一名工作人员递给他一部 iPhone--部分原因是为了避免卡赫尔自己的手机在深夜收到大量短信和五颜六色的表情符号。马斯克的太空探索公司 SpaceX 几个月来一直在为乌克兰全国提供互联网接入服务，使该国军队能够计划袭击和进行自卫。更令人震惊的是，SpaceX 公司最近给五角大楼下了最后通牒：如果不承担在乌克兰提供服务的费用（据该公司计算，每年的费用约为 4 亿美元），它将切断乌克兰的接入。乌克兰官员和一个由科技界外籍人士组成的松散联盟在 WhatsApp 和 Signal 的群聊中集思广益，找到了一个潜在的解决方案：SpaceX 制造了一系列名为 Starlink 的移动互联网终端。" 在随后的几个月里，硅谷乌克兰社区的筹款活动、与美国国际开发署和欧洲各国政府签订的合同以及 SpaceX 公司的无偿捐助，促成了数千台 Starlink 设备运往乌克兰。起初，马斯克对乌克兰的事业表现出了毫无保留的支持，在乌克兰数字转型部长米哈伊洛-费多罗夫（Mykhailo Fedorov）在推特上发布现场设备图片时，马斯克做出了令人鼓舞的回应。

线性代数中最被低估的一个事实：矩阵即图形，图形即矩阵。将矩阵编码为图形是一种 "作弊码"，可以让复杂的行为变得简单易学。Strongly connectedness 紧密联系 与强连接图形相对应的矩阵称为不可还原矩阵。我们图形的相应矩阵可以简化为更简单的形式！Just like this: 就像这样 从左右两边与 P 相乘，效果更佳：行列互换。(顺便说一句，这是一种相似性变换，因为我们的特殊零一矩阵就是它的逆矩阵。我们只差两步就能证明，每一个非负平方矩阵都可以用一个置换矩阵变换成弗罗贝尼斯正态形式。Here is the plan. 计划是这样的 为我们的非负矩阵构建图形。例如，借助矩阵，我们可以定义图形的特征值！CM 我自己不是很能看懂，需要借助资料；。

荣格去世后，两位在心理测量学或测试构建方面受过有限培训的非专家创建了迈尔斯-布里格斯类型指标（MBTI），这是一种建立在荣格未经经验证实的观点基础上的人格测试。单凭这一点还不足以否定 MBTI--可以想象，非专业人士可能会根据毫无根据的想法创建测试，但却能准确地测量人的个性。但一次又一次的研究表明，MBTI 并不能很好地预测职业结果、恋爱关系或其他我们可能关心的事情。相比之下，有一些经过科学验证的性格测试可以有效地预测从职业表现到离婚可能性，再到患有心理疾病的可能性等各个方面（例如，请参阅此处）。原因 4：MBTI 使用的类型有任意的界限 把性格硬塞进类型中会产生任意划界的问题：一旦你明确了所谓存在的类型，你就必须界定它们的界限。这意味着，如果您进行一次测试，几周后再进行一次测试，结果应该大致相同。

具体到发现系统（即推荐和搜索），我遇到的大多数实施方案都遵循类似的范式--组件和流程分为离线和在线两种。不过，在下面的例子中，我们也会看到使用图（DoorDash）和决策树（LinkedIn）的系统。基于上述 2 x 2 的推荐和搜索基本系统设计。在在线环境中，每个请求从左到右依次经过检索和排序步骤，然后返回一组结果（如推荐、搜索结果）。更新：这一 2x2 后来被其他资源引用，包括 英伟达™（NVIDIA®）"推荐系统，不仅仅是推荐模型 Xavier Amatriain 的 " RecSys 架构蓝图 阿里巴巴、Facebook、京东、Doordash 等公司的例子。我将重点介绍这些系统如何分为离线和在线环境，以及它们的检索和排名步骤。Facebook 通过查询和文档编码器设计基于嵌入的检索。电子商务搜索系统的主要阶段（左），JD 的候选检索设计（右）。为了解决这个问题，他们建立了一个定制的 TensorFlow 数据集，其中用户和项目数据首先作为查找字典加载到内存中。

把好奇心和求真设为 AI 的核心目标，并不能自动解决对齐问题。文章质疑 xAI 的设想：抽象目标可能在强大系统中被意外解释，求知欲也可能推动系统获取资源、绕过限制或伤害人类。可靠对齐仍需要明确边界、可验证行为、权力约束和对失败模式的持续研究。

在这里提到的 LeapFrog Leapster（一种便携式游戏系统）、Sidekick（一种手机）和 iPod 等产品，不仅有今天仍在广泛使用的同类产品，而且是在个人计算机已经无处不在的时代诞生的。我可以指着自己的起源物品--费雪牌电影浏览器、口袋摇摇乐、Etch A Sketch Animator，或者稍后的 Arion Hot-Watt II 等小玩意儿--描述他们为什么会有那样的东西。上了一定年纪的人，如果还记得在《塞尔达传说》的世界 "海鲁尔"（Hyrule）中探索了几个小时，就会立刻理解这种感觉。Solutions to Complexity 复杂性的解决方案 二十年来，我一直在思考这几页↓。它们来自布鲁斯-毛（Bruce Mau）的《巨变》（Massive Change）一书，这本书与其他许多关于设计、系统、技术和人类文化的书籍不同，它在其所处的时代大放异彩，但却一去不复返。

