教育简书回收站日更挑战

什么是苟且?

2018-10-24  本文已影响18人  黑色玫瑰d

苟且的“苟”,是指局部性、暂时性的,而不是长期性、系统性地应对和解决问题。

苟且是具体但是暂时性地解决一个个零零碎碎的问题,只求症状解,不求杠杆解。比如,“肚子饿了”是一个要解决的问题,但你从没想过如何系统性地解决肚子饿的问题,那你的解决方式就是沿门托钵。

王阳明有诗云,“抛却自家无尽藏,沿门托钵效贫儿”,直译就是:有一种人弃自家的无穷宝藏于不顾,托着一个钵子挨门挨户地乞食。

这也可以作为数据和算法的一种象征:乞丐沿门托钵的过程就是采集、接触、获取数据的过程。当你选择并习惯了这种方式,其实已经忘记了自家的无穷宝藏。

王阳明说的其实也是心和物之间的关系。所谓“致良知”,就是建立一种优化的算法,不被外物所困,是这个意义上的心外无物。

苟”是没有算法和原则的行为和认知。

我们一般会在苟且的前面加一个“眼前”——眼前的苟且,实际上,如果你不解决算法和规则问题,那长期下来也还是一个苟且。

不苟是摆脱非系统性、非长期性地考量和解决问题,或者说,是对原则和算法的尊重。

一丝不苟是对原则和算法的谋求。

刻意练习有两种,其中一种是“苟且练习”。

很多专家都说过,很多人明明在不停练习,但始终没有进展,处于认知和技能的留级状态,是因为他们练习的过程有一个隐藏的动机——避免痛感和抉择。比如我投球投得还可以,于是我就不停地练投球。

算法是超越偶然数据和场景的背后的东西。假设算法是“一”,数据是“多的”话,如果你获取数据的时候过于单一,是不能真正建立或优化一个算法的。

一个涵盖大样本多样化的数据是会带来红利的——这个红利就是算法。一万或两万小时的非刻意练习都没办法让你成为一个高手,就是因为没办法建立一种真正的算法。

伪选择:避免痛感

如何建立初始算法,通过迭代的方式优化算法呢?我们以前讲过选择压,区别了真正的选择和虚假的选择:

真正的选择是make difference——能够带来本质上不同效果的选择;

虚假的选择是不能够带来实质性差异的选择。

比如你是选择在床上睡懒觉、沙发上睡懒觉、椅子上睡懒觉还是在车上睡懒觉,这些选择实际上是伪选择——真正的选择是在睡懒觉和不睡懒觉之间进行选择。

我们为什么常常在伪选择之间纠结,用伪选择代替真正的选择呢?因为我们内心有一个动机:避免选择时的痛感——真选择一定有痛感。你要直面睡懒觉和不睡懒觉这两个选择之间的痛感。

我讲一个减肥的故事。有一个女生,总共经历过六七次减肥,中间起起伏伏的故事也是蛮多的,但是,所有故事只有一个结局——没有结果,继续保持自己原有的体型。她的减肥史基本是:选择这种减肥法还是那种减肥法,选择吃这种减肥食品还是吃那种减肥食品——她并没有作出真正的选择。直到有一天,她作出了一个真正的选择。
这个女生有一天突然意识到自己今年要是嫁不出去,这一辈子可能就嫁不出去了,而且这个时候她正好遇到一个她觉得是她真命天子的男生,她坚定地认为,如果失去这个男生,她这辈子就要永远地孤独行走了。所以,她给自己划定了一个时间:必须在三个月内减肥成功——限定三个月是因为她觉得,如果超过三个月,这个男生可能会遇到别的女生。

这个情节有点儿像电影《罗拉快跑》:必须要在规定时间内把所有流程做完,给出一个关键结果。

这个减肥的女生于是进入了真正的选择状态,也减肥成功了。这里当然有很多痛感——所有关键结果都是以真正的痛感为前提的,都是跟不疼不痒的苟且无关的。

无可选择的选择才是真选择

我在课程里从各个角度讲过,认知留级和难以实现认知升级的原因,本质上就是回避痛感,核心上就是不选择,或者说选择那种不可能有实质性差异的选择。就像萨特说的:你可以不选择,不选择就是选择了不选择。人在认知留级,甚至推广到职业生涯、创业状态的留级,往往都是选择了不选择。

即使数据量很大,动辄一万小时,也没有造成真正的升级,是因为“有练习,无刻意”,而刻意就是痛感,是不断面对真选择。有很多选择的时候都是假选择,往往是无可选择的时候才是真选择。

当你本质上处于不自由状态下去选择自由的时候,只是在选择你的铁链的长短而已。

孔夫子说“三十而立,四十而不惑”。“惑”的本义是这样也行,那样也行。“惑”上面是一个“或者”的“或”,下面一个“心”,也就是行动上“或者这样”“或者那样”,而心(认知)的状态是“这样也行”“那样也行”。“迷惑”就是没办法或者不愿意作选择,是一种尽可能拖延,让自己处在不选择的犹豫状态。
曾国藩说“既往不恋,未来不迎,当下不杂”。“犹”是记忆犹新,指过去,“豫”跟“预见”的“预”本来是一个字,指未来。“犹豫”是过去的事情还在,又想到了接下来的事情,前怕狼后怕虎,患得又患失的状态。

“不犹豫”是指面对眼前的东西既不瞻前也不顾后,面对当下的场景忍受一种痛感,不会在心里始终迷恋着某种退路和舒适。也就是说,主动把自己放到一个被抛的状态,这也是“不杂”——算法清晰、明了、简单。

上一篇下一篇

猜你喜欢

热点阅读