[筆記]Boost Your Productivity part2

Motivation

People often say that motivation doesn't last. Well, neither does bathing, that is why we recommend it daily.

維持動機的最佳方式就是每天做!!

But why?

要設定某個目標之前，首先要問自己：Why do you want to achieve this goal?
有的時候如果那個why並不強烈，motivation會很快的淡去，自然目標就無法達成。
雖然有時候我們很希望我們的目標能夠瞬間達成，但現實中是不可能的，必須長期去推動，而這個動力來源motivation則是必須的。
所以在開始任何行動以前先問問自己，這是否是自己想要的結果？

再來若要把這份每天要做的事當作動力，那麼培養成興趣就會是下一個課題，一個你會做得愉快的事，想必會更有動力去做。

[筆記]Boost Your Productivity part1

Management of Self is the root of everything.

而要如何管理自身? 講師首先提到了 willpower 意志力。

Will Power

• do more
• achieve objectives
• pratical approach

而最快速增加willpower的方法就是Meditate(冥想)，雖然說起來很怪。

但已經有研究指出冥想可以幫助集中注意力、釋放壓力並且增加意志力，而最重要的是，冥想對於初學會有很大的進步曲線。

以下步驟可以快速上手:

• 找個坐起來舒服的位置
• Clear your mind
• 專注在呼吸上 (吸氣讀秒
• 10 mins/day

第二個提昇意志力的方式: Pause & Plan Response

Pause & Plan Response

這個部分比較需要多些練習，而這個練習可以幫助做出比較好的決定。

人的大腦在壓力下做出的決定稱之為 short term thinking，做出大腦認為當下最好的決策。

而這個short term thinking源自於生物本能，當我們的祖先遇上了老虎，大腦的功能也許會關閉一半，進入生存模式(快逃阿~)，而並非去思考該如何做，到了現代，當長官給出了壓力時候，我們卻不能用這種思維模式去做決策。

關鍵是: Slow Down your Breath

Forgive Yourself

原諒自己之前所犯的錯誤。

某所大學教授測試自己班上的學生，調查第一次考試中fail的學生，並觀察他們第二次的表現，發現那些原諒自己錯誤的學生，比較能夠在第二次考試中展現實力。

The forgiveness, not guilt, that have you get back on track.

Pre-commit

讓自己能夠持續的辦法就是，找個同樣目標的夥伴，並約定時間一起做那件事

Think Future

做每件事情時想像自己未來的樣子，這些動作對你未來會造成甚麼影響？

If you think of him/her as an actual person, you would think twice of making decision.

AI-Beyond Classical Search 在感知有限的情況下做的演算 part2

Simulated Annealing(SA) 模擬退火法

在Steepest Descent中容易stuck at local optimum，所以我們希望當爬到某個程度的時候，會有個機率可以掉頭或尋找新的路線。

初期有random walk的行為，到後期才採用steepest descent。

退火的意思出自於打鐵，金屬在高溫的時候比較容易去敲打，或是增加元素，而當溫度慢慢下降的時候，會趨於定型。

這裡用爬山來舉例的話，一開始可以探索的空間會比較寬廣，不會拼命往上走可以願意接受比較差的state，等到經過一段時間之後才會開始由剛剛探索過的地方開始向上爬。

• 假如new state的情況比原來的情況好，接受機率100%
• 若情況較差 (F(X')-F(X)為負)，接受機率為 e^F(X')-F(X)/T

e為自然對數，X為原X、X'為新點，T為溫度參數，也是Simulated Annealing的靈魂。

這裡來看e的指數若是負數則為0~1之間，又T隨著時間變小，所以T越小，接受機率越趨近於0。

理論來說只要T下降的時間夠慢的話，SA永遠會給你global optimum !!(但似乎是有講跟沒講一樣XD)，但SA主要要討論的就是T要如何下降。
可能救是會記錄一些歷史訊息，若偵測到這附近的地形上上下下很劇烈(很多山頭)，那我可能將T下降的速度變慢一些，讓他更有機會去偵測到其他地方；反之若地形很平緩，那我用可以T可以下降快一點讓他專心爬到目前的optimum。

AI-Beyond Classical Search 在感知有限的情況下做的演算 part1

Black-Box Optimization

原則上電腦能幫人類做的是分成兩種

1. Equation Solving
2. Optimization Solving

在Equation Solving中

例如: X+2=5

假如我們給X=3，電腦會理解為是正確的；若給X=2.5，那回傳一定為False 

但假如為optimization中，如果以上面的例子 X+2=5，若我們給X為3，會回傳的分數值為100分；如果X給2.5可能就只有拿到80分。

optimization中讓電腦能夠知道，是否接近我們預期的結果，而不是錯了後就翻盤。

每個可能的X都是一個solution，但是不同的solution會對應不同的分數，那就希望我們能夠找到分數最高的解，這個過程就叫optimization。