一些新的思考：
1. 当我自己讲解的内容时，我的心理是位于心流区/心理舒适区还是焦虑区还是无聊区？ #
这取决于教授的内容对自己而言有多大的比例未掌握。如果远超15%。那会是焦虑主导，如果比例远低于10%，那会是无聊主导。
2. 怎么样看待其它人讲解的内容？ #
其它人的讲解的内容提供的价值在于让学习者意识到自己可以如何变得完善的。 其它人讲解的内容和自己的表达差异不应该太大。应该维持最佳意外率 一个猜想是用户应该天然最喜欢选择最佳意外率的学习材料
3.是应该最大化连续时间内信息增益吗？ #
应该最大化使用学习平台的总体信息增益。实际上就是维持心流状态。因为这个状态下可以同时得到最长的学习时常，以及最大的学习带宽。因而会有最大总体的学习信息增益
系统定义：
一 输入：
- 用户已有的知识知识结构
- 可供组织的用于被表达的学习材料
- 其他用户的表达 能够在没有一个真实的10岁小孩出现的情况下，我们依然能够完成这样的学习反馈，那我们就需要设计信息的反馈方式，其实对于平台而言，并没有太多的选择一个自动化的平台，而且是高效的平台。 这个平台下面全部都是学习者，所以反馈要在学习者中间完成，这样，才能够绕过，没有受众的问题 二 输出： 1.建立的之上的知识结构。 2.用户的表达
注：其实在结构层面，输入和输入应该是神经结构。但是它不可度量，也并非最终目标，所以这里还是把重点放在和神经等价的信息上。
三 优化目标： 最大化 使用学习平台的总体信息增益
四 求解器：费曼学习平台V1 核心思路: 就是每次让学习者选择一些用来教别人的学习材料，通过几个选择达到对一个知识的完整描述，然后让其他的学习者来选择哪些是最好的教授的课程。
让用户编辑、增量修改讲解的内容。讲解的内容通过选择，引导性的辅助内容快速完成。辅助内容的计算应该通过计算最大化信息增量提供 在主动教学的过程中，需要增加一些工作，这样可以降低费曼学习法的实施难度。因为每个人的知识体系都是不一样的，而且每个人对什么是最好的教学，并没有一个统一的概念，而什么是最好应该是通过系统化的方式，以算法作为工具，把这种方式找出来。
用户选择的内容会被打分，可以看到，另外两个其他3用户生的讲课内容。 比对理解： 教学的过程中，因为表达和反馈的存在受众反馈的听众反馈的存在，授课者，能够意识到自己知识的。自己知识的欠缺。
用户可以选择最优的其他人的学习内容，并且用户会把自己的讲课和最佳的学习内容，一并记录到自己的学习内容记录里面。
用户可以通过回顾来查看自己学习过的内容，当用户有许多内容没有复习时，这种回顾是强制的。 学习者在完成教学之后，他再过一段时间，比如半小时以后它可以看到其他学习者对他学习过程的反馈，那这个时间间隔的用意一个是增加了学习者走出思维，定式的，可能因为学习者在学习的当下。 他的思维对象并没有能够真正有效的指向目标，学习对象，只有通过更长时间的间隔的引路，通过遗忘通过发散放空的思维，才能够重新正确的认识到，学习对象的真实含义。
主动召回：学习者可以选择是否需要再次学习。如果算法可以确认出哪些东西需要复习，那建议优先学习。 那学习者是否在收集了其他反馈之后还需要再次的讲解学习的内容呢？ 看看影响表达的注意因素。如果用演讲做启发，一是知识，二是激情和代入，三是简明的风格，也就是把握重点的能力，这实际上是一种相当独立的意识和能力换句话说。 知道哪些知识，通过哪种表达方式是更高效，更能被对方接收理解的，更能作为更高效的通信方式。 关键还是要看再次尝试的收益曲线