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。