《西苏》是一部2022年芬兰和美国合拍的历史动作片，由亚尔马里·赫兰德执导。电影背景设置于二战时的芬兰拉普兰。电影讲述的是一个淘金者尽力保护自己所淘到的金块，并防卫来自一个残忍的党卫队军官领导的纳粹处决小队的威胁。 该电影在2022年9月9日首映于2022年多伦多国际电影节，并于2023年4月28日在美国发行。 维基百科
SISU是芬兰语中的一个单词，它通常被解释为“坚韧不拔”、“毅力”、“决心”或“斗志”。它是芬兰文化和民族认同的核心价值观之一，被描述为一种个人品质，涵盖了在不利情况下追求目标的能力、自我控制和意志力。在芬兰文化中，Sisu 被认为是一种非常重要的品质，被视为芬兰人的精神力量和耐力的来源。
当芬兰在二战期间面临苏联的入侵时，芬兰人表现出了强烈的 Sisu 精神。尽管芬兰的军队规模很小，但他们在寒冷的天气中战斗了多个月，在人数和装备上远远劣于苏联军队的情况下，他们仍然能够坚持抵御苏联的进攻。在这种情况下，Sisu 被认为是芬兰人坚定意志和决心的象征，使他们能够在极端困难的情况下坚持下来。这是一个很好的 Sisu 的例子，展示了芬兰人在极端困难的情况下表现出的毅力和坚韧不拔的精神。
SISU是芬兰语中的一个单词，它通常被解释为“坚韧不拔”、“毅力”、“决心”或“斗志”。它是芬兰文化和民族认同的核心价值观之一，被描述为一种个人品质，涵盖了在不利情况下追求目标的能力、自我控制和意志力。在芬兰文化中，Sisu 被认为是一种非常重要的品质，被视为芬兰人的精神力量和耐力的来源。
当芬兰在二战期间面临苏联的入侵时，芬兰人表现出了强烈的 Sisu 精神。尽管芬兰的军队规模很小，但他们在寒冷的天气中战斗了多个月，在人数和装备上远远劣于苏联军队的情况下，他们仍然能够坚持抵御苏联的进攻。在这种情况下，Sisu 被认为是芬兰人坚定意志和决心的象征，使他们能够在极端困难的情况下坚持下来。这是一个很好的 Sisu 的例子，展示了芬兰人在极端困难的情况下表现出的毅力和坚韧不拔的精神。
导致三年前大骚乱的黑人George Floyd的尸检报告被公布出来，尸检报告证明Floyd没有受到任何外力的致命伤害。尸检报告测出他体内有多种高浓度毒品，最多的就是酚酞呢。
一个瘾君子，因为吸毒过量死亡，却被别有用心的猪党挂上道德制高点，封为英雄，享受和耶稣一样被膜拜的待遇，猪党高层在他的葬礼上集体下跪请求宽恕。
Floyd事件彻底击碎了我的美国梦，如此荒谬绝伦的事情居然在美国这种自称民主自由的灯塔的国家堂而皇之地发生，任何的质疑都被立刻封杀，一个前科累累的罪犯，居然从政府手里拿到几千万美元的赔偿金，公理何在？道义何在？
从此我不再相信美国有公正的司法。
https://twitter.com/lydia488144315/status/1661922272192663553?s=35
一个瘾君子，因为吸毒过量死亡，却被别有用心的猪党挂上道德制高点，封为英雄，享受和耶稣一样被膜拜的待遇，猪党高层在他的葬礼上集体下跪请求宽恕。
Floyd事件彻底击碎了我的美国梦，如此荒谬绝伦的事情居然在美国这种自称民主自由的灯塔的国家堂而皇之地发生，任何的质疑都被立刻封杀，一个前科累累的罪犯，居然从政府手里拿到几千万美元的赔偿金，公理何在？道义何在？
从此我不再相信美国有公正的司法。
https://twitter.com/lydia488144315/status/1661922272192663553?s=35
Twitter
导致三年前大骚乱的黑人George Floyd的尸检报告被公布出来，尸检报告证明Floyd没有受到任何外力的致命伤害。尸检报告测出他体内有多种高浓度毒品，最多的就是酚酞呢。…
BREAKING NEWS: George Floyd full autopsy released. Says “no life threatening injuries identified” and reveals high levels of multiple additional toxic drugs on top of the Fentanyl that was initially reported.
