人工智能

生成式人工智能会把互联网推向更严重的柠檬市场：当人们无法判断互动对象、评论、账号和内容是否真实时，高质量参与者会逐渐退出公共场域，剩下更多低信任垃圾。二手车市场里，卖家无法证明好车不是坏车，买家只愿按平均风险出价，结果好车退出，坏车占比继续升高。AI 让类似机制扩展到社交网络、约会应用、游戏大厅、论坛评论和电话消息，因为垃圾内容不再只是重复模板，而能以低成本生成大量独特、连贯、会回应的人格。结果可能不是所有人彻底离线，而是公共开放平台衰落，私人群组、邀请制社区和已验证真人身份变得更有价值。平台也可能用更强监控来对抗机器人，要求证件和实名，从而制造新的权力问题。与此同时，一部分人会更重视线下关系、家庭、社区和面对面网络，另一部分人会更深陷由 AI 强化的娱乐、色情、游戏和社交刺激。长期看，能保护年轻人、建立真实配偶和社区支持系统的文化会更有韧性；线下高密度社区的价值也会上升。

Obsidian 可以用浏览器用户脚本变成私人剪藏器，关键是把网页中的选中文本或结构化字段拼成 Obsidian URI，让浏览器直接把内容写入指定库。通用做法是在 Tampermonkey 中监听快捷键，读取页面标题、域名和用户选中的文字，清理不能用于文件名的字符，再通过 URI 新建或追加笔记。更进一步，可以针对 IMDb 这类页面写专用脚本，用 jQuery 选择器抓取片名、年份、时长、简介等字段，点击页面上的 Obsidian 图标即可保存成固定模板。选择器需要在浏览器控制台里逐个验证；触发方式也不只限快捷键，还可以做成页面按钮或右键菜单。真正要注意的是脚本权限、iframe 选区和浏览器打开 Obsidian 前的确认弹窗。

生命短暂不是修辞，而是把时间离散地数一遍后得到的事实。和两岁孩子相处的周末只有五十多个，孩子相信圣诞魔法的年份也不过几次；当时间变成可数的机会，有限性就不再抽象。由此产生的行动原则很简单：无情减少废话，不等待重要的事，认真感受已经拥有的时间。废话包括无意义会议、官僚流程、空洞争论、交通堵塞、让人上瘾却没有回报的消遣，以及被他人错误拖走的精力。有些废话来自工作和环境，需要通过选择雇主、客户和生活方式来减少；有些废话来自诱惑，比如在线争吵，会伪装成必须回应的攻击。判断一件事是否重要，可以问未来还会不会在意。陪朋友喝咖啡、陪孩子玩、看望母亲，未必显得宏大，却很少成为遗憾。生命短，就不要把最想做的事推迟到窗口关闭之后。

WWW 仍然可以属于 URL，但它不是必须保留的技术标志。早期把 Web 服务放在 www 子域，是为了和 ftp、irc 等不同服务区分；今天多数网站只需要在 www.example.com 和 example.com 之间选一个作为规范地址，并把另一个用 301 永久重定向过去。去掉 WWW 更短、更好读，也少传几个字节；保留 WWW 则在某些新顶级域名上更容易被识别为网址，并且能让 DNS 配置更清晰。裸域有时不能直接使用标准 CNAME，因为它还要承载邮件等记录，不过 Cloudflare 等服务提供了 CNAME flattening 之类的解决方案。关于 cookie 泄漏的担忧通常只在旧浏览器或显式设置 Domain 时才成立。SEO 层面，搜索引擎不偏袒任一选择，关键是统一规范地址、设置永久重定向和 canonical 标签。真正的问题不是有没有 WWW，而是能否保持一致。

