惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

博客园_首页
T
Threat Research - Cisco Blogs
GbyAI
GbyAI
Y
Y Combinator Blog
美团技术团队
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
博客园 - 【当耐特】
S
SegmentFault 最新的问题
IT之家
IT之家
Recent Announcements
Recent Announcements
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
阮一峰的网络日志
阮一峰的网络日志
T
The Blog of Author Tim Ferriss
Martin Fowler
Martin Fowler
Microsoft Azure Blog
Microsoft Azure Blog
V
Visual Studio Blog
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
U
Unit 42
WordPress大学
WordPress大学
博客园 - Franky
L
LangChain Blog
人人都是产品经理
人人都是产品经理
小众软件
小众软件
博客园 - 叶小钗
罗磊的独立博客
酷 壳 – CoolShell
酷 壳 – CoolShell
大猫的无限游戏
大猫的无限游戏
云风的 BLOG
云风的 BLOG
Vercel News
Vercel News
雷峰网
雷峰网
腾讯CDC
Google DeepMind News
Google DeepMind News
博客园 - 三生石上(FineUI控件)
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
Help Net Security
Help Net Security
C
Check Point Blog
Hacker News - Newest:
Hacker News - Newest: "LLM"
N
News and Events Feed by Topic
V2EX - 技术
V2EX - 技术
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Schneier on Security
Schneier on Security
博客园 - 聂微东
A
Arctic Wolf
H
Heimdal Security Blog
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
Recent Commits to openclaw:main
Recent Commits to openclaw:main
T
The Exploit Database - CXSecurity.com
C
Cyber Attacks, Cyber Crime and Cyber Security
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Google DeepMind News
Google DeepMind News

