讓我將前方點亮

　　其實，生命的過程就是一種緣來緣去的行走過程。在人生的路上，我成長，我經曆，我瀟灑，我成熟，一路伴隨歲月的腳步去行走，漸漸理解了人生的意義，慢慢懂得了生命的價值，也逐漸的明白了生活的真正目的。在時間的長河中，成長的足跡遍布人生的風雨之路，歲月如海，友情如歌，生命旅途中，我感動每一次緣的靠近，一個簡短的問候信息，一段親切的電話交談，一個生動活潑的表情的發送，一首輕快飛揚的歌曲，一張美麗清新的風景圖片，都如此讓我感動，感慨緣的美麗，感動友情的溫暖溫馨。
　　朋友的情誼就如這杯濃鬱芬芳的咖啡，在於品，在於釀，我時常會於某個溫暖的午後，一個人獨自安靜的坐在桌前，細細地品味著咖啡的濃鬱，想起朋友的點滴，耳邊聆聽的音樂時常會讓思想的火花遊走在朋友的生活空間，友情正如這杯中的咖啡，慢慢地將溫馨的香味回味，想象與某個朋友一起相逢在某個幽雅的咖啡屋，一起品飲咖啡聆聽純淨音樂旋律的情景……
　　人生的路上，因為有你，因為有我，因為擁有每一個緣帶給我的感心的快樂，生活就變得美好而陽光明媚。每當我聽到《相逢是首歌》這首歌，都會想起朋友的情誼，有一種淡淡的溫暖就湧遍全身。朋友的交往不在於距離的遙遠，友情的感受不在於物質的給予。與我來說：“朋友的美好只在於彼此之間所感受到的那份溫暖的感覺，那種心靈與心靈共鳴的感動。”只因我還擁有這樣的感動，生活才會絢麗如花樣美麗，只因擁有朋友的友情，。

　　其實，生命的過程就是一種緣來緣去的行走過程。在人生的路上，我成長，我經曆，我瀟灑，我成熟，一路伴隨歲月的腳步去行走，漸漸理解了人生的意義，慢慢懂得了生命的價值，也逐漸的明白了生活的真正目的。在時間的長河中，成長的足跡遍布人生的風雨之路，歲月如海，友情如歌，生命旅途中，我感動每一次緣的靠近，一個簡短的問候信息，一段親切的電話交談，一個生動活潑的表情的發送，一首輕快飛揚的歌曲，一張美麗清新的風景圖片，都如此讓我感動，感慨緣的美麗，感動友情的溫暖溫馨。
　　朋友的情誼就如這杯濃鬱芬芳的咖啡，在於品，在於釀，我時常會於某個溫暖的午後，一個人獨自安靜的坐在桌前，細細地品味著咖啡的濃鬱，想起朋友的點滴，耳邊聆聽的音樂時常會讓思想的火花遊走在朋友的生活空間，友情正如這杯中的咖啡，慢慢地將溫馨的香味回味，想象與某個朋友一起相逢在某個幽雅的咖啡屋，一起品飲咖啡聆聽純淨音樂旋律的情景……
　　人生的路上，因為有你，因為有我，因為擁有每一個緣帶給我的感心的快樂，生活就變得美好而陽光明媚。每當我聽到《相逢是首歌》這首歌，都會想起朋友的情誼，有一種淡淡的溫暖就湧遍全身。朋友的交往不在於距離的遙遠，友情的感受不在於物質的給予。與我來說：“朋友的美好只在於彼此之間所感受到的那份溫暖的感覺，那種心靈與心靈共鳴的感動。”只因我還擁有這樣的感動，生活才會絢麗如花樣美麗，只因擁有朋友的友情，。

　　吳曉鴻建議，用遙控器關閉電視時，機器處於待機狀態，一般待機耗電量為6至8瓦。因此，看完電視關掉電源能避免待機狀態的無謂耗電。最好關機後拔插頭，有的電視機的電源開關設在變壓器次級，只關開關不拔掉插頭，會使電視機變壓器長期空載帶電，也會使電視機溫度升高，增加耗電量。樂信 rasonic電磁爐- 獨有紅外線感應器，可以準確的檢測出鍋底溫度 醒目紅色光圈顯示及高溫顯示燈 One Touch烹調鍵 (煎炒、油炸、煮粥功能) 獨立雙主線圈，使加熱更加
