儿童心理学 ： 0 ~ 8 岁 儿童 的 成长 （ 原书 第 7 版 ）

名称：儿童心理学：0~8岁儿童的成长（原书第7版）描述：父母总是有潜力获得人类可以享受到的最大满足感：将一个孩子养育成一名情绪稳定且成熟的青年后所带来的幸福感。对于成年人而言，再也没有比这更大的恩赐了；本书立足于提高人们的生活质量，为儿童的成长和学习指点迷津。父母、准父母或早期教育研究者将在本书中了解儿童在发展过程中的优缺点，以及从胎儿期到8岁这一成长阶段的最新科学知识。书中不仅探讨了在孩子诞生前，家庭在教育、社会文化和经济等方面需要进行的考虑，而且展示了婴儿期、１~３岁、４~５岁、６~８岁四个阶段，儿童在知觉、动作、生理、情绪、语言和阅读等方面的发展规律，帮助父母们从生活的压力中解放出来，尽情享受养育的乐趣。链接：https://www.aliyundrive.com/s/QabCUYBuZ2V大小：13.18M标签：#儿童心理学#儿童心理健康#家庭教育#养育指南来自：雷锋版权：频道：@shareAliyun群组：@aliyundriveShare投稿：@aliyun_share_bot

35岁被裁员失业，如何对抗焦虑

35岁被裁员失业，如何对抗焦虑疫情三年，人们对社会失望，甚至绝望，一眼望不到头的封闭生活，让人们无比恐慌的面对未来。突然间，疫情放开了，人们开始撒欢儿，报复这压抑的三年，不要钱似的吃喝玩乐，远的近的老的少的全都聚会，国内国外飞机高铁的跑，总之，要把三年憋到房间里的情绪全都释放出来。然后，很多人把手里的钱造的精光，再加上疫情三年本身收益就差，大部分人变的捉襟见肘。企业也是，三年疫情，除了吃喝这两项硬需求，大部分下滑严重，大企业还好，有资金，有规模撑着，但也开始节衣缩食，中小企业惨了，没有收入，只有大量的支出，房租，费用，人员，在这谁也不知道将来会如何发展时，人们总的情绪是是悲观的，不看好未来，至少不看好短期的未来，便使用最直接最有效的手段：裁员。也因此，有大量的企业倒闭，大量的人失业，大量的中产和大量的中高收入者返贫，痛苦不堪。我自己，也是其中一员，只不过，我不是被裁员，而是被一个门外汉大领导招了一个水货总监，水货总监最爱干的事就是瞎搞，必须干的事就是把有能力的人都干掉，也因此，我失业了。与网络上大部分人不同的是，我没有那么大的焦虑情绪，也没有无的放矢，算是按步就班的，维系着正常的生活，只是工作不再是按月收工资，整天加班写ppt了而已。在小红书上，看到一个哥们，正好35岁，很惨很焦虑。卡在35这个不被社会环境接受的年纪，经历两三年的创业失败，手里基本没什么积蓄，找工作处处碰壁，高也不成低也不就，也无法向父母家人求助，也没有更好的解决问题的方式，苦不勘言。也因此，分享自己如何对抗焦虑，希望能给上有老下有小，年纪不大却被世俗抛弃的中年男人们，一些启发，快速度过难关。1.降低自己的生活标准，去掉无用的买买买，做好人生的断舍离。在没有收入的情况下，第一件要做的事，必须是减少开支，无论如何，在没有确定收入的前提下，为自己保留更多的弹药，可以正常生活更长时间的资金，是重中之重。我自己，或者我们的小家庭，其实在几年前就已经开始有意识的在生活上进行开支缩减，起初并无意识，后来回想应该是从记账开始。记账，可以把生活中的收入支出记的清清楚楚，哪些花的有意义，哪些胡花乱花没必要，在回看每月收支明细时非常直观清楚，也就慢慢的，形成了固定的生活习惯。当然，并不是一味的降低生活标准，“该省省该花花”是核心方法论，常用的长时间用的东西花大钱买最好的，短期的临时的就凑合买，一周一次下馆子，日常鸡鸭鱼肉不断顿儿，三口之家花不了多少钱。日本山下英子的《断舍离》系列是一套非常好的书，从日常生活的断舍离，到行为习惯的断舍离，到思维方式的断舍离，可以把人身心无用的东西剥离，留一个清爽的自己，可以一读再读的一套书。2.把自己的时间充分安排，形成紧张感的节奏，让生活充实起来。为什么工作期间，人们累归累，但会感觉人生是有意义的，或者说没有虚度，最主要的原因就是：我们的时间被具体的事项占据着，无论一个小时或一天时间产出多少，收益多少，至少我们实实在在付出了劳动，也因为内心会充实。而没有了工作的“束缚”，大部分人的“自律”就是笑话，一天浑浑噩噩，睡醒了吃，吃完了刷视频，刷累了睡，时间没有产生任何价值，极易崩溃。怎么安排自己的时间？按时按点起床；按时早中晚餐；每天保持合理运动，给自己定好目标，比如俯卧撑10组，开合跳10组，拉伸4组，八段锦一套；每天新闻关注时事，关注行业；加一个自己一直想做却没有做的爱好；每天写作，写一篇日记，持续记录自己的生活。有非常多可以做的事，把自己的时间排满，没有时间焦虑。3.即使没有工作，没有收入来源，也要找一个可以创收的事情来做，从0到1先挣一块钱，再挣一百，再挣一千，再挣一万。圆桌派上一个嘉宾周轶君说过，焦虑的反向是具体，之所以焦虑，是因为太迷茫，没有清晰的目标。而当具体化一件事儿时，哪怕再小，也就变的可控，变的再无焦虑。这个可以做的事情，可以是找网上的兼职，可以去淘宝开个店，可以去送外卖，可以自己开直播，有非常多可以做的事，很多人可能会说，这些不会那么容易挣到钱的。是的，真那么容易，人人都是千万富翁了。反正你现在什么也没有，做做有什么不可呢？切忌，放弃职场上的身份，地位，回归自己，不要眼高手低，这也不行，那也看不上，动不动就月入10万，年入百万的，不要被网上的虚假繁荣误导，空杯心态，踏踏实实做自己。曾经在哪看到过一句话，分享：认识自己比改变自己更重要，如果真的想改变，建议使用“小闭环、正反馈”的方法，即做一个相对容易赚到第一块钱的事情，用很短的时间，哪怕是一个周末，也能给自己创造一次关于赚钱的新经验。“出来混”，最重要的，是出来。4.保持阅读，让自己的认知不退化，且持续身上。书，是最好的精神来源，书中自有黄金屋，书中自有颜如玉，书中有你想要知道的一切，能解决你的一切问题。当然，书是指导，是思维上的引导和启发，而真正要解决问题，必须动脑，必须动手，持续的去做，去改，去优化，才能最终获得收益，向前发展。阅读，也要有所取舍，不要整天读爽文，会被带跑偏，会把自己带的更焦虑。读什么？网上有那么多的书单，那么多的大佬推荐，都不会错。读完了写一篇读后感，内化为自己的知识，也锻炼了写作，一举多得。5.日复一日的记录，复盘

马斯克xAI创始成员中国首发声：ChatGPT时代“乱世出英雄”

马斯克xAI创始成员中国首发声：ChatGPT时代“乱世出英雄”在国际基础科学大会的“基础科学与人工智能”论坛上，他谈及了自己一直以来、也是接下来要进行的数学AI工作，以及对大模型当前发展现状的看法。而他的个人经历也再次浮出水面，为更多人所关注。接下来要进行什么研究？在国际基础科学大会上，杨格就自己正在研究的方向进行了一场演讲。演讲主题，主要与AI和数学交叉学科有关——从数学角度出发，建立一种描述神经网络架构的统一编程语言TensorPrograms。这是他从微软研究院开始就一直钻研的领域，继2019年连续独立发表的两篇论文之后，迄今这一项目已经有7篇相关论文问世。具体来说，TensorPrograms项目有一个“短期目标”和一个“长期目标”。短期来看，这个编程语言能实现在设计新神经网络架构时，自动进行初始化条件分析，并给出其中最优的超参数初始化条件，从而让模型训练更顺利。毕竟此前，这一领域的初始化设置几乎“全靠经验”。长期而言，TensorPrograms项目的目标是开发大规模深度学习的“万物理论”。这也与杨格在Twitter说的、他在xAI要进行的研究方向一致：目前无论是大模型还是其他AI研究方向，都依旧没有真正意义上解决AI“黑箱”的问题，换而言之，AI究竟走哪种研究方向（堆叠更大参数量的模型、还是MoE）收益更高，还没有一个明确的结论。因此，TensorPrograms最终目标是找到一种理论上的规则，可以真正理解AI大模型的行为。TensorPrograms最新的项目进展，是微软与OpenAI合作发表的论文µTransfer，杨格以共同一作的身份完成了这项研究。这项研究的核心是帮助大模型找到最合适的超参数配置，从而替更多模型节省时间和算力成本，否则对于大模型来说，“重训”是一个非常浪费参数的行为。目前这项研究已经开源，杨格也在这次的演讲中着重以µTransfer为例，介绍了TensorPrograms项目的进展。从这几篇研究论文侧重的AI模型来看，大模型如今已经是杨格研究的重点方向之一。一个值得关注的点就是，μTransfer已经用到GPT-4中了。公众号“安迪的写作间”作者在杨格（GregYang）演讲结束后，和他聊了聊：下台我问了他关于GPT-4用到μTransfer了吗，给出肯定回答。所以，他究竟如何看待大模型的未来？在这次论坛的圆桌对话上，杨格也提到了自己对大模型发展方向的看法。他认为，继续堆叠大模型参数可以让模型效果越来越好，但这有个前提，即数据集的质量和数量必须要上升。以前收集网络数据就行，如今训练集必须变得更偏向数学、科学、更有逻辑性，才能提高模型的科学和数学推理能力。同时，杨格也给了如今拼搏在科研、交叉创新一线的AI研究人员一点建议，就是“Followyourdreams”：这一阶段的很多杰出的搞AI的人，像工程师、研究人员，有几个都是像我这样没有读博士，只是就想去干，拼一下就拼出结果的，像AlecRadford，GPT-1、GPT-2都是他自己做的，后来OpenAI就开始砸钱了。曹操说的“乱世出英雄”，这是个新世界，你不要想一些外部环境，直接去干，很有可能擦出火花，这就是要你自己有热情。没错，当年的杨格，打破了微软研究院“只招博士生”的惯例，本科毕业就进入了这一机构工作。他在学术经历上究竟有什么过人之处？换而言之，为何他会成为马斯克选中的“12人”之一？杨格是谁？杨格出生于湖南省，在北京读完小学后，就去了美国，本科考上了哈佛数学系。在哈佛的头两年，杨格参加了鼓手团、咨询团等众多活动。大二结束时，有着音乐梦的他决定休学全身心投入音乐事业，成为一名电子舞曲音乐制作人和DJ，取艺名“Zeta”。也是在此期间，杨格接触到了人工智能。一年半后，杨格发现自己的“真爱”终归还是数学，于是又回到了哈佛。读完春季学期的课程后，他又休学两年，这一次他没有执着于音乐，而是快速学习了数学和理论计算机科学，以及人工智能的前沿进展，此外还广泛涉猎物理学、生物学和神经科学。此外，他还研究起了神经图灵机，并结合可微拓扑学中的思路，提出“LieAccessNeuralTuringMachine”，发表于ICLR。再次回哈佛，杨格师从丘成桐教授。△杨格与丘成桐，图源：杨格Twitter2017年，杨格顺利从哈佛毕业，拿到了数学学士学位和计算机科学硕士学位。