怎样轻松定投注意力

在计算机科学中，评估一个算法好不好，通常看执行计算所花的时间和占用的内存（空间），占用内存越小，花的时间越少，算法质量也越高。同时还得考虑成本，所以，评估一个算法的质量，有三个维度：

• 时间

• 空间

• 成本

这是衡量机器算法的维度。那么怎样来衡量大脑的算法质量呢？

心理学家米勒认为，大脑工作记忆只能同时加工7±2个组块，他在论文中写道：

我已经习惯了区分比特信息和组块信息。我认为，对于绝对判断来说，信息的比特数是恒定的；而对于工作记忆来说，信息的组块数是恒定的。

这里有两个概念需要了解，一个是工作记忆，可以将工作记忆类比为大脑里的一块小黑板。我们有意识的思考，都在这个小黑板上进行。这个小黑板空间很小，只能写7±2个组块，最多9个组块，最少5个组块。

组块（chunk）又是什么呢？从神经科学角度来看，组块就是反复使用而形成的神经通路，通路中的神经元往往会同时激活，让你回忆一个概念或执行一项动作时有效而流畅。

以学车为例，新手学开车时，踩油门是一个组块，挂挡是一个组块，刹车又是一个组块，所以新手开车手忙脚乱，因为每个动作都占用一个组块。而老司机，将这些动作组成一个块，所以就能一边开车，一边跟旁边的人聊天。

大脑的这块小黑板受硬件约束（7±2），我们想提升处理信息的能力，就要提升算法质量。我们可以通过对信息组块，对信息重新编码来突破限制。就像开车一样，把整个动作组装成一个块，就占用很少的注意力。

注意力很宝贵，注意力占用就是占用了大脑计算能力。那么节省注意力，更高效的使用注意力的方法就是对信息组块，提升组块的质量。

高质量的组块能同时减少时间、（工作记忆）空间、（脑力）成本的付出。

概念的组块：底层概念组块为更高层的概念，比如桌子、椅子、沙发组块为家具

动作的组块：踩油门，挂挡，刹车组块为开车，可以自动化运行，几乎不占用注意力

从这个角度来将，每培养一个习惯，就在定投注意力，生活中基本决定和行动借助习惯自动化，我们就能将更多的注意力放在陌生的，重要的抉择上。