　　炎炎夏日，在飲料和酒水中適當加點冰的感覺，仿佛整個世界都變得涼快了。正值世界杯期間，欣賞球賽的時候，快速制冰，暢飲各種酒水、飲料，那種看球的愜意，實在是爽到爆。

　　吳曉鴻建議，用遙控器關閉電視時，機器處於待機狀態，一般待機耗電量為6至8瓦。因此，看完電視關掉電源能避免待機狀態的無謂耗電。最好關機後拔插頭，有的電視機的電源開關設在變壓器次級，只關開關不拔掉插頭，會使電視機變壓器長期空載帶電，也會使電視機溫度升高，增加耗電量。樂信 rasonic電磁爐- 獨有紅外線感應器，可以準確的檢測出鍋底溫度 醒目紅色光圈顯示及高溫顯示燈 One Touch烹調鍵 (煎炒、油炸、煮粥功能) 獨立雙主線圈，使加熱更加
　　炎炎夏日，在飲料和酒水中適當加點冰的感覺，仿佛整個世界都變得涼快了。正值世界杯期間，欣賞球賽的時候，快速制冰，暢飲各種酒水、飲料，那種看球的愜意，實在是爽到爆。

<p>AlphaGo Zero 從 0 到 1， 無師自通完爆 AlphaGo 100-0，這款以深度學習為基礎的技術 AlphaGo 的基礎上擺脫了對人類標註樣本的依賴，讓深度學習用於復雜決策更加方便可行。</p>
<p>以 AlphaGo Zero 為首的各類擁有龐大數據積累的人工智能被應用於各行各業，代替人類做出了很多更優質的實踐，人類將麵臨從進化到智人以來最大的一次改變——90% 的人將淪為「無價值的群體」，隻有剩下的 10% 能進化成特質發生改變的「神人」。</p>
<p>作為人工智能的創造者，人類是否能完美應用人工智能促進技術創新，推動社會進步？還是說註定是一場「你死我活」的零和博弈？</p>
<p>我們邀請到了東京大學博士生 Summer Clover 與您共話 AI，他將用超前的思維帶您提前觀戰、穿越未來。在一問一答間，汲取科技前沿觀點，打開人工智能黑箱，洞悉人類與 AI 「相愛相殺」背後的科學依據和利用價值。</p>
<p>人物介紹 </p>
<p>東京大學機器學習博士生，師從日本機器學習泰鬥 Prof. Masashi Sugiyama。本科畢業於中國科學技術大學物理係。先後作為研究助理實習於日本樂天技術研究院（RIT）、理化研前沿綜合智能中心（AIP）等研究機構。科技專欄撰稿人，對於科技創新、尤其對於人工智能與物理學的交叉有特別的見解。</p>
<p><img src="http://5b0988e595225.cdn.sohucs.com/images/20171026/3f0290c08e4441f5b53df40336d46f40.jpeg"></p>
<p>問答： </p>
<p>Q1：在我們今天要聊以深度學習為基礎的阿爾法元之前，必須先理清深度學習和機器學習的關係，請問這兩者有哪些區別和聯係呢？</p>
<p>深度學習是機器學習的子領域。我們把機器學習當中一個有名的模型神經網絡——如果我們訓練一個很多層的神經網絡的話，稱之為深度神經網絡。深度學習主要指的就是深度神經網絡。神經網絡是一種很古老的算法，但是最近十來年，多層神經網絡改名為深度學習，這也讓它重新火起來。</p>
<p>重新火起來的主要原因一個是計算能力變強，第二個是數據量變強。所以我們可以去訓練一些比較深度的神經網絡，這些神經深度的模型就可以發揮非常重大的作用。</p>
