Saturday, April 30, 2022

八万四千问

前言

我们在物质上越富有,我们的不安全感和不确定性就越强烈和凸显。

认识佛教

但是因为我们人类无法直接看到真理本身,我们能尝试理解未经加工的真理的唯一办法就是通过贴标签。这个悖论在伟大的道家经典《道德经》中被很好地表述为“名可名,非常名”,这表明我们人类热爱命名。

有一个世俗谛(相对真理)的领域和一个胜义谛(绝对真理)的领域,他们不能身在世俗谛而期待一个胜义谛的答案

物质主义的游戏永远无法真正地根除不安全感。

如果你变得太物质主义,总是说明你有种自卑感

关于因果与轮回

我们感觉那是命运,只因我们拥有某些习性已经很长时间。事实上,被认为是所谓“命运”的一切事物,都是我们通过自己的无明制造的。然后我们忘记自己创造了它,很久以后,我们认为它是不知怎么就随意发生的“命运”,认为对此我们不会受到责备,也不需要担负责任。

所以在佛教中,财富、好运和“好的生活”是以领悟真理的机会来衡量的。

幸福和控制有着如此大的关系—— 当我们的生活在掌控之中,我们就认为自己是幸福的。

当我们不再依赖于任何因与缘,我们就不再是业债的牺牲品。例如,如果你觉得需要有朋友的爱才能感到幸福,这意味着你还在聚集业债。

如果我们还想得到表扬,如果我们还被批评困扰,如果我们被忽略时感到孤独,如果名望让我们激动兴奋,那么我们有意识无意识地总是在寻找安慰或者安全感。

然后我们害怕不幸福,我们如此辛苦地工作、付出极大的努力,只是想要赢得赞扬、避免批评、得到关注,以及不被忽视。只要你还在做这些事情,你就还受着因缘约束,从而受到业债和它的果的约束。

关于修心和修行

我们必须学会专注,长时间地专注。这是让心调柔的关键。

学修佛法与日常生活

每天拿出一点时间,哪怕只是短短三分钟,真正地独处并安静地冥想。在此期间,应该关掉手机、不管邮件、不看电视、不读杂志,也不回应其他人的要求。所有那些日常的事情都不要去做,只是安静地坐在某处,并观察你的身体。

为什么要出离诸如家庭和世俗生活等事情—— 并不是因为这些事情是邪恶的,而是因为它们是种幻觉。理解这一点才是究竟的出离,正如出离骄傲、嫉妒、嗔恨以及其他种种令人痛苦的情绪才是出离的核心目的。成为僧人并不一定能保证这种究竟而核心的出离。

精神物质主义”比“物质物质主义”要危险得多。

关于烦恼、爱情、关系、婚姻与我执

看到无常的事物却视之为永恒;看到很多的零件和粒子却视之为一个整体;看到相互依存的事物却视之为各自独立的存在;看到全然短暂存在的事物却认为它有个坚固的“自我”。传统上,这就是烦恼的本质,烦恼就是这样作用的。

从佛法的角度,你应该舍弃任何滋长你的傲慢、我执和贪心的事。这件事可能是关系,但也可能是假装舍弃关系。

释迦牟尼佛说:“真正追随我的人会像狮子一样死去。”

金刚乘确实更快。举例说,你很渴,我们知道你的渴需要通过喝水来解除,但是我们遇到一个更大的问题,就是你不相信水确实是水。所以我们只得骗你喝,把水说成牛奶、蜂蜜、橙汁或者其他什么。我们给水染色,让它看上去更有吸引力,然后我们才能让你喝。

上师和传承

对“一切都是我们的投射,一切都是我们的心”这一点有坚定的认识。

我们可以教给孩子们,无论你做什么都有后果需要承担

我想要教孩子们在野外怎样生火,想让他们知道水的源头不是自来水龙头。教育的目标是改善我们自己,以便我们能以不同的方式看待世界,以便我们可以帮助别人,并通过帮助别人使我们自己幸福和满足。因此我们所学不是为了找工作,而是为了自我完善,让我们自己的内在和外在都更加优雅。

我去香港和新加坡之类的地方旅行,那边的大多数孩子没有什么可以和别人分享的,除了最新的应用和软件以外,他们没有什么个人经历。

有些电影很有力量,比如1979年安德烈·塔科夫斯基的《潜行者》,至今仍是最有力量的电影之一。

聪明人极简图表工作法

用不上的知识全部是垃圾。

“GPS”这三个字母,写下你的G(Goal,目标)、P(Points,要点)、S(Steps,步骤)。

第1章 比起方法和技巧,“思维方式”才真正决定一切

二流人士追求“做事方法”,一流人士认清“思维方式”

关注点从“方法”转移到“思维方式”

弄清自己的工作中应该抓住的

“一个关键的思维方式”。

年收入不增长的最大原因是“对年收入翻倍的幻想”

工作和人生都由聚焦来决定,这就是本书所传达的“唯一思维方式”。

是否能够聚焦在你的目标上,将决定你工作的质量和速度。

做不出成果的原因,在于没有准确聚焦。

人类的短时记忆的容量一般为7。

二流人士通过做加法思考,一流人士通过做减法思考

决定了“不做什么”,就能提升工作的速度和质量。

第2章 不再迷茫!最快速做出成果的“工作GPS”

“工作的GPS”如下:

G(Goal)…………目标。到哪里去?

