DemoChen's ClipAll posts
January 202323 threads
用语言模型逆向提纲语言模型最适合介入写作中期的结构整理，而不是只替人生成段落。逆向提纲的做法是先写出混乱初稿，再为每段压缩出一句话，把这些句子当成可移动卡片，重新排列论证顺序，找出跳跃、重复、漏洞和多主题段落。Scrivener 已经证明了这种界面的价值：卡片和正文一一对应，拖动概要时长文本也随之重排，避免了白板工具里整理完还要手工复制粘贴的断裂。语言模型可以进一步降低门槛，自动为每段生成概要，让作者把注意力放在判断论证流是否成立。已有研究原型把编辑器拆成正文与摘要卡两栏，支持拖放、合并、拆分、删除和新增段落；类似实验也展示了生成摘要与正文同步重排的可能。真正缺口不在模型能力，而在文本编辑器的产品实现：写作者需要的是可编辑、可重组、可回到正文的结构工作台。
组织的终结：GPT-3 如何将你的笔记变成实际的第二大脑手工整理笔记会越来越像多余劳动，真正有价值的不是标签、文件夹和双链本身，而是在需要时把旧材料变成可直接使用的判断、证据和表达。笔记难整理，是因为记录时往往不知道未来用途；一句摘录可能服务于写作、决策、安慰朋友或研究项目，单一分类天然不够。旧笔记还带着当时的语境，重读成本高，常常像翻一堆过期碎片。大型语言模型改变了这个成本结构：它可以自动识别人名、地点、书籍和主题，生成临时分类，把分散材料合成研究报告，并在写作、写邮件、做决定时像 Copilot 一样调出相关证据。第二大脑的重点因此从人维护秩序，转向机器按当前任务重组记忆。未来的笔记系统不该逼人回档案库，而应把个人历史、关系和想法压缩成当下可用的思考辅助。
21 世纪最好的 100 本书二十一世纪好书的面貌不是单一流派的胜利，而是小说、回忆录、政治写作、童书、科幻和思想读物共同扩张文学边界。名单里的作品有的靠叙事结构重塑类型，如北欧犯罪、儿童黑暗寓言和多线科幻；有的用个人经历照见时代，如家庭失序、婚姻破裂、移民法庭和希腊债务危机；也有作品以公共论战进入大众文化，如无神论、社会传播和现代权力分析。它们的共同点不是“经典感”，而是能把私人情感、历史压力和社会结构压进可读的故事或论证中。阅读这类清单的意义，不在排名本身，而在看见本世纪写作如何同时处理娱乐、创伤、政治、身份和知识。
哲学的盲点哲学长期轻视教育，是因为它误把教育看成应用问题，而不是人之所以能成为理性存在的基础。人出生时并不会自动拥有成熟理性，语言、概念、推理方式、习俗和规范都要通过养成进入生活。教育不是把知识装进头脑，而是让人学会在世界中判断、行动、爱、游戏、合作、控制欲望并承担责任。若把理性理解得更宽，音乐即兴、足球配合、手工实践和情绪调节同样属于对理由的回应，不低于课堂论证。由此，教育哲学可以打破思想与身体、理性与情感、学术与职业的旧二分。理解教育，就是理解知识如何传递、人格如何形成，以及人类自由如何在文化中实现。
数据网络效应的力量数据网络效应是一种比普通网络效应更隐蔽的护城河：用户越多，产品获得的数据越多；数据越多，算法越智能；产品体验越好，又会吸引更多用户和更多数据。它不同于单纯依赖规模或品牌的优势，关键在于把学习过程产品化、自动化，让每次使用都能改进下一次服务。搜索、推荐、导航、叫车、日程安排、企业软件、物联网和基因检测都能形成这种循环。早期公司也有机会受益，因为大数据基础设施和机器学习工具变得更便宜、更普及。但真正难点在冷启动：没有足够数据，算法无法证明价值；没有价值，用户又不愿提供数据。可行路径不是向客户空喊“把数据给我”，而是先设计明确的数据采集策略，限制问题范围，建立基础反馈回路，再逐步让产品从人工判断过渡到机器学习。只有数据独特、循环稳定、改进可感知时，护城河才会真正变深。