<p>傳統的機器學習對數據量的要求一般沒有深度學習那麽高，所以當數據量少的時候，用傳統的機器學習比較容易達到一個好的水平。但是當有更多的數據量，比如之前有一千個樣本，現在有一百萬個樣本，那麽一百萬個樣本對傳統機器學習的提升就沒有特別高，但是如果轉用深度學習的話，深度學習係統很有可能達到一個相當高的水準。</p>
<p>Q2：你對阿爾法元的出現有什麽看法？</p>
<p>上周 DeepMind 發表的這篇 Nature 非常有名，引起了轟動。AlphaGo Zero 主要是在原來的基礎上擺脫了對人類棋手、棋譜的依賴，讓深度學習從零開始，自己學習。</p>
<p>可以說 AlphaGo Zero 的出現並不算特別意外，比較意外的是，他這麽早這麽快就出現。要知道 AlphaGo 去年才第一次打敗了人類的世界冠軍，今年就有一個完全不依賴於棋譜的人工智能，從零開始，把 AlphaGo 以 100 比 0 打敗，這是非常令人驚訝的進化速度。</p>
<p>Q3：現在能夠自己無師自通去下圍棋是不是就意味著他們可能產生自我意識的呢，並且具有自我創造的能力？</p>
<p>機器能不能產生自我意識，能不能產生情感是一個很開放性的問題。大家都有各種各樣的解釋，因為我們並不能對意識，也不能對情感下一個明確的定義，但是我對某一件事是比較樂觀的——機器完全可以達到一種人類無法分辨的程度。</p>
<p>如果你把機器偽裝成一個人的外表，人類是很難區分這個機器到底是人工智能還是一個真正的人，也就是說我們至少可以把人類的情感反應模仿的非常逼真。</p>
<p>Q4：AI 在圍棋上的實踐讓人類感到震撼，但真正應用在行業內轉化為商業機會的，目前看來主要是圖像、語音識別等領域。下一個爆發點會是什麽呢？</p>
<p>最近一些年，人工智能在圖像、語音還有自然語言上的進展都是非常顯著的，我們很難說下一個爆發點是一個具體的什麽技術。但是從行業的角度來講，信息技術、人工智能和傳統行業的深度融合我認為是一個非常重要的方向。</p>
<p>以材料、醫藥研發為例，這些材料公司、醫藥公司怎樣在這些研發過程當中，有意識地積累數據，再把數據當中的價值更深刻的挖掘出來，這對他們降低成本還有提高研發效率都是非常重要的。這種深度融合產生的新機會是非常多的，幾乎各行各業都會有，就是看什麽樣的人能把他挖掘出來。</p>
<p>所以我認為所有的行業、所有的公司都應該考慮數據化的問題，誰能更好的數據化，挖掘出這些數據當中的價值、商業利益，誰就會搶占先機，真正的利用好人工智能的福利。</p>
<p>Q5：那發展道路會一帆風順嗎？現在會有人評論說當下很多的機器學習是多種模型在應用上的無意義堆砌，對這點你怎麽看？</p>
<p>我不認為機器學習是多種模型的無意義堆砌，其實很多機器學習模型的意義是挺清晰的。</p>
<p>我們能用這些機器學習模型來理解問題，比如貝葉斯學習，我們知道貝葉斯庫集裏麵有一些參數、有什麽明確的意義，有一些參數他就是一個均值，有些參數他就是方差。對很多模型我們是有理解的，隻是對深度模型來說，深度學習確實像一個黑箱子似的，我們對他的理解比較淺，但是現在有很多科學家在理論和數據上，分析深度學習為什麽會有這樣好的表現，以及在訓練過程當中，深度學習到底發生了什麽樣的事情。隨著了解加深，我們會發現其中很多重要的規律。</p>