P(Points)…………达成目标的关键点是什么?

S(Steps)…………按照怎样的顺序(步骤)才能够达成这个目标?

目标设定必须抓住的一点,就是你设定的目标是简单易懂的。

乔布斯会制作出简单易懂的战略。这个战略用仅仅“一行”文字就可以说明白,简单到连小学生都能看懂。

简洁比复杂还要难。要将事情变得简洁,需要拼命努力,让思考变得明了。

二流人士用语言说明,一流人士用“影像化”

使用“简易的目标”吸引更多人参与的强有力武器是“故事”,而创作故事的关键在于“影像化”。

我意识到当整理不清思绪,汇报演讲不顺利的时候,实际上就是大脑中“影像化”没做好

在工作任务下达的这一刻,在脑海中考虑到达目的地之前的各个“场景”,这就叫作“影像化”。

工作任务下达的那一刻,你就在大脑中构建出到达目的地之前的各种场景。

这就叫作“ABC”三幕式结构影像化。

ABC如下所示:

After(理想)=梦想和蓝图。目标达成后的状态。

Before(现实)=眼前的现实问题或课题。

Change(变化)=现实转变为理想状态的时候。

把应该做的应该传递的内容归纳为“3”点。

让工作变得戏剧性般简单的数字“1、3、10”

无论是信息还是思考,有了“数字框架”,就有了聚焦的点,更能专注。

史蒂夫·乔布斯在会议上说“禁止使用幻灯片”。

人生中应该关注的三个问题。

①你把深切的热情投入哪里了?

②对你来说,最好的工作是什么?

③你通过什么来获得生活所需的口粮?

为什么人会不安?这是因为“不知道”。

抛出问题之后,大脑为了尽快找到答案,就会活跃起来。

爱因斯坦曾经说过:“如果说我的成功秘诀只有一个的话,那就是一直拥有一颗童心。

提出疑问是对大脑肌肉的训练。多使用疑问句,让你有些迟缓的脑细胞一点点恢复活力吧。

第4章 现在你需要的八张表

 

对方想知道的最低限度内容有:

一条信息、三个要点、一个行动。

“想说什么?”= 一条信息

“要点是什么?”= 三个要点

“我该怎么办?”= 一个行动

报告书的目标是一个行动。

 

29 最快速写出报告书的“F1报告书”模板

 

“F1报告书”就是从上到下,由回答GPS的三个问题构成:

Q1:如何用一句话说明这个报告书?

Q2:该报告书的要点是什么?

Q3:那今后该怎么办?

 

30 仅“知道”还不行,要专注在“做到”上

 

如果放在“知道”上,你很可能学成个半吊子;如果放在“做到”上,你学习的质量和速度都会得到提升。

 

34 只需要填穴,你的“联想力”就能显著提升

 

“像星巴克一样的便当店”“像优衣库一样的便当店

 

 

用“像×××一样”联想

 

35 3秒钟刻在记忆里的“一行标题”

 

制作的精髓在于“你制作出来的东西是否能让自己都心动不已”。

 

 

就像“看了预告片,你就像看了整部电影”一样,你在将策划案递给对方的一瞬间,最理想的结果就是“在3秒钟内给对方带去冲击、对方30秒内能看懂故事、3分钟内能采取行动”

 

37 二流人士使用“说明型”,一流人士使用“展示型”

 

二流人士使用“说明型”,一流人士使用“展示型”