2010 年代的宏观经济教训需要重新校准，而不是全盘抛弃。2008 年之后，人们学到金融系统很重要、金融危机后的复苏会很慢、财政刺激在深度衰退中有效、低利率和量化宽松不必然带来高通胀。但 2020 年代的通胀、加息和债券市场震荡说明，危机时期的经验不能机械套用到所有环境。房地产下跌本身未必足以制造大衰退，真正危险的是房价泡沫与债务、银行杠杆、抵押品链条结合后引发金融体系崩溃。政府借债也不是永远无成本：在需求强、通胀高、央行收紧的条件下，财政扩张可能推高利率并触发市场惩罚。更稳健的理解是，宏观政策效果依赖环境。衰退期的财政宽松和金融救助可以必要且有效，但它们不能证明预算约束、通胀压力和利率机制已经失效。

人工智能作业的真正冲击不在于学生能偷懒，而在于传统作业假设的能力验证方式被打穿了。ChatGPT 可以生成看似原创、结构完整、语气自信的答案，却可能把霍布斯和洛克的政治观点混在一起；它不像计算器那样确定性地算出结果，而是根据训练语料预测最像答案的文本。计算器出现后，老师可以要求展示步骤，因为正确路径明确；语言模型生成论文、读书报告和历史辩护时，问题变成如何判断推理是否真实可靠。它也暴露了产品层面的变化：底层模型已存在一段时间，真正引爆公众感知的是免费、易用、可对话的界面。教育、搜索和问答平台都会面对同一挑战：形式上可信的文本不再自动意味着知识可靠。未来的作业需要更强调事实核验、过程解释、课堂互动和学生自己的判断，而不是让学生重复世界上早已写过无数次的段落。

ChatGPT 是废话生成器，原因在于它被训练来产出可信文本，而不是保证陈述为真。它能以法律、学术、百科或论坛回答的语气说话，形式越像权威，越容易让人忽略事实核验；Stack Overflow 很快遇到大量看似专业却错误的答案，不得不临时禁止相关生成文本。风险最高的是教育、健康、科学问答和搜索替代，因为用户往往无法立即判断对错。不过这并不意味着大型语言模型没有价值。适合它的任务有三类：用户能轻松验错的场景，比如调试提示和代码解释；真实性不是核心的创作场景，比如小说构思、风格改写和互动故事；训练语料本身包含大量对应事实的场景，比如翻译。即便如此，安全漏洞、偏见输出和错误自信仍需谨慎处理。判断这类工具的关键，不是看几个惊艳案例，而是看错误率在具体用途里是否可承受。

用 Obsidian 提高科研效率，关键不是堆插件，而是建立可持续的知识库结构。科研笔记应尽量原子化，一条笔记能独立表达一个概念；概念太大就拆成更小单元，再用链接和标签连接，而不是依赖层层文件夹。文件夹只负责粗略区分来源或用途，例如项目、论文、书籍、内容地图和主要学科区，真正的知识组织交给双向链接、嵌套标签和 MOC。阅读论文时可用 Zotero 管理文献，再把笔记同步到 Obsidian；项目进度、灵感、实验想法和长期主题都能与相关概念互相连接。Dataview 适合自动生成索引，把机器学习、书单或研究主题按字段查询出来，减少手工维护成本。这样的系统把知识从一次性摘录变成可检索、可组合、可复用的研究基础。它的目标不是把库做得漂亮，而是让研究者在需要时迅速找回证据、思路和未完成的问题。

在 RSS 之上重建社交媒体，核心做法是把发布、阅读和社区拆开，再用开放订阅机制让它们重新协作。社区应用应该能为新帖子输出 RSS，让成员不用反复打开 Discord、Slack 或论坛；发布工具可以把一个人在各社区的发言聚合成个人社交订阅源，使“关注一个人”不再依赖单一平台；阅读应用则要识别高频社交源，避免它们淹没低频通讯和博客。最大障碍不是技术协议，而是普通用户不知道 RSS 是什么，因此订阅必须被包装成简单动作：点开推荐链接、输入邮箱、自动加入阅读器，必要时还能下载 OPML 换到其他应用。这样的网络不追求一个平台吞下所有功能，而是让不同工具各自做好一件事，并通过可携带的订阅关系连接起来。社交分发因此从平台锁定转向个人可控的流动通道。

