首頁>Club>
5
回覆列表
  • 1 # 疆南職都

    什麼叫深度學習?據我所知,至少有以下三個領域的深度學習。

    1、深度學習是機器學習研究中的一個新的領域,其動機在於建立、模擬人腦進行分析學習的神經網路,它模仿人腦的機制來解釋資料,例如影象,聲音和文字。

    2、所謂深度學習(Deep Learning)指透過探究學習的共同體促進有條件的知識和元認知發展的學習。它鼓勵學習者積極地探索、反思和創造,而不是反覆的記憶。我們可以把深度學習理解為一種基於理解的學習。它強調學習者批判性地學習新思想和知識,把它們納入原有的認知結構中,將已有的知識遷移到新的情境中,從而幫助決策、解決問題。

    3、傳統意義上的學習,在原有基礎上進行更深層次的探究,是一個大眾話題。

    綜上所述,第一條是高階研究的產物,非我所能,不敢妄言;第二條是教育領域的研究,非我所長,無法提出合適觀點;以下就關於第三條的個人觀點予以簡述(同時也希望以後提問時具有相應的準確性),敬請指正!

    一、學習的本質

    個人認為,如果提問中所說的深度學習是大眾話題,其核心就與深度無關,無論是哪種學習,它的本質都是一樣的。

    1、學以修身

    學習是工作之基、能力之本、水平之源。作為每一個人來說,學習是一種精神追求,也是思想道德境界提升的過程。要立業先立德,先做人後做事,具有良好德行的人,事業才可能長期、持續發展下去,從這一角度來看,修身養性是立業之本。因此,這裡所說的學習,主要指的是如何做人。

    2、學以致用

    從經濟學角度來說,學習是第一生產力。無論做任何事,全面加強業務知識、業務技能的提升,從根本上提高理論素養和觀察、分析、解決問題的能力是個人生存與事業發展的必然選擇。把所學的知識、技能合理運用到實際工作之中,提高產出,就是對自身、對家庭、對社會負責任的一種行為。

    二、學習的方式

    1、狹義的學習,指的是學校的學習、社會上各種輔導、培訓類的學習鍛鍊、因為工作需要參與的各種業務理論、業務技能的培訓等。這種學習是被動的方式,成效因人而異。

    2、廣義的學習,主要指來源於社會、來源於生活的自我學習、自我思考。學習的物件可能是一本書、一句話、一件事、一段經歷、一次旅行、一次教訓、一次實踐或者是一個案例,當然更可以是一個人。這種學習,它是自願、主動、積極學習的方式,是自我思考、自我實踐、自我提升的過程。從這個角度來講,人的一生都是長期處在學習之中的,真正是“活到老,學到老”。

    孔子曰:學而時習之,不亦說乎?學而不思則罔,思而不學則殆。敏而好學,不恥下問。學如不及,猶恐失之。三人行,必有我師焉。擇其善者而從之,其不善者而改之。

    綜上所述,個人認為,學習的本質就是學以修身、學以致用,學習的方式就是被動學習、主動學習兩種。

    個人水平有限,僅供參考!如與提問之本意如有不符,敬請諒解!

  • 2 # 海角一遊1

    工具離不開人,機械離不開人。管理工具和機械只要數字就行,管理人:數學不行物理不行化學不行工資不行...。於是親愛的資本和可愛的技能終於找到了智慧:工具終於有了大腦機械終於有了智慧。人類的最大本錢是:人與社會人與自然。地球終於=月球水星火星..了!

  • 3 # jamesplur

    深度學習的原理是非常簡單明晰的,只是解釋性很差

    至於戳破不戳破什麼的,大概媒體宣傳看多了

    深度學習的本質是透過資料去找一個對映

    人臉識別就是由人臉影象到人名(標籤)的對映

    語音識別就是由語音訊號到文字的對映

    。。。

    各種複雜的人工智慧任務都可以歸結到映找對映上來

    深度學習演算法的本質目的,就是找到上述的對映,其基本思路沿用了80年代BP神經網路演算法的思路:構造網路模型,設計loss,反向更新

    這個演算法的基本思路翻譯過來,就是一個搜尋過程。首先我們構造了一個可以容納所有對映的容器,然後我們描述了對目標對映的要求,最後讓計算機從這個容器中如大海撈針一般搜尋符合我們要求的對映。

    有時,我們可以找到,有時不能

    如果我們找到了合適的對映,我們為什麼可以找到?,如果我們沒有找到這個對映,為啥有找不到了?這倆問題目前還沒有特別完善的理論

    所以總體來說,深度學習的原理簡單,解釋性差

  • 4 # kevin

    人工智慧全面爆發

    歷史性機遇如何把握?