为了与 MS Office 的其余部分同步，Microsoft Excel 从 5 升级到了 7，MacOS 和 Windows 都跳过了版本 9 以吸引 X 一代。React 从 0.14 跃升至 v15，而 Kubernetes 和 Go 则展示了反对/的承诺系统开发人员无法破坏任何东西/数到 2。虽然 GPT1→2→3 的进程每次都向前迈出了明显的一步，而 Midjourney 4→5 预示着 Balenciaga Pope，但其他进展，如稳定扩散 1→2 则更具争议性。由于这些功能可以在代码中灵活、无限地组合，但通过示例学习很有用（例如 p5.js 游戏创建、绘制模因、创建交互式仪表板、数据预处理、包括季节性、编写复杂的 AST 操作代码、大规模人脸检测，。但 GA 发布后的重点是通过代码解释器提供的模型的质量 - 据说 14 似乎比今天的 GPT-4 更好（在编写代码、自主执行多个步骤、决定何时不继续以及询问用户方面）在一组选项之间进行选择）。

在我之前关于 TikTok 的文章中，我讨论了为什么它的 For You Page 算法是使 TikTok 发挥作用的结缔组织。但在急于了解为什么公司可能想要收购 TikTok 的过程中，如果字节跳动被迫剥离这款流行的短视频应用程序，围绕其算法的炒作已经带有一点异国情调，这通常是西方对中国科技分析的特征。我不想写任何会立即过时的介绍，我只是在这里留下这个旁注，说的是在发布后，甲骨文似乎将接管 TikTok 云计算交易，同时加入沃尔玛和一些风险投资公司的行列，持有 TikTok Global 的部分股权。我第一次听说这本书是在阅读了 Venkatesh Rao 对其主题的归纳之后，如果你不打算阅读正文，那篇文章仍然是这本书的一个很好的 tldr 入门读物（斯科特·亚历山大对这本书的评论也很好，尽管足够长）它几乎可以证明自己的 tldr 是合理的）。Scott 重点关注民族国家如何使用简化的抽象概念在概要层面“查看”其公民，而我想讨论 TikTok 的应用程序设计如何允许其算法“查看”高效执行匹配工作所需的所有细节并准确地。

或者也许从一个点击到下一个，就像 Robin Sloan 的 Tap essay（我希望有一种方法可以将导出到类似的形式，如果有人已经构建了它，已经让我知道了）。任何使用过 Premiere 等非线性编辑器或 After Effects 等合成软件的人都可以证明，编辑视频的门槛确实很高。Instagram 推出了一键照片滤镜（当然是在 Hipstamatic 之后，尽管 Hipstamatic 缺乏像现代社交应用程序的支柱一样的提要），后来 Instagram 添加了编辑故事的附加功能，甚至后来出现了一些单独的应用程序，例如 Boomerang作为功能重新纳入 Instagram。创作者可以使用其中一些滤镜来完成什么，我什至无法想象如何在 Adobe Creative Suite 等工具中进行复制。

纳西姆·塔勒布（Nassim Taleb）是《黑天鹅》和《反脆弱：从混乱中获得的东西》一书的作者，他从他的 Facebook 帐户中获得了 34 条见解： 人造的东西给我们带来宿醉，自然的宿醉则相反。笑到最后的唯一问题是胜利者必须独自笑。朋友们，不知道有没有人计算过，如果我们关闭大学的经济系和政治学系，可以节省多少钱。那些需要研究这些主题的人可以在私人时间进行。当某人以前半部分包含“我”、“不是”和“但是”开始一个句子时，应该删除“不是”，并将“但是”替换为“因此”。切勿购买制造该产品的公司所有者不使用的产品，或者，例如药物，也不会偶然使用的产品。刚刚意识到，为了礼貌地摆脱某人，布鲁克林的人们会说“如果你需要什么，请给我打电话”。当有人写“我不喜欢你，但我同意你”时，我读到“我不喜欢你，因为我同意你”。一本可以归纳的书不应该被写成一本书。

华莱士击中了我们对管理的需要，而不是消除我们核心的、硬性的人类本能。如果你像我一样是个学生，你从来都不喜欢听到这句话，你往往会觉得你需要别人教你如何思考的说法有点侮辱你，因为你甚至被一所这么好的大学录取这一事实似乎证明你已经知道如何思考。但我要向你提出，文科的陈词滥调原来根本不是侮辱性的，因为我们在这样的地方应该得到的真正重要的思维教育并不是真正的思考能力，而是选择思考什么。如果你在思考问题方面的完全自由似乎太明显了，不能浪费时间讨论，我想请你想一想鱼和水，并把你对完全明显的价值的怀疑包围起来，就几分钟时间。其中一个人有宗教信仰，另一个人是无神论者，两个人正在争论上帝的存在，争论的力度特别大，大约在第四杯啤酒之后。" 通过一种标准的文科分析来处理这个故事是很容易的：完全相同的经历对两个不同的人来说可能意味着两种完全不同的东西，因为这些人有两种不同的信仰模板和两种不同的从经验中构建意义的方式。