<p>人工智能技術確實發展到了一個相當高的階段了，在不少任務上已經接近人類的水平，甚至超越人類的水平。比如說 AlphaGo 在圍棋這個任務上，人工智能已經徹底打敗人類，在其他一些問題上，人工智能與人類的水平已經是相當接近的，這就說明確實到了一個門檻了。</p>
<p>Q6：人工智能技術已經到了落地變現的階段嗎？</p>
<p>一家商業公司該怎麽利用現在先進的人工智能技術，獲得福利和商業利益，這是另外一個問題了。這並不隻是技術上的問題，還有很多政策上的問題，社會上的問題和市場上的問題。</p>
<p>以自動駕駛為例，我認為自動駕駛技術在 5 年到 10 年的這個時間尺度上，他的安全性能超越人類司機是相當有可能的事情。但這並不意味著自動駕駛就能很通暢的推廣開來，因為人類對於機器事實上是非常苛刻的。很多時候人類的司機可以犯錯，但是一個自動駕駛技術不能犯錯，因為一個人類司機的犯錯可以歸咎於某個司機，不會被歸咎於整個人類。但是機器不一樣，一個人工智能犯錯，人類會把所有的問題都歸罪於所有的自動駕駛汽車。</p>
<p>所以技術上能實現什麽，更是一個比較純粹的技術問題。但是能在商業上取得多大成功，能不能大規模的推廣開來，這其中涉及到的因素會更多一點，並不單純由人工智能本身決定，還會和人類對於人工智能的接納，政策上的問題相關。</p>
<p>Q7：那在現在的商業化浪潮中，是否又有很多偽人工智能混雜其中？</p>
<p>現在確實會有一些公司用人工智能來包裝自己，或許他們會用到一些比較初級的機器學習算法，但是這並不是他們的核心競爭力，他們也並沒有因為這個算法取得多大的優勢，但是他們會借助這些把自己包裝成一家人工智能公司，這樣會更有噱頭。</p>
<p>但潮水退下之後，他們隻拿到噱頭卻沒有真正地用到人工智能的紅利，真正虧損的是他們自己。</p>
<p>下期預告：</p>
<p>原文地址：http://www.sohu.com/a/200307796_115128</p>

<p>AlphaGo Zero 從 0 到 1， 無師自通完爆 AlphaGo 100-0，這款以深度學習為基礎的技術 AlphaGo 的基礎上擺脫了對人類標註樣本的依賴，讓深度學習用於復雜決策更加方便可行。</p>
<p>以 AlphaGo Zero 為首的各類擁有龐大數據積累的人工智能被應用於各行各業，代替人類做出了很多更優質的實踐，人類將麵臨從進化到智人以來最大的一次改變——90% 的人將淪為「無價值的群體」，隻有剩下的 10% 能進化成特質發生改變的「神人」。</p>
<p>作為人工智能的創造者，人類是否能完美應用人工智能促進技術創新，推動社會進步？還是說註定是一場「你死我活」的零和博弈？</p>
<p>我們邀請到了東京大學博士生 Summer Clover 與您共話 AI，他將用超前的思維帶您提前觀戰、穿越未來。在一問一答間，汲取科技前沿觀點，打開人工智能黑箱，洞悉人類與 AI 「相愛相殺」背後的科學依據和利用價值。</p>
<p>人物介紹 </p>
<p>東京大學機器學習博士生，師從日本機器學習泰鬥 Prof. Masashi Sugiyama。本科畢業於中國科學技術大學物理係。先後作為研究助理實習於日本樂天技術研究院（RIT）、理化研前沿綜合智能中心（AIP）等研究機構。科技專欄撰稿人，對於科技創新、尤其對於人工智能與物理學的交叉有特別的見解。</p>
