高效的终极秘诀

部署运行你感兴趣的模型镜像

你好,我是 EarlGrey,一名双语学习者,会一点编程,目前已翻译出版《Python 无师自通》、《Python 并行编程手册》等书籍。

点击上方蓝字关注我,持续获取优质好书、高效工具分享,一起提升认知和思维。

本文作者是 James Clear,他是著名畅销书《掌控习惯》(Atomic Habits)作者,首发于他的个人博客,链接:https://jamesclear.com/saying-no。译者为 EarlGrey,译文仅供学习参考。

James Clear认为,拒绝是高效的终极秘诀。他指出,拒绝一件事情永远比去做这件事更快,这种观点适用于生活中的各个领域。

作者认为,我们经常答应别人的请求是因为不想被认为无礼或无用,但学会拒绝对于成功和高效非常重要。

文章还探讨了拒绝和答应的区别,以及如何升级自己的拒绝能力。最后,作者强调拒绝的力量,认为消除比优化更有用。

高效的终极秘诀,就是说 "不"。

不必做一件事,永远比去做这件事更快。这句话让我想起计算机编程中的一句老话:“记住没有什么代码比不写代码更快”。

同样的观点也适用于生活中的其他领域。例如,没有比不用开会更快的会议了。

这并不是说你永远都不应该开会,但事实是,我们对很多实际上并不想做的事情都说了 "好"。有很多会议是不需要开的。有很多代码是可以删除的。

多少次,别人请你做一件事,你只是回答 "当然可以"。三天后,你就会被待办事项压得喘不过气来。我们被自己的承诺折腾到崩溃,尽管是我们自己亲口答应的。

我们应该追问事情是否必要。很多事情是不必要的,一句简单的 "不"会比做事最快的人都更有成效。

但是,既然说 "不"的好处如此明显,我们为什么还会经常说 "是"呢?

fc5cd1512e93d0f77ffc2e83a80b8c7e.jpeg

我们为什么会答应别人

我们之所以答应别人的请求,并不是因为我们想要做这件事,而是因为我们不想被人认为自己无礼、傲慢或无用。但是很多时候,你不得不考虑对将来还会打交道的人说 "不",包括你的同事、配偶、家人和朋友。

对这些人说"不"可能特别困难,因为我们喜欢他们,想要帮到他们。(更何况,我们往往也需要他们的帮助。)与他人合作是生活中的一个重要部分。一想到与他人的关系会变得紧张,我们就会忽视自己可能付出的时间和精力。

因此,在回复请求时要尽量客气。帮自己能力范围内的忙,不得不拒绝时也要热情、直接

但是,即使我们考虑到了这些社交因素,我们中的许多人在权衡该答应还是拒绝时似乎仍然做得不好。我们发现自己过度投入到一些实际并不能帮到周围人的事情上,当然这些事更不能改善我们自己的生活。

也许问题之一在于我们如何看待答应和拒绝的意义。

“是” 与 “否” 的区别

"是"和 "否"这两个词经常被拿来相互比较,以至于感觉它们在对话中的分量相等。实际上,它们不仅意思截然相反,而且投入的程度也完全不同。

当你说 "不"时,你只是对某个选项说"不"。但当你说"是"时,你就等于对其他所有选项都说"不"。

我喜欢经济学家蒂姆·哈福德(Tim Harford)的说法:"每当我们对一个请求说'是'的时候,我们也是在对我们可能用这段时间完成的其他事情说'不'。" 一旦你承诺了某件事情,你就已经决定了你未来这块时间如何利用。

换句话说,说"不"可以留存未来的时间。说"是"则会耗费未来的时间。拒绝是一种时间信用。你保留了随意支配未来时间的能力。答应是一种时间债务。你必须在某个时候履行你的承诺。

拒绝,是一个决定。答应,则是一种责任。

拒绝的作用

说"不"有时被视为一种奢侈,只有那些有权有势的人才能享受的起。的确,当你可以依靠权力、金钱和权威提供的安全网时,拒绝机会就会变得更加容易。但是,说 "不"不仅仅是成功人士的特权,它也是一种助你走向成功的策略。

在你职业生涯的任何阶段,学会拒绝都是一项需要培养的重要技能,因为它能留住生命中最重要的资产:你的时间。正如投资家佩德罗·索伦蒂诺(Pedro Sorrentino)所说:"如果你不守护自己的时间,别人就会偷走你的时间。"

3d363c5ce6015f78e1133b600bbd05d9.jpeg

你需要对任何不能助你实现目标的事情说 "不"。你需要对分心的事情说 "不"。正如一位读者对我说的那样:"如果你把'不'的定义扩大到你如何运用'不',它实际上就是唯一的高效能秘诀(因为你最终要对任何分心的事情说不,才能做到高效能)"。

