前阵子，我的 coach 问我，你觉得快乐是什么？
我想了想，觉得快乐就像火焰一样，这是一个绝妙的隐喻：无论何时，快乐都想一团火焰一样。
当我们不怎么注意快乐时，它就像一团蓝色的火焰，温温吞吞地燃烧着；当我们注意到快乐时，它就像一团黄色的火焰，充分燃烧着；
快乐可以不断放大，不断渲染，感染到身边的人。就像火焰一样，越烧越旺，可以温暖到其他人。
快乐也可以被传递，就像火焰一样会蔓延。
你注意到心中的那团火焰了吗？
Recap
我们经常听到选择比努力更重要，Anne-Laure Le Cunff 用数学中的向量来解释这一原理：选择是方向，努力程度是标量，两者结合起来才有可能成功。如果方向选错了，再努力也是白用功。具体而言，她建议：
- 考虑速度而不是仅仅速率。
- 考虑方向感；
- 不断调整你的努力轨迹。
Mark Manson 分享了他对阅读的见解：
- 阅读不必为了记得每本书里讲了具体什么内容，只要记得哪本书讲了什么即可；
- 没有必要读完一本书的每一页，而应该追寻最大化的信息摄入；
- 除非我们讲阅读所获得的知识和我们的生活联系起来，否则我们不太会记住他们；
- Mark 有一条规矩，如果读了一本书的 10% 还没有读到让他感兴趣的内容，他就会放弃这本书；
- Mark 每天会有固定的时间拿来阅读。
Morgan Housel 指出，人的欲望有四种：
- 如果你不想要什么东西，又没有它，你就不会去想它。
- 如果你想要某样东西并拥有它，你可能会感觉很好。
- 如果你想要的东西但还没得到，你可能会感到有动力。
- 如果你想要的东西却得不到，你就会把自己逼疯。
尽管科技公司近来纷纷裁员，Apple 却是一个例外。Gergely Orosz 分析了近20年的数据指出：
- Apple 经历了两轮科技业的低谷，都没有大规模裁员；
- 其他诸多公司的招聘/裁员基本都和他们的盈利能力相关，而 Apple 一直保持缓慢的节奏招聘；
- Apple 内部有诸多部门都缺人。
OpenAI 解释了为什么 ChatGPT 的输出有偏见，以及如何修者这些结果。这是一篇非常棒的公开产品路线图：
- ChatGPT 是基于一个巨大的神经网络构成的，开发/迭代这一产品更像是训练一只刚出生的小狗；
- 因为 ChatGPT 是基于 pre-training dataset 和 fine-funing dataset 两个数据集进行训练，对于后者，他们使用认为干预来保证质量。
- OpenAI 有明确的指导文件，用于规范 fine-funing dataset 的人为干预。未来，他们会不断地细化这些文件，以期让模型的偏见更少；
- 同时他们认为 ChatGPT 只是一个基础模型，而用户可以更具自己需求来定制，所以他们也会在这方面下功夫。
Archive
本周的生产力日报集合就到此为止，如果你有什么建议，也欢迎留言告诉我们。如果想要收到最及时的推荐，不妨订阅我们的频道，或者付费解锁更多增值内容，我们下期见。
题图源自 Unsplash