中文博客 on 范叶亮 | Leo Van

多智能体系统 (Multi-Agent System) 确定性和掌控欲 - 你的 AI 不是你的 AI LLM Token 消耗节省计划 (How to Save Token for LLM) 智能体的角色定位和身份演化 (Agent Role Orientation and Identity Evolution) 本地部署 OpenClaw,QwenPaw 和 Hermes Agent (Local Deployment of OpenClaw, QwenPaw and Hermes Agent) 本地部署智能体 - OpenClaw,QwenPaw,Hermes Agent ... 部署 Matrix 服务器 Synapse (Deployment of Matrix Server Synapse) 部署 frp 内网穿透服务 (Deployment of frp NAT Traversal Service) 本地部署大模型服务 (Local Deployment of LLM Services) AI 时代的生产力和生产关系 (Forces and Relations of Production in AI Era) 业余无线电入门 - CQ, CQ, CQ, this is BD1CZP. Calling CQ and standing by. 重构 - 之于代码、之于工作、之于生活 大语言模型微调 (Fine-tuning Large Language Models) 提升图片分辨率和质量 - Invoke AI 101 教程 使用画布创建和组合生成新的图片 - Invoke AI 101 教程 探索 AI 模型和概念适配器 - Invoke AI 101 教程 理解图像到图像和降噪过程 - Invoke AI 101 教程 使用控制层和指示控制图片的生成 - Invoke AI 101 教程 使用 Invoke 创作你的第一张图片 - Invoke AI 101 教程 在 OpenWrt 和群晖中自动申请和部署证书 凡人歌 - 凡人,但不要烦心 Shell 调用方式 fork,exec 和 source (Run Shell with fork, exec and source) 重定向和管道 (Redirect and Pipe) 模型压缩和推理加速 (Model Compression and Inference Acceleration) 我们需要多少种编程语言 (How Many Programming Languages do We Need) 数据可视化小贴士 - 面向动态文档生成,秉承规范、统一和实用的理念 从 rm -rf * 说起 - 喜新、怀旧、再出发 当我谈摄影时,我谈些什么 - 色彩篇 Part 1 CSS 布局和定位 (CSS Layout and Position) 当我谈修图时,我谈些什么 - 色彩篇 Part 1 在 Windows 下利用 WSL2 和 Ubuntu 配置 GPU 机器学习环境 文学编程和可重复性研究 (Literate Programming and Reproducible Research) 在 OpenWrt 中安装 Jellyfin 搭建家庭影音中心 自私和贪婪 (Selfish and Greedy) 评分和排名算法 (Rating & Ranking Algorithms) 小记这一波裁员浪潮 基于内容的图像检索 (Content-based Image Retrieval, CBIR) 你所应该知道的 A/B 测试 (A/B Test You Should Know) 一个人的摩旅 (Travel with My Motorcycle Alone) 设计语言初探 (A Glimpse of Design Language) Spark 集群搭建 (Spark Cluster Setup) Hive 安装和配置 (Hive Setup) Hadoop 集群搭建 (Hadoop Cluster Setup) 虚拟环境准备 (Virtual Environment Preparation) 大数据 SQL 性能调优 (Big Data SQL Performance Tuning) SQL 样式指南 (SQL Style Guide) 进程,线程和协程 (Process, Thread and Coroutine) - 实现篇 进程,线程和协程 (Process, Thread and Coroutine) - 理论篇 胶囊网络 (Capsule Network) 投票公平合理吗? 图存储与计算 (Network Storage and Computing) - 复杂网络系列 网络算法 (Network Algorithms) - 复杂网络系列 真实世界网络结构 (Structure of Real-World Network) - 复杂网络系列 网络表示,测度和度量 (Network Representation, Measures and Metrics) - 复杂网络系列 文本相似度 (Text Similarity) 而立之前 (Life before 30) 最近邻搜索 (Nearest Neighbor Search) 无模型策略预测和控制 - 时序差分学习 (Model-Free Policy Prediction and Control - Temporal Difference Learning) - 强化学习系列 无模型策略预测和控制 - 蒙特卡洛方法 (Model-Free Policy Prediction and Control - Monte-Carlo Learning) - 强化学习系列 利用动态规划求解马尔可夫决策过程 (Planning by Dynamic Programming) - 强化学习系列 贝叶斯优化 (Bayesian Optimization) 马尔可夫决策过程 (Markov Decision Process) - 强化学习系列 多臂赌博机 (Multi-armed Bandit) - 强化学习系列 强化学习简介 (Introduction of Reinforcement Learning) - 强化学习系列 在群晖 NAS 上编译安装 tmux 隐马尔可夫,条件随机场和序列标注 (Hidden Markov Model, Conditional Random Fields and Sequence Labeling) 图嵌入和图神经网络 (Graph Embedding and Graph Neural Network) 预训练自然语言模型 (Pre-trained Models for NLP) toB 产品用户权限 (User Privileges of toB Products) 京东数科 HIPO 学习之旅 (JDD HIPO Learning Journey) 杭州和东京之旅 (Tour of Hangzhou and Tokyo) 国际智慧温室种植挑战赛 (International Autonomous Greenhouse Challenge) 记忆中的儿时 (My Childhood in Memory) 启发式算法 (Heuristic Algorithms) 关不掉的浏览器标签页 (Browser Tabs You do not Close) 贝塞尔曲线 (Bézier Curve) 如何阅读一本书 (How to Read a Book) 相似性和距离度量 (Similarity and Distance Measurement) 集成学习算法 (Ensemble Learning) 计算复杂性与动态规划 (Computational Complexity and Dynamic Programming) 利用 Flask 和 Google App Engine 部署模型服务 序列到序列和注意力机制 (Seq2Seq and Attention Machanism) 词向量 (Word Embeddings) 循环神经网络 (Recurrent Neural Network, RNN) 泰国之行 (Tour of Thailand) 媒介之战 (War of Medias) 卷积神经网络 (Convolutional Neural Network, CNN) 买书,囤书,看书 (Buy Books, Hoard Books and Read Books) 基于 PyQt5/PySide2 和 QML 的跨平台 GUI 程序开发 流形学习 (Manifold Learning) 深度学习优化算法 (Optimization Methods for Deep Learning) 深度学习优化算法 (Optimization Methods for Deeplearning) 生成对抗网络简介 (GAN Introduction) Ising 模型,Hopfield 网络和受限的玻尔兹曼机 (Ising, Hopfield and RBM) 马尔科夫链蒙特卡洛方法和吉布斯采样 (MCMC and Gibbs Sampling) 特征值分解,奇异值分解和主成分分析 (EVD, SVD and PCA) 墨尔本之行 (Trip to Melbourne)
Play Safe, Smart Choice & Yuppie
范叶亮 · 2018-06-30 · via 中文博客 on 范叶亮 | Leo Van