<p><img src="http://5b0988e595225.cdn.sohucs.com/images/20171026/3f0290c08e4441f5b53df40336d46f40.jpeg"></p>
<p>問答： </p>
<p>Q1：在我們今天要聊以深度學習為基礎的阿爾法元之前，必須先理清深度學習和機器學習的關係，請問這兩者有哪些區別和聯係呢？</p>
<p>深度學習是機器學習的子領域。我們把機器學習當中一個有名的模型神經網絡——如果我們訓練一個很多層的神經網絡的話，稱之為深度神經網絡。深度學習主要指的就是深度神經網絡。神經網絡是一種很古老的算法，但是最近十來年，多層神經網絡改名為深度學習，這也讓它重新火起來。</p>
<p>重新火起來的主要原因一個是計算能力變強，第二個是數據量變強。所以我們可以去訓練一些比較深度的神經網絡，這些神經深度的模型就可以發揮非常重大的作用。</p>
<p>傳統的機器學習對數據量的要求一般沒有深度學習那麽高，所以當數據量少的時候，用傳統的機器學習比較容易達到一個好的水平。但是當有更多的數據量，比如之前有一千個樣本，現在有一百萬個樣本，那麽一百萬個樣本對傳統機器學習的提升就沒有特別高，但是如果轉用深度學習的話，深度學習係統很有可能達到一個相當高的水準。</p>
<p>Q2：你對阿爾法元的出現有什麽看法？</p>
<p>上周 DeepMind 發表的這篇 Nature 非常有名，引起了轟動。AlphaGo Zero 主要是在原來的基礎上擺脫了對人類棋手、棋譜的依賴，讓深度學習從零開始，自己學習。</p>
<p>可以說 AlphaGo Zero 的出現並不算特別意外，比較意外的是，他這麽早這麽快就出現。要知道 AlphaGo 去年才第一次打敗了人類的世界冠軍，今年就有一個完全不依賴於棋譜的人工智能，從零開始，把 AlphaGo 以 100 比 0 打敗，這是非常令人驚訝的進化速度。</p>
<p>Q3：現在能夠自己無師自通去下圍棋是不是就意味著他們可能產生自我意識的呢，並且具有自我創造的能力？</p>
<p>機器能不能產生自我意識，能不能產生情感是一個很開放性的問題。大家都有各種各樣的解釋，因為我們並不能對意識，也不能對情感下一個明確的定義，但是我對某一件事是比較樂觀的——機器完全可以達到一種人類無法分辨的程度。</p>
<p>如果你把機器偽裝成一個人的外表，人類是很難區分這個機器到底是人工智能還是一個真正的人，也就是說我們至少可以把人類的情感反應模仿的非常逼真。</p>
<p>Q4：AI 在圍棋上的實踐讓人類感到震撼，但真正應用在行業內轉化為商業機會的，目前看來主要是圖像、語音識別等領域。下一個爆發點會是什麽呢？</p>
<p>最近一些年，人工智能在圖像、語音還有自然語言上的進展都是非常顯著的，我們很難說下一個爆發點是一個具體的什麽技術。但是從行業的角度來講，信息技術、人工智能和傳統行業的深度融合我認為是一個非常重要的方向。</p>
<p>以材料、醫藥研發為例，這些材料公司、醫藥公司怎樣在這些研發過程當中，有意識地積累數據，再把數據當中的價值更深刻的挖掘出來，這對他們降低成本還有提高研發效率都是非常重要的。這種深度融合產生的新機會是非常多的，幾乎各行各業都會有，就是看什麽樣的人能把他挖掘出來。</p>
<p>所以我認為所有的行業、所有的公司都應該考慮數據化的問題，誰能更好的數據化，挖掘出這些數據當中的價值、商業利益，誰就會搶占先機，真正的利用好人工智能的福利。</p>
