知識的最佳抽象結構是樹形結構，人類對知識之樹的常見搜索方式有兩種：深度優先搜索和廣度優先搜索。其中，廣度優先搜索要求你嘗試批量處理，深度優先搜索則需要你深入挖掘。深度學習常與人類大腦工作方式背道而馳，超出人們的學習舒适區，表現在外就是：難、難、難。
深度學習，難在需要你發現深層次的因果聯系。馬奇将人類從經驗中獲取智慧的模式分為兩種。
低智學習：在不求理解因果結構的情況下，直接複制與成功相連的行為。
高智學習：努力理解因果結構，并用它指導以後的行動。
一位大叔看到路邊大媽燒餅賣得不錯，于是跟風賣燒餅。大媽賣燒餅多放一個雞蛋，導緻大家都愛買，他也跟着多放一個雞蛋。可惜大叔沒看到，大媽還有個漂亮女兒站在攤位前。這類行為，被稱為低智學習。
再看高智學習的案例：芒格通過綜合對曆史人物、投資公司的失敗案例分析，以及各類心理學與數學知識，總結出人類誤判心理大全與投資清單，試圖理解因果結構，分析人是怎麼失敗的，用它指導今後的投資行為。
深度學習，難在需要你将知識内化為本能。為什麼你是新手而不是專家？作為新手，你與專家最大的區别在于，他們掌握了大量内隐知識。
很多人小時候都學過騎自行車，一旦熟練掌握這項技能，你就可以在騎車時一心兩用，這就意味着騎自行車的技能已經變成你的一種内隐技能，不需要再調用你的大腦為它進行額外的付出。專家的效率比一般人高很多，就是因為他掌握了該領域大量的内隐知識，很多技能已經自動化了。
跟内隐知識相對應的是外顯知識。拿編程舉例，如果你是第一次接觸編程，你會了解到一種語言包含哪些知識點，該如何背誦、拆解、調用這些知識點。這就是外顯知識。
專家不僅僅掌握了上述知識點，還擁有一整套行為規範。比如，專家級工程師明白怎麼更好地與人溝通，怎樣更好地表達自己的需求，怎麼去輸出産品，這些都是内隐知識，是通過不斷學習而習得的自動化反應與條件化反應，這些自動化的模式更容易進入大腦的“自主心智”部分，不再擠占“算法心智”當中狹小的“工作記憶”。
一般來說，三四十歲會是一個人事業的高峰期，在職業生涯的這個階段，人的技能會臻于成熟，如果他已走在通往專家的路上，其“自主心智”部分此時會擁有大量自動化模式，而“算法心智”部分的認知負荷也會大幅下降。職場新手眼中的重度腦力勞動，對這類人來說，則屬于輕度腦力勞動。
深度學習能讓你掌握内隐知識，培養更多自動化模式，從而讓大腦認知負荷更小。這樣的路上，你常常是孤獨且不自信的。你不清楚自己是做對了還是做錯了。看暢銷書，容易；堅持看學術專著，難。刷朋友圈，容易；堅持輸出，難。選擇人人都走的路，容易；與衆不同，難。
但是，衆人選擇的路，開始輕松，後面難。為什麼在年輕時要繞開那些表面名利雙收的差事，專選較難的事情做？因為前者需要加上那麼多名和利，才能與選擇你喜歡的事情打成平手。當世界變得越來越複雜，就越來越不太可能有跟你一樣的人。尋求同理很難，尋求認同更難。你需要将自己從别人的期望中抽離出來；你需要返回自身，體悟道心，讓好奇心、樂趣本身成為學習最好的獎賞。