Krilo Life

為什麼我們經常誤解人心？ 芝加哥大學行為科學教授揭開心智運作的真相 Mindwise : How We Understand What Others Think, Believe, Feel, and Want 唯心論語言──亦即將事物描述為彷彿具有心智──的這種功能性目的，可讓我們針對人與非人個體在什麼情況下會顯得彷彿擁有心智，獲得兩項非常重要的理解。 第一，每當我們需要提出解釋，就會在眼前的事物身上看出心智。 第二，一個現象一旦沒有其他明顯可見的解釋，我們就會以賦予心智的方式加以解釋。 　　哲學家休謨就體認到了這一點，而指稱世人對自然界擬人化的傾向，乃是源自我們「對於肇因的無知」。這是對於擬人化頗為直覺的解釋方式。只要問個朋友為什麼世人會相信地震、洪水或其他災難是上帝對世人的懲罰，那麼你得到的回答大概會類似於「因為他們不懂」。值得注意的是，我們在「不懂」的情況下唯一能夠提出的解釋，即是仰賴第六感，運用我們為對方賦予心智的直覺理論。這種現象帶有深遠的影響。 有個實驗發現，習於仰賴直覺進行推理的人，也比較容易相信世界上有具備心智的神明存在；習於謹慎推理的人，相信神明的程度則低了許許多。宗教信仰對於我們的直覺深具吸引力，原因是心智──神明的心智──乃是我們對幾乎任何事物的行為所提出的直覺解釋。 喜歡一件事物、覺得自己和一件事物具有親近關係，或甚至想要與一件事物建立親近關係，是不是會為那件事物賦予心智？ 　　老實說，這麼講聽起來有點愚蠢，像是童話故事一樣。實際上，這個想法正是來自《絨毛兔》這本童書裡的情節： 　　「什麼叫做『真的』？」有一天，兔子這麼問道。…… 　　「是不是真的，和你是怎麼做成的沒有關係。」皮革馬說：「那是一種發生在你身上的事情。只要有一個孩子喜愛你很長很長一段時間，不只是和你玩，而是真的深愛你，那你就會變成真的。」        「變成真的是像上緊發條那樣一瞬間的事情，」兔子問：「還是一點一點逐漸發生的？」        「不是一瞬間的事情，」皮革馬答道：「是漸漸變成的。需要花很長一段時間。所以這種情形通常不會發生在容易破碎、邊緣尖銳或者需要用心保存的玩具身上。」 你如果能理解到，別人很...

　　 拜科技發展所賜，在這樣的浪頭上，無論是要去哪、要吃什麼，我們多半就是坐在電腦螢幕前，打開搜尋引擎；或是拿起口袋裡的智慧型手機，動動手指，生活上 所需的一切，都能在一台電腦、一隻手機或其他更小的智慧型穿戴設備中得到解答；過去需要人力的工作，也都能依靠電腦自動完成。     這一切 看來非常美好，自動化讓生活更加便捷。但除此之外，它還帶來了許多更深層次的、更隱密的影響。科技所造成的疏離導致憂鬱症患者、自殺率上升；「自動駕駛」 讓機師喪失反應能力，製造出新型空難；自動化最令人恐懼的部分，就是它挑戰了我們熟知的倫理道德，機器使人與現實完全分離，只要按下按鈕就可讓敵人致命， 殺人因而變得容易了。 　　在追逐自動化的過程中，我們似乎從未告訴自己，夠了，該適可而止了。 我們很容易出現對自動化的過度依賴和偏好的情緒，這就解釋了為什麼依賴自動化會導致我們出現行為偏差或是對差錯置之不理。即使資訊是錯誤的或是不完整的，我們也會欣然接受，並按照資訊行事，忽略了本應暸解的情況。 但是， 對電腦的依賴性削弱了我們的意識和注意力，這引出了一個更隱蔽的問題：自動化將我們從執行者變為觀察者。我們不再控制操縱桿，而是盯著螢幕。這種角色的轉變可能會使我們的生活變得輕鬆，但也會阻礙我們學習和鍛鍊技能。 不管自動化是增強還是削弱了我們執行某項任務的能力，長期這樣下去，我們的技能都將退化，學習新技能的能力也將減弱。 自二十世紀七0 年代以來，認知心理學家一直在研究一種被稱為「 生成效應 」的現象。這種現象最先出現在詞彙研究中，人們如果主動回想單詞就會增強記憶——主動回想相當於在生成單詞，比人們單純閱讀紙上的單詞效果要好。 心理學家和精神系統科學家仍在努力探索生成效應的原理。但是很明顯，生成效應涉及深層的認知和記憶過程。 我們努力進行某項工作時，會集中注意力和精力，大腦就會獎勵我們，增強我們的理解力。我們的記憶力越好，學的東西也就越多。最後，我們具備了熟練、專業、具有目的性的專業技能。 這一點兒也不奇怪。大多數人都知道，熟練掌握某件事的唯一方式就是親身實踐。從電腦螢幕或是書籍上快速搜集資訊很容易， 但是真正的知識，特別是那些埋藏在記憶深處並通過技能體現出來的知識，是很難習得的，需要學習者精力充沛，並與嚴苛的任務展開曠日持久的鬥爭。 「當生成功能被閱...