编程的终结编程正在从“人写源代码”转向“人训练和引导模型”，传统计算机科学的核心位置会被改写。过去的软件工程把思想压缩成可读程序，算法、数据结构、语言和系统是基本功；未来的计算单元可能是大规模预训练模型，人类提供样例、数据、目标和评估，让机器生成实现。代码助手只是开端，更深的变化是软件不再主要靠显式指令构造，而靠模型习得能力。风险也随之上升：模型行为难以完全解释，只能通过实验观察边界，却可能被用于电网、飞机和社会治理。计算机科学因此更像教育学，重点从控制机器执行步骤，变成教会机器在复杂任务中表现可靠。
书评：焦虑的基本形式《焦虑的基本形式》的价值在于把人际冲突背后的恐惧说清楚，而不是给人贴固定人格标签。黎曼把人的基本张力放在两条轴上：亲近与距离，连续性与变化。偏向距离的人害怕被吞没，重视独立、理性和边界；偏向亲近的人害怕分离，渴望被理解、照顾和连接；偏向连续性的人害怕变化，追求秩序、计划和安全；偏向变化的人害怕停滞，喜欢新鲜、自由和可能性。每个人都同时拥有这些倾向，只是权重不同，工作和私人生活中也可能位置不同。模型最有用的地方，是解释为什么一个人的正常做法会触发另一个人的恐惧：有人需要靠近才能安心，有人必须拉开距离才能恢复；有人要先稳定规则，有人要先打破限制。在团队协作中，冲突调解不能只讲道理，还要识别对方正在防御哪一种焦虑。
三个魔法: 对历史、科学和人工智能的沉思人类支配物质世界，靠的不只是聪明，而是三种越来越强的“魔法”：历史、科学和人工智能。历史把经验保存下来，让农业、工艺、数学和制度不再随个人死亡而消失；科学进一步寻找可推广的规律，用实验和数学把小斜坡上的小球、豌豆杂交、行星轨道变成可迁移的控制能力。但科学并非万能，语言、社会、认知、宏观经济等复杂系统往往难以化约成简洁定律。机器学习打开第三条路：不一定理解现象，也能借大量数据获得强预测能力。它延续了统计学中“解释模型”和“算法模型”的分歧，把目标从优雅理论转向有效控制。人工智能的重要性正在于此：它可能让人类在没有清晰规律的领域也能行动，只是代价是可解释性下降，知识的形态从理解世界转向操纵复杂性。
空日历的 CEO空日历不是管理缺位，而是 Doist 把公司运转设计成异步、书面、低会议的结果。Amir Salihefendić 管着约 80 人的远程团队，却很少把时间切碎在会议里，因为多数沟通发生在 Twist、Todoist 和书面片段中，不默认要求即时回复。个人层面，他用 Todoist 收纳工作、生活、阅读、复盘和一对一议题，每个任务都标项目、日期和优先级，早上先处理关键任务，晚上清理或顺延未完成事项。公司层面，会议只保留给真正分歧、一对一和必要同步。这样做的代价是更依赖清晰写作、自我管理和信任；收益是每个人能按精力峰值安排深度工作，CEO 也能把学习、写作、编程和判断力更新留在日程中心。少开会不是技巧，而是一整套组织制度。
书评：赖以生存的算法 - 人类决策的计算机科学《赖以生存的算法》把计算机科学从抽象公式拉回日常选择：招聘、约会、餐厅选择、整理物品、排任务和分配注意力，都可以用算法思想变得更清楚。最佳停止问题给出 37% 规则：先用一段观察期了解候选质量，之后遇到比观察期最好对象更优的就选择，适用于招聘、找伴侣或停车。探索与利用问题解释了什么时候该尝试新选项，什么时候该继续使用已知好选择；时间越充足，越值得探索，时间越少，越应利用已有知识。排序理论提醒人们，追求完美顺序本身有成本，规模越大越明显；有些场景下不整理反而更高效。缓存思想解释了为什么最常用、最近用过的东西应放在最容易拿到的位置，床边衣服堆在逻辑上接近最近最少使用缓存。日程安排则要求先明确目标：若想减少总完成时间，先做最短任务；若截止日期有代价，就按最早截止处理。算法不是替人做决定，而是暴露权衡。
