这一阵子要赶一个 Conference 的 DDL，导致每天工作量剧增，不断挤压摸鱼的时间，刚开始还好，到后来摸鱼的欲望越来越强烈。中间挑一两天晚上早点回去玩玩游戏看看视频什么的还好，但是结束之后第二天回去干活的时候就突然怠惰起来了，总想着早点回家摸鱼，在实验室坐不住，连 DDL 生产力都快不管用了。
后来我发现了一个好用的方法来解决这个问题，这个方法的本质类似于心理暗示，大家估计都很熟悉。具体使用起来是这样，在前一天就开始、到早上出门去实验室的路上一直反复告诉自己剩下的活很多，想尽快弄完，今天就好好加班，晚点再回家。在去实验室之前就做好晚上很晚回家的心理准备，这样我在心里已经了解到了晚上要在实验室待到很晚，有个基本的心理建设之后干活的心态浮躁得就慢了下来，有时候虽然还是会想早点溜，但是已经可以坚持更长的时间了。
这个方法听起来非常简单，但是在实际中还挺好用的，有时候回来早了的时候甚至有一点罪恶感，说明加班的心理建设做得非常足。在学习工作中影响自己动力的其实是浮躁的感觉：坐不住，想要回家，想要玩游戏。一旦浮躁起来就很难解决，这时候学习根本学不进去，即使是一些机械性的整理工作都不想做，今日的进度不得不停止于此。这样的“自我催眠”可以在一定程度上延缓自己心态浮躁的速度，浮躁往往源于对一些事情的渴望，比如想要出去玩，想要回家躺，自我催眠可以削弱自己对这些事情的渴望，从而达到延缓浮躁的目的。
进一步详细解释为什么这个方法会有用也似乎很简单，不过我只上过一门心理学的课，还属于啥都没学到的程度，所以这里大概率是胡扯，按照自己的想法来解释，希望如果有科班的同学读到，可以饶我一命（）。
心理学上有一个认知偏差的效应叫锚定效应：
人们在进行决策时，会过度偏重先前取得的资讯（称之为锚点），即使这个资讯与这项决定无关。在进行决策时，人类倾向于利用此片断资讯（锚点），快速做出决定。在接下来的决定中，再以第一个决定为基准，逐步修正。
举一个简单的例子：假设 A 店和 B 店都陈列完全一样的 200 元的饼干。A 店主要是卖 60 块左右的饼干为主，所以客人看到 200 元的商品会觉得“贵”。但是 B 店大多是卖价格在 400 左右的饼干，看到 200 元的饼干，会觉得“便宜”。
锚定效应大多数情况下被用于投资领域的分析，这里我们用于对自己的投资上面。每天我们的时间有限，从起床到睡觉有 16 个小时。我们可以用这 16 个小时吃饭、学习和玩，从而获得情绪上的收益。这里我们简化一下，把其他的选择都暂时先去除，只考虑学习和玩之间的平衡。
假如我们将 1 个小时的时间用于玩上面，我们可以获得价值 $x$ 的快乐，它遵循边际递减定律，即如果我们将 $h$ 个小时的时间用于玩上面，我们收获的快乐会小于 $h\times x$，不同的边际递减函数会决定不同的数值，我们放在后面来讨论。
同样的，我们将 1 个小时的时间用于学习上，我们可以获得 $y$ 的快乐，我相信对于大部分人来说 $y$ 是负值。那么现在我们需要将每天除去吃饭、通勤的总时间 $H$ 分配于玩和学习上面，我们记为
$$H_1 = {h_1^1, h_2^1, \cdots, h_N^1}, H_2 = {h_1^2, h_2^2, \cdots, h_N^2}$$
此处所有 $h_i^j$ 都是连续的时间。这里如此表示是考虑到学习和玩交错进行的情况。
那么不考虑边际递减效应的话，我们收获的总快乐 $\mathbb{H}$ 自然是
$$\mathbb{H} = \sum_{i=1}^{N}h_i^1x + \sum_{i=1}^{M}h_i^2y$$
现在我们尝试为玩获得的快乐加入边际递减函数，并且为学习获得的快乐加入边际递增函数。这两个函数与每个人的性格息息相关，其实是大家所谓的耐性，耐性很足的人，学习的边际递增函数会比较平缓，而耐性很差的人就会比较陡峭。我们用 $f_1(\cdot)$ 和 $f_2(\cdot)$ 来分别表示玩的边际递减函数和学习的边际递增函数。那么快乐函数就应该被调整为
$$\mathbb{H} = \sum_{i=1}^{N}h_i^1f(h_i^1)x + \sum_{i=1}^{M}h_i^2f(h_i^2)y$$
现在回归我们的目标，我们希望每天在保证学习时间的同时可以尽可能获得更多的快乐，那么这就变成了一个优化问题：
$$\mathbf{\mathrm{max}}\ \mathbb{H} = \sum_{i=1}^{N}h_i^1f_1(h_i^1)x + \sum_{i=1}^{M}h_i^2f_2(h_i^2)y$$
$$\mathbf{\mathrm{s.t.}}\ H = \sum_{i=1}^{N}h_i^1 + \sum_{i=1}^{M}h_i^2$$
$$h_i^1 > 0, i = 1, 2, \cdots, N$$
$$h_i^2 > 0, i = 1, 2, \cdots, M$$
为了求解这个问题，我们先获得它的 Lagrange Dual Problem……
停一下停一下，我们不是来解数学题的，在离谱的边缘大鹏展翅。哦……哦，让我们回归方法的讨论……
总之，我们增加快乐的方法就是尝试减缓学习的边际递增效应，而学习的边际递增效应其实是和玩的快乐成负相关的，也就是玩得越快乐，我们约想放弃学习去玩耍。所以我们需要约束玩耍的快乐。
这里并不是要求我们真的去削弱玩的快乐，否则生活还有什么乐趣可言，而是暗示自己玩没有那么快乐（即使实际上还是非常快乐）。比如我们可以暗示自己今天如果论文没有改完，玩的时候就要一直在意论文的情况，而且还要提心吊胆教授的通知。并且这个活是早晚要干完的，DDL 就在眼前，如果弄不完，之后会损失更多的玩耍时间。
我们用类似的暗示告诉自己玩耍的快乐收益并没有那么高，如果成功的话，我们的学习边际递增效应就会得到一定的削弱，此时我们可以持续工作更长的时间而保持动力。
其实当我们回过头来再看公式的时候我们发现还有很多种方法可以提升我们的动力，比如降低学习给快乐带来的损失，虽然这些方法确实一劳永雨，但是真的很难。学习确实有它的乐趣，也会给我们带来成就感，但是和精力消耗相比很多情况下还是入不敷出，只有少数奇才可以做到真正的综合正反馈，这样的人可能就是天生为学术而生的吧。
结论：本文探讨了……
停一下停一下，最近这个孩子写论文已经写傻了，放他去休息休息吧。