万物重构
如果能够了解所学事物的发展历史，往往能够极大地提高后续学习中的领悟能力和学习效率。
在社会上，有相当多的言论只关注类似于人工智能是否战胜人类的热门话题，而甚少言论鼓励人们少些炒作，把精力专注于转变思想，放下包袱，积极拥抱和学习以人工智能技术为代表的现代化科学技术。
未来，会使用人工智能工具的人类会对其他尚未拥有这种工具的人类产生降维打击的优势，这也是目前热门词汇“数字鸿沟”的来历。
在信息被电子化之后，已经变成了需要经过专门的训练才可以获得的技能。因此，无论从事什么职业，在这个信息时代，每一个职业人士都需要重新培养对于信息理解的能力。
技术一定是拿来用的，是用来提高人类生活的，在机器学习的应用时代，工程师们思考的是拿算法来做什么，帮助人类解决什么问题，而不是想着比赛最先进的算法超越多少人，这时候人类可能就真正进入新时代了。
DIKW 模型——数据、信息、知识、智慧。
数字化不比原来做的信息化更先进，我们还是在弥补过去信息化时没有做好的短板，即数字化的基础，也就是统一的数字化基础设施。
图尔敏论证模型很好地实践了每一个理性完备的论证都由前提条件“约束”，该模型认为结论需要靠逻辑推理和事实约束实现完备。这个模型的好处是，一方面给你一个空间继续加支撑体系，同时更精准地约束，更重要的是每一个论证想真正完备，需要有额外出口，也就是要有例外。用这种方式论证任何判断、逻辑都会比较完备，而且技术人群在推出某些观点、建议时，用这个模型会考虑更加全面，不会丢三落四。
对于数据孤岛的理解
我们经常说数据孤岛，但是数据孤岛是技术问题吗？精确地讲，有技术含量在其中，但是以我们的观察与实践，发现其实大部分公司的数据孤岛是由于部门之间的矛盾和部门墙导致的。信息是一种权利、一种力量，统一数据看似是打通数据，但实际是打通部门墙，是在夺取某些既得利益者手上的权力，怎么会那么容易呢？如果没有一个勇于决断的人物，“书同文，车同轨”统一起来，那么公司想要做到数据的统一没那么容易。当然如果有这样的人物，你会发现技术本身没那么难，对于组织结构的重视就是“康威定律”所要表达的重点。
判断自己是否真正进入到学习状态的标志是：你不再急于获取知识，而是不慌不忙地构建适合自己的学习方法，就是learning of learning，这时你会深刻理解single loop（单环学习）、double loop（双环学习）、triple loop（三环学习）。
单环学习反思的是：如何改变我们的行动（方法）？
双环学习反思的是：我们的目标和方向是不是需要改变？
三环学习反思的是：什么心智模式让我们设定了这样的目标和方向，以及选择了这样的行动和方法？我们是否需要改变我们的心智模式？
第一环，身份与存在；第二环，策略与模型；第三环，行动与反馈。
建议大家多学习失败。学习失败要搭配逆向思维能力，2000年前孙子总结的“先为不可胜而后求胜”，跟查理芒格总结的“inverse always inverse”以及今年的诺贝尔奖获得者，他们研究的都是同一件事：在不确定性时代，提升自己的生存概率。去学习别人的失败，然后“一辈子都不去那”。
哲学有唯物主义和唯⼼主义之分，被后⼈称为“⾃然哲学”的古希腊物理学，就是西⽅科学的原始形态，⽽它赖以⽣产和发展的思想动⼒和观念基础就是朴素唯物主义。⽽唯⼼主义对⼈类⼼灵活动的研究，同时也让古希腊智者的论辩术最终发展成为逻辑学。
逻辑学是哲学的工具，一般来讲，逻辑方法有两种，分别是归纳法（Induction）和演绎法（Deduction）。演绎法包含三个部分：
大前提——已知的一般原理；
小前提——所研究的特殊情况；
结论——根据一般原理，对特殊情况做出判断。
举例：人都会死（大前提），苏格拉底是人（小前提），苏格拉底会死（结论）。