如果有任何一个人可以因为计算机的普及而受到指责或赞扬，你，这位29岁的计算机革命之父，是首要的竞争者。你知道，我对钱这件事的主要反应是，所有对它的关注都很幽默，因为它几乎不是过去十年里发生在我身上的最有见地或最有价值的事情。现在，学生们甚至不在用理想主义的方式思考问题，或者至少远远没有那么多。他们在学习商业专业时，当然不会让当时的任何哲学问题占去他们太多的时间。今天，它非常简陋，然而我们的Macintosh电脑运行时的耗电量比一个100瓦的灯泡还要少，它可以为你每天节省几个小时。你不需要了解这些东西就可以使用Macintosh--但你问了笑。而且，除此之外，对我来说，最整洁的事情是Macintosh让你像电话那样唱歌。想象一下，如果你在成长过程中拥有这个精致的Etch A Sketch，你可以做什么。大多数计算机使用按键来输入指令，但Macintosh用一种叫做鼠标的东西取代了许多按键--一个在桌子上滚动的小盒子，在计算机屏幕上引导一个指针。

新写作技术从打字机到生成式 AI 都曾引发对作者身份和真实性的担忧。文章把 AI 视为写作辅助工具，可用于发散、提纲、修改和反馈，但论文的论点、证据选择和最终责任仍属于作者。使用时应核验事实、保留自己的判断，并根据场景透明说明 AI 参与程度。

使用 GitHub Actions 让你的 GitHub 配置文件动态化 April 9, 2023 2023 年 4 月 9 日 人们首先在网上在哪里发现您？使用 GitHub Actions，您可以将静态 markdown 文档转变为动态体验，随时了解有关您的最新信息。在此示例中，您将学习如何抓取网站并使用该数据动态更新您的 GitHub 配置文件。How Your GitHub Profile Works 你的 GitHub 配置文件是如何工作的 你的 GitHub 配置文件可以通过在网络浏览器中转到 找到，例如我的。您的文件结构现在应该如下所示： Making a Dynamic Profile 制作动态配置文件 我们需要为这个例子做三件事： 在 中定义动态内容所在的位置 在 中添加一个脚本来完成抓取工作 在 中为 GitHub Actions 添加一个工作流程，它将按计划运行脚本 现在让我们执行这些步骤中的每一个。

让 ChatGPT 等聊天机器人显得聪明的，并不是某种真正理解世界的能力，而是海量网页文本塑造出的语言模仿能力。对 Google C4 数据集的分析显示，训练材料来自专利、百科、新闻、论坛、博客、盗版书库、选民数据库、宗教网站、极端主义社区和色情站点等复杂来源。高排名网站解释了模型为何擅长法律、媒体、软件和消费建议，也暴露出版权、隐私和偏见风险。过滤机制能删掉部分脏话和重复文本，却挡不住宣传、仇恨、阴谋论和个人信息进入训练语料。问题不只在数据规模，而在用户几乎无法追溯模型回答背后的来源。AI 的流畅表达因此既是互联网知识的压缩，也是互联网噪音和权力结构的再生产。 当科技公司把训练数据越藏越深，公众就更难判断这些系统到底继承了哪些知识、偏见和未经许可的劳动成果。

大型语言模型正在成为生成式人工智能最重要的基础设施，因为语言连接着知识、工作流和几乎所有行业的信息交换。Transformer架构让模型训练更高效，GPT、BERT、XLNet等系统由此发展，ChatGPT则把多年积累推到大众面前。真正的商业价值未必只来自最大的通用模型，而更可能来自面向特定领域和任务的专用模型。通用模型覆盖面广，但推理成本高、内存占用大，在银行、医疗、客服、法律等场景里还需要更强的一致性和政策理解。企业可以在公开基础模型之上，用行业数据和自身业务记录继续训练，让模型学会具体规则、语气和流程。提升能力主要有三条路：改进架构、扩大模型规模、增加训练数据。规模变大能增强表达和建模能力，但成本也随之上升，因此很多应用会选择较小基础模型加专业化训练。竞争优势不只是拥有模型，更是拥有数据、场景、分发和把模型嵌入真实业务的能力。

人工智能时代已经开始，因为它不再只是实验室里的模型，而正在变成像个人电脑、互联网和手机一样的基础技术。GPT通过高级生物考试并给出细致的人文回应，显示机器已经能处理复杂语言、推理和知识组织任务。它会改变白领工作方式：写邮件、整理文件、处理客服、准备会议、管理日程，都可能由嵌入软件的“副驾驶”协助完成。更进一步的个人代理会读取用户授权的信息，跨设备帮助沟通、安排和购买。风险同样现实，包括事实错误、偏见、隐私、劳动转型和监管问题。关键不在于让少数富裕人群提高效率，而是把能力导向健康、教育和气候等不平等最严重的领域。贫困国家的医疗工作者可以借助AI完成分诊、文书和诊疗辅助，学生也可能获得更个性化的数学辅导。技术本身不会自动变公平，政府、公益机构和企业必须主动设计目标、测试安全性并扩大可及性。

推特的“为你”时间线本质上是一条多阶段推荐流水线，把每天数亿条推文压缩成少数可展示内容。系统先从关注网络内外各取候选，目标通常是约一千五百条；关注内推文依赖用户与作者之间的互动概率，关注外推文则通过相似兴趣、共同参与图谱和嵌入空间寻找可能相关的内容。随后，一个包含大量特征的神经网络预测点赞、转发、回复等互动概率，并据此排序。排序之后还要加入产品规则：过滤屏蔽或不适内容，避免同一作者连续霸屏，平衡关注内外比例，降低被负面反馈标记的内容，并通过共同关系为陌生来源提供质量保障。最终还会混入广告、关注建议等非推文元素。推荐不是单个神秘公式，而是候选召回、机器学习打分、人工规则和产品目标叠加的结果。透明度的关键也不只是公开代码，更是让用户理解为什么某条内容会出现在眼前。