https://twitter.com/MattWallace888/status/1661839153384792066?s=19
https://twitter.com/MattWallace888/status/1661839153384792066?s=19
未科，我小区明显就是高点的580万到上个月的370万，短短两三年时间，年初问中介，得到的回复还是基本430万能成交呢，结果上上周成交价370万……
好在是刚需房，更运气的是买的早，也就不考虑这个了，比较惨的是2018年买房的朋友们，将近2万的月供，阿里的公积金还是给力的，一旦失业压力是真的很大了！
https://twitter.com/Ammy_cn/status/1661961328091865088?s=35
好在是刚需房，更运气的是买的早，也就不考虑这个了，比较惨的是2018年买房的朋友们，将近2万的月供，阿里的公积金还是给力的，一旦失业压力是真的很大了！
https://twitter.com/Ammy_cn/status/1661961328091865088?s=35
Twitter
@tracy68683668 未科，我小区明显就是高点的580万到上个月的370万，短短两三年时间，年初问中介，得到的回复还是基本430万能成交呢，结果上上周成交价370万……
好在是刚需房，更运气的是买的早，也就不考虑这个了，比较惨的是2018年买房的朋友们，将近2万的月供，阿里的公积金还是给力的，一旦失业压力是真的很大了！
好在是刚需房，更运气的是买的早，也就不考虑这个了，比较惨的是2018年买房的朋友们，将近2万的月供，阿里的公积金还是给力的，一旦失业压力是真的很大了！
专治某信/Q扣不服？微软开源了一款应用隔离软件，可以打包Win32软件，将其放在虚拟化容器中运行。
全文链接：
ourl.co/98847
微软称这是Windows的一项安全功能，旨在帮助用户解决某些软件带来的威胁。
被容器化的应用将无法越过安全边界读取宿主机内容，对于某些软件扫描磁盘、安装所谓的防护盾等问题，具有极佳的效果。
https://twitter.com/landiantech/status/1661693915131678720?s=19
全文链接：
ourl.co/98847
微软称这是Windows的一项安全功能，旨在帮助用户解决某些软件带来的威胁。
被容器化的应用将无法越过安全边界读取宿主机内容，对于某些软件扫描磁盘、安装所谓的防护盾等问题，具有极佳的效果。
https://twitter.com/landiantech/status/1661693915131678720?s=19
1—4月份，全国规模以上工业企业实现利润总额20328.8亿元，同比下降20.6%。
国有控股企业实现利润总额7579.8亿元，同比下降17.9%；股份制企业实现利润总额14962.4亿元，下降22.0%；外商及港澳台商投资企业实现利润总额4679.9亿元，下降16.2%；私营企业实现利润总额5240.3亿元，下降22.5%。
https://twitter.com/myfxtrader/status/1662270520065155073?s=19
统计局：总体看，工业企业效益延续恢复态势，但也要看到，国际环境严峻复杂，需求不足制约明显，工业企业盈利持续恢复面临较多困难。下阶段，要着力恢复和扩大需求，进一步提高产销衔接水平，持续提振经营主体信心，把发挥政策效力和激发经营主体活力结合起来，推动工业经济持续回升向好。
国有控股企业实现利润总额7579.8亿元，同比下降17.9%；股份制企业实现利润总额14962.4亿元，下降22.0%；外商及港澳台商投资企业实现利润总额4679.9亿元，下降16.2%；私营企业实现利润总额5240.3亿元，下降22.5%。
https://twitter.com/myfxtrader/status/1662270520065155073?s=19
统计局：总体看，工业企业效益延续恢复态势，但也要看到，国际环境严峻复杂，需求不足制约明显，工业企业盈利持续恢复面临较多困难。下阶段，要着力恢复和扩大需求，进一步提高产销衔接水平，持续提振经营主体信心，把发挥政策效力和激发经营主体活力结合起来，推动工业经济持续回升向好。
合肥也拉垮了…
