怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

“怎樣使自己的智力超過愛因斯坦?”當你思考這個問題的時候,其實已經沒有辦法了……

人的智力很大一部分是天生的,但也有一部分是可以通過後天訓練得到的。不過這種訓練是有時限的,一般在大腦發育期效果會比較顯著,成年以後就作用不大了。

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

當你開始思考這個問題的時候,我估計你的年齡已經超過大腦發育期了……

雖然的不行可是可以來的,也就是大腦發育沒法改變了,但思考模式你是可以改變的,當然要真正改變是需要訓練的,而且不可能達到前面的提升程度,而且這需要專業訓練。

當你習慣了一種思考模式,你解決那類型問題的能力就會明顯高於跟你智力相當的人。比如一個經常玩IQ題的人,即使面對自己從沒遇到過的一道IQ題,也能比智力相當甚至智力比自己更高的人更快解出來。這有點像計算機裡面的軟件算法優化

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

比如這道IQ題,我用了幾分鐘,你能在十分鐘內解決嗎?

你可能覺得這種針對某些特定問題的訓練沒什麼意義,但這其實是一種思維方式的訓練。在我們成長過程中很容易會因為習慣而固化了我們的思維方式,這有點像大家常說的“文科思維”和“理科思維”。這些思維習慣除了先天因素(遺傳基因),主要是小時候形成的,我們經常聽到一句話:“三歲定八十”,這話是有道理的,除了性格是小時候形成的,其實思維習慣也是小時候形成的,當長大後其實是不容易自發改變的。

但是有個好消息是,當你處理不同的類型的問題多了,面對不同的問題就能採取比較發散的思維方式,通常能比相同智力的人更快找到解題思路,我想這就是題海戰術的真正意義吧。

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

前面提到軟件優化算法,我突然想到近幾天的谷歌量子霸權事件。就是谷歌在《自然》雜誌上發表論文宣佈自己實現量子優越性,其實就是量子霸權的比較含蓄的名稱。宣佈在其53比特的量子計算機上實現遠超越經典超級計算機的性能,量子計算機用200秒完成了經典超級計算機需要10000年才能完成的任務。然而該經典超級計算機的製造者、量子計算機的競爭對手IBM公司在谷歌論文正式刊發的前一天提交了論文,表示谷歌在經典超級計算機上所使用的並非最優算法,他們通過論文形式給出了優化方案,通過算法優化和內存硬盤協同工作把經典超級計算機解決該問題的時間縮短到2.5天以內,10000年÷2.5天=1461000(倍),也就是通過優化算法把性能提升了146萬倍!而超級計算機硬件不變!

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

說到這裡我要談談關於網上流傳的大腦開發不足10%的問題。我看過很多科普人在回答這個問題時都指出大腦已經100%使用,沒有待開發的盈餘。

其實對此我一直有不同意見,我個人觀點是:大腦有可開發的餘地!但我得同時聲明:我不認為大腦只開發了10%。我的意思是:大腦依然有潛力!

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

我舉個例子:記憶力訓練。最早知道這種開掛的記憶力訓練方式其實是在《最強大腦》這個節目中,裡面那些本來記憶力一般的選手通過特殊的訓練,記憶力都變得異於常人。其實那就是一種不改變硬件(內部結構)下的軟件優化。他們是通過把一下需要記憶的文字、數字等內容通過形象編碼成一下相關聯的“故事”並存儲下來,由於經歷數十萬年的進化,人類對形象和故事的記憶能力遠超過對只有數千年曆史的文字和數字記憶,因此他們通過這種訓練可以獲得驚人的記憶力。

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

當然,我不認為這種方式得到的記憶力提升對智力有什麼幫助,只不過是想說明:我們的大腦我們還沒有用好。也就是我們的大腦還有潛能。那麼我們是否可以通過優化“大腦算法”來獲得比愛因斯坦更高的智力?很遺憾:不能……因為愛因斯坦的“大腦算法”已經非常優異了,這不是一般人可以超越的……我們都知道愛因斯坦很喜歡在大腦裡做物理實驗,就是我們常說的思維實驗,這本身需要極高的想象思維能力。另一方面愛因斯坦的數學能力也很優秀,未成年以前就自學完微積分,一年時間就搞定黎曼幾何和張量分析。在科學界,有數學能力比他好的,可能也有形象思維能力比他好的(我還沒發現),但兩者綜合應該找不出比他好的。

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

在與愛因斯坦同時代的科學家裡,智力高於愛因斯坦的應該不在少數,那個把愛因斯坦虐成狗的“懟王”泡利就是其中之一,但是他們成就都沒有愛因斯坦高,你可能認為這是愛因斯坦運氣好,但我不這麼認為,我認為是因為愛因斯坦大腦用得好,愛因斯坦是形象思維能力與邏輯思維能力超凡配合的典範!

怎樣使自己的智力超過愛因斯坦?人的大腦真的沒有可開發餘地嗎?

​你的大腦你用好了嗎?


分享到:


相關文章: