热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

握紧手中的时间之沙

每个人的生命就像沙漏,里面装的沙子总量大致相当,不同的是,有的沙漏颈部较细,有的沙漏颈部较粗。颈部较细的沙漏能够抓住每一粒时间之沙,即使沙子总量一样,也能拥有更长的生命。《暗时间》是一本很好的关于思维训练的书,我们可以将其研究成果引入到我们的学习与思考当中来。

每个人的生命就像沙漏,里面装的沙子总量大致相当,不同的是,有的沙漏颈部较细,有的沙漏颈部较粗。 颈部较细的沙漏能够抓住每一粒时间之沙,即使沙子总量一样,也能拥有更长的生命。 -- 《暗时间》

《暗时间》是一本很好的关于思维训练的书,我们可以将其研究成果引入到我们的学习与思考当中来。

1.?看书挑剔,只看经典。如何选择经典,可以到网上做做功课,看看评价,综合分析一下。

2. 做读书笔记。一是将自己阅读的时候的思考(包括闪念)总结下来,二是将书中的好例子摘抄下来。(这个习惯是一年前才养成的,发现受益极大。)有了google note,笔记可以加上tag,非常便于回顾,加深理解。我觉得,人与人学习的差距不在资质上,而在花在思考的时间和思考的深度上(后两者常常也是相关的)。

3. Google&Wiki(遇到问题做的第一件事情,也是学习某个东西做功课(homework)最先用到的东西。

4. 提到思考,我有一个小习惯。利用走路和吃饭的时候思考,还有睡觉前必然要弄一个问题放在脑子里面,在思考中迷糊入睡。发现这样一来往往在不知不觉中多出来大量的思考时间。

如果你有一台计算机,你装了一个系统之后就整天把它搁置在那里,你觉得这台计算机被实际使用了吗?没有。因为CPU整天运行的就是空闲进程。运行空闲进程也是一天,运行大数据量计算的程序也是一天,对于CPU来说同样的一天,价值却是完全不一样的。

将思考成为习惯还有一个很大的好处——避免焦虑。卡耐基用一整本书讲了一个有效的做法来避免焦虑——底线思考。然而实际上还有另一个有效的做法,就是投入地做另一件事情。不去想“喜马拉雅山上的猴子”的方法并不是使劲的告诉自己不去想“喜马拉雅山上的猴子”,因为那样等于就是脑袋里想了那只猴子,正确的做法是真的不去想那猴子,而是想别的。用别的东西充满工作记忆,其他的神经活动自然会被抑制(神经科学基本事实)。所以,感到焦虑的时候不妨思考吧,甚至完全可以去理性分析和思考导致焦虑的问题本身,将其拆解,分析来源,在不知不觉中,大脑的工作重心就从情绪模块转向了推理模块了,而且这思考也可能顺带更有效地解决了导致焦虑的问题呢:)

5. 重要的事情优先(详见史蒂芬·柯维的《高效能人士的七个习惯》或《要事优先》)。尽量避免琐事骚扰,不重要的事情能不做就不做。有时候,紧急的事情往往只是当事人觉得必须马上做完才显得紧急或者干脆就是紧他人之急,最糟糕的就是纯属性格上原因觉得每件事情都得第一时间完成,很多看上去紧急的事情实际上并不是真的"不能再拖了",有的干脆就并不需要或值得去做。有很多事情都是可以先放一放甚至完全let go 的,否则的话就整天被所谓"紧急"的事情牵着鼻子走了。

6. 重要的事情营造比较大的时间块来完成。比如一本好书,或者一个重要的知识点,最好不要切得太琐碎了看,否则看了后面忘了前面。不利于知识的组织&联系。

7.?多看心理学与思维的书,因为它们是跨学科的。知识分两种,一是我们通常所谓的知识,即领域知识。二是关于我们的大脑吸收知识的机制的知识,后者不妨称为元知识。虽说这也是领域知识,但跟其它的领域知识不同的是,它指导着我们学习其它所有的领域知识。

