给大脑做预训练:建立人生的负熵流
2026-11-16
| 2026-11-16
字数 1604阅读时长≈ 5 分钟
大家讲成功,总归因到天赋和努力。我觉得这里丢了一个维度。

第三个维度

决定一个人成败的,有三个维度:天赋、努力和负熵流。
天赋改变不了,努力必须拉满,这两件事其实没什么好讨论的。真正可调的空间最大、人和人差距最大的,是负熵流。可过去讲成功的文章里,它几乎没有位置。
刚开始,你可以把负熵流简单理解成信息流,这样更直观。那为什么要用这么拗口的名字?因为它背后有一整套体系:耗散结构。只把它当成信息流,这套体系和它的规律就很容易被忘掉。
普利高津的耗散结构,说的是一个远离平衡态的开放系统,通过与外界持续交换物质和能量,自发形成有序的结构。系统内部总在产生熵,在人身上就是老化、固化和路径依赖。只有从外界流进来的负熵抵消了内部的熵增,系统才能维持,甚至升级。人就是这样一个开放系统,流进来的那股负熵,就是负熵流。
放在这个框架里,三个维度的关系就清楚了:
  • 天赋,是处理负熵流的效率
  • 努力,是处理负熵流的时间
  • 负熵流,是构建人生新系统的原材料
原材料出了问题,天赋和努力都没有意义。

一个实证

前半生的负熵流,由家庭和学校给定,你选不了。离开家庭和学校以后,人生开始有了随机性,你才第一次有机会自己重建它。
我刚毕业时的合租室友,和我节奏一样,从实习到入职,再到晋升 P6。第三年,他破解了安卓 8.0,开始在全球各大安全会议上演讲,当年就快速晋升到了 P7。我好奇他是怎么做到的,他的回答至今都让我觉得醍醐灌顶:他从来不关注同事在做什么,只关心安全领域最牛的人在做什么。然后他给我看了他的 Twitter 关注列表。
你关注谁,就是从哪里摄入信息,这决定了负熵的量级。如果你是一株植物,关注同事在做什么,就像在一栋大楼里靠灯光做光合作用,充其量长成一个盆栽;关注这个领域世界上最强的人,就像直接沐浴阳光,才有可能长成参天大树。
当输入信息的能量级变了,输出也就自然地变了。

给大脑做预训练

我自己盯的源头就这几类:顶级实验室的博客、arXiv 上的论文、领域里最强那批研究者的推特和播客。我是做推荐的,但花更多时间看 LLM,因为推荐这几年最重要的进展,几乎都是先在 LLM 里被验证,再被搬到推荐里的。
但离源头越近,你就越会碰上两个问题:太多,读不完;太难,读不懂。很多人因此焦虑,最后干脆不读了。
焦虑来自一个默认的假设:读一条信息,就得读懂它、用上它,像做作业一样。可负熵流不是作业,它更像 LLM 的预训练。预训练从不要求模型背下每一条语料,它学的是语料背后的分布;模型也不是靠哪一条语料变强的,靠的是高质量数据长期、持续地输入。
读信息不是做作业,而是给大脑做预训练。
这么一想,两个问题就都有了答案。读不完没关系,要的不是覆盖每一条,而是对领域走向的直觉。读不懂也没关系,挑几条追下去,每弄懂一条,下一条就更容易懂。真正要守住的只有两件事:源头的质量,和每天不断。
RecsysFrontier 的日报和周报,就是我按这两条给自己建的。

我是怎么用日报和周报的

日报:看不懂的,就追到懂为止。 读日报时,如果一条信息我的第一反应是「不知道它在说什么」,我不会跳过,而是拿 AI 一层一层往下追问,直到弄懂它在讲什么、和我已知的东西是什么关系。单看一天,收获很小;但这件事会产生复利:今天弄懂的,会让明天的信息更容易读懂。
周报:补上没读全的,按主题过一遍。 日报不可能天天读全,有时候根本没时间读。周报就是每周再回顾一次,而且它按主题切分,保证每个主题你都知道这一周发生了什么。日报是按天的流水,周报是按主题的结构。
进步的信号:周报越读越快。 坚持一段时间,你会发现周报上很多东西扫一眼就够了。这不是周报变差了,恰恰是你进步了:很多东西你已经吸收过,对你来说是重复的。
交叉:做推荐的,也看 AI Daily。 只看本领域,最好的结果也只是和同行一样好。机会在交叉点上,推荐和 NLP 之间的 GAP,就是这个行业最大的信息差。

最后

天赋是给定的,努力是拉满的,剩下真正能拉开差距的,是你每天让什么流进自己的系统。
日报和周报,是我给自己建的负熵流。分享出来,希望它也能成为你的一部分。
  • 思考
  • 思维模型
  • AI周报 2026-W17推荐周报 2026-W18
    Loading...