大型语言模型正在经历类似 Stable Diffusion 的开放拐点：原本只能通过少数公司 API 使用的强大模型，开始能在个人设备上运行和改造。LLaMA 的发布证明，用公开数据训练的较小模型也能接近 GPT-3 级能力；llama.cpp 又通过 C++ 移植和 4 位量化，把 7B、13B 模型压到普通笔记本可承受的范围。模型文件外流让控制权进一步扩散，研究预览迅速变成全球开发者的实验材料。这个变化削弱了平台对使用方式的约束，也带来滥用风险：自动化操纵、虚假内容、难以追责的本地部署都会变得更容易。但同样重要的是，个人和小团队终于能探索本地 AI 的正向用途，包括学习、编程、文档处理和离线工具。真正的竞争将转向完全开放、可商用、可在消费级硬件运行的语言模型，生成式 AI 的创新重心也会从封闭服务扩散到开源生态。

保持行业更新的关键不是每天手动追热点，而是把可靠信号固定成一套低摩擦系统。独立创客要同时理解客户变化、竞争对手动作、市场新闻、社区讨论和技术趋势，最有效的来源往往不是单一媒体，而是客户访谈、竞品邮件列表、评论平台、社交动态、论坛、RSS、通讯、播客和少量高质量书籍的组合。做法上，应先限定关注主题和信息源，再用时间盒避免无止境浏览；用 Google Alerts、RSS 阅读器、社交监听、品牌提及监控和精选通讯，把信息推到收件箱。这样更新变成定期处理的输入，而不是随时打断工作的干扰。已经持续筛选信息的人，还可以把这套阅读过程转化为策展通讯，把原本的学习成本变成面向市场的资产。除非信息能帮助定位产品、理解客户或发现机会，否则就应果断舍弃。

理解哲学不必从宏大体系开始，十个基础概念足以打开许多问题。柏拉图的理念论把感官世界与更根本的形式区分开，洞穴寓言提醒人可能把影子当成现实。内省把注意力转向自身经验，追问信念与感受如何形成。唯我论把确定性缩到自我意识之内，迫使人承认外部世界并非可被绝对证明。神义论试图解释全善全能的上帝为何允许邪恶存在。道德相对主义强调善恶判断依赖情境，康德的绝对命令则要求行动原则能够被普遍化，并且不能把人只当工具。决定论质疑自由意志，把事件看成因果链条的一部分。笛卡尔的“我思故我在”把怀疑本身变成存在证明。尼采的“上帝死了”并非简单反宗教，而是指出传统价值根基坍塌后，人必须重新承担价值创造。哲学的作用不是给统一答案，而是训练问题的边界。

云南的山地不仅是风景，也是逃离国家控制的地理结构。2022 年上海封控前离开城市后，长期停留云南让人看见一个与北京、上海不同的中国：北部藏区有雪山、寺院、祈祷旗和隐秘的宗教抵抗，南部西双版纳接近东南亚，茶山、雨林、橡胶和边境贸易交织，大理则以气候、湖泊、农田、咖啡馆、加密社群和新型家庭教育吸引城市流动人口。詹姆斯·斯科特关于高地社会的解释提供了线索：山区历来庇护不愿被征税、征兵、定居和同化的人群，根茎作物、口头传统和平等结构，都让国家更难统计和控制。现代交通和信息技术已经让行政力量爬上山，但崎岖地形仍会削弱命令的效率。大理湖泊治理中，村民失去山泉水后重新上山铺管取水，正是这种规避能力的当代表现。

AI 内容工具的变化再快，也可以从“任务”和“模型”两层看清方向。研究人员训练模型去完成一组可测量的任务：整体分类、局部分类、比较两件事、提取片段、转换输入、生成新内容、预测缺失部分。前几类更像阅读和理解，后几类更像写作和创造；许多产品只是把这些能力包装成不同界面。模型训练阶段是在数据中建立数学表示，使用阶段则是把输入定位到潜在空间里，询问附近是什么、两点距离多远、它们之间能生成什么。图像领域的基础能力包括分类、物体检测和分割，分别回答图里是什么、东西在哪里、每个像素属于什么。掌握这些任务，比追逐每个新应用更有用，因为新产品大多只是这些能力的新组合。

人类艺术与人工智能的共同点，比“机器是否能真正创作”这个争论更重要。创作从来不只是凭空原创，而是在模仿、重复、变形和再组合中形成意义。作家、画家、粉丝剪辑者都会从既有作品中学习节奏、母题和套路，再通过具体语境赋予它们新的重量。网络拼贴、粉丝视频和同人创作说明，重复并不必然贬低艺术；相同桥段被不同人反复使用，反而能成为社群共同语言。真正需要区分的是转化与挪用：借鉴一个模式、致敬一种风格、承认来源地采样，与直接复制他人的迭代并宣称为自己的东西，并不相同。艺术的价值不只在对象本身，也在创作者、社群、记忆和劳动所附加的关系里。若只按交换价值衡量作品，人工智能生成与人类创作看似可替代，人的存在却被抹掉了。

