Thread by @Svwang1

这篇论文有点意思。末尾关于顿悟的相变(phase transition) 的解释大概是这样的：刚开始，每个组件都比较弱，所以每个组件的进步对于整体的进步贡献非常小。但随着各个组件的发展，其它组件会变得更有用，意味着整体的梯度 (学习的速度) 会非线性增加，这就是顿悟 (相变)的真实机制。

https://twitter.com/xleaps/status/1628222308316848128

如果继续推导，所谓“涌现”的现象，本质也就是多个组件自由组合连接，在摸索发展的过程中，形成的突然加速发展的现象。只要足够开放，组件足够多，学习反馈的时间足够长，注定会突破临界点形成加速发展的现象。但具体临界点无法提前精确预测。

如果你理解了“涌现”的底层机制，就会对长期的未来极度乐观，而且知道为什么乐观，而且知道要关注哪一类特征的事物，以收获“乐观”的果实。