正向反馈的威力


loonggg

读完需要

5
分钟

速读仅需2分钟

上周在周末分享会上,跟大家又熬了一锅浓浓的鸡汤。为什么又熬鸡汤呢?因为我真的发现大家在学习这件事上都缺乏持久力。学着学着就放弃了。

学习是一件反人性的事情,所以大家只有想学习的心是不够的的。想学习的心仅仅是你学习起步时的动力,就像是汽车起步时的发动机,想学习的欲望有多强,这个发动机的引擎就有多厉害,起步的速度就有多快,可能起步就能跑远点。但是,要想持续跑下去,就需要正向反馈。而汽车的正向反馈就是汽油,发动机能喝到汽油就很爽,很爽就会持续跑。

1

   

以我举例

我在分享会上就拿我自己举例子,其实我每天都有学习,我一直在不断的学习。然后很多人和很多员工都很佩服我,为什么我能坚持下去?原因很简单,其实就是因为我有正反馈。

我喜欢写作,喜欢写公众号,那么我要写公众号,就必须持续输出,而持续输出的前提就是肚子里必须有墨水,而墨水来源于哪里呢?就必须得持续输入啊,这就是在倒逼着我不断的学习啊!

那你喜欢写作,坚持写公众号,仅仅靠爱好,就能坚持下去?NO ,因为写作给我的反馈有两点是非常正向的:

  1. 可以和读者交流,每天看到读者的留言和互动,非常好玩,交流带来一定的愉悦感。

  2. 第二点是最重要的,写作在自媒体时代,可以给你带来收入,可以毫不避讳的说,公众号写作,每天会给我带来一些广告收入。

那么在读者互动和金钱的正向反馈(诱惑)下,我是不是就必须坚持写作,而坚持写作就倒逼着我不断的学习了吗?这就是一个典型的正向反馈循环。

我要努力学习——>学习可以让我持续输出——>持续输出可以带来金钱,并且提高了自己的能力——>金钱诱惑倒逼着我继续学习。

其实,这就是为什么优秀的人就会越来越优秀的原因

正向反馈不仅仅是只有钱才是正向反馈,比如读者经常给你互动,也是反馈,都赞你,夸你,鼓励你,也是正向反馈,每天学习,能够看到自己的能力提升,其实也是正向反馈。只有看到了正向反馈,你才会继续保持学习。

那么为什么很多人没有能够坚持下去呢?原因就是看不到自己的正向反馈,有时候,其实已经获得了正向反馈,自己已经在潜移默化的在改变了,只不过没有发现,最终导致自己放弃了。

再举一个例子:比如减肥这件事,如果运动了,每天都能看到自己的体重再下降,那么你就会继续运动。如果运动了半个月,体重没有变化,你还会再运动吗?显然不会。体重每天都在下降就是鼓励你继续运动的正向反馈。

2

   

如何能够快速的获得正向反馈?

那么为什么很多人都看不到自己的正向反馈呢?换句话说就是:如何能够获得正向反馈,让自己坚持下去做一件事呢?

2.1

   

第一点:拆分目标,把目标变小点,让反馈看得见

给自己定一些阶段性的小目标,小目标实现起来比较容易,一旦达成,你就会很高兴,很兴奋,我今天又完成了一个目标,这种大脑上的愉悦感,就像是多巴胺,可以让你兴奋的坚持下去。

如果你目标定得很长远,坚持了一个月,还没实现,感觉看不到希望,你就会放弃。

比如学习这件事,你看一本 500 页的书籍,你给自己定得目标是一周看一章,每个章节看完之后,去根据学习的东西实现个小东西,总结提升一下自己,让自己感觉到自己变化了,这时候,你会很兴奋,我能力确实提高了,就会督促你继续学习下去的。不要想着,一下子看完 500 页的书籍之后,才去获得反馈,这样,你可能就看不完了。

2.2

   

第二点:把反馈分享出去,赢得别人的肯定和鼓励

如果你是程序员,你总结了一篇文章,或者根据最近的学习实现了一个小东西,那么你就分享给身边的同学,同事,朋友,获得他们的肯定和羡慕,以及鼓励。而别人给你的掌声,可以诱导你的虚荣心,让你继续努力学习下去。

2.3

   

第三点:忍受初期的寂寞,孤独和宁静

第三点其实是最难的,一定要给自己一个清醒的认知,认清楚,所有的努力在初期是没有反馈的,而在这一段没有反馈的初期你可能需要忍受这种寂寞,孤独,和宁静(没有鲜花和掌声)。很多人之所以干什么都不成功,都容易放弃,其实就是在这个时间段没有坚持住。

要不断的告诉自己,初期是没有反馈和结果的。这段时间熬过去就是明天,就是鲜花和掌声。必须不断的给自己心理暗示,初期这种情况是正常的,所有人都一样,所以不能放弃,要不断的给自己这种清醒的认知。

当然了,如果第一点做好的,目标拆分的比较好的话,这个阶段就不会难熬,就会很快得到反馈。

3

   

总结时刻

今天的分享,是教大家如何去通过获得正向反馈,去倒逼着自己继续努力的话题。其实,很多事情都需要坚持,我在 14 年开始做公众号的时候,其实没想过它能够挣钱,只是感觉它很好玩,能够实现我从小喜欢当作家的一个梦想。

在 14 年到 16 年两年的时间里,是没有任何收入的,能够持续给我正向反馈,督促我继续坚持下去的不仅仅是我小时候当作家的梦想,更重要的是大家在评论区给我的互动和留言。所以,没有大家的互动和留言,可能我根本就走不到今天。

如果今天的内容,你只能记住一件事的话,那请记住:学会拆分目标,快速获得正向反馈,不断倒逼着自己继续坚持下去。

最后,欢迎大家在文章底下给我留言和互动,说一下能够让自己坚持一件事的原因,让我得到正向反馈,继续坚持。

公众号对话框,回复关键字 “1024”

免费领取程序员赚钱实操教程

- 长按识别关注 -

640?wx_fmt=jpeg

技术,职场,产品,思维

行业观察

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