All posts

因此，我的做法是随机编排 1 到 3 个单词，或许在末尾添加一个随机年份，有时使用 leet speak，有时使用一些用户名生成器。为每项服务手动创建新的电子邮件帐户非常繁琐，但幸运的是，有一些服务可以帮助我们完成这项工作： Firefox Relay（5 次免费，无限制每年约 12 美元） Fastmail 屏蔽电子邮件（无限制，30 美元/年） iCloud+ 隐藏我的电子邮件（无限量，0.99 美元/月） 有了这些服务，我就能获得类似于服务独有的 "别名"。1Password 与 Fastmail 的掩码电子邮件集成，因此我可以在网站注册时即时生成电子邮件和密码。如果我出于某种原因需要或想要一张个人头像，我会用以下方法生成一张： ThisPersonDoesNotExist、ThisCatDoesNotExist 或类似服务 Dall-E（根据我的提示生成图像） 有时我会在谷歌或类似网站上搜索 "随机 "图片，但我会尽量注意版权问题，绝不使用真人图片。

隐藏网络身份需要把设备、账号、网络连接、支付方式和自托管服务作为一个整体设计。文章从匿名邮箱、独立设备、操作系统、公共网络和数据托管等环节说明，任何一个与真实身份绑定的细节都可能破坏匿名性。它也提醒读者，完全匿名成本很高，实践前应先明确威胁模型和必要程度。

虽然有人开玩笑说，每个优秀的天主教孩子都想在某个时候进入宗教生活，但我认为我对职业的渴望是错位的，我只是想在我的社区里做一些好事。但其中的一项精神追求最终为我成年后的生活奠定了基础，无论是否穿上修女服。每张花名册上都有病人的姓名、性别、年龄、病情、住院时间、病人的备注或要求，以及是否有家属在场。有些病人有一大家子人全天候陪护，但这不是我的服务对象。并不是每个人去安宁疗护都是为了死亡--有些病人已经在安宁疗护中度过了几个月。床上铺着崭新的床单，打开的百叶窗让午后的阳光倾泻进来，房间里可以俯瞰楼下繁忙的街道。周一，他的房间空无一人，床上铺着崭新的床单，打开的百叶窗让午后的阳光倾泻进来，房间里可以俯瞰楼下繁忙的街道。他们必须快速处理所有的情感包袱，而这些情感包袱通常需要数年才能处理完毕。第二天，当我们回来时，她的房间空无一人，床上铺着崭新的床单，打开的百叶窗让午后的阳光倾泻进来，房间里可以俯瞰楼下繁忙的街道。

哲学家丹尼尔·丹尼特用自己的生活说明，无神论并不排斥意义、敬畏、感激和道德责任。访谈回顾他的世界观与人生经验，强调幸福可以建立在好奇、关系、创造和对现实的诚实理解上，而不必依赖超自然信念。它也触及 AI 时代真假难辨对公共认识的挑战。

意义不必是宇宙预先写好的目的，也不只是自我安慰式的主观发明；它更像一种对连接的感知。某件事之所以有意义，是因为它在特定语境中指向、影响或解释了其他重要事物。婚礼、旧友来信、纪念碑和音乐之所以显得不同于排队买菜，是因为它们嵌入了更多关系、记忆和后果。这个定义让意义既有主观体验，也有现实约束：一个人觉得工作很重要，但若它并不影响其真正关心的结果，这种感受就可能被事实纠正。死亡会放大意义问题，因为它迫使人把语境扩展到自己消失之后。最贫乏的生活像因果死胡同，离开后几乎不改变任何东西；更有意义的生活则在他人、制度、作品或关系中留下持续作用。追求意义因此是一种适应性机制，帮助人判断该把时间投入哪里。头衔、使命口号和群体狂热也能伪造意义感，所以关键不是感觉强烈，而是连接是否真实。

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。

罗伯-派克的 5 条编程规则 规则 1.你无法判断一个程序会在哪里花费时间。在测量之前不要调整速度，即便如此，除非代码的某个部分压倒了其他部分，否则也不要调整速度。规则 3.当 n 较小时，花哨的算法会很慢，而 n 通常很小。如果你选择了正确的数据结构，并把事情组织得井井有条，算法几乎总是不言自明的。派克规则 1 和 2 重申了托尼-胡尔的著名格言："过早优化是万恶之源"。Ken Thompson 将派克规则的第 3 和第 4 条改写为 "当有疑问时，使用蛮力"。规则 3 和 4 是 KISS 设计理念的实例。弗雷德-布鲁克斯（Fred Brooks）曾在《神话中的男人月》（The Mythical Man-Month）一书中阐述过规则 5。规则 5 通常被简称为 "编写使用智能对象的愚蠢代码"。