终端、控制台和 Shell 指南终端、控制台和 Shell 不是同一种东西，而是一组从电报、电传打字机和早期 Unix 继承下来的层层抽象。TTY 最初是有键盘和打印机的实体设备，人把字符输入机器，机器把结果打印出来；ASCII、回车、换行、DEL 等控制字符，都来自这种机械通信时代。后来纸张被屏幕取代，视频终端出现，再后来现代系统用虚拟终端和终端模拟器复刻这些行为。控制台更接近系统提供的本地交互入口，终端负责承载输入输出，Shell 则是在其中运行的程序，解释命令、启动进程、连接管道。今天开发者在黑框里输入命令，看似只是在操作软件，其实仍踩在一整套旧硬件协议、字符编码和 Unix 设计传统之上。理解这些来源，能减少把 terminal、console、shell 混用造成的误会。
December 202226 threads
投资者的学习心态与 Alix Pasquet投资者的学习能力首先体现在行为改变，而不是读了多少书或听了多少播客。Alix Pasquet 的核心方法是把学习放回真实世界：阅读、独处思考和社交观察要平衡，否则投资人很容易困在知识泡泡里。早期职业选择应优先导师而非短期收入，因为好导师能压缩试错曲线；寻找导师时要说清钦佩什么、能为对方做什么、希望得到什么，并用行动反馈建议是否有效。研究优秀投资者也不能变成英雄崇拜，重点应放在初始条件、所处网络、关键书籍、隐形优势和时代环境，而不是机械模仿结果。快速成长往往来自五人制足球式的高频练习：在短时间里接触大量交易、客户和反馈。建立基金或做重大决策前，还可以反向做失败点分析，分别问创意生成、组合管理、风控、招聘和领导会怎样失败，再从多位聪明人的回答里寻找重复模式。好的投资文化还要求资深者帮助年轻人完善想法并让其获得信用，因为教学本身会扩大组织能力。
为什么大师班不是真正的精通MasterClass 不真正关于精通，因为它销售的主要不是训练体系，而是可信度和灵感。大学能高价存在，是因为它同时打包技能、探索空间、身份认证和社交体验；多数教育科技公司试图拆解这些功能，却很难同时击中用户真正愿意付费的部分。MasterClass 选择绕开传统教育竞争，把 Serena Williams、Martin Scorsese、Neil deGrasse Tyson 等顶尖人物包装成高制作质量课程。用户买到的更像墙上的偶像海报：它点燃想成为某种人的欲望，却不负责替代日复一日的枯燥训练。这个模式的护城河不在知识本身，因为建议到处都是；稀缺的是建议背后可验证的成就和无法复制的经历。名人课程还能形成常青内容库，只要一个人跨过伟大门槛，其经验就可能长期被后人消费。MasterClass 的广告也延续同一逻辑，先用电影级片段制造兴趣和欲望，再自然导向订阅，既降低获客成本，也让营销本身成为可传播内容。
关系型数据库优缺点关系型数据库并不过时，它们强在把数据可靠性变成默认能力。ACID 事务、外键、唯一约束、非空约束和检查约束，看起来不如高吞吐基准耀眼，却替应用承担了最难处理的工作：失败、并发、崩溃和边界情况下的数据一致性。许多 NoSQL 系统之所以显得更快、更容易横向扩展，是因为它们放弃或弱化了部分保证，例如即时一致性、复杂查询、跨表关系和严格模式。这不是单纯的技术进步，而是复杂度转移：数据库少管的事情，应用代码、后台任务和人工修复就要多管。对海量写入、简单键值访问、特殊分片需求或最终一致性可接受的场景，非关系数据库很合适；但在大多数业务系统里，干净、结构化、可长期维护的数据更重要。应用会重写，数据会留下。选择数据库时真正要问的不是谁更现代，而是谁承担了哪些代价。
