1997" data-end="2014">我們可以為這種結構起個名字，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">試探式智能</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">後驗推演模型</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">時間盲測系統</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">延遲反饋學習架構</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">在霧中行走，靠回聲定位；</p>
</li>
<li data-start="2212" data-end="2234">
<p data-start="2214" data-end="2234">在黑箱前試按按鈕，根據燈光變化理解機制；</p>
</li>
<li data-start="2235" data-end="2257">
<p data-start="2237" data-end="2257">或者像盲人摸象，每一次觸摸都是一次推理。</p>
</li>
</ul>
<p data-start="2259" data-end="2290">這是不完美的，但確實是<strong data-start="2270" data-end="2289">所有智能體正在使用的最現實方式</strong>。</p>
<div style="margin-top: 15px; font-style: italic">
<p>轉載請註明: 轉自<a href="http://www.cslog.cn/">船長日誌</a>, 本文鏈接地址: <a href="http://www.cslog.cn/Content/online-learning/zh-hant/">http://www.cslog.cn/Content/online-learning/zh-hant/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/online-learning/feed/zh-hant/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>怎樣學快一點？論學習的速度</title>
		<link>http://www.cslog.cn/Content/learning-2/zh-hant/</link>
		<comments>http://www.cslog.cn/Content/learning-2/zh-hant/#comments</comments>
		<pubDate>Mon, 30 Aug 2021 17:16:47 +0000</pubDate>
		<dc:creator>船長</dc:creator>
				<category><![CDATA[成敗幾何]]></category>
		<category><![CDATA[我思我在]]></category>
		<category><![CDATA[學習]]></category>

		<guid isPermaLink="false">http://www.cslog.cn/?p=1327</guid>
		<description><![CDATA[不同的人學習不同的東西，有的人看一眼就學會了，有的人可能學習很久還是不能入門。是 &#8230; <a href="http://www.cslog.cn/Content/learning-2/zh-hant/">繼續閱讀 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p>不同的人學習不同的東西，有的人看一眼就學會了，有的人可能學習很久還是不能入門。是什麼導致這樣的差異呢？</p>
<p>我將導致學習速度的不同因素拆分，分為以下幾個：</p>
<p>1。最明顯的，投入真正學習的時間。很多人說想學什麼想學什麼，比如想學習英語，想學習樂器，問題是你真正投入時間了嗎？還是只是一直在口頭說說。沒有投入真正的學習時間，說想的永遠只是夢想或幻想吧。成功學上有一個10000小時原則。要真正掌握什麼，真金白銀地投入10000個小時學習啊。光說是沒有用的，浪費口水而已。</p>
<p>2。學習時候的注意力。有的人雖然投入了學習的時間，但學習的時候沒有集中精力，比如一邊學習一邊看電視，或者一邊學習，一邊心裡想其它東西。這樣的學習低效是可以預見的。這種三心二意的做事其實本身也是很浪費時間的，因為很可能做的想的二三件事都沒能做好。有的時候人要取捨，選擇在一個時間把一件事做好。</p>
<p>3。學習的材料，<span id="more-1327"></span>比如教材的質量，是否精心編排的教材。是否有形象的圖示，是否有適當的影音輔助教學；教學的老師。好的老師最重要的是應該提起學生對學習內容的興趣，其次是教學的方法，用適當的方法讓學生容易掌握這些學習內容。當然自學的話自己就得找到好的材料，好的方法。學者在學習遇到瓶頸時，可以試着換換學習教材，學習方法，或老師。</p>
<p>4。相關聯的基礎知識。學習者在學習新東西的時候，事行應該掌握這些新內容的前提基礎知識。如果基礎知識紮實，學習新內容就比較快；相反，如果很多基礎知識都不懂，那新知識聽起來很可能就雲山霧罩，不明所以。比如讓一個小學生去聽大學的專業課程，幾乎就是白費時間。如果你學習一個東西，發現很基礎概念或原理都不明白，那就說明當前的知識對你來說太進階了。這時候應該怎麼辦？你應該退出這個課程，去找一個基礎的，適合自己的課程去學習基礎，學會了再回來。這裡說一個我自己的實例。當年我在初中二年級時，因為當時學校條件差，當時的英語老師精神有問題，在課堂上所有的學生都沒能好好學習，上英語課時好多學習到講台上和老師嬉戲，所以我的初二英語沒有學好，期末考試時100分只考了20多分，其中大多是選擇題選C蒙對的。初三時我意識到這個問題，想學好英語，但因為沒有英語基礎，初三課堂上老師的課程對我來說太難了，很多聽不懂，於是我放棄了課堂學習，開始自己買英語教材從入門學習英語基礎。自學了一年，終於將英語基礎補了上去。中考150分的英語，考了130多分，高中時因為英語成績不錯，還當上了英語科代表。</p>