Wednesday, April 20, 2022

如何创造可信的AI

第1章 AI该往何处走

在当下的AI研究中,鲁棒性都没有得到足够的重视。一部分原因在于目前的AI研究重点都放在了解决那些容错能力较高的问题上,比如广告和商品推荐。

在事关重大的未来AI应用领域之中,包括无人驾驶汽车、老人照护、医疗规划等,鲁棒性都至关重要。

第2章 当下AI的9个风险

在人工智能从根本上得到重构和改进之前,风险依然存在。这里有9个风险是我们最担心的。

第一个风险是基本超归因错误。AI总是让我们误认为它拥有与人类相仿的智慧,而事实上根本没有。

第二个风险是鲁棒性的缺失。

第三个风险是,现代机器学习严重依赖于大量训练集的精准细节,如果将这样的系统应用于训练过的特定数据集之外的全新问题,就没法用了。

第四个风险是,当需要更微妙的方法时,盲目地过分依赖于数据,还会导致过时的社会偏见长期存在。

盲目的数据挖掘机却无法捕捉到这种变化,只能去强化历史,而无法反映出日新月异的现实情况

第五个风险是,当代AI对训练集的严重依赖,也会引发有害的回音室效应,系统最后是被自己之前产出的数据所训练的

第六个风险是,有些程序依赖于公众可任意操纵的数据。这些程序常常陷于被愚弄的境地。

第七个风险是,之前已经存在的社会偏见再加上回音室效应,会进一步加剧社会偏见的程度。

第八个风险是,太容易落入错误目标的陷阱。

第九个风险是,由于AI的潜在影响范围非常之广,即使在非常初级的状态下,也有可能被别有用心的人利用,对公众造成严重伤害。

如果将思路局限于狭义AI,用越来越大的数据集去解决问题,整个行业就会陷入永无休止的“打地鼠”大战,用短期数据补丁来解决特定问题,而不去真正应对那些令此类问题层出不穷的本质缺陷。

第3章 深度学习的好与坏

让机器通过统计学方法利用数据进行学习,有许多不同的思路。深度学习本身只不过是其中一种。

20世纪80年代发生了一件AI史上的重要里程碑事件,日本神经网络先锋人物福岛邦彦(kunihiko Fukushima)将休伯尔和维泽尔的思想在计算机实践中“落地”,打造出了实实在在的“神经认知机”(Neocognitron),并证明神经认知机可以用于计算机视觉的某些方面。

深度学习面临三个核心问题

第一,深度学习是贪婪的。

第二,深度学习是不透明的。

第三,深度学习是脆弱的。

深度学习并没有那么深刻。很重要的一点,就是要认识到,深度学习这个说法中的“深度”二字,指的是神经网络中分层的数量,除此之外别无其他

若想获得真正的智能,你还需要推理能力、语言能力和类比能力,而上述能力中,没有一个是当前技术所能掌握的。

深度学习很可能只是一系列工具的其中之一,而不是独立的解决方案。

深度学习或许可以做一些表面看来有智能的事情,但我们的确认为,深度学习本身缺乏真实智能所具备的灵活性和适应性。

爬上再高的大树,也无法抵达月球。

第4章 计算机若真有那么聪明,为什么还不会阅读

计算机不会阅读的第一个原因是不会建立认知模型。

当你在阅读故事或文章时,你做的是与机器完全不同的事情。你的目标不是去构造统计学上的合理匹配,而是去重建一个作家用文字与你分享的世界。

计算机不会阅读的第二个原因是不理解“不”的含义。

计算机不会阅读的第三个原因是无法应对模糊性。

目前,自然语言理解领域落于两种不同的思路之间:一种是深度学习。深度学习非常善于学习,但在组合性和认知模型构建方面很弱。另一种是经典AI。经典AI将组合性和认知模型的构建囊括了进来,但在学习方面表现平平。

第5章 哪里有真正的机器人管家

第三个能力是态势感知(situational awareness),就是对于随后可能发生的事情的认识。

也就是第四个能力,复杂场景采取行动的能力。

认知模型和深度理解才是关键

第6章 从认知科学中获得的11个启示

人类的认知过程分为两类:系统1和系统2。

系统1,也就是快系统的过程,执行得很快,通常是自动进行的。

系统2,也就是慢系统的过程,需要有意识的、按部就班的思考。

关于这两类系统,我们觉得用“本能反射”和“深思熟虑”这两个说法更加恰当

真正的智能远远不只是深度学习所擅长的感知分类,我们必须对其进行重新组合,形成更高级的思考和符号推理,也就是20世纪80年代经典人工智能试图解决的那些问题。

一旦AI开始利用认知科学,从围绕大数据形成的范式上升成为围绕大数据和抽象因果知识形成的范式,我们就将有能力解决“为机器赋予常识”这个无比困难的挑战。

第7章 常识,实现深度理解的关键

深度学习缺乏直接整合抽象知识的方法,基本对这个问题持完全忽略的态度;经典人工智能曾经付诸努力,尝试了许多方法,但并没有取得成功。

形式逻辑这类思想很可能是以足够的清晰度来对知识进行表征的必经之路。

《纯粹理性批判》的核心主题,该主题从哲学视角出发,认为时间、空间和因果关系是基础

AI一直在两个极端之间横冲直撞:要么一切都由人工编写代码,要么一切都让机器自己学习。

第8章 创造可信的AI

是否有可能建立起这样一个系统,在拥有超级智能的同时完全缺乏常识和基本价值观。

我们目前的系统与常识毫无关联,但我们却越来越依赖它们。真正的风险不是超级智能,而是被赋予权力的“白痴专家”

比如能够瞄准人类作为目标的自主武器,没有价值观能够约束它,再比如人工智能驱动的新闻推送,由于缺少超级智能,只关注短期利益而忽视了长期价值。

人工智能走错了路,目前的大量工作都致力于打造相对没那么智能的机器,这些机器执行的任务都很窄,主要依赖于大数据,而不是我们所说的深度理解。

后记

可信的AI,也就是基于推理、常识性价值和良好工程实践的人工智能

Labels

Blog Archive