别忙,我先感觉一下自己

 “放手!”“山”急切地耳语着。
  武士了解,他没有其他选择。在那个时候,他的力量开始消失,他抓住岩石的手指也开始迸出鲜血。由于相信自己快死了,他放了手,向下落去,掉入记忆中无尽的深处里。
  ——摘自罗伯·费雪的小说《为自己出征》(又名《盔甲骑士》)

 

  前不久,我在一个僻静的地方上一个名为“苏菲营”的课程。苏菲,是土耳其等国度的一种修行办法,被视为“西亚的禅”。如果说,我们文化中的禅修,是通过静的方式修行,那么,苏菲就是通过动的方式去修行,而两者修行的目的是一样的——放下小我。
  动了一天后,我的身体便累极了,于是坐在宾馆的沙发上休息,这时接到了一个同学L的电话。L有满腹的牢骚,在电话中,他向我声讨某某银行,说他刚去了西欧,而有500英镑的费用涉及到某某银行,明明是银行的工作人员做错了,但他们不仅不道歉,还特傲慢。
  接着,他又向我声讨很多“有关部门”,说在中国做生意实在太难了。
  放在以前,我会认真地听他诉苦,然后再帮他分析一下事情的缘由,但现在我不再这么做,不仅是因为累,也因为我知道,听别人声讨另外一个人,一般都是浪费时间。
  于是,我直接打断他说:“哥们,你说得有道理,但你这么说的时候,我有了一个感触,不知道该说还是不该说?”
  “哦,是吗?”他回答说,“说吧,有什么不能说的?欢迎!”
  “你怎么变成了一个‘愤中’?”我说。
  我之所以这么说,是因为L以前是一个非常温和而宽厚的人,他很少表达他的怨气。现在,已35岁了,却变成了一个充满愤怒的男人。
  我的质疑让他也感觉到有点惊讶,他说,难道不应该愤怒吗?谁遭遇了像他那么多不舒服的事,都会对很多“有关部门”和银行生出怨气的。
  “你的怨气主要是针对‘有关部门’和银行吗?”我反问他,“你不妨静下来问问自己,你的怨气的主要来源是哪里。”
  在电话那头,他静了一会儿说:“是的,我的怨气的主要源头不在这里。”

 

“好人”们常玩抱怨游戏
  这我料到了,因我对他比较了解,明白他的怨气主要是从家中而来。L是一个很为别人考虑的人,尤其是一个很顾家的人,然而,现在我发现,无数像他这样的“好人”到了中年和老年后会有一个特殊的心理逻辑结构,这可以称为“怨气形成的三部曲”:
  A:活着是为了别人;
  B:我已经奉献了这么多,你们应该为我考虑;
  C:你们没有为我考虑,所以我有满腹怨气。
  其中的B环节是隐蔽的,“好人”们通常不会将它表达出来,他们无意中在玩一个游戏“我为你做了这么多,我不说你就应该知道为我做什么”,但通常别人都会不响应他们这一隐蔽的渴求,这最终会导致“好人”们的怨气,以及伴随着这一怨气的自恋感——“我是多么具有奉献精神的好人啊,你们都欠我的。”
  这种怨气是一个逐渐积累的过程。小时候,因为怨气不重,我们可以心平气和地做“好人”,但随着年龄的增长,我们发现,做“好人”并不能自动带来价值感和别人的尊重,相反别人会“对不起”自己,这令自己逐渐感到绝望,最后到了一定地步,这种怨气感就会爆发出来。
  爆发得越早越好,因这意味着改变的契机,不过我发现,许多“好人”是到了三十多岁后才开始有了爆发。这仍然算好的,如果到了五六十岁甚至七八十岁再爆发,那就更可惜了。
  作为L的同学兼好友,我好像一直在等着他的怨气的发作,而这次是一个很好的机会,所以我本能性地点破了他的这个隐蔽的心理游戏。
  L的这种“为了别人而活”的逻辑,在我们的文化中非常常见,因我们将这个视为“好”,而将“为了自己而活”视为自私,视为“坏”。然而,我在做心理咨询中发现,除非一个人真正抱定“为了自己而活”这个念头,否则好的改变很难发生。
  因为,“为了别人而活”,这种观念貌似是奉献精神,但其另一面是“我的不幸是你导致的”,所以“好人”们在咨询的一开始很容易将责任归咎给他人,这也意味着推卸责任,于是成长很难发生。

 