8. 学习一项知识,必须问自己三个重要问题:

  • 它的本质是什么。
  • 它的第一原则是什么。
  • 它的知识结构是怎样的。

9.?获得的多少并不取决于读了多少,而取决于思考了多少、多深。

10.?善于利用小块时间,也就是《奇特的一生》中所说的“时间下脚料”,如何利用前面有几个方法。同时,也善于创造整块时间(如通过要事优先)。

如果你正在学习一门专业,你使用自己所投入的天数来衡量,很容易会产生一种错觉,认为投入了不少时间,然而其实,“投入时间”这个说法本身就是荒唐的,实际投入的是时间和效率的乘积。走路、买菜、洗脸洗手、坐公车、逛街、出游、吃饭、睡觉,所有这些时间都可以成为“暗时间”。那么利用这些时间进行思考,反刍和消化平时看和读的东西,让你的认识能够脱离照本宣科的层面。这段时间看起来微不足道,但日积月累将会产生庞大的效应。

能够迅速进入专注状态,以及能够长期保持专注状态,是高效学习的两个最重要习惯。

11. 关于习惯的养成,必须要说明的:经常看到有些人评论说,说说容易,做起来哪有那么容易啊(另一个无关习惯的“说起来容易做起来难”则是因为纸上谈兵不可能算计到所有现实中的因素,但那是另一个问题)。对此我要说的是,做起来当然不容易,所谓江山易改,本性难移。人的性格和认识事物的框架是长期积累养成的,并且人们非常珍视自己的信念(英语里面表达不相信某个东西叫做“I don’t buy it”)。从进化心理学上这是有依据的,一个经过时间检验的信念往往是更靠谱的。只不过可惜的是靠谱不代表最佳,一个信念能让你活下来并不代表能让你活得最好(详见《Mene Genes》,更多的例子参见《How we know what isn’t?so》)。

我们评判一个信念的标准是satisficing 原则(即足够,能行就好,这个术语不是我提的,是大牛Herbert Simon 提的),并不是optimizing 原则。话说回来,为什么说起来容易做起来难,是因为“说”只是理性上承认正确,并没有考虑到我们每个人大脑中居住的那个非理性自我。这个自我以强大的情绪力量为动机,以习惯为己任,每时每刻都驱使着我们的行为。因为它掌握了“情绪”这个武器,所以我们只能时时拿它当大爷。不记得是哪位哲学家说的了,理性是感性的奴隶。那么,是不是就是说无法克服既有习惯了?以我的经验(以及观察到的别人的经验),还是可以的。第一条就是认识到习惯的改变绝不是一天两天的事情,承认它的难度。第二条就是如果你真想改掉习惯,就需要在过程中常常注意观察自己的行为,否则习惯会以一种你根本觉察不到的方式左右你的行为让你功亏一篑。有一个认知技巧也许可以缓解更改习惯过程中的不适:即把居住在内心的那个非理性自我当成你自己的孩子(你要去培养他),或者你的对手(你要去打败他)也行。总之不能当成自己,因为每个人都不想改变自己。这里转一个认知技巧的例子:李笑来老师在《把时间当作朋友》(顺便也推荐这本开放电子书)中提到他一个朋友用另一个认知技巧来克服背单词的枯燥的:

因为,一共要搞定20,000个单词,而因此可能获得的奖学金是每年40,000美元左右——并且连续四年没有失业可能(后来的事实是,他直到五年之后才获得了博士学位)。当时的美元兑换人民币的汇率差不多是8:1,所以,大约应该相当于320,000元人民币。而如果一年的税后收入是320,000元人民币的话,那么税前就要赚取差不多400,000元人民币。那么,每个单词应该大约值20元人民币——这还只不过是这算了一年的收入而已。所以,他终于明白背单词是非常快乐的。他每天都强迫自己背下200个单词。而到了晚上验收效果的时候,每在确定记住了的单词前面画上一个勾的时候,他就要想象一下刚刚数过一张20元人民币的钞票。每天睡觉的时候总感觉心满意足,因为今天又赚了4000块!注意,这跟自我欺骗不同。一来,我们的情绪系统只能这般对付(《Synaptic Self》中提到,大脑中的新皮层(neocortex,所谓“理性”居住的地方,尤其是前额叶)在进化历史上是较为新近的年代才进化出来的,跟底层较原始的模块(如主管情绪的杏仁核)之间的神经网络沟通并不是合作无间,这就解释了为什么有些事情我们明明知道是对的,但就是不能说服自己,情绪还是在那里不依不挠的驱使你去做另一样事情)。二来,我们知道在干什么,所以不能算欺骗:P 总之,对于习惯的更改,除了最重要的一日三省,加上一些认知技巧(其实每个人都是自己的心理学家,你可以自己看看能不能想出什么法子)。其实是没有什么速效银弹的。但是,知难而不退嘛,值得做的事情几乎总是如此:)

本文地址:http://www.nowamagic.net/librarys/veda/detail/2059,欢迎访问原出处。


推荐阅读
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 也就是|小窗_卷积的特征提取与参数计算
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了卷积的特征提取与参数计算相关的知识,希望对你有一定的参考价值。Dense和Conv2D根本区别在于,Den ... [详细]
  • 读手语图像识别论文笔记2
    文章目录一、前言二、笔记1.名词解释2.流程分析上一篇快速门:读手语图像识别论文笔记1(手语识别背景和方法)一、前言一句:“做完了&#x ... [详细]
  • Opencv提供了几种分类器,例程里通过字符识别来进行说明的1、支持向量机(SVM):给定训练样本,支持向量机建立一个超平面作为决策平面,使得正例和反例之间的隔离边缘被最大化。函数原型:训练原型cv ... [详细]
  • 人工智能推理能力与假设检验
    最近Google的Deepmind开始研究如何让AI做数学题。这个问题的提出非常有启发,逻辑推理,发现新知识的能力应该是强人工智能出现自我意识之前最需要发展的能力。深度学习目前可以 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 本文介绍了腾讯最近开源的BERT推理模型TurboTransformers,该模型在推理速度上比PyTorch快1~4倍。TurboTransformers采用了分层设计的思想,通过简化问题和加速开发,实现了快速推理能力。同时,文章还探讨了PyTorch在中间层延迟和深度神经网络中存在的问题,并提出了合并计算的解决方案。 ... [详细]
  • 本文介绍了在Python张量流中使用make_merged_spec()方法合并设备规格对象的方法和语法,以及参数和返回值的说明,并提供了一个示例代码。 ... [详细]
  • 统一知识图谱学习和建议:更好地理解用户偏好
    本文介绍了一种将知识图谱纳入推荐系统的方法,以提高推荐的准确性和可解释性。与现有方法不同的是,本方法考虑了知识图谱的不完整性,并在知识图谱中传输关系信息,以更好地理解用户的偏好。通过大量实验,验证了本方法在推荐任务和知识图谱完成任务上的优势。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 建立分类感知器二元模型对样本数据进行分类
    本文介绍了建立分类感知器二元模型对样本数据进行分类的方法。通过建立线性模型,使用最小二乘、Logistic回归等方法进行建模,考虑到可能性的大小等因素。通过极大似然估计求得分类器的参数,使用牛顿-拉菲森迭代方法求解方程组。同时介绍了梯度上升算法和牛顿迭代的收敛速度比较。最后给出了公式法和logistic regression的实现示例。 ... [详细]
  • cs231n Lecture 3 线性分类笔记(一)
    内容列表线性分类器简介线性评分函数阐明线性分类器损失函数多类SVMSoftmax分类器SVM和Softmax的比较基于Web的可交互线性分类器原型小结注:中文翻译 ... [详细]
  • 本博文基于《Amalgamationofproteinsequence,structureandtextualinformationforimprovingprote ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
author-avatar
西门庆重生727
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有