还没有，Midjourney 已经能在简单、开放的插画任务上接近甚至超过人类的速度，但它仍不是可直接替代插画师的魔盒。实验把同样的博客封面需求交给人类插画师和 Midjourney：猫玩圆形物体、明亮的火星飞船、用于电商卖家的天平概念。结果显示，AI 在风格化小猫和飞船上很快给出可用画面，经过提示词迭代和去背景处理，几十分钟到数小时内就能产出发布级素材。问题出现在概念越具体、构图越受控时。它不能稳定执行“把球变大”“让角色微笑”“一边是包裹一边是更多货物”这类局部指令，常需要重生成整张图，并产出漂亮但偏离意图的画面。人类插画师周期更长，通常需要数天到两周，但艺术指导成本低，细节修改可靠，也能理解品牌风格和叙事重点。AI 更像高速合作者，适合探索、草图和开放式创意；复杂概念、精确修改、统一风格和动画仍离不开人的判断。

人工智能的下一个阶段会成为新的技术平台，而不只是若干好玩的工具。大型语言模型、多模态模型、代码生成、图像生成和代理式界面，正在把自然语言变成操作软件、获取服务和完成工作的入口。真正的商业机会不只在文案、客服或教育小工具，而在搜索、医疗、学习、企业软件和科学研发这些基础领域被重新组织。基础模型可能由少数公司提供，但持久价值会出现在中间层：企业用独特数据、专业流程和行业知识，把通用模型调成医疗、编程、科研、办公或个人助理等专用能力。更深的变化在科学上。人工智能不仅能帮科学家写代码、找方向、处理数据，还可能参与提出假设、设计实验和改进模型本身。最大的风险是对齐：强系统必须符合人类利益，避免误用、滥用和目标偏离。乐观并不等于忽略风险，而是把人工智能看作扩展人类能力的基础设施，并尽早建设约束它的制度和技术。

经验法则和一般哲学。您将在下面找到我们在 37signals 做决定时尽量牢记的一系列一般原则。它们不是要求，也不是我们在面临选择时要检查的全面清单，但它们作为框架、考虑因素和共享实践，在我们做我们需要做的一件事时可以借鉴do all day, every day：决定。1. 我们为什么要决定任何事情？真的需要在这里做出决定吗？

在通货膨胀减少法案通过后，国会领导人正准备解决许可改革问题。一些活动家 呼吁 立法者不要对《国家环境政策法》(NEPA) 及其主导的更广泛的环境审查程序进行任何改革，他们认为具有里程碑意义的环境法案是防止气候变化的关键。但这些积极分子被误导了：目前存在的 NEPA 进程正在减缓清洁能源转型，早就应该进行改革了。NEPA 给联邦政府带来了巨大的成本，拖延了多年的清洁能源项目，并产生了阻止其他项目启动的不确定性。通过有针对性的改革，国会可以解锁目前被扼杀的关键清洁能源项目。

淹没在人工智能生成的垃圾中：我们正在打一场无声的战争。通过 Ploum 于 2022-12-05。在整个网络上，我们见证了过去四十年来一直在使用的统计算法所产生的非常惊人的结果。我们给这些算法起了一个非常朗朗上口的名字：“人工智能”。我们现在对它们有非常流行和直接的应用：给算法一个简单的文本提示（不要让我开始强调文本的重要性），它会生成一个漂亮的原始图片或一个听起来很严肃的文本。