    AI深度學習直播課火熱來襲

    計算機視覺、語音識別、NLP

    熱門技術盡在掌握

    限時鉅惠 搶先學習

    瞭解課程詳情:

    http://19.offcn.com/class-143707/?scode=jZiXMZ

  • 5 # 新芽NewSeed

    深度學習更像“鍊金術”,真正突破要訴諸“人腦”

    演講者為Tomaso Poggio,擔任MIT計算機科學與人工智慧實驗室教授。他是這個世界最早從事人工智慧研究的人之一,學生分佈在DeepMind(做出AlphaGo)、Moblieye等當今AI頂尖企業。

    深度學習:這個時代的鍊金術

    在這個時代,深度學習有點像鍊金術。它要成為真正的化學,還需要很多工作。

    23年前,我和Hassabis希望整合計算機視覺和深度學習,創造出一個學習系統,自動辨別行人。當時我們識別出了行人、訊號燈,但每秒有10個錯誤。這是1995年,我們已經非常滿意了。

    但今天,Mobileye每30英里只出現1個錯誤,是當年的百萬分之一。這種巨大的進步,動因在哪裡呢?

    首先是機器學習的演算法,第一是深度學習,第二是強化學習。它們都來自於認知科學和神經科學。

    深度學習的架構,是60年代研究猴子的視覺系統時被髮明出來的。創造它,是為了更好研究猴子在學習時大腦的神經結構。然後Fukushima提出了首個量化模型,20年前現代版的HMAX被提出。這些架構都一脈相承——一樣的層級架構。從下到上,神經的等級越來越高,每個高階神經元只和下個等級的神經元相連線。

    2012年,我們又開發出AlexNet,它是目前效能最好的一個架構。基於神經科學,我們的工程學研究能不斷地發展。這是很重要的,因為我們還沒實現真正的人工智慧。

    神經科學:人工智慧真正的曙光

    深度學習能幫我們解決10%的難題。剩下的90%呢?答案可能在神經科學、認知科學的研究裡。

    為了有所突破,CBMM有以下三條路徑:1、計算機科學+機器學習。2、神經科學。3、認知科學。

    我們要回答的則是三個基本問題:

    1、逼近理論:深層網路在什麼情況下,會比淺層網路更有效?

    2、最最佳化:應該如何設計經驗風險函式?

    3、學習理論:為什麼深度學習不會產生過度擬合?

    這三個問題,是機器學習的奠基石。它們的答案很複雜,要解決它,我們需要與開始就思考深度學習的侷限性,以及一些技術理論。

    不理解大腦,就不能真正理解“機器的智慧”

    越來越人將意識到,下一個重大進展將來自我們對人類智慧、大腦的理解。DeepMind就認可這樣的理念(他們老大也是做神經科學的)。

    我們正在CBM裡面開發一個架構,是超越深度學習的,嘗試去描述我們的視覺智慧怎麼運作。

    現在,能將神經科學的成果成功運用的公司並不多。我們應該集中資源去做基礎研究。當一個新生兒理解事物時,他會為它貼上標籤,“這是小馬、那是汽車。”他只要很少的樣本就能歸納一個事物。這才是典型的生物學的運作方式,顯然跟當前機器的做法完全不同。

    我們的大腦充滿了智慧,值得我們做更多研究。當我們談到機器時,並不能過多去跟人類大腦比較,即便它速度更快。在過去50年,計算機取得了很大的進展。但談到智慧本身,機器肯定還要從人類這裡學習。

  • 6 # 夢境中的吶喊

    矩陣、資料庫就是一張Excel表。儲存、計算哪個效率高用哪個。給定一個計算目標,限定一個衡量標準,不斷的利用演算法去計算,取得近似目標的值。 深度學習程式+測量實驗工具+3D列印技術會極大程度提升機械結構、藥品、新材料的研究效率。可以用於金融、教育、醫療、軍事、工業領域。