一个美极了的蜕变的梦
  类似的故事也发生在我的一个来访者F身上。F是一个依赖者,她的核心问题是,每当她要为人生做选择时,她都陷入到极大的犹豫中,因为她发现,每一种选择都会有人要受伤。
  于是,在长达一年半的时间里,尽管她的人生遇到了很大的难题,迫切需要她做选择,但她仍然是处在一种动弹不得的处境中,没有做任何选择。
  在一次关键的咨询中,我们对她一个很小的事情做了细致入微的探讨,她终于明白,做任何选择都会有相关人受伤,而她最怕内疚,不想欠任何人的,所以她在绝大多数场合都依赖别人为她做选择。这种内疚,她平时也知道,但每当这内疚产生时,她都会去逃避它。结果,逃避这一内疚也就导致了逃避选择。
  这次咨询后,她已知道该如何做,并在生活中承担起了选择的责任,但她仍然来找我咨询,并好像是为我考虑一样。我感觉到这一点,问她:“如果是你选择中断和我的咨询,也会觉得对不起我吗?”
  她说是,我笑着说:“我很穷,很需要你的每小时300元的咨询费,期待你继续来找我。”
  她也笑了,而接下来,她选择了中断咨询。又过了一个多月后,她又突然来到我的咨询室,说前天晚上刚做了一个梦希望我帮她分析。
  但这哪里是分析,而是分享,因为她的梦境实在是太美了:
  我梦见我是一只鸟,在一个黑漆漆的山洞里,山洞里还有很多我的同族,我们都不会飞,我们挤在山洞的岩石上,各自占据着一个窄小的位置不敢动弹,否则就会掉下去。
  突然,我找不到我的位置了,最后一个位置被一只不是鸟的动物占据了。它冷冷地看着我不打算提供帮助,我从岩石上掉了下去,像自由落体一样,那一刻我很恐慌。
  但在跌落中,我突然发现,我有翅膀,于是我努力地扑腾翅膀,心里有一种莫名的信念,相信我一定能飞,而我果真飞了起来,再也不怕坠落。
  我飞得自在而潇洒,我的一些同族也明白了自己可以飞,它们跟着我一起呼啸着飞出山洞,与经过洞口的一群白天鹅会合,飞向蓝天,这时我发现,原来我和我的同族都是粉红色的天鹅。
  我们还飞过大海、森林和湖泊。我发现,我们不仅能飞翔,还可以游泳。低低地飞过水面时,有人将水溅起,泼向我们,我觉得这没什么,毕竟这对我们构不成任何伤害。

  F从这个梦中醒来,带着极大的喜悦,看表,发现是凌晨三点多钟。这种喜悦带来的兴奋一直持续着,直到五六点钟时她才又入睡了一会儿,而再度醒来后仍是充满喜悦。
  这个梦起码有双重的含义,一个是对F的生活的隐喻,另一个是对F的心灵蜕变的表达。
  就人生处境而言,我们多数人都像F一样,站在一个狭窄的岩石上,拼命去守护那一点可怜的地盘,生怕失去它,而守护的办法也常常是执著于某一种早就习惯的办法。
  对F而言,她要守护的这个地盘就是重要亲人的爱与认可,因为她的重要亲人中多是支配欲很强的控制者,所以她守护这个地盘的办法就是扮演一个可爱的依赖者。
  然而,这个办法失效了,不管她怎么执著于这个办法,这个地盘都是守不住的。
  于是,在梦中,她从这块岩石上跌落了下来,但在跌落中,她发现,原来她是可以飞的,她不必那么执著于那一种方式。

 

极端痛苦是需要蜕变的信号
  这正如德国家庭治疗大师海灵格提到的一个寓言故事:
  一头熊,一直被关在一个窄小的笼子里,只能站着,不能坐下,更不用说躺下,当人攻击它的时候,它最多只能抱成一团来应对。
  后来,它被从这个窄小的笼子里解救了出来,但它仍然一直站着,仿佛不知道自己已获得自由,可以坐,可以躺,可以跑,还可以还击。