在 Stripe 学到的，是高质量团队靠清晰责任、密集反馈和积极协作运转，而不是靠流程口号。每个任务都有直接负责人，想法一旦出现就有人接住，避免共同所有权变成无人负责。团队用公开感谢机制、周会表扬和友善的 Slack 文化强化互相认可，让感激成为日常工作的一部分。工程师不只是接需求写代码，还会牵头产品、设计、法律等讨论，用项目简介写清问题、背景、方案、任务和指标，让跨职能意见尽早进入决策。项目完成以 Shipped 邮件为标志，说明问题、解决方式、影响指标和未完成的后续，这让交付有明确收口。估期也不伪装成确定承诺，而是附带置信度并持续更新。客户声音被直接带进公司：全员会听真实客户，团队参加客户电话，应用内反馈和公开评价进入 Slack。再加上摩擦记录、开放数据仓库和单体仓库带来的一致性，产品质量来自每个人持续看见真实问题并负责解决。

每天早上五点起床，关键不是硬逼自己按闹钟，而是先把睡眠时间和生活取舍安排清楚。早起不会凭空增加时间，它只是把夜晚换到清晨；如果不愿放弃晚间社交、娱乐和拖延，只靠意志力很快会失败。可行做法是先问清早起服务于什么目标，再接受成本：固定更早上床，保证约八小时睡眠，开始阶段甚至不设闹钟，让身体逐步适应黑暗中醒来。早晨也不必一上来就高强度工作，可以先安排轻松愉快的活动，把“醒来”本身训练成稳定习惯。真正有效的是温和而持续的重复：先管住就寝时间，再逐步提高早晨产出，并保留一晚有规则的弹性，避免生活被纪律压垮。 应，有一段录像显示威尔史密斯对洛克的笑话做出了立即的反应，那是笑声。 这种冲动的反应与他几秒钟后在台上表现出的愤怒完全不符。他在演戏吗？ “耳光”是真的吗？还是他的妻子要求他挺身而出？ 视频序列的每一帧都被仔细研究，就好像它是肯尼迪遇刺的 Zapruder 镜头。

完美之所以像诅咒，是因为它把人生压缩成一套永远可以挑错的公式。移民家庭的安全梦想常被翻译成成绩、竞赛、名校、职业与体面生活的线性清单，孩子学会用满分、排名和奖项证明自己值得被期待。问题在于，现实世界并不按公式运行：机会、行业周期、运气、关系和时机不断打破“正确路径”的幻觉。追求完美的人即使收到好评，也会立刻翻到不足之处，把成长理解为消灭缺陷，而不是发挥优势。后来成为母亲、回望父母的牺牲与自己的选择，完美开始显出另一种面貌：安全和舒适本是值得珍惜的目标，但它不能解释完整的人生。更成熟的自由，是承认过去无法重写，却在下一次选择中少一点被标准支配。 绿灯之后向您微笑并赐予您绿灯时，您怎么能相信自己可以控制呢，这取决于您是否在正确的时间出现在正确的地点？ 每天都有例子。这笔投资归零。另一个像兔子一样成倍增加。这四年的血汗泪化为乌有。这个想法花了两年时间改变了一个行业。 你认识的这个混蛋突然成了每次会议的主讲人。这位聪明的朋友正在努力为她的下一个新想法寻找动力。 但实际上，完美到底意味着什么？

经济低迷时重新规划收入，第一步应回到销售能力模型的核心假设，而不是直接给团队压一个看似现实的新数字。B2B 软件公司的计划通常依赖客户主管的生产率和爬坡时间，这两项在市场逆风中会迅速失真。管理层需要选出能代表成交能力的关键指标，例如平均售价、胜率、销售周期和管道转化，并用至少十八个月数据按季度或月份比较，剔除少数大单造成的扭曲，重点观察最近两个季度是否明显下滑。若只有单一指标轻微下降，可以谨慎观望；若多个指标转弱，或某个指标跌幅超过约百分之十，就应调整生产率和爬坡假设，再反查管道计划是否足以支撑新目标。好的重规划不是降低士气，而是让团队重新面对可赢的目标。 规模，您可以考虑对每个全球区域执行相同的操作。你的分析越精确，你可以在你观察到的任何趋势中放置更多的股票。请务必根据规划团队的能力平衡这些耗时的工作。 针对可能扭曲平均数的异常值进行调整。一个常见的例子是几笔“鲸鱼”交易，这可能表明在此期间平均售价呈上升趋势。您可以通过比较每个时期的中位数或手动删除这些异常值来对此进行调整。

成为教皇在规则上并不复杂，难点在于几乎没人能从外部闯入这个位置。候选人原则上只需是男性天主教徒，不必一定是红衣主教或神父，但自十四世纪末以来，教皇基本都从参与投票的红衣主教中产生。新教皇通常在前任去世或辞职后由最多一百二十名枢机选民秘密选出，投票需达到三分之二多数，黑烟表示未决，白烟表示人选已定。这个职位没有正式薪水，却掌握梵蒂冈与教会体系的巨大资源，同时也背负行政管理、派系斗争、公众道德期待和全球曝光。它看似像终极职业跃迁，实际更像一份被神圣语言包装的高压政治工作。 难以复制，因此在这个网络经济中变得很有价值。 我认为研究它们的最佳方式不是从生产者、制造商或创造者的角度，而是从用户的角度。 我们可以从一个简单的用户问题开始：为什么我们要为可以免费得到的东西付费？当有人购买他们可以免费得到的东西的版本时，他们购买的是什么？ 从我对网络经济的研究中，我看到大概有八类无形价值，当我们为一些可能是免费的东西付费时，我们会购买这些价值。 从真正意义上讲，这是比免费更好的八件事。八个不可复制的价值。