  • 7 # beadle

    “透過現象看本質”是誰都會說的一句話。然而對於任何事物,不僅可以“看透”一次,而是無數次,這就是“看山是山,看山不是山,看山還是山”的意思。深度學習的一般認識是:透過大量的結果,自行提煉規律。相對於人來講,這不是深度學習,而是深度感知。在現代,我們一般人的學習,是透過學校,學習前人已經積累歸納的知識規律。之後,踏上社會時,加以演繹,從而謀生。當然有很多東西病不是學校教的,比如你怎麼能夠辨別你的同桌是小張還是小李。見面見的多了,自然就能抽取些共同特徵,這是生物DNA與生俱來的潛意識。反映在深度學習中,就是遮住半張臉,我也能猜到他是誰。然而,人會犯錯,電腦也如此。Google出過一道題,給了兩張狗臉,區分哈士奇和愛斯基摩犬,據說很多深度學習的檢視解析ai都栽了跟頭。這題我自己人看完全分不出,當然,我對這兩種狗都不熟,即使兩條活狗在我面前,我估計也區分不出。上面講的這麼多,旨在突出深度學習的重點:“樣本數量”,深度學習是自行對樣本進行歸納,的出知識規律,然後演繹到其他同類事物中去。而大多數人人是直接學習前人的知識。當機器能夠獲取的樣本,比人類多的時候,機器會得出更準確的規律:阿爾法狗,它的對局數已經超過所有人類下棋總和了吧。但由於計算機感知世界的途徑過少,侷限於人類的輸入,沒有五感,不能動,因此很多時候,電腦能獲取的樣本比同領域20年經驗的人少。Google的猩猩和黑人事件,為很好的佐證。為什麼會出現這種事,我覺得不是猩猩樣本採集少了,而是黑人樣本採集少了。目前,6%出錯率是最好的深度學習了吧?然而這對於人類世界來說,是遠遠不夠的。你讓高鐵控制系統來個人工智慧?這中國火車一年得撞幾百次吧?最關鍵的還不是人工智慧的出錯率,出錯率可以用雲技術彌補(比如Google第二次和柯潔下的時候,本來打算用單機版,後來用了雲版,有點無恥。),而不可分解追述,成為人工智慧的致命傷。一般程式出錯,總能找到出錯的步驟,並找到符合人類是非觀的正解加以修正。而深度學習中:1:所有自己歸納出的理論,是以函式,而不是自然語言的方式呈現,在大部分情況下,作為人類是無法直接理解這些函式反應到現實事物中去的。2:深度學習的結論一般是機率,無法從機率本身得出他為什麼這麼算的原因。放在高鐵的例子上就是,出了錯你也不能準確的找到錯在哪。估計當然是可以的了,雷雨天樣本不夠?多加點雷雨天樣本,當然下次撞就不是雷雨,可能是雪天了。說白了深度學習的確是模擬生物的學習方式,它的出現其實從某些方面來說,讓人迴歸認識到了,人也是動物,破除了一些人類自以為是的是非觀。人們既然可以接受淘寶賣的東西,那麼其實也從一個角度反映出了,國標定的準則,和自己定的準則是兩碼事。因此,無法保修不能退貨的人工智慧產品,估計在淘寶上,會首先亮相。有人問人工智慧還要多久才能威脅到人類,其實已經威脅到了。

  • 8 # 灌木叢裡的蜈蚣

    深度學習是建立一個對抗網路。非計算機專業可以理解為對ai程式的強化訓練。不要把人工智慧看得太高,深度學習就是增加ai判斷準確率而已。同學們不要想得太多,想了解有一定基礎的可以去看msn

  • 9 # 毒蛇博士

    普羅大眾一臉茫然,科普作者一知半解。

    追風口的創業者,指著熱點拿投資,巴不得把深度學習吹成西方極樂世界贈與我們的萬能藥水。

    參與其中的資本更是悶聲發大財,等著母豬被吹上天。誰來戳破?

