我今年九月份的时候，真正得出了第一性原理，过程是这样的:
五月份之前一直在思考怎么才能学的更快，一天晚上在阳台，听了一首电音曲《remember》，同时回忆起深度学习中，神经网络的逆向传播反馈更新权重的过程， 我认识到知识都是信息，信息是静态的，因为有我们都在时间的长河所以以为是动态的。于是我可以把学习定义为信心的 输入 以及 加工。接下来就需要解决两个问题，加工个输入，加工速度取决于大脑已有的信息（不知道的东西肯定无法加工），于是主要还是信息的输入。
这里问题就来了，信息输入大多都是别人自由的成果，针对于研究类的项目，就需要推理了（为了增加推理能力，我开始玩真人探案游戏了，《青台山疯人院》《永生大酒店》有人玩过没？），要想推理，必须的根据事物发展的规律，且已有一些基础信息才能完成推理。完了

获取新知识的途径分为两类，一类是归纳，一类是演绎。前者，有点像集邮，当年博物学就是这么发展起来的，进化论也是达尔文无数观察的集大成，物理学早期也是这样，天文学家第谷积累了大量第一手资料。第谷的助手开普勒，在此基础上，提出了行星运动的三大定律。牛顿在三大定律之上，提出了更为简洁深刻的万有引力定理。归纳法，容易操作，我们也经常使用。但如果要得出有用的结论，往往需要总结大量案例，费时耗力，而且不够聚焦，常人难以坚持，更无法穷尽。另外一种学习途径，就是演绎，从基本原理出发，推导出各种定理，构建一张有向图。图的节点是公理和定理，边是逻辑推导。遇到新的问题，先定义问题的基本元素，然后从公理和已知的定理出发，通过逻辑推导到新的问题，再找到答案，找到答案以后，这个问题就成为新的定理，成为解决其他问题的基石。欧几里德几何体系就是这样处理的，它由五个公理出发，遇到新的几何问题，就增加定义，让问题转化为公理和已知定理能解决的形式，然后解决问题，拓展整个定理体系。演绎法中，公理往往比较少，容易掌握，逻辑推导虽然复杂，但是一致性强，而且通用。但是，打造软件的演绎系统非常不易，软件是一门工程性很强的学科，重实践。在这个演绎系统中，选择哪些作为公理，那些作为定理，哪些作为推论，如何运用逻辑关系，都不是容易选择，期待李老师的精彩讲解。

满世界的技术为业务服务论调。(当然，这是对的)
突然听到一个特别的声音

第一性原理思维方式。


卖点 收货个人技术树。
其实很多看起来难以坚持、让人容易放弃的事情，并不是智力、体力或者意志力的问题，更多的是方法问题。很多时候，学习新知识和新技术之所以困难，是因为没有理解这些新技术背后的思想和原理，以及这些新技术诞生的来源。太阳底下没有新鲜事，绝大多数新技术其实都脱胎于一些既有的技术体系。
如果你能建立起这套技术思维体系，掌握这套技术体系背后的原理，那么当你接触一个新技术的时候，就可以快速把握住这个新技术的本质特征和思路方法，然后用你的技术思维体系快速推导出这个新技术是如何实现的。这个时候你其实不需要去学习这个新技术了，而是去验证这个新技