ISSUE 011 | 废掉一个人最隐蔽的方式:底层牵引力

废掉一个人最隐蔽的方式:底层牵引力。这篇文章深入探讨了个人成长过程中可能遇到的障碍,这些障碍被称为“底层牵引力”。它可能源于我们的原生家庭、所处的社交圈层、日常的低效率努力,以及对即时满足的过度追求。这些因素往往不易察觉,却能在不经意间限制我们的发展。往深了说,这些底层牵引力之所以会出现,是因为我们处理不好自己和外部力量的关系,这是一场和自己的博弈。你与世界的关系,就是你与自己的关系的一种投射

要打破这些限制,我们需要提升自我认知,通过反思来校正我们的假设和行为。认知影响眼界,眼界影响高度,高度和思考方式影响处世原则。所以很多人会说你要尝试做不同的工作,开拓自己的认知,而开拓认知的前提是敢于并勤于反思自己,这也是提升认知最好的方法。张定浩在《孟子读法》中提到:“在中国古典思想里,一个人做的任何事情,其结果其原因,都要回返落实到自己身上。从结果的角度,一个人所做的事情最终要作用于自身,且用自身去衡量,所谓「己所不欲,勿施于人」 ;从原因的角度,当这个事情遭遇困境的时候,也首先回返到自身去找原因,即「反求诸己」”。生活不是一条直线,而是一系列连续的点,把生活案例化去分析拆解。

要专注于自己的成长,避免陷入“越忙越穷”的怪圈,并且学会用正确的方法来提高工作效率和生活质量。要与智者为伍,从他们的思考方式和生活态度中学习,以此来促进自身的成长。但真正能够推动我们前进的,是我们自己内在的觉醒和努力。

但困住我们的从来不是别人,而是那个盲目又固执的自己。

而真正能帮到我们的,也恰恰是觉醒后的自己。

Aphorisms for the Year (1897)“The test of a student is not how much he knows, but how much he wants to know”。这句话深刻地揭示了教育和个人发展的精髓:一个学生的价值不在于他所掌握的知识量,而在于他对未知世界的好奇心和求知欲。这种渴望了解更多、探索更深的态度,是推动个人不断进步和成长的原动力。

在知识的海洋中,一个人所知的永远只是冰山一角。真正重要的,是一个人愿意不断扩展自己知识的边界,勇于探索未知领域的决心和热情。这种渴望学习的精神,能够激发个人的潜能,促进创新思维,帮助他们在学术和职业生涯中取得成功。这种求知欲也是适应快速变化世界的关键。在当今这个信息爆炸、技术日新月异的时代,只有那些始终保持学习态度的人,才能跟上时代的步伐,不断更新自己的知识库,以应对新的挑战和机遇。

播客《没理想编辑部》第126期:你讨厌我,那是你的事哦。介绍了一本书,来自日本哲學家岸見一郎和作家古賀史健共同撰寫的哲學著作《被讨厌的勇气》,强调的是做自己,自我反省和行动,不依赖于他人的评价和认可。《被讨厌的勇气》里面说:“纵使被说坏话,被讨厌,也没什么好在意的,因为对方如何看待你,那是对方的课题,擅自背负别人的课题,只会让自己感到痛苦。”你讨厌我,那是你的事,你应该调整一下对我的预期。而愤怒来源于想要控制别人按照自己的想法去处理事情。

事不过三 No.166 脆弱的创作者。脆弱只是一种状态,允许状态有起伏,它关于你的下限,它所表现的是在你下落时能低到哪里,所以要可以允许自己有脆弱的那一面。脆弱是未知,是阻碍,是偶然,也是意外,从脆弱的有限中迸发出无限的可能。人性本弱

既然每个人都是脆弱的,那么我们就不必羞于承认自己的脆弱,不必把它当成是一种糟糕的、要回避和掩盖的东西,更不必去给自己造一层坚硬的外壳。其实,心理学家早就论述过:袒露脆弱,能够让我们活得更本真、更诚实、更坦率,能让人与人之间建立起更有信任感的关系。

随机播放歌单中的算法。这篇文章深入探讨了Spotify如何通过改进其歌曲洗牌算法来提升用户体验。起初,Spotify使用传统的Fisher-Yates算法来随机播放歌曲,但用户反映这种随机性导致同一艺术家的歌曲有时会连续播放,影响了听歌体验。为了解决这一问题,Spotify参考了Martin Fiedler的算法,该算法通过分类和合并步骤,更均匀地分布不同艺术家的歌曲。

songs-artists.png

文章作者进一步提出了一种基于Fibonacci哈希的创新方法,该方法利用黄金分割比的倒数来实现更均匀的颜色和歌曲分布。Fibonacci哈希是乘法哈希的变体,特别适合于需要在固定范围内均匀分布元素的场景。作者详细介绍了如何将Fibonacci哈希应用于歌曲洗牌,包括分类、洗牌子集、随机排列艺术家列表,以及按照Fibonacci序列更新播放列表的步骤。

为了评估新算法的效果,作者设计了一个统计度量,比较了Fibonacci哈希算法与传统Fisher-Yates洗牌算法在避免连续播放同一艺术家歌曲方面的表现。结果显示,新算法在多数情况下能更好地分散同一艺术家的歌曲,尽管在某些极端情况下,如播放列表主要由单一艺术家的歌曲组成时,效果并不理想。