一个非常好的人工智能历史简述，有比较多的引用来源，发散阅读。

一只音调不准的鸟，很难找到伴侣，因为他们的沟通是硬编码在基因中的，即code。
但人的理解能力很特别，人的语言沟通，并不止于文字或声音本身，还有丰富的上下文信息、语气、用词、文本顺序等等。

不愧是小说家写的毕业典型演讲，非常的感性。

Don't ever forget what a friend once wrote Senator Paul Tsongas when the senator decided not to run for reelection because he'd been diagnosed with cancer: "No man ever said on his deathbed I wish I had spent more time in the office." Don't ever forget the words my father sent me on a postcard last year: "If you win the rat race, you're still a rat." Or what John Lennon wrote before he was gunned down in the driveway of the Dakota: "Life is what happens while you are busy making other plans."

永远不要忘记参议员保罗·特松加斯 (Paul Tsongas) 因被诊断出患有癌症而决定不再竞选连任时，一位朋友曾写过的话：“没有人在临终前说过，我希望我能在办公室多呆些时间。 “永远不要忘记我父亲去年在明信片上寄给我的话：“如果你赢得了老鼠赛跑，你仍然是一只老鼠。”或者约翰列侬在达科他州的车道上被枪杀之前写的：“生活就是当你忙于制定其他计划时发生的事情。”

Look at the view. You'll never be disappointed.

看看风景。你永远不会失望。

一个对我来讲非常新的理论框架去理解双链笔记的价值。本文重点讲了下面两个概念，笔记的部分反而很少。

1、ill-structured domain（结构不良领域）：指概念的实例高度可变，人们在处理该领域具体案例时，无法套用一个简单的模式，往往需要具体问题具体对待。比如医学领域的「心脏病」，它是一个概念，也有基础的逻辑但又无法统一为一种模式，具体到某一个病例时，要具体对待。

2、Cognitive Flexibility Theory（CFT，认知弹性理论）：专注结构不良领域的理论，它强调在结构不良领域案例研究的重要性。以及结构不良领域专家分析问题时，不是套用某一个模式识别，而是从一组基本模式中组织出一个临时的模式分析问题，这种灵活的方式称为adaptive worldview（适应性世界观）。

在最后的笔记层面，也有一个相当具有操作性的技巧：围绕领域内一组概念寻找10~20个crossroad cases（十字路口案例），基于案例使用双链笔记把一组概念串联起来。并通过设置一些问题不优深化案例学习，比如两个案例间有什么相同点，又有什么不同点。

最后的最后，值得思考一点：CFT和第一性原则的关系。前者强调案例，后者则强调本质，看起来有些冲突。

非常同意文章最后的观点。

我一直觉得区块链不是web3或说数据所有权最佳解决方案。

把数据永久的固化在区块链上是一件反人性的事情，对数据的所有权应该包括对数据可见范围的控制和对数据的删除权。而区块链上的数据原则上是无法删除的。

自托管才是最佳的解决之道，应该考虑如何降低自托管的成本，或者方便的在不同的第三方托管服务之间迁移数据。

最近Google遇到危机，这是前员工（创业被Google收购）对Google当下管理环境的评论，该员工也曾在微软工作十来年。

有一句热门高亮：

Everyone at every level will spend hundreds of hours preparing a single executive presentation, but it will be the most junior employee and often not even a full-time employee who is tasked with helping a customer for ten minutes.

结合木遥那篇。大厂（大型组织）的改变，还得靠最高层的改变，最好就是换人。并且，改变的过程还伴随着非常大的运气，说起来和个人的命运也没什么两样。

发现木遥把博客的文章清理了，只留下少数文章，还好这篇还在。

没记错的话，这是木遥在百度魏则西事件后写的，百度的口碑彻底崩溃了。如果你在大厂工作过，一定会对这篇文章产生共鸣：就一个个的员工来讲，并没有人主动的选择作恶，但作为整体的公司却惯性的走向了恶，底线和原则会在一次次的试探中被打破。

最大的感受是：怎么能把个人在组织中的无力感，写得如此传神。——那段会议模拟，栩栩如生。

从强生的例子来看，除了一把手的力挽狂澜，几乎没有解决之道。

讲真，看维舟的文章总让人有些不舒服，大概就是把那层我隐约知道的窗户纸给捅破了，点出我们文化中不那么好的一面。比如：

1、结合中国人对神灵的一贯态度来理解：当神灵能实现我们期望时，我们对之毕恭毕敬；但当它没能做到这一点时，那可就别怪我不客气了。

2、“做得太好”竟然是客人给差评的原因，这再讽刺不过地表明在中国社会，连评分也都是“高语境”的，隐含着各种说不清楚、甚至你打破脑袋都想不到的因素。

3、常听人感叹说，中国真是一个复杂的市场。在这里，“复杂”的意思并不仅仅是说“丰富多样”，还指充满着意料不到的陷阱，差不多就是你涉世未深刚踏上社会时，师长告诫说“社会很复杂”的那层意思。

OpenAI CEO Sam Altman关于AI普及替代大部分人类劳动力后，关于社会制度的畅想。作者用一个独立域名放这篇文章，而没有发在博客（blog.samaltman.com）内，可见它在作者眼中的特殊性。