<p>Q5：那發展道路會一帆風順嗎？現在會有人評論說當下很多的機器學習是多種模型在應用上的無意義堆砌，對這點你怎麽看？</p>
<p>我不認為機器學習是多種模型的無意義堆砌，其實很多機器學習模型的意義是挺清晰的。</p>
<p>我們能用這些機器學習模型來理解問題，比如貝葉斯學習，我們知道貝葉斯庫集裏麵有一些參數、有什麽明確的意義，有一些參數他就是一個均值，有些參數他就是方差。對很多模型我們是有理解的，隻是對深度模型來說，深度學習確實像一個黑箱子似的，我們對他的理解比較淺，但是現在有很多科學家在理論和數據上，分析深度學習為什麽會有這樣好的表現，以及在訓練過程當中，深度學習到底發生了什麽樣的事情。隨著了解加深，我們會發現其中很多重要的規律。</p>
<p>人工智能技術確實發展到了一個相當高的階段了，在不少任務上已經接近人類的水平，甚至超越人類的水平。比如說 AlphaGo 在圍棋這個任務上，人工智能已經徹底打敗人類，在其他一些問題上，人工智能與人類的水平已經是相當接近的，這就說明確實到了一個門檻了。</p>
<p>Q6：人工智能技術已經到了落地變現的階段嗎？</p>
<p>一家商業公司該怎麽利用現在先進的人工智能技術，獲得福利和商業利益，這是另外一個問題了。這並不隻是技術上的問題，還有很多政策上的問題，社會上的問題和市場上的問題。</p>
<p>以自動駕駛為例，我認為自動駕駛技術在 5 年到 10 年的這個時間尺度上，他的安全性能超越人類司機是相當有可能的事情。但這並不意味著自動駕駛就能很通暢的推廣開來，因為人類對於機器事實上是非常苛刻的。很多時候人類的司機可以犯錯，但是一個自動駕駛技術不能犯錯，因為一個人類司機的犯錯可以歸咎於某個司機，不會被歸咎於整個人類。但是機器不一樣，一個人工智能犯錯，人類會把所有的問題都歸罪於所有的自動駕駛汽車。</p>
<p>所以技術上能實現什麽，更是一個比較純粹的技術問題。但是能在商業上取得多大成功，能不能大規模的推廣開來，這其中涉及到的因素會更多一點，並不單純由人工智能本身決定，還會和人類對於人工智能的接納，政策上的問題相關。</p>
<p>Q7：那在現在的商業化浪潮中，是否又有很多偽人工智能混雜其中？</p>
<p>現在確實會有一些公司用人工智能來包裝自己，或許他們會用到一些比較初級的機器學習算法，但是這並不是他們的核心競爭力，他們也並沒有因為這個算法取得多大的優勢，但是他們會借助這些把自己包裝成一家人工智能公司，這樣會更有噱頭。</p>
<p>但潮水退下之後，他們隻拿到噱頭卻沒有真正地用到人工智能的紅利，真正虧損的是他們自己。</p>
<p>下期預告：</p>
<p>原文地址：http://www.sohu.com/a/200307796_115128</p>

我有一個朋友叫老高，這二年越來越美，與高中時的她相比，甩出了八條街。同學群看到老高現在的樣子，紛紛一口咬定老高整容了；我把照片發在微博上，本來想勵個誌，又有無數人湧上來說“肯定整容了”。老高長大後學會化妝，往臉上招呼各種化妝品不假，但整容是絕對沒整過的。很多人問老高怎麽就能這麽瘦，怎麽保持好身材。老高的秘訣就是：健身，鍛煉，努力工作，一天十幾個小時，都是體力活。她在日本開飯店，人手不夠需要自己刷盤子，收錢，打掃衛生；同時還做做代購需要不停地購物、打包，搬來搬去發貨。每天累得跟狗一樣，怎麽會胖？為什麽和她有差距？或許她在對著視頻學化妝的時候，你在曬著太陽睡大覺，然後，她就出落成美人兒，你還是畢業時那個土土的你，就這麽簡單。
