Обновить

Ошибочные представления о счастье (Misconceptions About Happiness)

Это саммари второго модуля курса The Science of Well-Being. Это самый популярный курс Йельского университета на Курсере. Я его прошошел год назад, а сейчас пересматриваю и подумал, что будет полезно, делиться краткими саммари. Возможно, благодаря им, кому-то захочется его пройти полностью или внедрить какие-то идеи из заметок в свою жизнь. В прошлом году, во многом благодаря ему я начал системно медитировать, хотя до этого лет 7 собирался...

Есть вещи, делая которые мы можем стать счастливее. Но большинство целей, достижение которых, мы думаем, сделает нас счастливее, не ведут к этому.

1️⃣ Хорошая работа, много денег, классные вещи, истинная любовь, красивое тело - все это не делает нас счастливее.

2️⃣ Ошибки интуиции. Наша интуиция подсказывает нам, что богатство, успех и другие достижения принесут нам огромное удовольствие. На самом деле нет. Хорошая аналогия это оптические иллюзии и The GI Joe Fallacy

3️⃣ Ошибки предсказания эмоций. Мы часто переоцениваем насколько будем счастливы или несчастны в результате какого-то события.

4️⃣ Миф о генетической предрасположенности к счастью. Согласно исследованиями Сони Любомирски, базовый уровень счастья, к которому мы возвращаемся после значительных событий на 50% определяется генетикой, на 40% осознанными действиями и привычками. И только на 10% жизненными обстоятельствами, в частности вещами перечисленными в пункте 1.

Что можно с этим сделать? В течении дня выбирать один момент, когда вы полностью в него погружаетесь и наслаждаетесь им. У нас недавно появилась традиция в семье, после ужина мы втроем играем в Каркасона и этот час я полностью живу в моменте, наслаждаясь игрой, общением с Анечкой и Левой.

PS. Если пост показался полезным, буду признателен за поднятие кармы 😉

Теги:
Всего голосов 2: ↑1 и ↓1+2
Комментарии2

Я перестал пользоваться самыми умными ИИ‑моделями. Программировать стало быстрее и дешевле

В отпуске есть время подумать и исследовать. Я натолкнулся на несколько вещей и открытий для себя. Оказалось, что мне как программисту перестали быть нужны самые умные и дорогие ИИ‑модели. Оказывается, есть такой параметр «Cost per Task», и по этому параметру на первое место вырвалась модель GPT-5.6 Luna (max).

При этом, если вы пользуетесь Codex, она самая тупая в списке моделей. Artificial Analysis Intelligence Index у нее всего 38. Для сравнения, у самой умной GPT-6 Astra (max) этот индекс равен 53. В итоге цена выполненной Luna задачи составляет $0.18 против $3.26 у Astra. Разница почти в 20 раз.

Как я понимаю, бенчмарк «Cost per Task» высчитывается так: когда ставится нормальная, грамотно описанная задача, замеряется, сколько токенов было потрачено на ее выполнение. То есть не в формате «из ХЗ сделаю ТЗ», а в формате, когда в хорошо заданном вопросе уже содержится половина ответа.

Я сначала не поверил, что так и есть, и стал работать, используя самую тупую модель Luna в линейке. И знаете, какие меня ожидали результаты?

Я перестал пользоваться самыми умными ИИ‑моделями. Программировать стало быстрее и дешевле

Публикации