Play Safe, Smart Choice & Yuppie

分类: 思考 / 字数: 3991 / 标签: Play Safe, Smart Choice, Yuppie, Speculative Spirit, 求稳, 明智之选, 雅皮士, 教育


最近是看了 Youtube 上 Wong Fu Productions 的一个系列视频 Yappie,一下子把脑子中包括很久之前的一些思考就全都串联回忆起来了,所以就写了本文,把这些凌乱的思考拼凑起来。截止到本文写完,Yappie 已经出了两集,视频可能需要梯子,为了不影响理解,简单勾勒一下剧情。

主角是一个名叫 Andrew 的亚裔美国人,他和女友 (当然后面知道才没交往多久,然后就分手了) 去听了一个关于美国亚裔 (Aisan Americans) 的一些特殊的境遇问题的 Talk Show。但 Andrew 似乎对这场演讲并不感冒,中途手机中球赛的声音打断了演讲,并被演讲者问及了姓名。Andrew 告知了姓名,演讲者随即用个玩笑回应了他的不礼貌打断,说一个美国亚裔中有 1/13 的概率叫 Andrew,有 1/5 的概率会是一名工程师,会来自于 San Gabriel Valley,喜欢篮球,Boyz II Men 和宝马 (然而这一系列看似玩笑的猜测,后面剧情验证,他就是这样的一个 Andrew)。演讲过后 Andrew 的女友和演讲者做着进一步的沟通,Andrew 过去为自己的不礼貌表示道歉,并想融入他们的谈话,但却完全和他们不在一个频道。然后,就没有然后了,他和女友就 OVER 了,并且女友说自己就不应该和一个 Yuppie 男约会。所以,什么是 Yuppie?其实他们的这段分手对白说的就很清楚了:

Girl: I knew I shouldn’t have swiped on a Yuppie.
Andrew: A what?
Girl: You’re a Yuppie, Andrew.
Andrew: Are we doing nicknames now or …?
Girl: A young Asian professional who acts like a Yuppie? Cause all you care about is earning a nice salary, and buying a nice car, and settling down in a nice suburb.
Andrew: That sounds like a nice, normal person. What’s so wrong with that?
Girl: It’s not wrong. It’s just … safe. Listen, we’re just … not the right fit. I need to be with someone who you know … cares, more about the world.

yappie-ep1-screen-shot

后面,Andrew 回到公司后,貌似是人力的小姐姐要找他聊天,关于之前 Andrew 想进行岗位异动的事情。人力小姐姐说今年内是无法进行了,但 Andrew 也只是叹了叹气,说 that’s fine。这一次,他又选择了一个 Safe 的方式,或许他在想至少还能保留现在的职位。但在和人力小姐姐沟通的后面,他已经开始走神思考着什么了。同时,在第 2 集中得知 Andrew 与前女友 Lana 分手貌似也是因为对他这种 Safe 的生活方式的不认同,后面的剧情中 Andrew 已经开始对着这种 Safe 的生活方式进行了改变,就不在详细介绍了。

对与错,好与坏

Andrew 之所以很困惑为什么会叫他 Yuppie,是因为他认为他现在所做的事情 (赚钱,买好车,买豪宅) 是再正常不过的事情了,是对的 (Right),是好的 (Good),是明智的选择 (Smart Choice)。他不明白,为什么有人会对这些再正常不过的事情产生质疑。但是大家有没有想过:

什么是对,什么是错,什么是好,什么又是坏?