    往簡單了講,深度學習就是資料擬合,在海量的資料中找出可能存在的關係。

    一是,這種關係可能並不存在,也就是業界稱的過度擬合。用人工神經網路進行擬合的時候,往往沒有從理論上分析特徵變數與預測變數的關係,特徵變數不是拍腦袋決定的,就是在反覆試驗中確定的,常常會得到不存在的關係。雖然也有手段可以減少過度擬合的出現,但是實際上回歸出來的結果完全無法理解,關係存在不存在只有天知道。

    二是,這種關係可能非常脆弱。單純從資料中得出來的關係,如果資料不能包含世界的各種形態,得到的關係僅僅只是區域性的真理。當宏觀環境發生變化,發現的關係就不復存在了。

    三是,這種手段很難幫助我們理解世界。得出來的關係是海量的因素和預測變數之間的一個複雜的數學關係,無法幫助我們瞭解箇中的邏輯關係、發生機制,也很難幫助我們理解世界。

    往技術層面講,深度學習使用的技術——人工智慧網路——也不過是邏輯迴歸的疊加,完全不像很多科普作者吹噓的那麼神秘。

  • 10 # 科技觀察局局長

    當前的人工智慧主要是模擬模擬人的思維過程,而最終的人工智慧,得靠生物技術,即透過受控的DNA克隆出一個生物機器人,具有和動物一樣的生理系統,並用電驅動

  • 11 # 張東說成長

    你以為給你戳破了深度學習的本質,你就學會了深度學習?

    大腦天生就不是為了深度學習而進化的

    在我看來深度學習的定義,應該是理解基本規則和最終目標,自我的不斷提高!我們從阿爾法元AlphaGo Zero的身上可以看到,智慧化機器的深度學習。對比AlphaGo學習人類的棋譜來說,AlphaGo Zero就像人類初學者一樣,只是瞭解比賽的規則和比賽的最終目標來自我學習,也就是說自我的對決。

    而人類的大腦,只是為了更好的生存和繁衍而進化來的。所以大腦的本能就是透過不斷的體驗和學習,找到一種更適合生存,更好繁衍的方式方法,從而遵循這樣的方法。一旦找到這樣的方法,大腦便放棄了思考,而把更多的能量去做其他事情。就像古代的為了食物的創造發明一樣,現代雖然食物不會威脅到生存,可是依然會吃那麼多的,這也是胖子那沒多的原因。大腦的進化沒有跟得上環境的變化。大腦的最終目標不是無限制的去學習。

    大腦雖然有意識會克服一些本能的東西,可是永遠不會像機器一樣把其他的一切都不顧,不理會環境,永遠理性,只盯著唯一的目標。這是人的侷限性,因為有感性,也是人與機器的區別,也是人生的意義。

    就算告訴你了深度學習的本質,即使大腦潛力無限,你也只能去接近深度學習,不能完全達到。並且學習的目的是為了更好的生活,為了學習而學習沒有任何意義!

  • 12 # 語境思維

    先賢早告訴:知其然知其所以然;工欲善其事必先利其器;道法自然大道至簡;上善若水因勢利導;無為無不為,無可無不可,無有無不有。

    總之四個字:色空亦空。這就是深度學習的本質。華人幾乎婦孺皆知,可人性本惰,信以為真是一回事,我行我素是另一回事。

    就說工具吧:語言功底欠缺,不會顧名思義,別人的看不懂,自己的寫不來,不知cell細胞與電池的溝通,你往哪裡深啊?沒有數學功底,不知道z=re^θ,理工往哪裡深啊?沒有物理功底,不吃透泊松方程Δf=4πρ,科研哪深啊?

    就說學物理:不信大道至簡,不敢色空亦空,張口誰厲害,自己沒主張,鑽在故紙堆,既生瑜何生亮,你那深有用麼?蹉跎歲月吧!

    就說學工科:不會修管路,不會接電路,不會萬用表,不會寫程式,不會用車床,會的都是眼高手低,你往哪裡深啊?誰少了你呢!

    就說學做人:不懂低姿態,不與人為善,不樂於助人,不因勢利導,不甘為人梯,不主動示弱,得意就忘形,得勢就傲嬌,你往哪裡深啊?誰稀罕你!

    你以為容易呢?大凡有點出息,誰不暗地裡苦思冥想,刻骨銘心,苦心經營,百般折磨,臺上一分鐘,臺下十年功。一個字:功!送一副對聯:抓鐵留痕,踏石留印!