https://twitter.com/Pandazhq/status/1662217089044848642?s=19
这两天推主来发房地产内容，引得我查了下温州房价。嗯，跌到了2007年水线，两万左右一平。没错，温州房价才是变态！！温州2007年房价就是两万每平，2008年温州鹿城广场开盘价5万每平，转手价10万每平。武汉是2016年左右房价破万
https://twitter.com/lieshaCCP/status/1662276701605310465?s=19
https://twitter.com/Pandazhq/status/1662217089044848642?s=19
这两天推主来发房地产内容，引得我查了下温州房价。嗯，跌到了2007年水线，两万左右一平。没错，温州房价才是变态！！温州2007年房价就是两万每平，2008年温州鹿城广场开盘价5万每平，转手价10万每平。武汉是2016年左右房价破万
https://twitter.com/lieshaCCP/status/1662276701605310465?s=19
中国社交媒体上有人提问：你认为的最大笑话是什么？
一位网友回答，最大的笑话是：一个讲笑话为主的公司，因为讲了个笑话要倒闭了。
另一位网友不同意：不，最大的笑话就是一个演员在节目中的台词被认定代表了公司，而一国大使接受法国电视采访说的话，被解释说只代表个人。
https://twitter.com/GaoFalin/status/1662110293466529793?s=19
一位网友回答，最大的笑话是：一个讲笑话为主的公司，因为讲了个笑话要倒闭了。
另一位网友不同意：不，最大的笑话就是一个演员在节目中的台词被认定代表了公司，而一国大使接受法国电视采访说的话，被解释说只代表个人。
https://twitter.com/GaoFalin/status/1662110293466529793?s=19
去年上海封城，导致财政紧张，就暂停了给云南财政转移！
年初云南就找上海要，遭到各种推诿，没办法就找中央反应，结果不了了之！
眼看就要暴雷，于是昆明副市长带着交投、土投、产投三位老总到上海化缘，但被人羞辱了一顿，刚回到昆明债主就围上来要说法，又是一顿折腾，气急败坏下，就捅到了网上！
https://twitter.com/Rumoreconomy/status/1662338735097384960?s=35
年初云南就找上海要，遭到各种推诿，没办法就找中央反应，结果不了了之！
眼看就要暴雷，于是昆明副市长带着交投、土投、产投三位老总到上海化缘，但被人羞辱了一顿，刚回到昆明债主就围上来要说法，又是一顿折腾，气急败坏下，就捅到了网上！
https://twitter.com/Rumoreconomy/status/1662338735097384960?s=35
Twitter
去年上海封城，导致财政紧张，就暂停了给云南财政转移！
年初云南就找上海要，遭到各种推诿，没办法就找中央反应，结果不了了之！
眼看就要暴雷，于是昆明副市长带着交投、土投、产投三位老总到上海化缘，但被人羞辱了一顿，刚回到昆明债主就围上来要说法，又是一顿折腾，气急败坏下，就捅到了网上！
年初云南就找上海要，遭到各种推诿，没办法就找中央反应，结果不了了之！
眼看就要暴雷，于是昆明副市长带着交投、土投、产投三位老总到上海化缘，但被人羞辱了一顿，刚回到昆明债主就围上来要说法，又是一顿折腾，气急败坏下，就捅到了网上！
This media is not supported in your browser
VIEW IN TELEGRAM
网友投稿
5月27日17时30分左右，南昌市青山湖区多所幼儿园在区市政公用广场进行“庆六一”文艺演出彩排时，舞台背景显示屏突然倒塌，据媒体报道9名幼儿被砸受伤。 https://t.co/YVv1PgNo9T
李老师不是你老师 @whyyoutouzhele
Download By @awemebot
5月27日17时30分左右，南昌市青山湖区多所幼儿园在区市政公用广场进行“庆六一”文艺演出彩排时，舞台背景显示屏突然倒塌，据媒体报道9名幼儿被砸受伤。 https://t.co/YVv1PgNo9T
李老师不是你老师 @whyyoutouzhele
Download By @awemebot
今天武汉财政局在媒体上公开催债。
其中欠款的有大量地方国企，甚至还有区财政局。
上级政府登报催下级政府还钱，真是活久见。😓😓😓https://twitter.com/torontobigface/status/1662501618720587777?s=19
其中欠款的有大量地方国企，甚至还有区财政局。
上级政府登报催下级政府还钱，真是活久见。😓😓😓https://twitter.com/torontobigface/status/1662501618720587777?s=19
微软2023年Build大会演讲：如何训练和应用GPT（中英文字幕）
这是本次微软2023年Build大会来自OpenAI的AI 研究员和创始成员Andrej Karpathy的一个主题为State of GPT的演讲。
演讲主要有两部分内容：
1. OpenAI是如何训练GPT的
2. 我们如何有效应用GPT
都是非常有价值的分享。
首先对于如何训练GPT，通常来说是四个阶段预训练（Pretraining），有监督的微调（Supervised Finetuning），奖励建模（Reward Modeling）和强化学习（Reinforcement Learning），这几个阶段通常是依次进行，每个阶段都有不同的数据集。
预训练（Pretraining）：
这个阶段的目标是让模型学习一种语言模型，用于预测文本序列中的下一个单词。训练数据通常是互联网上的大量文本。模型从这些文本中学习词汇、语法、事实以及某种程度的推理能力。这个阶段结束后，模型可以生成一些有意义且语法正确的文本，但可能无法理解具体任务的需求。
有监督的微调（Supervised Finetuning）：
在预训练后，模型会进入微调阶段。在这个阶段，人类评估员将参与并给出指导，他们会给模型提供对话样本，样本中包含了输入和期望的输出。这使得模型能更好地适应特定任务或应用，例如回答问题或编写文章。
奖励建模（Reward Modeling）：
评估员将对模型生成的不同输出进行排名，以表示它们的质量。这个排名将被用作奖励函数，指导模型优化其生成的输出。
强化学习（Reinforcement Learning）：
强化学习阶段是一个迭代的过程，模型会试图优化其行为以获得最大的奖励。在这个阶段，模型会产生新的输出，评估员会对这些输出进行排名，然后模型根据这个反馈调整其行为。
然后是如何有效应用GPT
在演讲中Andrej举了一个非常好的例子：人类和大语言模型（LLM）都是如何写作的？从这个例子中你能明显感觉到人类和GPT之间的差异。
假设你要写一篇文章去比较加利福尼亚州和阿拉斯加州的人口，你的写作的过程中可能是像这样的：
- 我需要写一篇文章去比较加利福尼亚州和阿拉斯加州的人口
- 我需要去获取两个州的人口数据
- 我不知道这两个周的人口数据
- 去维基百科找到加利福尼亚州的人口是39.2M
- 去维基百科找到阿拉斯加州的人口是0.74M
- 现在我需要计算一下两个州人口数相差多少倍，但是可能需要计算机帮忙
- 用计算器算出来39.2除以0.74约等于53
- 快速的检查一下53倍这个数字是不是符合常识，嗯，这是一个相当大的比值，但加利福尼亚州毕竟是人口最多的州，所以这个结果或许是合理的，可以继续
- 好了，我现在有了我需要的所有信息
- 写下：“加利福尼亚州的人口比53倍的……”
- 觉得好像不太好，删除重写成：“加利福尼亚州的人口是阿拉斯加州的53倍。”
- 嗯，觉得还不错
也就是说，当人类写作时，哪怕是这样一个简单的句子，可能内心实际上进行了大量的运算的。
但当我们用GPT进行写作这样的句子看起来会是什么样呢？
从GPT的角度看，这只是一系列的标记（Tokens）。当GPT在接收到一个输入，比如你给出的主题。它会生成一段与输入相关的文本，GPT的目标是预测下一个词，所以它会连续生成一串词，形成一段连贯的文本。
从本质上看，Transformer只是标记模拟器，它不知道自己知道什么不知道什么，它不知道自己擅长什么或不擅长什么，它只是尽力生成下一个标记，它也不会进行反思，也不会不进行任何合理性检查。它不会纠正自己的错误，它只是产生抽样的标记序列，它没有像人类那样的内心独白流。
但是，GPT有一些优势，如它们拥有大量的基于事实的知识，并且拥有相对大的并且完美的工作记忆。GPT通过自我注意力机制，能立即获取到上下文窗口中的信息，从而进行无损记忆。然而，GPT在推理和判断方面的能力相对较弱，如果提出的问题需要更复杂的推理，单凭一个标记的信息，GPT往往无法给出正确的答案。
一些技巧可以提升GPT的表现，比如Cot（Chain of Though）设定步骤来引导GPT展示其工作过程，或者通过多次抽样然后选择最佳结果等，或者可以让GPT检查自己的输出，比如询问它是否完成了任务，最好是在Prompt中明确的要求它检查自己的输出。
后面还介绍了目前比较流行的GPT应用，比如Agent、Plugin、CoT、Embedding等
最后他用GPT-4写了一个结尾：
“女士们，先生们，2023年Microsoft Build的创新者和先驱者们，欢迎来到这个独一无二的卓越人才的集结地。你们是未来的架构师，是塑造数字领域的视野家，在那里人类繁荣发展。拥抱科技的无限可能，让你的想法飞得和你的想象力一样高。让我们一起创造一个更连通，更出色，更包容的世界，为未来的世代留下。准备好释放你的创造力，探索未知，把梦想变成现实。你的旅程今天开始。”
原始视频地址：
build.microsoft.com/en-US/sessions…
YouTube地址：https://youtu.be/YrBJiy-V8MY
https://twitter.com/dotey/status/1662603594799935489?s=19
这是本次微软2023年Build大会来自OpenAI的AI 研究员和创始成员Andrej Karpathy的一个主题为State of GPT的演讲。
演讲主要有两部分内容：
1. OpenAI是如何训练GPT的
2. 我们如何有效应用GPT
都是非常有价值的分享。
首先对于如何训练GPT，通常来说是四个阶段预训练（Pretraining），有监督的微调（Supervised Finetuning），奖励建模（Reward Modeling）和强化学习（Reinforcement Learning），这几个阶段通常是依次进行，每个阶段都有不同的数据集。
预训练（Pretraining）：
这个阶段的目标是让模型学习一种语言模型，用于预测文本序列中的下一个单词。训练数据通常是互联网上的大量文本。模型从这些文本中学习词汇、语法、事实以及某种程度的推理能力。这个阶段结束后，模型可以生成一些有意义且语法正确的文本，但可能无法理解具体任务的需求。
有监督的微调（Supervised Finetuning）：
在预训练后，模型会进入微调阶段。在这个阶段，人类评估员将参与并给出指导，他们会给模型提供对话样本，样本中包含了输入和期望的输出。这使得模型能更好地适应特定任务或应用，例如回答问题或编写文章。
奖励建模（Reward Modeling）：
评估员将对模型生成的不同输出进行排名，以表示它们的质量。这个排名将被用作奖励函数，指导模型优化其生成的输出。
强化学习（Reinforcement Learning）：
强化学习阶段是一个迭代的过程，模型会试图优化其行为以获得最大的奖励。在这个阶段，模型会产生新的输出，评估员会对这些输出进行排名，然后模型根据这个反馈调整其行为。
然后是如何有效应用GPT
在演讲中Andrej举了一个非常好的例子：人类和大语言模型（LLM）都是如何写作的？从这个例子中你能明显感觉到人类和GPT之间的差异。
假设你要写一篇文章去比较加利福尼亚州和阿拉斯加州的人口，你的写作的过程中可能是像这样的：
- 我需要写一篇文章去比较加利福尼亚州和阿拉斯加州的人口
- 我需要去获取两个州的人口数据
- 我不知道这两个周的人口数据
- 去维基百科找到加利福尼亚州的人口是39.2M
- 去维基百科找到阿拉斯加州的人口是0.74M
- 现在我需要计算一下两个州人口数相差多少倍，但是可能需要计算机帮忙
- 用计算器算出来39.2除以0.74约等于53
- 快速的检查一下53倍这个数字是不是符合常识，嗯，这是一个相当大的比值，但加利福尼亚州毕竟是人口最多的州，所以这个结果或许是合理的，可以继续
- 好了，我现在有了我需要的所有信息
- 写下：“加利福尼亚州的人口比53倍的……”
- 觉得好像不太好，删除重写成：“加利福尼亚州的人口是阿拉斯加州的53倍。”
- 嗯，觉得还不错
也就是说，当人类写作时，哪怕是这样一个简单的句子，可能内心实际上进行了大量的运算的。
但当我们用GPT进行写作这样的句子看起来会是什么样呢？
从GPT的角度看，这只是一系列的标记（Tokens）。当GPT在接收到一个输入，比如你给出的主题。它会生成一段与输入相关的文本，GPT的目标是预测下一个词，所以它会连续生成一串词，形成一段连贯的文本。
从本质上看，Transformer只是标记模拟器，它不知道自己知道什么不知道什么，它不知道自己擅长什么或不擅长什么，它只是尽力生成下一个标记，它也不会进行反思，也不会不进行任何合理性检查。它不会纠正自己的错误，它只是产生抽样的标记序列，它没有像人类那样的内心独白流。
但是，GPT有一些优势，如它们拥有大量的基于事实的知识，并且拥有相对大的并且完美的工作记忆。GPT通过自我注意力机制，能立即获取到上下文窗口中的信息，从而进行无损记忆。然而，GPT在推理和判断方面的能力相对较弱，如果提出的问题需要更复杂的推理，单凭一个标记的信息，GPT往往无法给出正确的答案。
一些技巧可以提升GPT的表现，比如Cot（Chain of Though）设定步骤来引导GPT展示其工作过程，或者通过多次抽样然后选择最佳结果等，或者可以让GPT检查自己的输出，比如询问它是否完成了任务，最好是在Prompt中明确的要求它检查自己的输出。
后面还介绍了目前比较流行的GPT应用，比如Agent、Plugin、CoT、Embedding等
最后他用GPT-4写了一个结尾：
“女士们，先生们，2023年Microsoft Build的创新者和先驱者们，欢迎来到这个独一无二的卓越人才的集结地。你们是未来的架构师，是塑造数字领域的视野家，在那里人类繁荣发展。拥抱科技的无限可能，让你的想法飞得和你的想象力一样高。让我们一起创造一个更连通，更出色，更包容的世界，为未来的世代留下。准备好释放你的创造力，探索未知，把梦想变成现实。你的旅程今天开始。”
原始视频地址：
build.microsoft.com/en-US/sessions…
YouTube地址：https://youtu.be/YrBJiy-V8MY
https://twitter.com/dotey/status/1662603594799935489?s=19
Microsoft
Session Catalog
Explore the session lineup. Gain the insights and expertise you need to drive impact.
#工程师学习 看到一个很基础的英语学习手册「OGDEN's BASIC ENGLISH」，用于极度简化你的英语学习和日常使用，作者发现牛津字典中2.5w单词中90%的概念可以用850个单词来实现，同时使用规则与完整的英语一样，让使用者可以使用简单且完美的英语进行正常沟通，思路很不错。
🤖 ogden.basic-english.org
https://twitter.com/HiTw93/status/1662610888535207937?s=19
🤖 ogden.basic-english.org
https://twitter.com/HiTw93/status/1662610888535207937?s=19
10年前，小米的市值是450亿美元；是特斯拉和英伟达的总和。10年过去了，小米的市值下降到335亿美元，而特斯拉和英伟达的市值分别到了6100亿美元和9600亿美元。大概是小米市值的20倍和30倍。做不到主权自主，做不到自研芯片与系统，这是中国能在这个领域，吃到这口饭的最高天花板了，小米、OPPO、VIVO三家被人为封了顶。
https://twitter.com/AsiaFinance/status/1662787959576473600?s=19
https://twitter.com/AsiaFinance/status/1662787959576473600?s=19
近日蛋疼新聞
印度某官員為了拿到他的智能手機抽乾了一整個水庫！
食品檢查員 Rajesh Vishwas 在與朋友野餐自拍時不慎將他的手機掉入水中。
附近村莊的幾名居民應這位官員的要求潛入水中，但找了兩天也找不到他的手機。於是這位官員租用了兩台水泵，從水庫中抽走了超過 200 萬升的水。電話果然找到了，衹是它潛水太久已經無法開機。
當地政府表示，他們沒有批准這次抽水行動，儘管該官員聲稱已獲得水利部的「口頭許可」，該官員已經被停職。
https://twitter.com/remonwangxt/status/1662824350255398912?s=19
印度某官員為了拿到他的智能手機抽乾了一整個水庫！
食品檢查員 Rajesh Vishwas 在與朋友野餐自拍時不慎將他的手機掉入水中。
附近村莊的幾名居民應這位官員的要求潛入水中，但找了兩天也找不到他的手機。於是這位官員租用了兩台水泵，從水庫中抽走了超過 200 萬升的水。電話果然找到了，衹是它潛水太久已經無法開機。
當地政府表示，他們沒有批准這次抽水行動，儘管該官員聲稱已獲得水利部的「口頭許可」，該官員已經被停職。
https://twitter.com/remonwangxt/status/1662824350255398912?s=19
出生人口跌破800万意味着什么
https://twitter.com/Pandazhq/status/1662813807742205952?s=19
https://twitter.com/Pandazhq/status/1662813807742205952?s=19
只有被“关卡检查员”海马体判定为“必要”的信息，才会顺利通过“关卡”，获得成为长期记忆的资格。通常来说，这样的审查最短也需要一个月，而且审查标准非常严格，除了极个别的情况以外，一般不会一次性通过。
那么，什么样的信息能比较容易地通过海马体的审查呢？是会在明天考试中出现的英语单词，还是古罗马皇帝的名字呢？
很可惜，这些都不容易通过审查。海马体的审查标准是“该信息对生存而言，是否不可或缺”。
对于考试迫在眉睫却记不住单词的我们来说，这些英语单词比任何信息都重要。但海马体可不这么认为，只会残酷地裁断为：“一两个英语单词记不住不会导致生命危险，所以不予通过。”进而不会授予单词信息从短期记忆复制到长期记忆的许可证。实际上，那 些大家在学校里必须记住的知识，基本上都不会被海马体判定为“对生存不可或缺的信息”。
这其实也是理所当然的。请大家仔细地想一想，诸如“吃了腐败变质的食物会引起食物中毒”“石头砸向脑袋时如果不避开就会受伤”这类信息，和“苏格拉底于公元 前 399 年去世”这类教科书上的知识相比，哪些才是关乎性命的重要信息呢？ 人本身也是动物，有着生存的本能。对于动物来说，所谓“学习”就是指牢记在险境中获得的经验以避免再次遇到同样的危险，进而越来越适应周围环境的过程。
#考试脑科学 #脑科学的高效记忆法
那么，什么样的信息能比较容易地通过海马体的审查呢？是会在明天考试中出现的英语单词，还是古罗马皇帝的名字呢？
很可惜，这些都不容易通过审查。海马体的审查标准是“该信息对生存而言，是否不可或缺”。
对于考试迫在眉睫却记不住单词的我们来说，这些英语单词比任何信息都重要。但海马体可不这么认为，只会残酷地裁断为：“一两个英语单词记不住不会导致生命危险，所以不予通过。”进而不会授予单词信息从短期记忆复制到长期记忆的许可证。实际上，那 些大家在学校里必须记住的知识，基本上都不会被海马体判定为“对生存不可或缺的信息”。
这其实也是理所当然的。请大家仔细地想一想，诸如“吃了腐败变质的食物会引起食物中毒”“石头砸向脑袋时如果不避开就会受伤”这类信息，和“苏格拉底于公元 前 399 年去世”这类教科书上的知识相比，哪些才是关乎性命的重要信息呢？ 人本身也是动物，有着生存的本能。对于动物来说，所谓“学习”就是指牢记在险境中获得的经验以避免再次遇到同样的危险，进而越来越适应周围环境的过程。
#考试脑科学 #脑科学的高效记忆法
相信大家已经了解了复习的重要性。但是，“复习”二字说起来容易，做起来却不简单，盲目复习是没有效率的。在此，就让我为大家讲解一下复习时需要注意的三点吧。
第一点是关于复习的时机问题，即在什么时候复习比较好 。究竟间隔多久进行复习才能取得最好的效果呢？
我们利用之前的音节记忆实验来测试一下就能知道答案了。如果第 1 次和第 2 次学习之间间隔 1 个月以上，那么记忆力是得不到提高的。也就是说，潜在记忆的保存时间只有 1 个月左右，如果不在 1 个月以内复习学到的知识，潜在记忆就无法发挥作用了。所以，并不是在任何时候复习都有效果，大家最迟也要在 1 个月以内就开始复习。