在學校時候差不多的同學，畢業後經過幾年的闖蕩，無論是社會地址，經濟收入，樣貌身材，生活狀態，都千差萬別。一天半天的努力看不出什麽差距來，但日積月累就特別可怕。人是在不斷發展和變化的，上學時用不上的能力，沒準進入社會就恰好用上了；小時候對學習沒用的能力，沒準後來就成為人家吃飯的本領。人生無常，際遇難耐，自己原地踏步好幾年，看見別人飛黃騰達，就開始反酸水。我們之所以反酸水，是因為沒有能耐趕超別人，又不願意承認別人比自己強，總覺得你應該跟我一樣才是正常，於是用惡意的揣測來讓自己心安。
這樣想了之後，我們就過好了麽？
我第一次認識小令的時候（微博@小令君）是在幾年前，一個遊走四方，放棄哈佛耶魯offer創業，最高紀錄一天賺10W的姑娘。哼哼，有什麽了不起的，長這麽漂亮，肯定不是親爹有能耐，就是背後有幹爹，否則一個大學生，還是個女孩，怎麽會有這麽大的能耐？那時候的我和她，在同一家出版社同一個時間段出書，一來二去過了好久才相熟。今天的我其實依然不知道，小令是如何在大學就能創業還能賺得滿盆金箔，如何在最高潮的時候放棄第一個公司轉入時裝定製行業，又是如何在第三次創業中，半年開起了三家沙拉店。我隻見過她為了創辦起沙拉店每時每刻的努力，今天奔波好幾個城市選地址，明天精打細算地定家具，後天自己徒手上陣釘釘子裝修，大後天與商場的霸王條款作鬥爭，鬥爭不過一個人坐在路邊哭。當我自己坐在空調房中聽著音樂，喝著咖啡，和朋友聊著小天的時候的時候，小令在同一個平行的時段內，經歷著與我天差地別的生活。她不僅沒有幹爹，還幫家裏還了好幾年的外債。這樣一個姑娘，當她能一個人半年開起三家店，她賺的比我多得多，過上了比我好的生活的時候，我有什麽不平衡的？
每當看到比自己優秀的人，我總是提醒自己，他有哪些優點我自己沒有，我應該向他學習什麽。即使對方有背景有關係有門路，那也一定有其他優點才能成功。比如有的人喜歡交際，人脈廣達，而我自己沒事就喜歡鉆家裏不說話；比如別人每天堅持看一段TED的英文演講，日積月累就會比我強很多。當看到別人很優秀的時候，第一反應應該是找到自己身的差距，而不是抱怨和擠兌別人努力的行為。就算把別人的關係和門路放在自己身上，我是否能做得跟他一樣好？還是依然爛泥扶不上墻？
我們生活的環境裏，大多數人的資質和背景都一樣，當我們原地踏步的時候，總有一些人在不停歇地往前跑。有一天，當我們再次相遇的時候，別覺得別人在跟你炫富，別覺得別人都在裝逼，那是他們那個層次裏最普通不過的生活。
當然，每個人的誌向不同。有人喜歡平淡如水的生活，有人喜歡刀光劍影的商場。但無論在怎樣的環境中，努力是一門必修課。生活不易，即便是不斷往前跑還會過的著急忙慌。看見別人的努力和成功的時候，請為他的優秀點個贊，而不是背後默默捅一刀。
文/特立獨行的貓
本文地址：http://www.idduu.com/tabu.html
原文地址：http://www.idduu.com/tabu.html