  • 13 # 好看影片分享給你

    啊輝是我的老朋友了,每次和他一見面,我就問“近來可好”,然而每次啊輝都是搖頭苦笑一言不發,我也習慣了。啊輝從學生時代開始,就是個愛學習的人,用他的話說就是“多學點東西好傍身,不會虧”。

    啊輝和我現如今已經是社會人了,不過啊輝這個愛學習的毛病還是沒變。以前讀書的時候,啊輝就喜歡買書看,如今,啊輝看書的閒情逸致沒了,因為啊輝接觸到了很多“知識付費課程”,每次我都勸啊輝,叫他不要浪費打工好不容易掙來的錢,但是啊輝還是那個理由“學多點東西好傍身,不會虧”。

    其實,啊輝和我心裡都清楚,看書、買課、終身學習,這些都是偽命題,讀書時努力學習是為了有個好出路,但是大學畢業後,我和啊輝都成為了上班族,也沒看見父輩人士說的那樣“讀書才有出路”。

    啊輝和我不一樣,啊輝認為,父輩沒錯,讀書學習才是出路。原本我是認同啊輝的,畢竟我倆都是在農村玩泥巴長大的人,但是後來啊,接觸社會多了,經歷了很多事,見過了很多人,我發現,學習,和出路根本不沾邊,和改變命運沒啥關聯。

    啊輝是個學習的好苗子,在大學時期獎學金年年拿,在社團也有一席之地,再加上我倆是發小,一直都保持不錯的友誼,經常往來。

    畢業後我和啊輝都在同一個城市工作,只不過大家公司不同,因此不是不能時常見到對方,雙方有空才會聚一聚。

    這次相聚,啊輝還是和往常一樣,和我見面不久,就開始聊起自己目前的境遇,並且說起自己最近在學習什麼,讀了哪些書。這次相聚,我聽到啊輝說他買了很多知識付費課程,這個月的工資基本都報銷掉了,並且還報了一些網路營銷培訓課程。

    汗,我徹底無語了,這傢伙,還是那樣,有點錢就揮霍掉了,報那些亂七八糟的課程,還美其名曰知識付費,還精品課程,還幾萬人報名學習。

    我問啊輝,上次你報名咪蒙那個漲薪課,現在你的薪資漲了沒有?還是準備跳槽漲工資?還有,之前那個刷爆朋友圈的網易營銷課,你也報名了,你學了之後,懂得怎麼做營銷了嗎?還有,之前某個自媒體大v出了新書,你買了,現在,你看完沒有?啊輝苦笑著,搖搖頭,不說話,我不知道他心裡在想什麼,但是我想他還在進行自我安慰:“學習是好事,學習不會錯的,我要做終身學習者……”。

    啊輝這個人就是這樣,對命運不甘心,當然我也對命運不甘心,我倆都是出生在農村,家庭條件都十分窮苦,家裡供我們讀完大學,已經很吃力了,但是讀完大學後,父輩口中的“讀書改變命運”,真的改變了嗎?“讀書是普通人最好的出路”真的有出路嗎?

    我和啊輝都知道,憑我們目前的工資水平,別說改變命運了,在大城市能有臥榻之處就已經很不錯了,更別談什麼“出路、希望”。即便我們目前的工資漲十倍,也不可能在這繁華的大城市立足,幾萬塊一平的房子,都是血汗錢啊,還不如存個幾十萬在老家自己建。

    我早就和啊輝說過,不要學那麼多垃圾課程,不要買那些垃圾暢銷書,不要被那些營銷人頂著“終身學習、深度學習”的名頭收智商稅,須知,在營銷人看來“萬物皆韭菜”。

    那些垃圾知識付費課程,垃圾暢銷書,對於我們目前的境遇不會有任何的改觀,努力認真把工作做好,把業績做好,勤勤懇懇的積累原始資金才是正途。

    哪有那麼多暴富的神話,哪有那麼多學了某個課程、學了某樣知識就能身價翻倍的東西,哪有寫寫作就能賺到錢的神話。

    不要再被人頂著“學習”的名義收智商稅了,什麼自媒體人、大v,某到,某羅,倡導所謂的終身學習,卻人學習,還深度學習,我呸!

    不勸人努力工作賺錢改善生活,勸人學習,實乃大惡也。啊輝,快醒醒,在搞營銷的人眼裡,你就是韭菜。

  • 14 # 太陽E10000

    深度學習的本質是提取現有或自己生成的大量資料的內在特徵而達到甚至超越人類處理這些資料的能力。這屬於常識,題主覺得深度學習有什麼本質是大家應該戳破而沒有戳破的?

  • 15 # 一書一法一工具

    為什麼大家都不戳破深度學習的本質?