没有人比史蒂夫·乔布斯更清楚地阐释了这个观点,他说:"人们以为专注意味着对你必须专注的事情说是。但根本不是这个意思。它指的是,要对其他上百个好主意说不。你必须精挑细选。"

这里做到平衡非常重要。拒绝,并不意味着你永远不去做任何有趣、创新或自发的事情。它只是说,你要以一种聚焦的方式说 "是"。一旦你排除了杂念,对任何可能让你朝着正确方向前进的机会说 "是",就是完全合理的。你可能需要尝试很多事情,才能发现什么事情是有用的,什么是你喜欢的。在项目、工作或事业的初期,这段探索期尤为重要。

升级你的 "不"

慢慢地,随着你不断地取得进步和成功,你的策略需要改变。

随着你越来越成功,你的时间机会成本也在增加。起初,你只需排除明显的干扰,探索剩余的机会。随着你的技能不断提高,你学会了区分哪些是有效的,哪些是无效的,你必须不断提高你说 "是"的门槛。

你仍然需要对分心的事情说 "不",但你也需要学会对以前能很好利用时间的机会说 "不",这样你才能把时间留给最好的那些机会。碰到这种问题是个好迹象,但是要处理好也是一项难掌握的技能。

换句话说,随着时间的推移,你必须升级你的 "不"。

升级你的 "不 ",并不意味着你永远不说 "好"。它只是意味着你默认说 "不",只有在事情真正有意义的时候才说 "是"。引用投资家布伦特·贝肖尔(Brent Beshore)的一句话:"说'不'之所以如此强大,是因为它保留了说'是'的机会。"

总的趋势似乎是这样的:如果你能学会对不好的干扰说 "不",那么最终你就能赢得对好机会说 "不 "的权利。

如何说不

我们中的大多数人答应的太快,拒绝的太慢。不妨问问自己,你属于哪种情况。

如果你难以说 "不",我前面提到的英国经济学家蒂姆·哈福德Tim Harford提出的方法可能会对你有所帮助。他写道:"有一个诀窍,就是每次都问问自己:"如果必须要我今天做这件事,我会同意吗?这不失为一条经验之谈,因为任何未来的承诺,无论在多久之后履行,最终都会成为迫在眉睫的问题。"

如果一个机会足够令人兴奋,足以让你放弃现在所做的一切,那么就可以答应。如果不是,那么也许你应该三思而后行。

这与德里克·西弗斯(Derek Sivers)提出的著名的 "好极了或不 "(Hell Yeah or No)的方法类似。如果有人让你做一件事,而你的第一反应是 "好极了!",那就去做。如果你不感兴趣,那就说 "不"。

我们不可能每次面对决定时都记得问自己这些问题,但时不时地重温一下还是很有用的。说 "不 "可能很难,但往往比另一种选择更容易。正如作家迈克·达里亚诺(Mike Dariano)所指出的:"避免承诺比摆脱承诺更容易。说 "不"能让你更容易地实现承诺。"

关于健康的真理同样适用于工作效率:一盎司的预防,胜过一磅的治疗。

拒绝的力量

浪费在无关紧要的事情上的精力,比浪费在低效做事上的精力更多。如果是这样的话,"消除"就是比 "优化 "更有用的技能。

我想起了彼得·德鲁克(Peter Drucker)的一句名言:“没有什么比高效地做那些根本不应该做的事情更无用的了”。

***

我创建了一个同名知识星球,目前会在星球内连载发布国外名家的文章和书籍,近期已更新了《埃里克叔叔谈个人成功的模型》前3章。星球和公众号内的所有翻译文章,均为个人学习使用,请勿用于商业用途。

b53a744dd03f40db39c03f49e0bd5b1d.jpeg

后面我还会陆续增加其他内容和服务,欢迎大家监督和关注。

往期推荐:

有了它,再也不存在信息差了

做读书笔记时的一个高效小技巧

普通人创业必读的第一本书

早起,比熬夜更可怕

做读书笔记时的一个高效小技巧


                                           分享、在看、点赞,3连69e22b05fa53a5bc41a7f75c125c0f8b.gif

您可能感兴趣的与本文相关的镜像

AutoGPT

AutoGPT

AI应用

AutoGPT于2023年3月30日由游戏公司Significant Gravitas Ltd.的创始人Toran Bruce Richards发布,AutoGPT是一个AI agent(智能体),也是开源的应用程序,结合了GPT-4和GPT-3.5技术,给定自然语言的目标,它将尝试通过将其分解成子任务,并在自动循环中使用互联网和其他工具来实现这一目标

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
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