拍照最重要的一件事，人要在現場。 五分鐘後，這雲景就隨風消逝了。 這張，看到夕陽到拿起相機，調整，只差30秒，那坨夕陽就下沉了。

“不增不減不生不滅不垢不淨”， “如夢如幻如泡如影如露如電”。

英美哲學目前流行，主張所有一切敘述必須回到日常生活習慣的語言，清楚明白表達。即使讀者沒有多少哲學背景，也能很快上手。這樣的哲學又稱之為分析哲學(analytic philosophy)，依據現有大家已經習以為常的語言結構，先把一切問題關鍵分析清楚，再去深入討論。而這樣的哲學方法在當今時代已經成為主流趨勢。 「最棒的旅行並非那些遠赴異國的遊歷，而是以不一樣的角度去審視這個世界。」思想的旅行正是如此，當我們從不同的角度開始一段新的旅程，我們將會發現許多新奇有趣的事物。 亞里斯多德曾說，哲學起於訝異。 正如每項手工藝，哲學也是種知識與能力的集合，從事的人必須熟悉相關的內容與方法。分析哲學家的特徵便是他們的方法。他們總是力求以盡可能簡單的方式表達，並且只在不可避免的情況下使用專業用語。 他們以詳述理由的方式來論證，力圖解決問題，他們在邏輯方面訓練有素，以縝密的方式壓縮自己的論點。 「情感的本質是什麼？」本質是一種不可或缺的特性。 身體理論認為，身體感受的形式是本質性的。沒有悲傷是不帶著眼淚或哽咽。認知的理論，亦即思想理論認為，情感總是與詮釋或判斷有關。沒有悲傷是不帶著對於我們失去了什麼的認知﹔例如失去了伴侶或祖父母等。混合理論則認為，情感是由多種要素所組成。我們可以將情感理論大致分成這三類。 「情感究竟有何作用？」 一旦我們的判斷改變，情感必然也會改變。可是，有許多害怕蜘蛛的人，即使他們知道蜘蛛並不可怕，他們依然會對蜘蛛感到害怕。我們可以迅速摒棄錯誤的判斷，卻無法同樣迅速摒棄錯誤的情感。況且，我們經常會在完全領會自己究竟在害怕什麼之前，就已經先害怕了。因此，深思熟慮的判斷並非屬於恐懼的本質。 我們的體驗在情緒記憶中留下了痕跡，當我們再也不曉得究竟如何選擇，它們便會自行引導我們的行為。 納尼亞傳奇作者曾於上個世紀三0年代主張，浪漫的愛情是中古世紀的一項發明。 為何負面的情感能取悅我們？不知何故，這似乎是種基礎經驗，那就是： 當我們擁有濃烈的情感時，特別能夠感受到自己是人。 字母、單字與句子並非跡象，而是符號，它們和它們的來源之間既不存在自然的連結、也不具有如圖像一般的相似性。 詞意的使用是固定的。 詞彙只是工具 。
 當提到例如「但是」、「這」或「與此同時」等詞彙時，我們又該想些什麼呢？ 此外，我們的圖像概念太...

最難受的不是孤單，而是被一個忘不了的人給遺忘。 What's worse than feeling lonely is being forgotten by someone who you can't forget. 寂寞拍賣師 (The Best Offer), 2013

大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明？ 這本《大演算》，500頁的書，完整筆記就做了兩萬五千字，讓我受益匪淺的一本書，絕對是我2016 Top 10選書。 ★亞馬遜AI與機器學習類暢銷榜　第1名 ★亞馬遜數學與統計類暢銷榜　第1名 ★亞馬遜資訊理論類暢銷榜　第1名 ★CNN、《新科學人》、《經濟學人》、《柯克斯書評》等多家媒體推薦報導 ★比爾．蓋茲年度選書！ 如果你已瞭解了一些 machine learning的演算法原理，像是SVM / bayes / tree ...，就更能瞭解作者多明戈斯的天才，也更能享受本書帶來的知識及想法。 多明戈斯認為，如果有人可以成功整合這些演算法的優點，就能發展出「終極演算法」，便可以從大數據與人工智慧中，獲得世界上過去、現在與未來的所有知識，將創造新紀元的文明。 本書主要的思想學派共分成五個，將為每個學派開闢一個章節專門介紹。 符號理論學派( Symbolists ）將學習視為是一種逆向演繹法，是從哲學、心理學和邏輯思路方面取得概念。 類神經網路學派（ Connectionists ）會進行大腦的反向工程（ reverse engineer ），主要是受到神經科學和物理學的啟發，模擬人腦思考行為。 演化論學派（ Evolutionaries ）會在電腦上模擬演化演變，澈底運用遺傳學（ genetics ）和演化生物學(evolutionary biology ）理論。 貝氏定理學派（ Bayesians ）相信學習是機率推理的一種形式，是根據統計學做為理論的依據。 而類比推理學派（ Analogizers ）則是透過從相似度判斷進行推論學習，並且受到心理學和數學的最佳化影響。 當我們在認識每一種思想學派時，我們的目標是蒐集完整的機器學習拼圖，並詳加解讀每一類型演算法適合應用的地方。要注意的是，沒有一位盲人可以正確摸熟整隻大象身軀。 並非所有機器學習演算法的運作都一樣，其差異也會產生不同的影響。以亞馬遜和Netflix 的推薦系統（ recommenders ）為例，每家公司都試圖經由網站流程介面引導「適合你」的採購行為，試圖確認什麼是你「需要」的商品，亞馬遜系統會推薦你瀏覽以前經常光顧的貨架﹔ Netflix 系統則會帶你瀏覽商店中你尚未瀏...