让我真正重视这些问题是源自哈佛大学的一门公开课 Justice: What’s The Right Thing To Do?,现在 Michael 教授也出了这门课程对应的书 《正義: 一場思辨之旅》。课程的一开始就抛出了经典的 电车难题 (Trolley Problem),问题如下图所示:

trolley-problem

原始版本的两个问题都是有一辆快速行驶的电车,在电车当前行驶的轨道前面被绑了 5 个人,如果不采取任何措施的话,这 5 个人就会被电车轧死。假设你是唯一一个能够影响这件事情发生的人,在上图左面中的情况,你能够操纵一个轨道变换器,能够让电车变到另一条轨道上,但是这条轨道上也绑了一个人,电车会把这个人轧死;在上图右面中的情况,你站在一个桥上,你面前有个胖子,如果你把他退下去,靠他的身体就能逼停电车,但这个胖子会死掉,同时如果你跳下去是无法逼停电车的。问题就是,针对不同的情况你,你会如果选择?

在课堂上统计的结果是,左面的情况会有更多的人选择变换轨道,牺牲一个人,挽救 5 个人;而右面的情况则会有更少的人选择去推那个胖子。我会有同样的选择,理由是右面的情况另外一个人的死亡会和我“看似”有更直接的关系,因此导致我的负罪感也会更强,课程的后面又从功利主义和个人权利的角度对相关问题进行了讨论。

当然抛出这个问题的目的不是想让我们陷入这个哲学的问题无法自拔,而是说我们是不是应该想想是不是没有所谓的“真”的“对”,当然这有可能陷入“循环嵌套”的困境,什么又是“真”,不必纠结这个,理解这个意思就好。或许有人会说,“对”就是“对”啊,怎么还会有“真”的“对”,其实不难解释,学了这么多年数学,我们都清楚:结论是建立在一定的前提假设下的,如果假设变了,那么结果的“真”与“假”也可能会发生变化。除非,对,除非前提是公理或者公设,无需证明就是对的,好吧,那是不是又要陷进去了,“公理”就是“真”的“公理”吗?不要陷进去,就假设“公理”“真”的是“公理”,那么 Andrew 就是把太多东西当成“公理”了,我们很多人都是,也许亚裔,甚至是中国人这方面会更严重一些。那么,这个问题出在了哪儿呢?

思辨精神与教育

问题就出在了我们的思辨精神,或者说我们的教育,当然这里我们并不会过多的去批判教育的问题,因为存不存在问题需要你去思考。我们从小接触的教育是这样的,至少我是这样的:最重要的是学习,或者说考试拿高分,这是“绝对”“正确”的,因此如果考少了,你就有可能被老师或者父母揍一顿。同样,在父母的眼里“棍棒底下出孝子”可能是“绝对”“正确”的,因此才会揍我们。所以,为了避免皮肉之苦,就只能好好学习,同时不允许一切有碍我们学习的东西出现。学习本身“似乎”是“绝对”“正确”的,尤其是在一定的社会条件下,好好学习可能是一个我们实现自我实现的一个很好的途径。我只是认为,这不能成为我们不做一些事情的理由,看动画片“似乎”会让我们学习的时间变少,所以可能很多家长的做法就是不让平时看动画片。然而,在这样的情况下,我的学业也还是一般般 😂。

如果我们一昧的强调某些事情是“绝对”“正确”的,一些事情是“绝对”“错误”的,最终导致的就是我们会终将失去思辨的精神。对于个人的成长来说,在前期可能还不会发现有多大的影响,但当你脱离父母,学校等这些保护伞后,我认为思辨精神可以说是能够让我们理解生存的本质,生活的意义以及如何获得多彩人生的重要思想。

下图是我从 Birdbox StudioWildbeest 视频中截取的一段做成的动图。动画的内容比较简单,但却相当的讽刺:前面的角马坚持河里面的是鳄鱼,但后面的角马却“一再”地说是木头,无论是出于想验证自己的想法还是对自己想法的质疑,前面的角马最后被鳄鱼吃掉了,这时后面的角马认识到了这“真的”是鳄鱼,更讽刺的是再后面的角马却又说这是木头。

wildebeest

我感觉用这个小视频来比喻我们的问题还是很恰当的,一昧的以家长的姿态强调什么是“对的”,什么是“错的”,最终会让孩子失去思辨的精神。而且这种问题是会传递的,可能将来你的孩子对于他的孩子也会存在这种“不当”的教育,又来了,我所说的这种“不当”是不是“真”的“不当”,取决于你的思考和理解。