人工智能不会终结教育，而会把教育推向更个性化、更低成本、更依赖判断力的形态。最直接的变化是，一对一辅导、指导和心理支持会从少数人的服务变成大众可用的软件能力，AI 可以随时根据学习者水平解释概念、安排练习、调整表达方式。个性化学习也会从理想变成常规：系统能识别知识缺口，用文字、音频、图像或学生喜欢的角色重新讲解同一内容。教师的角色不会消失，但大量备课、评分、教案草拟等重复劳动会被工具分担，教师得以把精力放回学生反馈、课堂判断和情感支持上。学生会率先使用这些工具节省时间，也会迫使学校重新定义作业、考试和原创性。真正重要的能力不再是能否背出答案，而是能否提出好问题、核验输出、组织知识，并在 AI 给出捷径时仍保持学习的主动性。

植物让人更快乐、更健康，是因为它们把自然的感官线索和照料节奏带回室内生活。许多人长期在办公室和家中工作，与自然接触减少，焦虑、压力和疲惫更容易累积。研究显示，与植物互动可以降低压力水平，提高生活满意度、创造力和工作效率，部分植物还能改善室内空气。照顾植物的价值不只在观赏，还在于它提供一种温和的日常结构：浇水、修剪、观察新芽和开花，会让人重新获得参与感和期待感。对心理状态低落的人来说，这种小而稳定的责任能帮助恢复兴趣和乐趣。园艺疗法也被用于监狱、创伤恢复和认知障碍照护中，因为人与植物之间的关系不依赖复杂表达，却能带来安全、耐心和可见的变化。把一盆植物放进家里，本质上是在生活空间里增加一小块可照料的自然。

步行可以成为一套完整的创作系统，而不只是休息或锻炼。Craig Mod 把长途行走当成写作的操作环境：白天穿过村镇、山路和旧街道，与农民、旅店主人、手艺人交谈，收集声音、照片和细节；夜晚再把这些经验转化为通讯、播客、影像和书。关键不在灵感偶然降临，而在提前设定规则：不看新闻和社交网络，住宿、路线、距离和费用都用表格安排好，让步行当天只面对路、身体和观察。长途行走也形成一种责任机制，哪怕疲惫也按规则发布作品。最终，散步把现实世界的材料、稳定的节奏和出版目标连接起来，成为他持续做书的基础设施。长远目标不是完成某一次旅行，而是让每一次行走都为未来的书积累质地、关系和判断。保存这些约束，创作就不再只靠情绪驱动，而有了可以反复启动的现场。

社交媒体可以把城市情绪观察推进到街区和场所层面，而不只停留在“积极或消极”的粗略判断。研究以旧金山和伦敦为样本，收集地理标记推文，并用神经网络识别愤怒、期待、厌恶、恐惧、信任、喜悦和悲伤七类细粒度情绪，再把这些情绪与开放街道地图中的兴趣点匹配。这样就能比较不同日期、不同地点类型、不同邻近范围对情绪表达的影响，例如绿色空间、交通设施、旅游景点、酒吧或体育场周边可能对应不同情绪模式。方法上的关键，是把社交媒体的实时表达与城市空间数据结合，让情绪成为可分析的城市现象。局限也很明确：数据只覆盖愿意发地理标记推文的人，语言以英语为主，推文内容受平台规则限制不能完整公开。

杰出人物的童年常常不是普通教育的强化版，而是由特殊成年人、宽松自主和高密度知识环境共同塑造。许多科学家、作家、哲学家和作曲家小时候并未按标准学校路径成长，而是在家庭教师、父母朋友圈、书房、沙龙和严肃谈话中进入成人世界。关键并非提前灌输课程，而是让孩子长期暴露在真正从事思想、艺术或科学的人身边，并被当作能理解复杂问题的人对待。另一个共同点是大量不受同侪压力支配的空白时间：罗素在花园里独处，帕斯卡自学几何，图灵在学校体制边缘推导数学。书籍可以暂时代替社会环境，法拉第和拉马努金都靠阅读打开通道，但最终仍需要进入更高水平的人际网络。培养天才的重点不是复制课程表，而是重塑孩子周围的文化密度和自主空间。

计算机能学习常识，但难点不在记住事实，而在把世界的隐含规则连成可用判断。人听到“奶酪汉堡刺伤”，会自然排除食物拿刀行凶、汉堡互相攻击等荒唐解释，推断为有人因汉堡刺伤他人；机器若只依赖规则或统计关联，就容易卡在这些角落案例。常识包含物理、因果、意图、社会规范和道德边界，清洁机器人要知道猫不能被丢掉，自动驾驶要知道贴了小纸片的停车牌仍是停车牌。早期路线试图用Cyc这类公理库手工编码世界，精确但笨重；新路线用语言模型和视频数据生成、筛选大量常识陈述，再让模型学习原因、结果和意图。它们已能在日常场景问答中接近人类，但仍缺少多模态经验、真实行动反馈和价值判断的稳固结合。