在我处理更多 AI 内容生成分期付款时，以下是 OpenAI 新发布的开源 (!。) 语音到文本模型 Whisper 激发的一些快速想法。00 年代初期是 Web 开发的黄金时代，当时技术和工具的快速进步使得即使是最缺乏天赋的技术人员也可以非常容易地快速制作出可点击、唱歌、踢踏舞的网页演示，甚至可以给技术人员留下深刻印象高层管理人员还不够新，无法理解 多么容易 制造看起来非常光滑的东西是 。（我的一些老读者在冷聚变时代做过一些这样的事情……真正的人知道。AI 内容生成现在正处于这个 midwit 程序员阶段 。

快速说明：我偶尔会遇到这样的论点：“我的研究提高了能力，但它比提高能力更能促进一致性，所以它在网上很好”。我不赞成这种说法，并认为在大多数此类情况下，这种研究弊大于利。（参见 差异技术发展 。对于我的模型的简化版本，为什么：。假设对齐 AGI 需要 1000 人年的研究。

人工智能简史：世界瞬息万变——下一步可能是什么？围绕一个核心问题展开：要了解未来会是什么样子，研究我们的历史通常很有帮助。这就是我将在内容中做的事情。我回顾计算机和人工智能的简史，看看我们对未来的期望。我们是怎么来到这里的？即使是最近的计算机技术对今天的我们来说也是如此古老，世界变化的速度变得多么迅速。

序言：深度学习海啸。“深度学习浪潮已经拍打计算语言学的海岸好几年了，但 2015 年似乎是海啸全面冲击主要自然语言处理 (NLP) 会议的一年。” - Christopher D. Manning 博士，2015 年 12 月。这听起来可能有些夸张——也就是说，整个研究领域的既定方法正在迅速被一项新发现所取代，就像受到研究“海啸”的袭击一样。但是，这种灾难性的语言很适合描述深度学习在过去几年中的迅速崛起——这种崛起的特点是对解决 AI 中最棘手问题的主导方法进行了大幅改进，谷歌等行业巨头的大规模投资，以及人工智能领域的指数级增长。

一个新的 AI 词典：性别。最近关于性别和AI 的对话主要围绕着超越男性和女性二元论来理解性别的需求。例如，美国优步使用的面部识别技术在正确识别变性人方面存在问题（参见 此处 和 此处 ）。例如，美国国家科学基金会 强调了一项研究，该研究 表明“面部分析服务对变性人的表现一直较差，并且普遍无法对非二元性别进行分类。据 CNN Business 报道，¹“ 计算机看待性别的方式并不总是与人们看待它的方式相同。

一旦你感谢并告别了那些不会激发快乐的物品，你能用它们做什么？最近，我这个极简主义者一直渴望成为极简主义者。“人们被困在自己的房子里，厌倦了他们的东西，”经营房地产和互联网销售的兰迪萨宾在康涅狄格州莫里斯通过电话告诉我。“它正盯着他们的脸。” 存储市场 Neighbor 进行的一项调查发现，准软禁让 78% 的受访者意识到他们拥有的财产比他们需要的多。

数十亿人将相机放在口袋里，用它们记录自己的生活。然而，尽管照片硬件已经大众化， 摄影技术的知识仍然难以捉摸。无数书籍、网页和 YouTube 视频声称提供建议，但往往 专注于对大多数爱好者来说无关紧要的话题——例如购买装备或记住很少能拍出好照片的虚构构图规则。我不是专业人士，但我涉猎摄影已有二十多年 - 在犯了无数错误之后，我已经相当不错了。这个页面是对如何拍出好照片的充满激情的逆向看法，以及一组可以重复的简单实验 在家。

为什么俄罗斯入侵乌克兰，普京的战争失败了？观看：乌克兰在不到一分钟内夺回赫尔松。当弗拉基米尔·普京 (Vladimir Putin) 于 2 月 24 日派遣多达 200,000 名士兵进入乌克兰时，他认为自己可以在几天内攻入首都基辅并推翻政府。俄罗斯军队迅速占领了大片领土，但未能包围基辅。然而在接下来的几个月里，他们被迫进行了一系列屈辱的撤退，先是在北方，现在是在南方。