所谓中年危机,也许是选择困难症

20出头,没家没口,没事业没积累,没得选,虽然有很大的难题在面前,但目标明确,至少知道问题是什么,去解决就好,可以很快乐。

30多岁,拥有了不少东西,但都不够好,想更好,时间精力有限,要选家庭、事业、自我等等,有选择权意味着要承担责任,于是很痛苦。

40以后,又不难受了,因为习惯了越来越多的选项对绝大多数人关上了大门,又没啥可选的了,再看看周围同样境地的多数,所以又快乐了。

前两天晚上,在电子工业出版社组织的一次直播活动中,3个三十多的男作者不知怎么的,聊着聊着就谈到了中年危机的话题,我的核心观点就在开头。然后,再展开说几句吧。

所谓中年危机,也许是选择困难症,得了选择困难症怎么办?

有这么几个解法。

1. 努力赚“钱”。

我把钱打了个双引号,是虚指,不但是金钱,还包括资源、人脉等一切可以变现的东西。《寄生虫》里的台词“钱是熨斗,能抚平所有褶皱”,确实,之所以选择困难,很可能是钱不够,一如做产品时,之所以排期那么痛苦,是因为人不够时间不够……

有足够的钱,你可以请阿姨做家务、请私人教师管孩子、请司机解放路上的时间……把尽可能多的事务工作外包出去,甚至可以不用为了工资工作。这样,也许你不用选择,而是可以全都要。

如果你还是20多岁,珍惜这几年拼一把,不是为了公司996,而是为了十年后的自己007。

2. 增加选项。

选项不够多,反而难选,说不定更好的选项在你的未知里,就像很多领域,更好的解决方案(产品)也许还没有被发现。

这和选择“加热食物的电器”一样,如果你的选项只有微波炉,那无非是在各种品牌各种型号中选,但如果还有烤箱、蒸箱这样的选项,视野一下子就被打开了,然后,你对整个领域的认知也提升了不少,当你了解了它们各自的加热原理,适用场景以后,会发现选择起来更加有的放矢。

在一家公司时间久了,会以为世界就这么大,每个人每天都是早起、上班、吃饭、上班、吃饭、加班、回家、睡觉……的循环。但其实并不是这样,我看了CNNIC截止2020年3月的中国互联网络发展统计调查,里面个体户/自由职业者的比例大大超出我的预期。当然,最近形式不好,千万别冲动离职,但可以为几年后多一个“离职”的选项准备起来。

3. 断舍离。

断舍离不是减少选项,而是在已有的选项里少选一点。

我的产品心法里有一句:少做就是多做。

想要的太多,就好比把所有的用户需求都满足个半吊子,显然不如集中优势兵力。工作狂也好,回归家庭也好,我觉得都是很棒的决定,我的朋友中,既有不太着家的创业者,也有达成财务自由目标后,果断退休的闲云野鹤,就怕想着工作与生活的平衡,然后工作的时候想着家里,在家的时候又心慌工作,这样最累(好像说的就是我自己……)。

这背后要求的是目标清晰,想清楚自己想过什么样的生活,很多人一辈子都做不到。如果真想兼顾,我的建议是不要同时兼顾,尽量在不同的时间段,各有重点,小到虽然996,但每天早上送孩子上学那会儿是雷打不动的亲子时间,大到可以为了项目闭关拼几个月,然后再和家人一起自驾出一趟远门。

4. 降低期望。

我相信能看到、会看到这篇文章的人,社会阶层处在中间,上面有很多层,下面也有很多层,把视野拉远了看,你上升一两层又有啥区别?很阿Q对吧,但确实是我经常用来放宽心的想法,有道是“天下无难事,只要肯放弃”。

前几天知乎的热榜里有个问题——如何看待 35 岁提前退休的人?

我了解到了FIRE的概念,如下图。看了几个高票答案,发现还真有些人,期望实在是很低……攒到100万自由现金流就敢退休了,说实话我做不到,怎么算都不够啊。但,这并不妨碍你有可能做到,噗。

每个人对财务自由的概念不同,某个人在不同年纪对财务自由的概念也不同,如果我单身时有现在的积蓄,那大概可以算财务自由了吧,但一想到孩子,呵呵。也许,每个人都觉得比自己的财富高一阶层的那些人,才是真正的财务自由吧,当你过几年上到那一层之后,就会惊喜的发现,你依然这么想,相信我,这是一个亲历者的话。

5. 日拱一卒。

面对任何难题,长期主义的思考,拉长时间尺度,不求速成,慢慢来。但关键点是你得找到一个可以慢慢来的事儿,毕竟像下图这种,几年就好像一辈子那么长。

我自己这几年逐渐形成的一些想法,作为一个例子分享一下。

做法很简单,即锁定“长期有效的方法论体系+长期刚需行业”。

我这几年尽量脱离“产品经理”岗位本身,探索“产品创新的方法论”,并不断迭代,然后,找到长期刚需行业,积累至少几十年不会过期的行业认知,进入备选的是四大行业:金融、娱乐、医疗、教育。对应的刚需是“想有钱、要开心、身体好、下一代更好”。目前更优选的是医疗和教育,前者针对后半生,后者针对前半生,前者为了这辈子,后者为了下一代。

最后,好好锻炼身体。

用“老子熬死你们”的心态面对世界,将来,记得多去看看先躺在床上、挂在墙上的朋友。

提前祝51快乐,以上,共勉。

__________

苏杰(iamsujie),前阿里产品经理,写过《人人都是产品经理》等三本书,现在做创业者服务,良仓孵化器创始合伙人,也是产品创新独立顾问。

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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
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