Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

把成捆的想法从嘴里吐出来

Posted on 2022-07-06

以下是它的想法:

这是谈话的样子:

在某种程度上,沟通的整个问题是难以将复杂的相互关联的思想束推过你嘴巴的低维空间。

在尝试通过一系列 1 维蚀刻来传达复杂的 3 维对象时,您不仅被迫将复杂的曲线拉直为直线,而且会丢失大量关于线条之间关系的信息。[^1]

这会带来各种困难的后果。

通常,当我被要求举出例子来支持某个观点时,有 6 个不同的例子共同构成了我相信这件事的原因;它们每个都为我的信念增加了一点分量,但它们都不是决定性的。说话时,我必须选择其中一个进行线性化,所以我的说法甚至对我来说都没有说服力。

同样,是否包括所有相关警告的决定也是令人痛苦的。如果您有这些想法和注意事项:

您只有几个选择:在没有警告的情况下表达主分支:

讲了很长时间,表达了要点,然后是所有的警告,到那时你的听众可能已经忘记了一些要点,并且努力将警告与要点联系起来。

或者当你到达它时解释每个警告,这(实际上,通常)意味着你永远不会到达要点的结尾,你会用完时间或脱轨解释第 1 步的警告

(小测验:你现在还记得原始图表的形状吗?我当然不记得了)。

对此有什么可做的吗?哲学家 Kalid Azad 写过先给出大纲,然后给出细节的好处:

假设我们可以按顺序呈现事实似乎是合乎逻辑的,例如将数据传输到计算机。但谁真的是这样学习的呢?我更喜欢模糊到锐利的方法

[也许你已经注意到——尽管同样,也许它并不是很明显——这就是我在这篇文章的结构中试图做的:从模糊到锐利]。

在我的示意图中,Kalid 的方法可能如下所示:首先给出事物的整体形状,然后在其中添加细节:

我认为这可能是一种很好的沟通方式,尽管作为一个不喜欢说不真实事情的人,很难给出大纲,因为它并没有真正传达出全部真相。

顺便说一句,这个模型是我不相信我的想法最初存在于语言中的原因之一。一位朋友最近表示,他所有的想法都是口头的,如果他生活在没有语言的时代,他不确定自己会如何思考。我有一种直觉,我的想法是非语言的,但很难描述它们是什么——它们并不都是视觉的,或者由数字组成,或者其他什么。

我确实有一段由潜声词组成的内心独白,但我认为我的大部分思想都以某种直接的方式作为概念捆绑存在,结构可以在意识中而不是在语言中存在于某种空间上。这就是为什么他们很难用语言来把它们从我嘴里推出来。


[^1]:相关地,请参阅 Scott McCloud on 第 45 页 / PDF-page 52 上的漫画

原文: https://www.atvbt.com/bundles-of-thoughts/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • Elad Gil
  • Ellie Huxtable
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mostly metrics
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme