《具身认知》

border="0" width="330" height="86" src="//music.163.com/outchain/player?type=3&id=908097855&auto=0&height=66">

【 大脑并不总是能分清楚真假,这也是为什么当你微笑,你就真的开心起来了。】
        我们常常认为自己的行为都是被大脑操控的,比如说大脑告诉你饿了,你就会马上去找食物填饱肚子。这期音频会告诉你,有可能情况并不是这样的。
本期音频描述了一个新兴的心理学领域,带你探索身体和大脑之间的秘密。通过本期音频,你可以了解到身体是如何通过情绪来影响大脑的、是如何通过偏好来影响决策的、是如何通过感知温度来影响我们的知觉和判断的。你可以从中学会如何更好地利用身体去寻找写作灵感、去获得快乐的能力以及如何成为一个优秀的人。你甚至还可以用一些身体的小秘密,去追求心仪的男神女神。
        本期音频出自西恩 · 贝洛克的畅销著作。西恩 · 贝洛克是芝加哥大学的心理学教授,也是专注于研究人类表现的一流脑科学专家,他的主要研究领域是最近两年新兴的 “具身认知”,主要研究的是人类生理和心理之间的强烈联系。

你将听到:

  1. 为什么肉毒杆菌可以治疗抑郁症
  2. 为什么海鞘会吃掉自己的大脑
  3. 为什么我们总是喜欢拿靠近右边的东西?
  4. 如何快速看透别人的内心
  5. 怎样快速获得写作灵感
 书籍信息:

这里写图片描述
书名:《具身认知:身体如何影响思维和行为》
原作名:How the Body Knows Its Mind:The Surprising Power of the Physical Environment to Influence How You Think and Feel
作者:[美] 西恩 · 贝洛克
出版社:机械工业出版社
译者:李盼
出版年:2016-7
页数:196
定价:39.00
装帧:平装
ISBN:9787111537786

关于作者

        西恩 · 贝洛克,芝加哥大学心理学教授,专注于研究人类表现的一流脑科学专家,主要研究领域是具身认知。2011 年,他获得了美国心理科学协会颁发的 “革命性早期贡献奖”。

关于本书

        这本书讲述了一个新兴领域——具身认知,帮我们了解了生理和心理之间的强烈联系。通过作者对这个领域的介绍,我们可以更好地协调身体和大脑,获得更高效的工作与生活。

核心内容

        我们常常认为自己的行为都是被大脑操控的,比如说大脑告诉你饿了,你就会马上去找食物填饱肚子。这期音频会告诉你,有可能情况并不是这样的。
这里写图片描述
点击查看大图,保存到手机,也可以分享到朋友圈

一、身体是如何影响大脑的?

  1. 身体可以通过控制情绪来影响大脑
    【案例】
    医学上利用肉毒杆菌来治疗抑郁症。
            肉毒杆菌本来是一种致命的病菌,在繁殖的过程里会分泌肉毒毒素,后来整容医师发现,这种毒素可以麻痹人的面部肌肉,达到祛除皱纹的效果,所以在美容领域用得比较广泛。
            之后医学家发现,抑郁症患者在打完肉毒杆菌之后很难做皱眉这个表情,随着皱眉次数的减少,患者展现的积极能量变多,在交往过程中会让人觉得更轻松。再加上肉毒杆菌会使人的皮肤变好,从外在上增加人的魅力,使患者更加自信,从而达到了治疗抑郁症的效果。
            这个案例证明,我们大脑里的神经元回路并不总能分清楚真假,当我们刻意地去做一些行为传输给大脑,大脑会真的相信,所以,身体是可以通过控制情绪来影响大脑的。

  2. 身体可以通过决定偏好来影响大脑决策
    【案例】
            大部分人在选择的时候都喜欢右手边的东西,而左撇子喜欢左边的,这是因为大脑在选择时会偷懒,身体认为哪个更容易拿,大脑就会选择哪个。
            商家发现了人们的这个特点,并把它用在了商业购物上,无论是在产品的设计、位置摆放还是广告的投放技巧上,都巧妙地运用了这一点,从而实现了更多的销售额。

  3. 身体可以影响大脑的掌控力和主动性
    【案例】
            面对难题时,不同的姿势会带来不同的结果。如果你是蜷曲着身体蹲在墙角,抱着头痛苦地思考,一般你很难解决它;如果你是用很有力量的姿势,握紧双拳站着,就像要战斗一样去面对它,这个问题解决起来就会容易许多。
            有力的身体姿势可以增加大脑中循环的睾酮含量,它会提高人的自信心、注意力和记忆力,让你更有信心地面对问题、解决问题。

二、身体是如何影响社交的?

  1. 身体可以通过感知温度来影响社交
    【案例】
            耶鲁大学学者随机把 40 个学生分成两组。A 组学生手捧一杯热咖啡,B 组学生捧着一杯冰咖啡。到实验室以后, 让两组学生分别对同一个人的人格特征进行评估。A 组学生里,有 70% 的人认为这个人是热情、友好的;而 B 组学生中的 80% 却认为这个人是冷静、内向的。实验证明,你的身体温度会影响你对一个人的感觉。

  2. 通过身体行为可以解读他人的内心
    【案例】
            我们可以通过一个人的行为去了解他的内心。比如说,当电梯里只有几个人的时候,有个人站在电梯的角落里,可能说明他的性格比较内向,缺乏安全感;另一个人的身体向后打开,用扩胸运动的姿势大大咧咧地靠在电梯内侧的横杆上,你就会觉得这个人性格外向,比较有自信。不同的行为会反映出不同的性格。

三、了解具身认知为生活带来的改变

  1. 可以通过多运动来帮助我们寻找灵感
    【案例】
            科学家把同一个妈妈生的 10 只小白鼠分到了两个笼子里,它们的饮食、环境等各方面都是完全相同的,唯一的不同之处在于,一个笼子里有各种滚轮玩具和健身器材,而另一个笼子没有。4 周后,科学家发现有健身器材的小白鼠产生了更多新的脑细胞,数量大概是不活动对照组的 2 倍。
            科学家又加入了另外一组小白鼠,让它们学习如何走迷宫。又过了 4 周,结果依然是运动组的新生脑细胞多于用脑组。
            实验证明:运动让大脑释放出了更多的多巴胺,可以提高我们对灵敏度、满足感的控制,帮我们提高创造力和多角度思考的能力。也就是说,运动能让我们的大脑越来越活跃,工作越来越高效。

  2. 经常自拍可以保持心情愉悦
            面对镜头,当你嘴角上扬做出标准的镜头动作时,你会发现心情确实比之前好了一些。行为是可以用来调整一个人的心情的,假笑久了就会变成真笑。

  3. 模仿大师的行为能让自己更优秀
            按照具身认知的理论,复制行为是可以复制思维的。和优秀的人在一起,可以通过模仿他优秀的行为来慢慢学会他的思考方式。你可以通过网络、书籍或者身边的人来寻找你想模仿的对象,模仿久了,你也算半个大师了。

 本书金句

  1. 人在开心的时候会情不自禁地微笑,反过来,当你微笑的时候,你也会真的觉得开心。

  2. 如果你拒绝表达一种情感,这种感情就会消失。当你拒绝表达愁苦的时候,你的世界就会只剩下快乐。

  3. 大脑不是我们行动的唯一主宰,身体比我们想象得更有潜力。想要让大脑发挥最大效应,我们可以刻意去运动、锻炼,改变具体的行为比改变思维方式要容易得多。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

种瓜大爷

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值