总的来说乱七八糟图文无关
收到了朋友对于我精神状态的关心
发现自己已经很久没有写长文字记录了
想写一些
我昨天 又或者已经是前天了
上班前拿起因为耳帽掉了快几个月没用的耳机 临出门前我茫然的看着符梦莎说我拿耳机干嘛 又挂回了原处匆匆忙忙的出门了
骑车在路上的时候我恍惚想起了去年这个时候的自己 那时候刚开始工作 早八晚五双休 没有现在这样动不动上到深夜的排班 也不会有时候连续工作十几天不休息 那时候我几乎是一个人在这个城市生活 十一点半之前会睡觉七点半会起床 每天都会带着耳机听我网易云的日推 去年365天我有300天以上听了自己的日推歌单 下班会去盒马或者苏果 有时候买瓶好看的果汁有时候买束9.9的鲜花有时候也空手而归 那时候每周末都回家吃妈妈做得并不好吃的饭或者我给她做一桌她能吃好几天的饭 和老朋友们见面喝点小酒或者打总是小输的麻将……敏感多思但是浪漫充实
这仅仅是一年前的事情 才一年吗 回忆起来却觉得已经十分的遥远了 所以这一年到底为什么这么漫长呢 或许是我逃不开要说的妈妈的离世 或许是离开校园之后不再用学期计算的时间 或许是我去了太多的地方 或许是很多很多很多的原因总之这一整年的境遇各个维度的复杂 我其实有很多很恍惚的时刻出现 只是我好像停止思考了 我真的很累了
我依然在很努力的生活 可是音乐鲜花和晚霞出现在我生活的频率越来越低了 我每天在忙忙碌碌中无所事事 真的很难形容这样的状态 很少不开心偶尔很开心疏解不开心的方式是把被我弄的乱糟糟的家梳理清爽 扫出角落里的碎发 拖掉瓷砖上的印记 理清餐桌上的杂物 把这些都做完总让我如释重负 就像我在长久陷在工作的繁杂后奔赴山河惊鸿一瞥一样开怀释然
感情上的矛盾让我突然思考自己的生活状态 那些乱糟的 琐碎的 生活真正本质的让我产生了自我怀疑 我是不是把日子过得太糟糕了 还没有答案 会纠结然后挣扎一下 之后的事情就之后再说了
收到了朋友对于我精神状态的关心
发现自己已经很久没有写长文字记录了
想写一些
我昨天 又或者已经是前天了
上班前拿起因为耳帽掉了快几个月没用的耳机 临出门前我茫然的看着符梦莎说我拿耳机干嘛 又挂回了原处匆匆忙忙的出门了
骑车在路上的时候我恍惚想起了去年这个时候的自己 那时候刚开始工作 早八晚五双休 没有现在这样动不动上到深夜的排班 也不会有时候连续工作十几天不休息 那时候我几乎是一个人在这个城市生活 十一点半之前会睡觉七点半会起床 每天都会带着耳机听我网易云的日推 去年365天我有300天以上听了自己的日推歌单 下班会去盒马或者苏果 有时候买瓶好看的果汁有时候买束9.9的鲜花有时候也空手而归 那时候每周末都回家吃妈妈做得并不好吃的饭或者我给她做一桌她能吃好几天的饭 和老朋友们见面喝点小酒或者打总是小输的麻将……敏感多思但是浪漫充实
这仅仅是一年前的事情 才一年吗 回忆起来却觉得已经十分的遥远了 所以这一年到底为什么这么漫长呢 或许是我逃不开要说的妈妈的离世 或许是离开校园之后不再用学期计算的时间 或许是我去了太多的地方 或许是很多很多很多的原因总之这一整年的境遇各个维度的复杂 我其实有很多很恍惚的时刻出现 只是我好像停止思考了 我真的很累了
我依然在很努力的生活 可是音乐鲜花和晚霞出现在我生活的频率越来越低了 我每天在忙忙碌碌中无所事事 真的很难形容这样的状态 很少不开心偶尔很开心疏解不开心的方式是把被我弄的乱糟糟的家梳理清爽 扫出角落里的碎发 拖掉瓷砖上的印记 理清餐桌上的杂物 把这些都做完总让我如释重负 就像我在长久陷在工作的繁杂后奔赴山河惊鸿一瞥一样开怀释然
感情上的矛盾让我突然思考自己的生活状态 那些乱糟的 琐碎的 生活真正本质的让我产生了自我怀疑 我是不是把日子过得太糟糕了 还没有答案 会纠结然后挣扎一下 之后的事情就之后再说了
留不住的人 不如舍去（三）
一日，孩子自己做饭受了伤，看着这么长时间被自己忽略了的儿子，曼曼知道生活生活再也不能这样下去了。经朋友介绍，走进了咨询室。
探索自己，永远都是一件痛苦的事情。
曼曼渴望她的父亲，并且因为她深爱的父亲而悲伤，但她父亲在离开之后极少对她表示关爱和在意。如果有父女之情，他也许能够帮助曼曼理解他为什么离开，让她不会感觉自己是被抛弃了。
但是，父亲绝决离开了她的生活，也带走了这些问题的答案，这些问题在多年之后找上门来，再度折磨曼曼。
父亲的离开让曼曼感到自责、受伤、没人爱、被抛弃和被羞辱。父亲带给她这么多的痛苦，曼曼唯一的反应是生气，但她又害怕“负面”的情绪会把父亲推得更远，因此曼曼选择把愤怒深埋在潜意识之中。
玛格丽特深信，只有父亲能够解除她的痛苦，不管父亲的离开带给她多么大的伤害，她还是无法抑制地渴望父亲回来。三十年后，这种渴望在余路身上重演。
当咨询师告诉她，她是把余路当作象征性的父亲了，曼曼不相信。但随后他们找出了这两个男人之间的相同之处：
● 她父亲毫无征兆地离开了。
余路也是毫无征兆地忽然离开。
● 她父亲的离开是因为别的女人。
余路的离开也是因为别的女人。
● 她父亲偶尔打来电话，让她心存希望。
余路时不时地跟她上床，也让她心存希望。
● 她父亲离开后，对她漠不关心。
余路离开后，对她毫不在意。
在事实面前，曼曼泪如泉涌。
余路不经意地揭开了曼曼内心的旧伤疤，这就是一见钟情的真正含义！让曼曼陷入跟过去一样的绝望和渴望之中，就像父亲当年忽然离开她时一样的悲伤。
曼曼害怕余路像父亲一样抛弃她，也同样害怕再回到那样的悲伤之中，所以她拒绝接受余路的离开，就像以前拒绝接受父亲的离开一样。只是现在的曼曼，有能力去挽留，但她采取了各种极端的让人难堪的方式！
曼曼一门心思地重演儿时悲剧，因为她将余路当成象征的父亲，不可取代，即便她屈辱地发现余路有了别的女人，也无法放手，愿意为了得到渴望的理想爱情拼尽全力。
看到了潜意识，怎么拆解执迷的牢笼？
五、拆掉牢笼，爱不需要乞求
当潜意识意识化，我们总要做出一些行为改变。
咨询师建议曼曼来一次两个星期的感情休假。曼曼一下慌了神，
“我害怕两个星期后真的看不到他了！我受不了！”
“我不确定感情你们还有没有挽回的余地，但是如果有，那么唯一的机会就是放下你的执迷。如果连两周的分离都经受不住，那分手也是早晚的事。这样的话，你就更要放下你的执迷，给自己的情感留条活路，以免到时候承受不了。不管怎样，你没有什么损失，除了损失很多痛苦。”
曼曼仔细思量着，同意这样做。这成为了她的重要转折点。同时，和咨询师详细分析了自己和余路情感究竟在什么状态。
当冷静下来，曼曼知道一切回不去了！
两周后，余路深夜过来，这意味着什么，两人心知肚明。曼曼第一次鼓起勇气拒绝了。余路很是震惊，然后转身就走了，当门关上的一刹那，曼曼害怕余路走了真的再也不回来！但曼曼用尽了所有的力气，克制自己追出去的欲望！她真的做到了！
捱过失去余路的痛苦之后，她再也没有回头。
尽管曼曼特坚信是她放手了，但从感情的维度来看，很久以前余路就离开了。
要一劳永逸的解决问题，还是必须回到过去。
创伤的源头——和父亲关系中的痛苦，大多数人对此都无能为力，只有把痛苦悄悄掩藏，试着忘记，但这样只是将痛苦埋在了心底，永远都会隐隐作痛！
为了斩草除根，唯一的方法就是直面痛苦！
为了停止压抑的痛苦，咨询师曼曼她给抛弃她的父亲写一封信，告诉父亲，当他离开时自己的感受。一旦她把痛苦写在纸上，无论如何都得直面。
澄清、识别和关注童年时被拒绝带给曼曼的感受，能让曼曼行动起来，驱逐那些顽固的心魔。在这个过程中，曼曼感到重新充满力量，重新找到方向。她发现自己正缓慢而有力地夺回人生控制权。
她明白父亲只是把自己当个包袱想甩掉，根本不在乎她时，被恐惧压抑的愤怒终于爆发了：“他就是个混蛋！他不在乎！他压根就不在乎！余路也这样对我！我不能再这样对待自己了，我不能再热脸贴冷屁股地追着那些根本不在意我的人了！”
曼曼接受了父亲不爱她的事实。放弃了导致她的执迷行为的核心信念之一：父亲其实爱着她，她可以找回父亲的爱。发现了自己对父亲所作所为的愤怒，让曼曼意识到她对余路抛弃自己的行为同样感到愤怒。曼曼明白了消除童年痛苦的最好方法：放弃妄图改写过去的挣扎。
曼曼也生自己的气，气自己居然愿意被这样对待。这帮助她弄明白了自己不应该在感情中委曲求全。
最终，她准备好了给恋人设定界限，同时也给自己设限！为防止自己再次做出自轻自贱的执迷行为，她来到了心理互助小组。这里，有一帮朋友陪着曼曼成长，拿回人生的主动权！
一日，孩子自己做饭受了伤，看着这么长时间被自己忽略了的儿子，曼曼知道生活生活再也不能这样下去了。经朋友介绍，走进了咨询室。
探索自己，永远都是一件痛苦的事情。
曼曼渴望她的父亲，并且因为她深爱的父亲而悲伤，但她父亲在离开之后极少对她表示关爱和在意。如果有父女之情，他也许能够帮助曼曼理解他为什么离开，让她不会感觉自己是被抛弃了。
但是，父亲绝决离开了她的生活，也带走了这些问题的答案，这些问题在多年之后找上门来，再度折磨曼曼。
父亲的离开让曼曼感到自责、受伤、没人爱、被抛弃和被羞辱。父亲带给她这么多的痛苦，曼曼唯一的反应是生气，但她又害怕“负面”的情绪会把父亲推得更远，因此曼曼选择把愤怒深埋在潜意识之中。
玛格丽特深信，只有父亲能够解除她的痛苦，不管父亲的离开带给她多么大的伤害，她还是无法抑制地渴望父亲回来。三十年后，这种渴望在余路身上重演。
当咨询师告诉她，她是把余路当作象征性的父亲了，曼曼不相信。但随后他们找出了这两个男人之间的相同之处：
● 她父亲毫无征兆地离开了。
余路也是毫无征兆地忽然离开。
● 她父亲的离开是因为别的女人。
余路的离开也是因为别的女人。
● 她父亲偶尔打来电话，让她心存希望。
余路时不时地跟她上床，也让她心存希望。
● 她父亲离开后，对她漠不关心。
余路离开后，对她毫不在意。
在事实面前，曼曼泪如泉涌。
余路不经意地揭开了曼曼内心的旧伤疤，这就是一见钟情的真正含义！让曼曼陷入跟过去一样的绝望和渴望之中，就像父亲当年忽然离开她时一样的悲伤。
曼曼害怕余路像父亲一样抛弃她，也同样害怕再回到那样的悲伤之中，所以她拒绝接受余路的离开，就像以前拒绝接受父亲的离开一样。只是现在的曼曼，有能力去挽留，但她采取了各种极端的让人难堪的方式！
曼曼一门心思地重演儿时悲剧，因为她将余路当成象征的父亲，不可取代，即便她屈辱地发现余路有了别的女人，也无法放手，愿意为了得到渴望的理想爱情拼尽全力。
看到了潜意识，怎么拆解执迷的牢笼？
五、拆掉牢笼，爱不需要乞求
当潜意识意识化，我们总要做出一些行为改变。
咨询师建议曼曼来一次两个星期的感情休假。曼曼一下慌了神，
“我害怕两个星期后真的看不到他了！我受不了！”
“我不确定感情你们还有没有挽回的余地，但是如果有，那么唯一的机会就是放下你的执迷。如果连两周的分离都经受不住，那分手也是早晚的事。这样的话，你就更要放下你的执迷，给自己的情感留条活路，以免到时候承受不了。不管怎样，你没有什么损失，除了损失很多痛苦。”
曼曼仔细思量着，同意这样做。这成为了她的重要转折点。同时，和咨询师详细分析了自己和余路情感究竟在什么状态。
当冷静下来，曼曼知道一切回不去了！
两周后，余路深夜过来，这意味着什么，两人心知肚明。曼曼第一次鼓起勇气拒绝了。余路很是震惊，然后转身就走了，当门关上的一刹那，曼曼害怕余路走了真的再也不回来！但曼曼用尽了所有的力气，克制自己追出去的欲望！她真的做到了！
捱过失去余路的痛苦之后，她再也没有回头。
尽管曼曼特坚信是她放手了，但从感情的维度来看，很久以前余路就离开了。
要一劳永逸的解决问题，还是必须回到过去。
创伤的源头——和父亲关系中的痛苦，大多数人对此都无能为力，只有把痛苦悄悄掩藏，试着忘记，但这样只是将痛苦埋在了心底，永远都会隐隐作痛！
为了斩草除根，唯一的方法就是直面痛苦！
为了停止压抑的痛苦，咨询师曼曼她给抛弃她的父亲写一封信，告诉父亲，当他离开时自己的感受。一旦她把痛苦写在纸上，无论如何都得直面。
澄清、识别和关注童年时被拒绝带给曼曼的感受，能让曼曼行动起来，驱逐那些顽固的心魔。在这个过程中，曼曼感到重新充满力量，重新找到方向。她发现自己正缓慢而有力地夺回人生控制权。
她明白父亲只是把自己当个包袱想甩掉，根本不在乎她时，被恐惧压抑的愤怒终于爆发了：“他就是个混蛋！他不在乎！他压根就不在乎！余路也这样对我！我不能再这样对待自己了，我不能再热脸贴冷屁股地追着那些根本不在意我的人了！”
曼曼接受了父亲不爱她的事实。放弃了导致她的执迷行为的核心信念之一：父亲其实爱着她，她可以找回父亲的爱。发现了自己对父亲所作所为的愤怒，让曼曼意识到她对余路抛弃自己的行为同样感到愤怒。曼曼明白了消除童年痛苦的最好方法：放弃妄图改写过去的挣扎。
曼曼也生自己的气，气自己居然愿意被这样对待。这帮助她弄明白了自己不应该在感情中委曲求全。
最终，她准备好了给恋人设定界限，同时也给自己设限！为防止自己再次做出自轻自贱的执迷行为，她来到了心理互助小组。这里，有一帮朋友陪着曼曼成长，拿回人生的主动权！
【人工智能模型能有多大?】大型语言模型——可以进行类似人类聊天的人工智能系统——最近成为了新闻热点。毫无疑问，它们很强大，而且非常全面。
但人工智能模型究竟能有多大？这个问题的答案为了解人工智能语言模型的发展及其潜在应用提供了一个迷人的窗口。
两种测量方法
当专家们谈论人工智能的进步时，他们通常关注模型大小的两个方面：用于训练模型的数据量和模型包含的参数数量。
例如，备受讨论的ChatGPT的前身GPT-3是在近45 TB的文本数据上训练的，具有超过1750亿个参数。其他人工智能模型越来越大，据说大公司正在开发超过1.6万亿参数的模型。
但这意味着什么？让我们对它进行分解，首先看一看参数是什么。
参数是人工智能模型用于根据所看到的数据生成输出的值或变量。例如，在像GPT-3这样的语言模型的情况下，输出是文本。
IEEE会员Yale Fox表示：“尽管它们看起来真的很神奇，但人们更容易将（自然语言模型）视为高度复杂的自动完成函数。你以问题的形式提供输入，通常称为提示。然后模型会‘自动完成’你的答案。”
输出基于先前识别的模式。对于大型语言模型，自动完成函数要复杂得多，因为模型已经在更多的数据上进行了训练，并且具有更多的参数。
Fox说：“参数的数量会影响输出的多样性；使用的参数越多，输出的重复性就越小。”
这就引出了第二个问题。45 TB的文本到底有多少信息？ —— 相当多。1TB相当于大约650万页以常见格式存储的文档，如文字处理文档或.pdfs。
IEEE高级会员Eleanor “Nell” Watson说：“一般来说，在许多类型的模型中，有更多的数据可以进行训练，从而获得更好的性能。它使模型能够更多地了解数据中的基本模式和关系。”
最佳设计
但参数的数量并不总是与训练数据的大小直接相关。例如，开发人员可以在10本书上训练一个非常大的模型，或者在1000本书上培训一个较小的模型，他们可能具有类似的性能。
Watson说：“更大的模型训练成本成倍增加，而且更难检查偏见等问题，也更难解释。将太多的参数应用于太少的数据会使模型更容易过度拟合（从一个过于突出的例子中进行不准确的概括）。”
简单地拥有大量数据来训练模型并不一定是一种好处。Fox说：“来自世界各地的10TB推文可能甚至不如来自维基百科的1TB基于事实的知识有用。”
规模问题
这种情况导致了人工智能世界中一些有趣的问题。也就是说，人工智能模型能有多大？
研究人员注意到，例如，将模型中的参数数量增加一倍可能不会产生两倍的性能。它可能需要花费数倍的资金、时间和计算资源来构建。一种解决方案可能是增加训练模型时使用的数据量，尽管尚不清楚您需要多少数据，以及数据是否存在。
Watson说：“因此，有人认为，许多最新模型的最大限制因素实际上可能是缺乏足够规模和细微差别的高质量数据，无法让它们满负荷运行。”
那么，是什么解释了语言模型在最近几个月取得的巨大飞跃呢？
Watson指出，这些改进是多种因素共同作用的结果，包括参数数量的增加、数据的更好利用以及训练技术的改进。ChatGPT背后的工程师强调了一种“human-in-the-loop”的方法，即根据人类评估者的反馈不断微调和改进模型。
而且，正如《IEEE计算机杂志》（https://t.cn/A60AOgu4）最近的一篇文章所指出的，研究人员已经转向了各种技术来改进人工智能模型及其效率。其中包括更好的硬件和软件开发以及不同的计算机架构，但也包括使用结合文本、图像或视频的多模式训练数据。
作者指出：“人工智能模型规模不断扩大的趋势似乎并没有停止。尽管如此，只有少数大公司和机构能够跟上这一趋势，因为其进入壁垒相当大。”
https://t.cn/A60AOgub
但人工智能模型究竟能有多大？这个问题的答案为了解人工智能语言模型的发展及其潜在应用提供了一个迷人的窗口。
两种测量方法
当专家们谈论人工智能的进步时，他们通常关注模型大小的两个方面：用于训练模型的数据量和模型包含的参数数量。