连续读完从1923到2000年近四千期《时代》后，历史不再像一串事件，而像一条缓慢推进的河。个人寿命在这种尺度下显得极短，财富、名望和权力很快被新的面孔覆盖，真正值得投入的是亲密关系、自我理解和能跨越世代的制度。重大变化通常酝酿很久，由个人无法完全掌控的力量推动；繁荣年代也不会永久停留，拥有时应当珍惜。美国最有效率的时刻来自共同使命，而不是零散竞争。短期内政策影响命运，长期看科学与技术决定生活水平。人类共享一个脆弱的小世界，谦卑、同理心和守护公共机构，比征服式成功更接近时间给出的答案。保存人类理解、珍惜与所爱之人的时刻，才是读完一个世纪后最清晰的结论。

转化文案要先清楚表达产品价值，而不是堆技巧、情绪操控或流行词。读者只会在产品确实解决自身问题时行动，所以文案的任务是理解目标人群的痛点，用简洁、自然、可信的语言说明产品怎样帮他们。难点在于压缩信息和避开“知识诅咒”：创始人熟悉问题和方案，容易默认读者也懂，结果要么说得太少，要么解释过度。有效写法应从目标倒推，把最能促成阅读或行动的信息放在前面，提前回应常见疑虑，用客户评价、数据和具体结果建立信任。语言要像人说话，少用术语和空话，能删的词都删掉。CTA 不能只是“开始使用”之类的空按钮，而应绑定明确利益，并在首屏、结尾和长页面的关键段落之间出现。AIDA、PAS、QUEST 等框架有用，但它们只是组织信息的骨架；真正决定转化的，是对受众、问题、承诺和证据的准确把握。

2023 年的重要词汇集中反映了能源转型、战争风险、气候压力和数字安全的变化。氢气不再只是化学课概念，而被按生产方式分成绿色、灰色、蓝色、粉红色等颜色，背后对应可再生电力、天然气、碳捕获和核能等路线。eSIM 会让手机号码从实体芯片转向可迁移的数字凭证，通行密钥则用设备和生物识别替代密码，试图减少钓鱼和重复密码带来的风险。后量子密码学提前为量子计算可能破解现有加密做准备。战争语境中，横向升级、纵向升级、战术核武器和冻结冲突帮助理解乌克兰战事的危险路径。能源领域的液化天然气、再气化和浮式装置解释了欧洲摆脱俄罗斯管道气的现实手段。气候语境里，干旱化、韧性中心、凉爽屋顶和范围一二三排放，说明极端高温、水资源减少和企业碳责任正在进入公共决策。

小型数据库是独立网络最缺工具的一块拼图。发布一篇文档已经很容易，发布一个可搜索、可维护、可协作的收藏却仍然困难：艺术家索引、阅读清单、图画书档案、网络女性主义资料库，都需要对象、标签、关系、注释、稳定地址和导入导出能力，而普通建站工具更擅长页面，不擅长集合。电子商务平台已经证明产品数据库可以被非技术用户管理，但类似能力很少服务于业余研究者、策展人和小机构。理想工具应支持批量编辑元数据、创建路径和关系、开放文件格式、搜索发布，并允许自动化参与维护，例如抓取新资料、用机器学习提取颜色或媒介标签。问题不只是技术，也包括社会认知：像 Substack 让付费通讯成为可理解的模式一样，小型数据库也需要一个能让人轻松创建、更新、分享甚至收费的生态。更多小图书馆和社区索引出现，网络才会不只是文章流，也是公共记忆的细密结构。

循环经济若忽略人类排泄物，就遗漏了最关键的营养回路。食物在农田中吸收氮、磷、钾，进入城市后被吃掉、排出，却很少回到土地，而是通过污水系统流向水体或垃圾处理设施。这种断裂让农田失去肥力，河流和海洋因营养过剩出现藻华、湿地破坏和生态窒息，人类又用依赖化石燃料生产的合成肥料补回农田，形成更重的环境负担。真正的问题不是污泥没有价值，而是现代社会把污水视为必须远离和销毁的废物。密尔沃基的 Milorganite 证明，经微生物处理、干燥和制粒后的污泥可以成为稳定肥料；伦敦等地使用 Cambi 热水解系统，在高温高压下处理污泥，再通过消化产生肥料和沼气；加拿大 Lystek 则用搅拌、碱处理和低压蒸汽把生物固体变成可用于农业的产品。病原体已能通过技术控制，新的挑战是激素、抗生素和永久化学物质污染。要让农业闭环成立，城市必须把污泥重新看作资源。

科技巨头的衰退可以从两个层面理解：资本市场不再奖励无限增长的叙事，产品本身也从释放用户创造力转向更强的监控、锁定和成本控制。亚马逊早期愿意牺牲利润换取客户体验、基础设施和长期技术能力，高股价曾经支持这种英雄阶段；当市场转向利润和现金流，公司就更倾向于守住股价，而不是继续承担开辟新范式的风险。类似压力也作用于 Google、Meta、Twitter、Netflix、苹果和微软。Google 多年缺少标志性消费产品，搜索逐渐让位于自家业务和广告机器；Meta 试图用虚拟现实寻找出口，却仍受数据收集受限和产品吸引力不足困扰；Twitter 在被收购前已疲弱，被接管后更失去公共网络曾有的解放潜力。流媒体和创作者经济同样暴露了全球规模不等于可持续利润。科技巨头并非立刻消失，而是从扩张想象力的阶段进入管理衰退的阶段，它们仍能改进产品，却越来越少改变世界的使用方式。

