一些很重要的讨论，用（AI 眼中的）脑科学去证明大量感性经验的重要性（终于和哲学统一起来了不是？），以及破除透视万能论——学过透视就能画一切东西这一迷信。

我从未想到我又能把这事儿扯到马克思主义的认识论上……

关于脑中三维模型

关于在脑子里建立三维模型这一点，脑科学究竟怎么说？我目前的想法是：

1. 这个三维模型是抽象的，离散的，不连续的，模糊的，不能直接类比为 3D 软件中的模型，
2. 这个三维模型，本质上是我们以一系列二维的图像拼凑起来的，本质上实际上不能说有这么一个三维模型，只是它表现为一个类似三维模型的东西，可以缩放，旋转
   1. 这个就真的是大胆假设了……我目前看过的材料没有这么说的，但我凭我自己的这些许经验有如此感觉，而其他的想法其实都是基于这个感觉
   2. 可以把这些二维图像想象为关键帧，大脑插值得到我想要的角度的图像，
   3. 当然，这里得到的图像仍旧只是一个印象，在后续的绘制中它逐渐变得精确
   4. 这个好像脑科学中叫 视图依赖表征 view-dependent representation
3. 这个三维模型是迭代的，随着我对此物体的反复练习能够变得精细，但仍旧离散不连续，面对不常见角度的旋转仍旧会抓瞎，需要更多参考或探索
4. 我对当前所画的物体会建立一个相对更精细，更片面的三维模型，这个三维模型随着当前绘制进度不断迭代细化，并指导我进一步的绘制；这个三维模型和当前画布是一个辩证统一的关系——三维模型指导我安排形状，我探索的形状细化这个三维模型
   1. 即，内部模型指导输出，输出反过来塑造模型。

AI 同意上述所有观点。所以，大脑里确实没有一个真正的三维模型，只有一系列所画物体各角度的二维视图。

是否能通过探索去学习结构

如果上面的所有想法均是正确的，那下一个问题是，我能否通过画笔的探索去学习物体的结构，即使在没有参考的情况下？我做一个形状，检查它是否符合我的预期——即表达了我想要的形体，如何调整，然后修正，这样我就做出来我从前从来没画过的东西，同时对这个东西也加深印象？

（当然，我知道通过透视图去研究是能够做到这个的，比如对物体的一个照片，能够得到物体的三视图，然后基于线性透视学去绘制任意角度）

AI 似乎同意能通过探索掌握新东西……所以，无参考学习确实是可能的，所掌握的新的东西其实本质上已经被大脑掌握过——有过这样的感性经验可以作为判断的依据。这同时也指出了它的局限——感性经验。

所以，这里可以有一个质变点——对一个物体有了足够多感性经验后（显然，某些感性经验必须通过画笔取得），便能够通过探索去补全缺乏感性经验的角度，并作为新的感性经验。就像我原本背单词，现在能根据语法规则和大量的积累猜词义。

而上面的一切讨论，证明了我当前正在操作的，进行大量有参考的速写这一学习方法重要性……在过去我对此实际上没有意识到这一点，我迷信脑子里的三维模型，期待能通过大量思辩（程序员的坏毛病），少量的对特定角度的研究就能知其全貌。而科学证明，没有这么一个 3D 模型，只有一个图像数据库，大脑临时从中拼凑出某个角度的画面。因此，（用画笔）向这个数据库中插入大量图像（即大量的感性经验）是必要的。

这里必须强调——不要以为只要多画，就能自动地掌握什么东西——必须要思考，大脑必须要受苦，不如此不能改造自身。

经验即嵌入向量

但是，考虑一个问题——我速写时，看到什么画什么，不管背后究竟有啥空间结构，纯粹平面思维，vs 每次都思考和主动建模物体实际的空间结构，问为什么，这两者的训练效果必然将会有明显差异。所以，大脑保存这个二维图像，其实也编码了一些其他信息，如我最关心的空间关系。

更进一步，实际上图像本身它就不存在，存在的只是图像编码后的信息，就像机器学习中所谓的嵌入向量。

而从嵌入向量这个比喻去思考，我们光看图，或者用看到什么画什么的思路去临摹图，我实际上就是插入了低质量，低维度的嵌入向量，意义不大。明显地，我如果是为了训练空间关系，我就需要增加更多包含空间关系的嵌入向量，即在练习时用空间思维去思考（当然，形状思维同样要参与）。

嵌入向量这个类比也可以扩展到马克思主义的实践论上——我如果想要知道梨子是什么味道，就必须变革梨子，亲自尝它一尝，这样才能得到最高质量，最丰富维度的嵌入向量，否则道听途说只能得到低质量，低维度，且可能错误的嵌入向量（虽然自己的实践也不一定是正确啦，再说这里的正确也只是相对真理……我又在绕圈子了，打住）。