当下,随着父母的知识水平的不断提升,开始认识到单纯的自然科学学习已经不够了,又开始给孩子们报各种兴趣班,而且是强制报名让孩子去学习。我认为这是同样的问题,只不过是父母角度的“绝对”“正确”又多了一项,就是还必须得有个特长。对于孩子而言,父母毕竟走过了更多的人生道路,也遇见过更多的问题,有远比孩子丰富的阅历,但我认为更加合适的方式是去“引导”,去让孩子尝试不同的东西,同时也给孩子一个思考和选择的机会。

其实,我认为思辨精神其实是我们人与生俱来的,最明显的表现就是小孩子永远爱问十万个为什么?所以,我认为对待孩子的问题要有耐心,要不厌其烦的去回答,这样才不会让孩子的这种性格消失。而且这是个正向反馈的过程,问的多了,得到的解释多了,思考多了,才会在下一次提问前更多的思考,提出少但更具意义的问题,同时又不会失去这种思辨的精神。

我还没有小孩,所以说了一大堆孩子教育的问题可能会有很多不当。除了孩子的思辨教育,作为一个成年人,对于我们自己又该如何去做呢?对于 Andrew,面对两任女友的不满,又该如何去改变呢?

P.S. 关于思辨精神,推荐读过的一本不错的书,是一位台湾公民课教师 黃益中《思辨: 熱血教師的十堂公民課 》,我感觉于自己和于未来孩子的教育都很有帮助 。当然对于思辨,我认为《中庸》中的「博學之,審問之,慎思之,明辨之,篤行之」与其含义是相通的,所以我们老祖宗很早就认识到了思辨的重要性。

P.S. 这段里面很多引号,引起来说明这些是我的观点,之于你,请慎思明辨。

迈出改变的一步

该如何去做,答案就是迈出改变的一步。当然我们首先要认识到我们需要改变,这点其实不易,因为我们并没有接触到很好的思辨教育,至少我是这样的,在毕业后才意识到思辨的重要性。很难认识到自己需要改变,我认为有如下几个原因:

  • 对于生活的还算满意

有时候我们会遇到不爽,但不爽也会很快过去,因为我们会说:好吧,其实整体来看,Life is not bad. 是的,就是这个 NOT BAD 会让我们习惯下去,不去改变。在 Andrew 参加的 Talk Show 中,如演讲者说的那样,作为 Model Minority (模范少数族裔),我们过的还不错。

  • 人际不没有想象的那么美好

我们有时候是很难发现自己的问题的,就像我们这群撸代码的一样,很难找到自己代码中所有的毛病,这也是测试工程师存在的理由。但在生活中,发现你的问题的人应该不少,但能够真诚的告诉你的我认为不会很多,这也就是为什么人生得一二知己足矣。Andrew 很幸运,两任女友都直白的和他说了真实的分手理由,没有搪塞。所以一个人说你有问题,你不一定真的有问题,但也需要反思,当说你有同一个问题的人多了,你就真的要反思了。炮弹落到同一个坑里面的概率很小,当真的都精准的打击到同一个地方时,那一定是这个地方的问题才让它成为众矢之的。

  • 顾虑太多

认识到了问题,但还是不想改变,理由是如果我这样做了,那 XXX 怎么办 (比如家庭,工作等等)?会给自己找很多很多“理所当然”“对”的理由,我就经常这样,但我在努力改变中。太多的顾虑其实只是借口,可能当你走下去的时候,会发现 XXX 根本不是问题,甚至会比当下更好。当然,也可能会真的发生一些问题,如果真的发生了,要么想办法再解决它,要么再放弃之前的抉择,我认为也还来得及。所以,也不用把年龄当作借口,since it’s nevery too late to do it.

在迈出这一步的路上,我做的并不好,但我已经认识到了,所以在努力改变中。简单而言,对于一个事情,我们可以怎么做?

THINK -> CHANGE -> IF 👍 THEN 😎 ELSE GOTO THINK AGAIN