我有一個朋友叫老高，這二年越來越美，與高中時的她相比，甩出了八條街。同學群看到老高現在的樣子，紛紛一口咬定老高整容了；我把照片發在微博上，本來想勵個誌，又有無數人湧上來說“肯定整容了”。老高長大後學會化妝，往臉上招呼各種化妝品不假，但整容是絕對沒整過的。很多人問老高怎麽就能這麽瘦，怎麽保持好身材。老高的秘訣就是：健身，鍛煉，努力工作，一天十幾個小時，都是體力活。她在日本開飯店，人手不夠需要自己刷盤子，收錢，打掃衛生；同時還做做代購需要不停地購物、打包，搬來搬去發貨。每天累得跟狗一樣，怎麽會胖？為什麽和她有差距？或許她在對著視頻學化妝的時候，你在曬著太陽睡大覺，然後，她就出落成美人兒，你還是畢業時那個土土的你，就這麽簡單。
在學校時候差不多的同學，畢業後經過幾年的闖蕩，無論是社會地址，經濟收入，樣貌身材，生活狀態，都千差萬別。一天半天的努力看不出什麽差距來，但日積月累就特別可怕。人是在不斷發展和變化的，上學時用不上的能力，沒準進入社會就恰好用上了；小時候對學習沒用的能力，沒準後來就成為人家吃飯的本領。人生無常，際遇難耐，自己原地踏步好幾年，看見別人飛黃騰達，就開始反酸水。我們之所以反酸水，是因為沒有能耐趕超別人，又不願意承認別人比自己強，總覺得你應該跟我一樣才是正常，於是用惡意的揣測來讓自己心安。
這樣想了之後，我們就過好了麽？
我第一次認識小令的時候（微博@小令君）是在幾年前，一個遊走四方，放棄哈佛耶魯offer創業，最高紀錄一天賺10W的姑娘。哼哼，有什麽了不起的，長這麽漂亮，肯定不是親爹有能耐，就是背後有幹爹，否則一個大學生，還是個女孩，怎麽會有這麽大的能耐？那時候的我和她，在同一家出版社同一個時間段出書，一來二去過了好久才相熟。今天的我其實依然不知道，小令是如何在大學就能創業還能賺得滿盆金箔，如何在最高潮的時候放棄第一個公司轉入時裝定製行業，又是如何在第三次創業中，半年開起了三家沙拉店。我隻見過她為了創辦起沙拉店每時每刻的努力，今天奔波好幾個城市選地址，明天精打細算地定家具，後天自己徒手上陣釘釘子裝修，大後天與商場的霸王條款作鬥爭，鬥爭不過一個人坐在路邊哭。當我自己坐在空調房中聽著音樂，喝著咖啡，和朋友聊著小天的時候的時候，小令在同一個平行的時段內，經歷著與我天差地別的生活。她不僅沒有幹爹，還幫家裏還了好幾年的外債。這樣一個姑娘，當她能一個人半年開起三家店，她賺的比我多得多，過上了比我好的生活的時候，我有什麽不平衡的？
每當看到比自己優秀的人，我總是提醒自己，他有哪些優點我自己沒有，我應該向他學習什麽。即使對方有背景有關係有門路，那也一定有其他優點才能成功。比如有的人喜歡交際，人脈廣達，而我自己沒事就喜歡鉆家裏不說話；比如別人每天堅持看一段TED的英文演講，日積月累就會比我強很多。當看到別人很優秀的時候，第一反應應該是找到自己身的差距，而不是抱怨和擠兌別人努力的行為。就算把別人的關係和門路放在自己身上，我是否能做得跟他一樣好？還是依然爛泥扶不上墻？
我們生活的環境裏，大多數人的資質和背景都一樣，當我們原地踏步的時候，總有一些人在不停歇地往前跑。有一天，當我們再次相遇的時候，別覺得別人在跟你炫富，別覺得別人都在裝逼，那是他們那個層次裏最普通不過的生活。
當然，每個人的誌向不同。有人喜歡平淡如水的生活，有人喜歡刀光劍影的商場。但無論在怎樣的環境中，努力是一門必修課。生活不易，即便是不斷往前跑還會過的著急忙慌。看見別人的努力和成功的時候，請為他的優秀點個贊，而不是背後默默捅一刀。
文/特立獨行的貓
本文地址：http://www.idduu.com/tabu.html
原文地址：http://www.idduu.com/tabu.html