人工智能作业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。
如何在一年内改变你的生活一年改变生活，靠的不是宏大愿望，而是把每天的小动作压到足够简单、足够稳定，并让它们复利。十年太远，容易让人恐惧或拖延；一年足够短，能立刻开始，也足够长，能让持续改进产生肉眼可见的差异。方法先从清晰愿望开始，写下具体想改善什么，再把它拆成每天能执行的两三个动作。起步时可用连续三十天、每天三十分钟的方式建立势能，之后再进入更长时间的深度工作。执行必须可追踪：日历打勾、表格记录、社区问责，都能让过程变得具体。计划还要允许调整，目标过大就下调，环境阻碍就改造环境。最难的是当下看不到进步时仍继续做，因此需要定期拉远视角，对比起点和现在，给完成过程设置小奖励，也回看旧作品，让进步从感受变成证据。真正的改变不是某天突然发生，而是每天重复正确动作后的累积结果。
更高层次的设计好几次有人问我对布莱恩-切斯基（Brian Chesky）关于 "在不确定性中领导：设计引领的公司 "的演讲有什么看法。我喜欢他让这么多设计师认识到，是的，作为一名自我认同的设计师，确实有可能共同创办和经营一家《财富》500 强企业，并从中获利，改变公司的模式。不要再害怕队友挖的战壕线，不要再害怕上一家公司，不要再害怕 LinkedIn 上你名字下面的副标题。十年前，我写过一篇关于设计层次框架的文章： 设计师越资深，他们要解决的问题就越抽象。为了更具体地说明这一点，让我们举例说明一些级别和相应的职责： 设计师 1 级：设计一个表单，让人们编辑自己的个人资料。泰勒-斯威夫特（Taylor Swift）用手轻轻拂过他的手时，她正在设计，并策划了最后一段恋情。any creative endeavor in pursuit of an outcome. 但是，如果有一件事我希望你能从中得到启发，那就是：设计是任何追求结果的创造性努力。
游戏机和竞赛——本·汤普森 (Ben Thompson) 的 Stratechery游戏机竞争史的主线，是平台控制与第三方创新之间不断重新划界。早期游戏和硬件几乎是一体的，Atari 2600 用卡带把软件从机器中分离出来，创造了可扩展的游戏生态，也引发了第一批独立开发者。Activision 的诞生说明，游戏的价值并不只在硬件公司手里，创作者也能单独成为产业力量。但无约束的第三方涌入很快带来劣质作品泛滥，最终造成 1983 年市场崩盘。任天堂的反应是重新加强控制：授权、芯片锁、质量认证和收入分成共同构成封闭平台秩序，恢复了消费者信任，也让开发者长期不满。世嘉通过放松限制争取第三方，索尼则把依赖外部开发者变成战略优势，用 CD-ROM、3D 图形和与街机厂商合作吸引内容供给。这套历史解释了后来 App Store、主机授权和平台抽成的争议：开放能带来繁荣，控制能保护质量，真正的竞争取决于平台如何平衡两者。
为什么书本不起作用书本常常不起作用，是因为它默认知识可以靠连续阅读直接传递，而复杂理解并不会这样发生。很多人读完严肃非虚构后，只能留下几句模糊印象；一旦被追问细节、因果链或应用方式，就会发现自己并没有真正掌握。问题不在于读者懒，也不只是记忆差，而是媒介本身缺少有效的学习模型。讲座有同样缺陷：讲者说清楚，听众觉得听懂，练习时却暴露出理解空洞。这背后是一种被称为传播主义的错误假设，即知识像文字复制一样从一个头脑转移到另一个头脑。真正的学习需要主动加工：解决问题、复述结构、生成例子、做项目、接受反馈。书籍当然能激发思想，也能保存人类经验，但如果目标是可靠地传授知识，它需要嵌入练习、回忆、互动和应用场景。更好的知识媒介不应只把句子排好，而应围绕人的认知方式设计。