  我们都生活在这样的无形的笼子中,对于多数人而言,除非遇到一些极限情况,否则会一直执著在原来的那种方式中。譬如,L会一直执著于做“好人”,而F会一直执著于做依赖者。
  但是,极限情况发生了,L开始有了承受不了的怨气,而F有了乱成一团的人生处境。这些极限情况看起来很不好,但它们也恰恰是迫使我们不得不放弃原有方式的动力。
  一旦放弃执著,那头熊会发现,它可以坐、躺、跑和还击,而L发现,他不必非得做“好人”,他首先当学会尊重自己,F则会发现,她是可以做一个独立的人的,不必什么事都依赖别人做决定。
  总之,如若我们不再执著,我们便会发现,原来世界海阔天空,我们不必非得守在那块可怜的地盘上,我们可以飞翔,可以游泳,可以不必理会别人泼来的流言蜚语,我们只需要尊重自己的内在的灵性。
  可以说,F的这个梦是一个顿悟的梦,人生中一旦有了这种短暂开悟的时刻,内心就会发生一次翻天覆地的变化,会变得更和谐、更有力量也更富有弹性。
  对此,F有明确的体会,她说,从梦中醒来后,她深切地明白,她的生命中的那些问题仍然存在,但不同的是,它们变小了,她可以轻松面对了,而且她深信一定会找到好的解决办法。
  给我的感觉是,她刚来找我做咨询时,她的任一问题都好像是一个无比巨大的问题,将她整个人笼罩住了,令她动弹不得。但慢慢地,她和这些问题拉开了距离,她能够有时像一个旁观者一样,跳出来看这些问题。现在,这些问题则像一个小圆球一样,可以被她捧在手中,认真而轻松地观察。
  她是怎么可以做到这一点的呢?加上这次解梦,她总共来找我做过4次心理咨询,难道我像神仙一样点化了她吗?
  自然不是,关键是她很快有了一个重要的觉悟:每当有问题出现时,她不会像以前一样,立即陷入问题中,并急于去寻找解决问题的办法,而是先去感受一下自己。
  用她自己的话就是,每当碰到问题时,她会立即对自己说:“别忙,我先感觉一下我自己。”

 

找到自己就不会失控
  通常,这种“感觉一下我自己”的办法是做一个深呼吸,然后将注意力集中在自己身体上,感受一下自己的身体反应和内在体验,然后才面对问题。
  假若环境允许的话,她会躺下来,做一下我在本专栏上一期的文章《与你身心的负面能量相处》最后一段提到的办法——细细地感受自己的身体。
  不过,最初告诉她这个办法时,我讲的比较笼统,并没有一个非常具体的办法教她,所以她发展出了自己的办法。一开始,她试着去感受自己的手,但觉得这太简单,好像除了感觉外还应该做点什么,于是她就想象,自己的每一个手指和脚趾好像小树苗一样会缓缓长大。并且,她也不是从头到脚这样按顺序去感受自己的身体,而是感受完了手就去感受脚。结果,不管遇到什么事情,只要专心做这个练习,她都是做不完一遍就会睡着。
  这个练习的核心是与自己的内在取得连接,当我们可以很娴熟地做这个练习后——这一点很容易,我们也就可以在生活中随时找到与自己内在连接的感觉。这样一来,不管外面发生什么事情,只要我们能感受到自己的内在,我们轻易就不会失控。
  F说,她每天都会做这个练习,而且一天会做很多次,结果她面对事情时越来越镇定,好像真的有了一个空间笼罩在她身边,令她任何时候都能和问题保持一点距离,从而可以比较自如地去观察这个问题。
  和人分享这样一个梦,真是很美的事情,只是我忘了告诉F一个感受:我有点羡慕她,羡慕她能这么快就达到这样的境界,而这个练习尽管是我教她,但我并没有达到这一境界。
  这个练习以及F新形成的行为习惯“别忙,我先感觉一下我自己”,都是在做同样的事情——“关照你的内在”,当遇到什么人或事时,不是将注意力集中在外部,而是先来关照自己,先与自己的内在取得连接,然后带着这种连接去做选择。这时,你就会真切地感受到,这是你的选择,这是由你自己出发而做的选择,只有你为此负责,别人不必为你的选择负责。
  如果说我在做心理辅导时必须要教来访者什么,那么这是必须的一步,因为只有当来访者愿意做到这一点时,真正的改变才有可能发生。
  有了那样一个梦后,F的内心的境界进入了新的层次。这时,她可能会和以前一样做出同样的选择,但因为内心发生了变化,这一选择的意义也已不同。
  同样的,如若L能做到这一点,对“好人”的逻辑不再执著,而是从自己出发时,他一样还可能会继续做一个好人,但一个有明确的内在的好人,和那种注意力都放在别人身上的好人,可以说是完全不一样的。这两种“好人”我都接触了不少,前一种好人会令我生出亲近他的渴望,而后面这种好人,会令我在生活中有逃跑的冲动

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。
【5层】2800平米框架商务写字楼毕业设计(含计算书,建筑、结构图) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 、6可私信博主看论文后选择购买源代码。
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
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