<p>5。大腦的開放性。這個說的是世界觀，是否認識到這個世界你不懂的非常多，不驕傲，而是應該時時虛心學習，做到求知，並虛心。和他人相處的時候，隨時明白對方可能是自己的學習對象。而不是到處炫耀自己的才識。一心不能兩用，當一個人忙於炫耀與表現的時候，他自然就失去了很多接收和學習的機會。你可以做一個永遠裝知識的袋子，你的知識會越裝越多；也可以做到處吹泡泡的肥皂水，越吹越少。拉長時間來看，對人的一輩子來說，其實心態這個因素對人是最重要的，虛心的人累積下來，知識越來越多。前面幾個因素只是影響學習的速度。</p>
<div style="margin-top: 15px; font-style: italic">
<p>轉載請註明: 轉自<a href="http://www.cslog.cn/">船長日誌</a>, 本文鏈接地址: <a href="http://www.cslog.cn/Content/learning-2/zh-hant/">http://www.cslog.cn/Content/learning-2/zh-hant/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/learning-2/feed/zh-hant/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>談學習之學習的目的</title>
		<link>http://www.cslog.cn/Content/learning-1/zh-hant/</link>
		<comments>http://www.cslog.cn/Content/learning-1/zh-hant/#comments</comments>
		<pubDate>Sat, 07 Aug 2021 05:00:19 +0000</pubDate>
		<dc:creator>船長</dc:creator>
				<category><![CDATA[成敗幾何]]></category>
		<category><![CDATA[我思我在]]></category>
		<category><![CDATA[學習]]></category>

		<guid isPermaLink="false">http://www.cslog.cn/?p=1321</guid>
		<description><![CDATA[我從小好學。可惜條件不好，學習之路磕磕碰碰，導致到現在也沒成啥大事。但我還是喜歡 &#8230; <a href="http://www.cslog.cn/Content/learning-1/zh-hant/">繼續閱讀 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p>我從小好學。可惜條件不好，學習之路磕磕碰碰，導致到現在也沒成啥大事。但我還是喜歡學習，並從學習中得到快樂，就如天真孩子一樣，我為此感到幸運。我準備花時間跟大家分享一些關於學習的心得。這是第一篇。</p>
<p>談學習的目的</p>
<p>正如做其它事一樣，學習的第一要點是動機。有充分的理由學習才會投入時間、精力認真去學習。學習的理由可以是興趣。喜歡什麼東西去學習什麼自然是很好的，你會自覺的投入時間精力。不過由此去學習的問題是學習到的知識並不一定有實際的用途。注意知識如果不用，是會被遺忘掉的（這個不是大腦的缺點，而是一功能，因為大腦的容積有限，遺忘就如手機的內存清理，清除不常用的內容，會留下更多的空間可以儲存更實用的東西）。是不是現在不用的東西就不能學的，<span id="more-1321"></span>其實不是的。因為有時候一種知識在你沒有熟悉或掌握之前，你並不知道它有什麼用，怎麼用，或許你學了，知道了用法，你就會去用它，並為你創造價值。比如本來是沒想過學習瑜伽，只是因為一時的興趣，你學習了，發現它很好，自己喜歡，而且對身體很有作用，你甚至轉行成為了一個瑜伽教練，想把它教給更多的學員。或許在接觸這個知識前，你沒有想過可能自己會做這麼大的改變。這就是因興趣學習的驚喜。總之，因為興趣去學習，有時候是單單享受學習過程的快樂（或痛苦？），結果知識不用而被遺忘，或者學習了新知識後，因為新知識帶來的新視界，改變了自己的人生軌跡，兩個都有可能。總結：有時候學了才知道有什麼用，有時候學了才知道沒啥用。如果有興趣又有時間，與其刷抖音，不如學學看。</p>
<p>學習最靠譜的理由是馬上需要用到知識。類似於臨陣磨槍。這種學習有急切的緊迫感，而且已經清楚學到了就要用上，不會浪費。</p>
<p>學習最不靠譜的理由是別人都在學，或者別人讓你學，因為這些學習都不是自己由衷的想要學習。這樣的學習沒有內動力。不單是學習，做任何事沒有內動力，靠外力的學習基本都是事倍功半，吃力不討好。自己不單不享受這一敷衍過程，而且學習效率十分低下，學到的知識也大多數對自己沒有作用或不願意去用，浪費時間、精力與生命，甚至金錢。如果你是老師或家長，以命令的形式向孩子發出的學習要求，就是這種情況。監督的家長也將是痛苦的要命。這時候應該怎麼辦？當然是停止這一多輸過程。這是一小道，成功的概率很小。正道是什麼，是引導學習者找到學習的正確目的。讓他悟的學習的理由，是為了興趣，還是為了馬上要用到知識（中小學的基礎知識可以為將來更多的高級知識打基礎，打開學生的眼界，還可以用來應付必須的考試）。花更多的時間讓學習者明白學習的理由，比花時間監督心不在焉的學習過程高效多了。就如武學中的打通任督二脈，或者參禪中的悟道，過了這關，讓學習者明白學習的理由，有了內動力，餘下的基本就是一馬平川，過了不了，所有的努力只是徒勞的消耗時間。</p>