Facebook 更可能先成为万亿美元公司，因为它已经从众多竞争者之一变成难以替代的基础层，而 Uber 仍然处在被不同市场、不同资本和不同监管环境切割的竞争格局里。衡量一家公司的关键，不只是增长快不快，而是它是否拥有独一无二、难以复制的网络效应、定价权和人才吸引力。很多公司把接口、开发者工具或业务扩张称作平台，但真正的平台应让使用者创造的经济价值超过平台自身的价值，按这个标准，绝大多数所谓平台只是端点集合。硅谷的问题也来自同一种误判：太多资本追逐太少真正优秀的公司，延长了平庸公司的寿命，推高工资、租金和运营成本，让年轻工程师和早期创业者承担更高门槛。旧金山如果要继续承载创业生态，不只需要更多住房和交通投入，也需要降低创业公司的燃烧率压力。资本过剩并不会自动带来创新，它可能让系统把资源浪费在本不该存在的项目上。

Netflix 式视觉平淡正在扩散，因为当代影视越来越追求可控、统一、低风险的光滑外观，却牺牲了地点感、质感和记忆点。许多作品看起来昂贵、清晰、饱和、滤镜完整，但背景像不存在于任何真实地方：科技办公室、住宅街道、餐厅和城市空间都被拍成通用商业影像。问题不在于故事是否现实，荒诞或奇幻也能拥有真实气息；问题在于数字摄影、绿幕、声棚、后期修正和统一技术规格，让影像趋向同一种“完美”。这种制作逻辑把钱更多投向明星、包装和营销，而不是选址、布景、光线和环境细节。胶片时代的粗糙、阴影、自然光和真实空间，会让人物与世界产生摩擦；如今许多画面既暗又亮、既精致又空洞，像可用于库存广告的素材。约束本来能逼迫创作做选择，而随时可后期修复的便利，常常削弱了耐心和判断。

物理学能解释商业，不是因为商业真的像机器一样精确，而是因为物理概念能训练人看见力量、阻力和权衡。杠杆、楔子、齿轮和滑轮的共同点，是通过距离、速度或接触面积的交换获得机械优势：没有凭空创造能量，只是把输入力量转化成更有用的输出。商业里也存在类似阻力，比如组织惯性、客户不信任、市场拥挤和资源分散。初创公司常用市场楔子突破阻力，把全部精力压到一小群特征明确的客户上，牺牲规模来换取穿透力。产品楔子则相反，先用一个覆盖面广、门槛低、利润未必高的产品建立大量关系，再通过后续生态或网络效应加深价值，iPod 和早期 Instagram 都体现了这种路径。物理隐喻如果只停留在词汇上，会变成装饰；真正有用的是理解原始概念背后的机制。商业决策同样不是寻找万能公式，而是辨认当前需要放大力量、扩大距离，还是降低阻力，并接受对应代价。

GPT-3 可以帮助解释过去，但不能神秘地预言未来；它的价值在于从长期记录中找出人自己难以看见的模式。一个人积累十年的日记，里面包含情绪、关系、野心、逃避、满足和失落的碎片。普通阅读很难回看全部材料，语言模型擅长概括，就能把分散片段重新组织成可理解的问题答案。直接把所有日记塞给模型并不可行，因为上下文容量有限。可行方法是先把日记切成小块，做成可检索索引；提问时先找出最相关片段，再逐层概括，最后合成回答。这样可以询问什么时候最快乐、某段关系为何结束、哪些需求长期未被满足、别人能看见而自己忽略的特质是什么。为了减少编造，提示必须要求模型只依据材料、找具体时刻、找不到就不下结论。结果不应被当作心理诊断或命运预测，而应当作为一种强力复盘工具：它把过去的文字变成可追问的镜子，让人更清楚地看见自己的价值、反复出现的困境和可能的下一步。

GPT-3 之所以像一种更强的日记工具，是因为它把独处书写变成了可回应的对话。传统日记能留下记录、整理情绪、发现思维模式，也能帮助人重新解释经历，但它常常卡在空白页、重复提示和难以复盘旧记录上。语言模型能根据输入追问、改写、提炼和换角度回应，让人更容易把模糊感受说清楚。它可以扮演苏格拉底式提问者，帮助拆解问题和找出下一步；也可以模拟某些治疗取向，比如内部家庭系统、认知行为方法或价值观教练，引导人识别内在冲突、感恩体验和重要价值。它不能替代朋友、教练或治疗师，因为共情的真实性、风险判断和长期关系仍有限，但它能成为随时可用的辅助练习。真正有效的使用方式，是把它当作一面会提问的镜子，而不是把它当成权威答案。局限也很明显：通用聊天界面记忆薄弱，容易重复，无法自然承接长期背景。更好的形态应当能保存会话、生成阶段性记录，并在隐私和安全前提下帮助人观察自己的长期模式。