并获得了2018年摩根奖荣誉提名（HonorableMentionforthe2018FrankandBrennieMorganPrizeforOutstandingResearchinMathematicsbyanUndergraduateStudent）。毕业后，老师丘成桐曾问杨格“你毕业去哪儿”，他说“我要去Google”。丘成桐说“Google这种很差的公司就不要去了，我有个朋友叫沈向洋，我马上给他打电话”。后来，沈向洋让菲尔兹奖获得者MichaelFreedman面试了杨格：面试之后（Michael）说这个小孩不得了，那时候他才刚刚本科毕业，但在哈佛至少是前五名（的水平）。我（沈向洋）当时就跟杨格讲，你把Google的Offer拿来给我看一看，我给你加一块钱，就来微软吧。最后杨格选择了微软。而进入微软后杨格也获得了沈向洋的高度评价：微软研究院平时只招博士生的，杨格作为一个本科毕业生进了微软研究院，不仅进了微软研究院，过去这五年还做得无比优秀，特别是在GPT发展过程中做了举足轻重的贡献。进入微软后，杨格的重要成果之一就是持续开发上面提到的“TensorPrograms”框架，其中还用GPT-3对所提出的超参数迁移方法进行了验证，相关论文已收录于NeurIPS、ICML等顶会：此外，Google学术数据显示，杨格从2015开始发布论文，至今已有34篇。其中引用量最高为415，这也是他在微软的工作，杨格在这个项目中担任主要指导（Primarymentor）。目前，杨格个人主页和Twitter主页等均已更新，已离开微软研究院，加入xAI，接下来将继续做数学工作。杨格做出了新一轮的选择，但从第一次休学过后，他再也没有放弃对数学的热爱。在这次的论坛上，杨格也被问到，当时去从事音乐后又转到数学研究，是怎样一直坚定走到现在的？杨格回答道：其实就是个人爱好，在我大二休学之前，我一直都是数学比较好的人，可能会觉得一辈子在这种（数学研究中）。之后虽然我去搞音乐，但有段时间自己思考后，发现其实我个人还是很热爱数学。这里面可能有外在动机（motivationextrinsic）和内在动机（motivationintrinsic）。像数学答卷老师给你100分，你觉得很高兴，这是外在的。这种外在和内在混在一起，可能感觉不到自己真心的爱好，但是后来休息一段时间以后，感觉（对数学）是发自内心的热爱，之后就走了这么长的路。OneMoreThing还记得前段时间杨格给大伙儿推荐的300多本（大部分是数学）书吗？不少网友看过之后，表示“书单实在太长了，不是普通人能看完的”，还有网友调侃“能不能用GPT帮我总结一下”……论坛结束后，我们也和杨格聊了聊，了解了他对ChatGPT等大模型的一些看法。提问：看到您前段时间推荐了大概300本多书，有很大一部分是数学书，您认为AI是否有可能把它直接总结成一个核心的要点给我们？平时在日常生活中，您是不是也会用GPT-4一样的模型，去帮助做一些数学的基础研究什么的？杨格：我觉得AI的总结能力（summarization）现在应该挺好的了，做简单的总结应该没问题。但你要再深入理解它里面的道理，像是一些数学道理的话，可能AI现在的帮助还不是那么大。日常生活的话，是会经常用到（大模型）。提问：可以透露一下主要是用在哪些方面吗？杨格：我觉得最有用的方法就是写程序吧。比如有些程序你确实可以...PC版：https://www.cnbeta.com.tw/articles/soft/1375151.htm手机版：https://m.cnbeta.com.tw/view/1375151.htm