<p>無論如何都找不到學習的理由怎麼辦？那就不要學啊。沒有理由還做什麼？可以把時間花在其它有意義的事上。或者轉變題材，學習自己感興趣的課題上。人生不是一條直線，非要弔死在一棵樹上。與其在不想學的東西上浪費時間，為什麼不學習一些自己感興趣的東西呢？不是說別人學的東西自己一定要學習，現在的社會內卷的這麼利害，如果劍走偏鋒，自己掌握了大多人沒有的知識，反而讓自己更為稀有，具有更高的價值。這就是管理學上的差異化吧。
<div style="margin-top: 15px; font-style: italic">
<p>轉載請註明: 轉自<a href="http://www.cslog.cn/">船長日誌</a>, 本文鏈接地址: <a href="http://www.cslog.cn/Content/learning-1/zh-hant/">http://www.cslog.cn/Content/learning-1/zh-hant/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/learning-1/feed/zh-hant/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
		<item>
		<title>iliad &#8212; 一個好的老師能讓你喜歡上一門課程</title>
		<link>http://www.cslog.cn/Content/irex-iliad/zh-hant/</link>
		<comments>http://www.cslog.cn/Content/irex-iliad/zh-hant/#comments</comments>
		<pubDate>Sat, 11 Sep 2010 00:11:09 +0000</pubDate>
		<dc:creator>船長</dc:creator>
				<category><![CDATA[信息處理]]></category>
		<category><![CDATA[其它]]></category>
		<category><![CDATA[成敗幾何]]></category>
		<category><![CDATA[iliad]]></category>
		<category><![CDATA[學習]]></category>
		<category><![CDATA[讀書]]></category>

		<guid isPermaLink="false"></guid>
		<description><![CDATA[一個好的教師能讓你喜歡上一門課程。 我當年就是這樣。 因為初中的化學老師很風趣， &#8230; <a href="http://www.cslog.cn/Content/irex-iliad/zh-hant/">繼續閱讀 <span class="meta-nav">&#8594;</span></a>]]></description>
			<content:encoded><![CDATA[<p>一個好的教師能讓你喜歡上一門課程。 我當年就是這樣。 因為初中的化學老師很風趣， 因此我喜歡上了化學老師， 也因此迷上了化學這門課程。 而到高中時沒能堅持下來， 這是後話了， 不過或也跟高中的化學老師不風趣有關。 但這卻不是今天的話題。 今天的話題是一個好的工具能改變一個人的生活習慣。</p>
<p>實際上一個好的工具能改變一個人的生活習慣也不是今天的重點。 今天的重點是iRex iLiad, 一個電紙書閱讀器。 最近終於用上了它。 果然， 發現用它讀書很好。 比之前的打印出來再讀， 和在電腦上讀好多了。 </p>
<p>好是有幾點的好：一是顯示效果。 顯示更接近紙了， 不刺眼。二是方便，不用打印， 考進PDF文件就能讀， 甚至可以使用無線網絡向裡面轉書讀。 三是相比小巧，可以捧在手裡讀。大小跟一本技術書差不多， 但裡面能裝上幾十本書。四是可以手寫， 跟書上一樣做筆記。 </p>
<p>當然iliad也有不足的地方。 比如屏還是太小了， 有少量PDF讀起來不方便。 又如因為顯示比較慢不能像書一樣快速的翻看。<br />
&nbsp;</p>
<p>但總之， 用iliad看電子書是非常不錯的體驗。 它或將讓我重新喜歡上讀書。 而這是好事。 讀書比上網好多了。 網上信息太雜太亂了， 而讀書收集信息更專註， 更有目的性一點。</p>
<p>說到這裡， 又要說回工具能改變生活習慣的問題。 有一個自己喜歡的MP3能讓人想多聽一些有聲書， 有一本自己喜歡的背單詞書能讓一個人喜歡上英語， 有一輛自己喜歡的自行車能讓人愛上騎行， 有一個計步器能讓人喜歡上步行。。。。說不盡的例子。 好老師能改變人， 好的工具也是一個好老師。</p>
<div style="margin-top: 15px; font-style: italic">
<p>轉載請註明: 轉自<a href="http://www.cslog.cn/">船長日誌</a>, 本文鏈接地址: <a href="http://www.cslog.cn/Content/irex-iliad/zh-hant/">http://www.cslog.cn/Content/irex-iliad/zh-hant/</a></p>
</div>
]]></content:encoded>
			<wfw:commentRss>http://www.cslog.cn/Content/irex-iliad/feed/zh-hant/</wfw:commentRss>
		<slash:comments>0</slash:comments>
		</item>
	</channel>
</rss>

<!-- WP Chinese Conversion Full Page Converted -->