知识的最佳抽象结构是树形结构，人类对知识之树的常见搜索方式有两种：深度优先搜索和广度优先搜索。其中，广度优先搜索要求你尝试批量处理，深度优先搜索则需要你深入挖掘。深度学习常与人类大脑工作方式背道而驰，超出人们的学习舒适区，表现在外就是：难、难、难。
深度学习，难在需要你发现深层次的因果联系。马奇将人类从经验中获取智慧的模式分为两种。
低智学习：在不求理解因果结构的情况下，直接复制与成功相连的行为。
高智学习：努力理解因果结构，并用它指导以后的行动。
一位大叔看到路边大妈烧饼卖得不错，于是跟风卖烧饼。大妈卖烧饼多放一个鸡蛋，导致大家都爱买，他也跟着多放一个鸡蛋。可惜大叔没看到，大妈还有个漂亮女儿站在摊位前。这类行为，被称为低智学习。
再看高智学习的案例：芒格通过综合对历史人物、投资公司的失败案例分析，以及各类心理学与数学知识，总结出人类误判心理大全与投资清单，试图理解因果结构，分析人是怎么失败的，用它指导今后的投资行为。
深度学习，难在需要你将知识内化为本能。为什么你是新手而不是专家？作为新手，你与专家最大的区别在于，他们掌握了大量内隐知识。
很多人小时候都学过骑自行车，一旦熟练掌握这项技能，你就可以在骑车时一心两用，这就意味着骑自行车的技能已经变成你的一种内隐技能，不需要再调用你的大脑为它进行额外的付出。专家的效率比一般人高很多，就是因为他掌握了该领域大量的内隐知识，很多技能已经自动化了。
跟内隐知识相对应的是外显知识。拿编程举例，如果你是第一次接触编程，你会了解到一种语言包含哪些知识点，该如何背诵、拆解、调用这些知识点。这就是外显知识。
专家不仅仅掌握了上述知识点，还拥有一整套行为规范。比如，专家级工程师明白怎么更好地与人沟通，怎样更好地表达自己的需求，怎么去输出产品，这些都是内隐知识，是通过不断学习而习得的自动化反应与条件化反应，这些自动化的模式更容易进入大脑的“自主心智”部分，不再挤占“算法心智”当中狭小的“工作记忆”。
一般来说，三四十岁会是一个人事业的高峰期，在职业生涯的这个阶段，人的技能会臻于成熟，如果他已走在通往专家的路上，其“自主心智”部分此时会拥有大量自动化模式，而“算法心智”部分的认知负荷也会大幅下降。职场新手眼中的重度脑力劳动，对这类人来说，则属于轻度脑力劳动。
深度学习能让你掌握内隐知识，培养更多自动化模式，从而让大脑认知负荷更小。这样的路上，你常常是孤独且不自信的。你不清楚自己是做对了还是做错了。看畅销书，容易；坚持看学术专著，难。刷朋友圈，容易；坚持输出，难。选择人人都走的路，容易；与众不同，难。
但是，众人选择的路，开始轻松，后面难。为什么在年轻时要绕开那些表面名利双收的差事，专选较难的事情做？因为前者需要加上那么多名和利，才能与选择你喜欢的事情打成平手。当世界变得越来越复杂，就越来越不太可能有跟你一样的人。寻求同理很难，寻求认同更难。你需要将自己从别人的期望中抽离出来；你需要返回自身，体悟道心，让好奇心、乐趣本身成为学习最好的奖赏。