例如，备受讨论的ChatGPT的前身GPT-3是在近45 TB的文本数据上训练的，具有超过1750亿个参数。其他人工智能模型越来越大，据说大公司正在开发超过1.6万亿参数的模型。
但这意味着什么？让我们对它进行分解，首先看一看参数是什么。
参数是人工智能模型用于根据所看到的数据生成输出的值或变量。例如，在像GPT-3这样的语言模型的情况下，输出是文本。
IEEE会员Yale Fox表示：“尽管它们看起来真的很神奇，但人们更容易将（自然语言模型）视为高度复杂的自动完成函数。你以问题的形式提供输入，通常称为提示。然后模型会‘自动完成’你的答案。”
输出基于先前识别的模式。对于大型语言模型，自动完成函数要复杂得多，因为模型已经在更多的数据上进行了训练，并且具有更多的参数。
Fox说：“参数的数量会影响输出的多样性；使用的参数越多，输出的重复性就越小。”
这就引出了第二个问题。45 TB的文本到底有多少信息？ —— 相当多。1TB相当于大约650万页以常见格式存储的文档，如文字处理文档或.pdfs。
IEEE高级会员Eleanor “Nell” Watson说：“一般来说，在许多类型的模型中，有更多的数据可以进行训练，从而获得更好的性能。它使模型能够更多地了解数据中的基本模式和关系。”
最佳设计
但参数的数量并不总是与训练数据的大小直接相关。例如，开发人员可以在10本书上训练一个非常大的模型，或者在1000本书上培训一个较小的模型，他们可能具有类似的性能。
Watson说：“更大的模型训练成本成倍增加，而且更难检查偏见等问题，也更难解释。将太多的参数应用于太少的数据会使模型更容易过度拟合（从一个过于突出的例子中进行不准确的概括）。”
简单地拥有大量数据来训练模型并不一定是一种好处。Fox说：“来自世界各地的10TB推文可能甚至不如来自维基百科的1TB基于事实的知识有用。”
规模问题
这种情况导致了人工智能世界中一些有趣的问题。也就是说，人工智能模型能有多大？
研究人员注意到，例如，将模型中的参数数量增加一倍可能不会产生两倍的性能。它可能需要花费数倍的资金、时间和计算资源来构建。一种解决方案可能是增加训练模型时使用的数据量，尽管尚不清楚您需要多少数据，以及数据是否存在。
Watson说：“因此，有人认为，许多最新模型的最大限制因素实际上可能是缺乏足够规模和细微差别的高质量数据，无法让它们满负荷运行。”
那么，是什么解释了语言模型在最近几个月取得的巨大飞跃呢？
Watson指出，这些改进是多种因素共同作用的结果，包括参数数量的增加、数据的更好利用以及训练技术的改进。ChatGPT背后的工程师强调了一种“human-in-the-loop”的方法，即根据人类评估者的反馈不断微调和改进模型。
而且，正如《IEEE计算机杂志》（https://t.cn/A60AOgu4）最近的一篇文章所指出的，研究人员已经转向了各种技术来改进人工智能模型及其效率。其中包括更好的硬件和软件开发以及不同的计算机架构，但也包括使用结合文本、图像或视频的多模式训练数据。
作者指出：“人工智能模型规模不断扩大的趋势似乎并没有停止。尽管如此，只有少数大公司和机构能够跟上这一趋势，因为其进入壁垒相当大。”
https://t.cn/A60AOgub
✋热门推荐