NEPA 的工作原理”开始之际通过 《国家环境政策法》(NEPA) 是一项联邦环境立法，于 1969 年在环境法“永恒的九月 ，因其影响力而常被称为环境法的“大宪章”一直在制定环境政策。”的形式， NEPA 不仅对联邦政府的行为产生重大影响，而且该法律还作为一个模板被州政府（以“小 NEPA 如加利福尼亚州的 CEQA）和其他国家广泛复制。NEPA 是一项法律，它要求联邦机构为可能对环境产生重大影响的任何行动编制环境影响声明。这些声明（可能长达数千页，需要数年时间准备，并且必须在项目开始之前完成），以及人们普遍认为 NEPA 过程缓慢且笨拙，使 NEPA 成为批评的频繁目标和改革努力。
大企业真的那么糟糕吗？1952年，时任通用汽车公司总裁的查尔斯 ·威尔逊 被德怀特·艾森豪威尔提名为国防部长。在他的任命听证会上，威尔逊被问到，作为秘书，他是否可以做出不利于通用汽车利益的决定。威尔逊向众议院保证，他将始终将公民的利益置于公司利益之上。他补充说，他很难想象两者会发生冲突的情况：“我认为对国家有利的事情对通用汽车也有利，反之亦然。对于现代人来说，这听起来像是标准的 C-suite 旋转。
关于差异化技术发展的说明快速说明：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。
元科学的愿景文化如何 科学的改变和改进？很多人都认出了 科学核心社会过程的缺陷，例如同行评审， 如何授予资助，如何选择人们成为科学家， 等等。然而，尽管经常有令人信服的批评，但存在强大的障碍 抑制这种社会进程的广泛变化。结果近了 停滞不前，对改善的前景漠不关心。人们 有时会成立新的研究机构打算做一些事情 不同的； 不幸的是，这些机构经常被更多地改变 现有的生态系统比他们改变它。
MotherDuck：大数据已死“大数据”被夸大成了普遍问题，真实的数据工作多数受限于组织、建模和工作负载，而不是数据规模。十多年来，供应商用数据爆炸叙事推动企业购买可横向扩展的系统，但大量企业的数据仓库其实小于 1TB，许多活跃客户的数据量甚至只有几十 GB。数据规模呈幂律分布，少数巨头拥有 PB 级数据，并不能代表大多数组织。更关键的是，存储增长不等于计算需求增长：历史数据会不断累积，但分析通常只看最近时间段或聚合结果，查询的大多是小表、小窗口和小样本。云平台把存储与计算分离后，企业更容易把旧数据都留在对象存储里，于是存储量暴涨，却不意味着每次分析都需要分布式计算。真正的问题往往是数据是否清晰、业务问题是否明确、查询是否服务决策。把所有困难都归因于“大”，会让团队忽视更普通也更重要的事实：多数分析任务用简单、单机、低摩擦的工具已经足够。
最低限度的可行生活：如何永远做你喜欢的事?最小可行寿命（MVL）") 最小可存活时间(MVL) 在技术领域，大多数公司开始时都会开发一个最小可行产品（MVP）。找到你生活中的 "核心功能"：所有不能为你的生活带来价值的东西都不是核心，你可以不需要它。设计最精简的版本：一旦你只关注你生活的核心特征，你可能会发现你已经可以为自己工作了 尽早收集反馈，并在必要时进行调整：MVL不是一次性的，而是一个持续的迭代过程。使用 "最小可行寿命 "作为模型给你提供了同样的优势：如果不成功，就迭代并再次尝试。最低限度可行生活计划的第一步是评估你目前的状况。被动收入：任何不做任何工作就能提供收入的来源 储蓄：你长期以来积攒的财富 可变支出：任何你可以摆脱或尽量减少的东西，如果你想的话（例如食物、租金、娱乐）。在表格中，你可以看到你的跑道：在你最初的财务状况下，你可以为自己工作多长时间，直到你耗尽资金。