当AI成为主要生产力，AI又能自己再生产AI，商品成本将无限低，唯一的约束只是地球资源。世界会怎么样？作者给出了一个有点大同社会的观点，但真的如此吗？还是人口会增长至地球承受的极限，最终还是瓦解，又或者有其它可能？

附翻译版：万物摩尔定律

应该是国内的首测，两点值得注意：

1、仍然是对话式问答，但Bing版ChatGPT回答时，给了数据来源引用。这意味着，它很大程度上能够替代搜索引擎了，直接提供答案，但又能让你基于来源去确定答案的可靠性。
2、关于纠错，非常强：
2.1、提示ChatGPT答案可能错误时，它会尝试寻找更好的答案，如果有更新、更准的数据，它会承认错误并返回最新结果。
2.2、但如果没有更新、更准的答案，它会坚持自己的结果是正确的，甚至置疑用户。但，这里有可能是ChatGPT对用户输入问题的意图理解错误，如果用户能够进一步解释问题中一些概念的定义，ChatGPT能够承认自己对问题理解有误，并基于新的理解寻找答案。--- 这点太恐怖了。

文章已被删，提供一个临时链接：https://cubox.pro/share/HXXG2M

作者把ChatGPT类比为压缩解压程序：

• 大量语料训练模型：压缩互联网上的知识
• 对话框回答问题：解压互联网上的知识

并且这个压缩是有损的。本文基调大致是对当下ChatGPT热浇浇冷水。

这个类比非常有意思，但仔细想想，这不会成为ChatGPT的问题。

事实上，人类大脑理解世界也一样，输入记录是压缩，表达是解压。人类关注并记忆的也是重点信息，在表达时也是对信息进行扩展陈述，没有谁日常表达是一字不漏的背诵。

在学校时，很多知识都学过，但考试仍然会做错，像不像有损压缩后解压失败？

PS：了解了下本文作者姜峯楠（Ted Chiang），挺厉害的，华裔科幻作家，2016年的科幻电影「降临」改编自他的作品。

其中提到的第二个误解：「ChatGPT 是统计模型，所以它的一切认知都是来自于它的语料。」

我也有，并且当大家讨论ChatGPT的时候，经常会从这个基础数学原理的角度得出「当前的AI并没有质变」的结论。

我不知道有没有质变，但给我的感受，是产生了质变。

但让我更意外的是，原来学术界也不知道在这样基础的原理下，为什么产生如此意外的结果/能力。（就是目前处于它做到了但我们并不确切知道它为什么能做到的状态）-- 关于这一点，木遥附上了两个论文链接，一个来自Google，一个来自微软：

• What learning algorithm is in-context learning? Investigations with linear models
• Why Can GPT Learn In-Context? Language Models Secretly Perform Gradient Descent as Meta-Optimizers

Twitter Thread：OpenAI的创始人Sam 19岁的他05年成立了位置服务提供商Loopt，12年4300万美元估值被收购，14年上任YCombinator总裁，19年正式上任他和马斯克共同创立的OpenAI，也正是这年他写下了一篇博客 - how to Be Successful，整理了一下他的13点分享和我的思考。

博客原文：How to Be Successful（英文）。

13点：指数增长、自信、独立思考、销售自己、习惯风险、保持专注、努力工作、大胆决定、执拗一点、差异化竞争、人际网络、资产决定财富、内驱力。

本文是翻译，英文原文：The TIME Project。

作者用5年的时间把1923年至2000年每一期《时代》杂志读完，写的一些感想。摘两段：

1、在短期内，政策是重要的。 从长远来看，科学很重要。1999年，《时代》杂志提名阿尔伯特·爱因斯坦为世纪风云人物。 这是个完美的选择。 最后入围的三位是罗斯福、甘地和爱因斯坦，但该杂志最终选择了爱因斯坦，因为最终"政治是暂时的。"方程式是永恒的。

2、任何一个长寿的人都可能对什么重要、什么不重要得出类似的结论，我觉得在相对年轻的时候就被赋予了这样的观点是一种天赋。——我将用我的余生珍惜我在这里与我所爱的人在一起的每一刻。 我将利用我的工作时间建立和支持促进人类理解的强大机构。

在经济世界里，凡事从利益角度出发。

比如，互联网大部分产品免费，付费的是广告主。很多普通投资者，没有以广告主的视角看互联网产品。

近期看到的非常好的关于ChatGPT的评论。

最后的比喻非常形象：「当你抱怨 ChatGPT 鬼话连篇满嘴跑火车的时候，这可能有点像你看到一只猴子在沙滩上用石头写下1+1=3。它确实算错了，但这不是重点。它有一天会算对的。」

毫无疑问，ChatGPT是AI领域一个质的飞跃，ChatGPT表现出非常强的围绕文本的归纳、总结、推理能力，能替代很多咨询类工作，没想到最先被AI替代的是传统上被认为高知的工作。

并且，它已经达到可商业化的程度，将会有大量资本涌入，推动这个行业以更快的速度发展，拭目以待。

微信链接备份：https://mp.weixin.qq.com/s/8gWpFG0k_vbgy_yUOg6R0g