为什么那些无意识的记忆有“保质期”呢？答案的关键还是在于海马体。海马体是 对进入人脑中的信息进行审查的工厂。信息的种类不同，能停留在这家工厂的时间也有长有短，短的大概只有 1 个月左右。海马体会在 1 个月内分类整理这些信息，判定哪些是应该进入大脑皮质的必要信息。
因此，那些间隔了 1 个月甚至更久的时间才去复习的知识，对于海马体来说和新学习的知识并没有什么不同。相反，如果在 1 个月以内多次复习相同的知识，海马体就会产生错觉，做出判断：“短短 1 个月内竟然看到了这么多次！这一定是非常重要的信息吧 。”
另外，在首次复习中输送进海马体的信息越多，成功“欺骗”海马体的可能性就越大。也就是说，在复习时也要像初次学习那样用功，不仅要用眼看，还要动笔写、出声读，尽可能地调动自己的感官。这样一来，通过视觉、听觉、触觉等传达的信息都会对 刺激海马体起到积极作用。
结合海马体的性质，我建议大家按照如下计划展开复习。
第 1 次复习：学习后的第 2 天
第 2 次复习：第 1 次复习 1 周后
第 3 次复习：第 2 次复习 2 周后
第 4 次复习：第 3 次复习 1 个月后
以上计划将复习分为 4 次，每次复习之间都存在一定的时间差，整个计划在约两个月内完成。通过这样的复习方法，海马体会将信息判定为必要信息，并允许它们进入大脑皮质。我认为这样做 足以达到高效复习的目的，没有必要再复习更多次。
肌肉锻炼也是如此。为了练出肌肉，我们没有必要每天都去举哑铃，其实两天练一次就足够了，效果是一样的。同理，复习计划安排得再满，它对最终的学习效果也不会产生任何影响，只是会让复习的人劳心劳力罢了。
'''最不擅长利用时间的人，最爱抱怨时间不够用。 ——拉布吕耶尔（作家） '''
与其把时间浪费在不必要的复习上，还不如去学习其他的新知识。
#脑科学的高效记忆法 #考试脑科学 #复习的方法
第一点是关于复习的时机问题，即在什么时候复习比较好 。究竟间隔多久进行复习才能取得最好的效果呢？
我们利用之前的音节记忆实验来测试一下就能知道答案了。如果第 1 次和第 2 次学习之间间隔 1 个月以上，那么记忆力是得不到提高的。也就是说，潜在记忆的保存时间只有 1 个月左右，如果不在 1 个月以内复习学到的知识，潜在记忆就无法发挥作用了。所以，并不是在任何时候复习都有效果，大家最迟也要在 1 个月以内就开始复习。
为什么那些无意识的记忆有“保质期”呢？答案的关键还是在于海马体。海马体是 对进入人脑中的信息进行审查的工厂。信息的种类不同，能停留在这家工厂的时间也有长有短，短的大概只有 1 个月左右。海马体会在 1 个月内分类整理这些信息，判定哪些是应该进入大脑皮质的必要信息。
因此，那些间隔了 1 个月甚至更久的时间才去复习的知识，对于海马体来说和新学习的知识并没有什么不同。相反，如果在 1 个月以内多次复习相同的知识，海马体就会产生错觉，做出判断：“短短 1 个月内竟然看到了这么多次！这一定是非常重要的信息吧 。”
另外，在首次复习中输送进海马体的信息越多，成功“欺骗”海马体的可能性就越大。也就是说，在复习时也要像初次学习那样用功，不仅要用眼看，还要动笔写、出声读，尽可能地调动自己的感官。这样一来，通过视觉、听觉、触觉等传达的信息都会对 刺激海马体起到积极作用。
结合海马体的性质，我建议大家按照如下计划展开复习。
第 1 次复习：学习后的第 2 天
第 2 次复习：第 1 次复习 1 周后
第 3 次复习：第 2 次复习 2 周后
第 4 次复习：第 3 次复习 1 个月后
以上计划将复习分为 4 次，每次复习之间都存在一定的时间差，整个计划在约两个月内完成。通过这样的复习方法，海马体会将信息判定为必要信息，并允许它们进入大脑皮质。我认为这样做 足以达到高效复习的目的，没有必要再复习更多次。
肌肉锻炼也是如此。为了练出肌肉，我们没有必要每天都去举哑铃，其实两天练一次就足够了，效果是一样的。同理，复习计划安排得再满，它对最终的学习效果也不会产生任何影响，只是会让复习的人劳心劳力罢了。
'''最不擅长利用时间的人，最爱抱怨时间不够用。 ——拉布吕耶尔（作家） '''
与其把时间浪费在不必要的复习上，还不如去学习其他的新知识。
#脑科学的高效记忆法 #考试脑科学 #复习的方法