一站式 LLM 底层技术原理入门指南这是一份面向非科班学习者的大语言模型原理入门指南，覆盖机器学习基础、Transformer、训练与微调、推理、评测和应用等主题。文档提供按目标选择章节的学习路径，帮助读者理解模型能做什么、不能做什么，以及技术进展如何影响产品和投资判断。由于内容持续更新，具体模型和工具信息应结合原文最新版本阅读。
一个新的 AI 词典：性别一个新的 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。
新企业集团本周的主题是加拿大最有趣的公司之一布鲁克菲尔德资产管理公司。它曾经是一家企业集团，用了 20 年的时间转型为一家大型投资管理公司。下周，当它将资产管理业务分拆到多伦多和纽约证券交易所时，转型将完成。付费订户也可以获得一些额外的好东西——请考虑通过单击此处加入他们。“私募股权基金是这个时代的企业集团。
FFmpeg 终极指南在本指南中，我们将讨论 FFmpeg 的热门话题。但在此之前，我们将介绍一些基础知识，以帮助您了解基本的媒体概念和 FFmpeg。随意跳过对您来说已经微不足道的部分！FFmpeg.org 的定义如下：“FFmpeg 是领先的多媒体框架，能够解码、编码、转码、mux、demux、流、过滤和播放人类和机器创造的几乎任何东西。它支持最晦涩的古老的格式一直到最前沿。
极客摄影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。
当你能品尝到你所看到的一切时，成为一名美食作家是什么感觉桑德罗·雷巴克 (Sandro Rybak) 的插图。像我这样的少数人可以品尝我们周围的一切。联觉的条件——通过另一种感觉体验一种或多种感觉——提供了一个由我们经验的交集而不是它们之间的界限所告知的世界，一个存在于感觉和感觉之间的世界。在我的世界里，我的味觉对我所看到的每一件事都是独一无二的。想象一下，您在东亚特兰大村的格伦伍德大道上。
沙特阿拉伯的绿色议程：国内可再生能源，国外石油当 Paddy Padmanathan 首次提出将一小部分可再生能源引入沙特阿拉伯电力供应的想法时，国家公用事业公司对他置若罔闻。总部位于利雅得的能源公司 ACWA Power 的首席执行官回忆说，2007 年，在有人指出供应商以“极具竞争力的价格”接收石油，远比太阳能便宜后，他被礼貌地告知“走开”。这个世界最大原油出口国的反应在意料之中，几十年来，它以高额补贴的价格愉快地燃烧了数十亿桶石油，为发电厂、海水淡化厂和工业提供燃料。“没有动力，”这位英斯里兰卡高管表示。但 15 年过去了，他和 ACWA 站在中东最雄心勃勃的可再生能源计划的前线，因为这个能源消耗大国是地球上最大的二氧化碳排放国之一，它承诺变得更加绿色和清洁。
地缘政治是失败者的流行语，具有感染力地缘政治是失败者的流行语，具有感染力围绕一个核心问题展开：今天每个人都在谈论地缘政治。这个想法很有感染力。它似乎不知从何而来。二十年前，这个词是异国情调的，它背后的含义也很古怪。那时的世界不一样了。
约翰·冯·诺依曼建造的世界与他更为著名的同事阿尔伯特·爱因斯坦不同，约翰·冯·诺依曼如今并不是家喻户晓的名字，但他的发现塑造了这个星球上每一种生物的生命可能性 十几岁的时候，冯诺依曼为数学奠定了新的基础。后来，他帮助教世界如何制造和引爆核弹。他发明的博弈论提供了当今超级大国决定是否发动战争、经济学家模拟市场行为以及生物学家预测病毒进化的概念工具。冯诺依曼及其雇主新泽西州普林斯顿高等研究院于 1951 年完成的开创性可编程计算机将“冯诺依曼体系结构”确立为计算机设计标准，直至 21 世纪，首先是 IBM，然后是许多其他公司非常富有。冯诺依曼不仅是一位极富洞察力的科学家； 他对他的一些发现对地球构成的威胁也有先见之明。