    看到這個問題,感覺作者問得很高深,其實答案很簡單,無外乎是這三個原因:

    1、逐利的時代,人們更願意深度學習的是技術,而不是學術

    我們大概都知道大學畢業後,繼續讀研究生讀博士,走的是一條學術的道路,是針對某一領域的深度學習,培養的是理論水平的不斷提高。

    而很多職業學校和大學畢業後走上社會的人群走的是一條技術精深的路子,要的不是理論水平要多高,而是應用水平有多高。

    而在社會當中,這個逐利的時代,能將理論高效應用於實踐中去的人才會被社會更認可。

    2、深度學習需要精益求精,浮躁阻止了人們繼續深入學習

    談到技術精進上面,曾記得老輩人最常用的一個詞就是“精益求精”,而現在則換成了“深度學習”,換湯不換藥,意思是一樣的。

    我們都知道精益求精不是一蹴而就的,是需要透過十年乃至是幾十年的努力才能達到技術精湛的,比如之前特級廚師、一級焊工、雕刻大師以及特種兵等等。

    而深度學習包括更廣泛,不僅僅是技術的學習,也包括理論知識的學習。

    不過,現如今追逐利益,追逐快餐文化讓人們更加追求短、平、快的專案和課程;幻想一夜暴富,這種浮躁的心態已經阻止人們繼續深度學習了。

    3、深度學習需要跨界,沒有精通跨界就是玩票性質,濫竽充數

    現如今的深度學習,不僅僅是本專業領域的精益求精,還需要跨領域的精益求精。簡而言之就是在本專業領域做到頂尖水平之外,還需要在另一個專業領域做到頂尖,透過跨界組合形成自己獨有的優勢。

    舉個我們耳熟能詳的例子李佳琦就是最好的代表。

    李佳琦之前在化妝品口紅這塊已經做到了很厲害的地位;之後接觸了直播,透過慢慢摸索將直播也做到了專業化。我們看到李佳琦很厲害,知道他對口紅的研究已經無人能敵,他對直播這個新模式的運作已經成為了前輩。

    看似在口紅和直播上很厲害,如果看過李佳琦選品環節,我們也看到了李佳琦對消費者心理也是把握很到位的。

    所以說,深度學習不單單是本領域的深度學習,更需要跨界的精通,否則就是濫竽充數,是玩票。

    寫在最後

    為什麼大家都不戳破深度學習的本質?

    其實說到底就兩個詞:方向、勤奮。

    慾望太多,目標太多導致自己失去了本心,迷失了自己,找不到方向。

    不與自己過去對比,而一味地與高手、有錢人對比,眼高手低,懶惰限制了自己的進步。

    只要我們找到自己正確的努力方向,擼起袖子加油幹就對了。

    不要做一個想想激動,而過後不動的人。

    來給你一個簡單的建議:每天六點起床、每天做一項運動半小時(可以是室內的也可以是室外的),堅持半年,偶爾的遲起不要灰心,不要太在意,形成習慣就好了。

    我開始的時候堅持5點半起床,早晚鍛鍊八段錦和站樁各一個小時,堅持了半年多;後來加入了寫作鍛鍊時間少了一半。正是因為鍛鍊養成了堅持的習慣,戰勝了自己身體的惰性,所以再堅持其他就變得容易多了。

    從2017年2月開始鍛鍊八段錦到現在四年了,從2018年7月開始斷斷續續寫作到現在也有兩年半了。正是開始有了我堅持鍛鍊的習慣,所以堅持寫作就變得容易多了。

    原先以為鍛鍊身體只是為了健康,其實更多的為了讓我們意識控制身體,而不是意識被身體所控制。

    精華閱讀:

    目標、價值、覆盤、糾偏、迭代、槓桿、複利七大思維成就厲害高手

    成就人生輝煌的3大個體思維:系統思維、品牌思維、超級個體思維

    人類認知4大核心思維:全域性思維、區域性思維、極限思維、變化思維

    解決問題的3大思維:邏輯思維、水平思維、批判性思維

    框架思維、感知思維、趨勢思維,學會這三大思維,成就寫作爆款

  • 16 # 戰略工程蝦

    所有的存在都是補缺的存在,同時這存在本身也是有缺的。正所謂“大方無隅,大器晚成,大音希聲,大象無形”,成也無形,敗也無形。本質本身就是一種缺的存在,不是不戳破,而是戳不破。

  • 中秋節和大豐收的關聯?
  • 流星與小行星有什麼區別?