生成代码并不是软件开发最困难的部分，真正困难的是明确需求：理解谁需要什么、哪些约束重要、异常情况如何处理，以及成功如何判断。即使 AI 能快速实现指令，模糊、矛盾或错误的需求仍会制造更大的失败。开发者的核心价值因此包括澄清问题、协调利益和验证结果。

工程策略不是愿景口号，而是工程组织处理当前约束的一套成文判断。好的策略包含三部分：诊断、指导性政策和一致行动。诊断要说明真正的挑战是什么，例如收入增长转向某条业务线、测试不稳定拖慢研发、团队之间缺少决策信息；指导性政策要明确取舍，例如资源如何在产品、基础设施、新实验和开发效率之间分配，何时必须升级技术决策，是否坚持标准技术栈；一致行动则把政策变成具体变化，例如调整团队能力、设立测试稳定性投入、改造技术评审流程、规定发布和技术变更的沟通渠道。很多组织以为没有工程策略，其实只是策略没有写下来，隐藏在高管和团队的日常决策里。把它写清楚的价值，是让每个人知道哪些事情优先、哪些 trade-off 已经被接受、遇到争议时该如何推进。策略只有能改变行动，才算真的存在。

“先建完基础设施，再等应用出现”误解了新技术平台的成长方式。历史更常见的顺序是应用先提出真实需求，基础设施再围绕这些需求完善，然后新的基础设施又催生下一代应用。灯泡早于电网，飞机早于机场，电子邮件和消息传递推动网络协议、浏览器和服务商成熟，早期网站带来脚本语言与服务器工具，更复杂的Web应用又推动AWS、Rails、NGINX等基础设施出现。Web3同样如此：比特币、丝绸之路、代币发行和早期dapp先暴露需求，随后才有钱包、智能合约、Infura、Web3js等工具。脱离应用真空建设平台，容易解决不存在的问题；突破性应用能告诉开发者真正缺什么，也让投资者看清基础设施是否有价值。健康的平台演进不是单向阶段，而是应用与基础设施不断互相校准。

嵌入是一种与大型语言模型（即 ChatGPT 和 Bard and Claude 背后的技术）相邻的技术。我为每篇文章计算了 1536 维嵌入向量（浮点数数组），并将这些向量存储在网站的 SQLite 数据库中。与在 SQLite 中使用 TG、sqlite-tg 和 datasette-sqlite-tg 进行地理空间 SQL 查询相关的五篇最热门文章是 SQLite 中的地缘政治-2023-01-04 使用 SpatiaLite 和 Datasette 查看 GeoPackage 数据-2022-12-11 在 GDAL 中使用 SQL-2023-03-09 使用 SpatiaLite 进行 KNN 查询-2021-05-16 GUnion 在 SpatiaLite 中组合几何图形-2022-04-12 下面是我用来计算余弦相似度距离的 Python 函数： 我的 TIL 站点在我的 Datasette Python 框架上运行，。

最近我了解了一种称为矢量搜索或语义搜索的新型搜索。这是一种搜索技术，它试图找到与用户搜索词的含义相匹配的文档，而不是像全文搜索 (FTS) 那样尝试匹配关键字。我看到了 Alex Garcia 的帖子，该帖子介绍了一个名为 sqlite-vss 的用于矢量搜索的新 SQLite 扩展。由于我的博客数据已经在我认为的 SQLite 数据库中，为什么不呢？计算嵌入需要一个名为句子转换器的 python 库。这可以用 pip 安装： 我使用可信赖的 sqlite-utils 将嵌入到我的数据库中添加到新列中。CLI 有一个 子命令，可用于在表的每一行上运行 python 函数并将结果写入不同的列。首先让我们在 列上运行嵌入： 接下来是 列，用于计算每个帖子正文的嵌入： 现在我们启用 sqlite-vss 扩展并使用它来构建索引。

去年 11 月，OpenAI 推出了一款怪兽级产品 ChatGPT，引发了自互联网进入我们生活以来前所未有的技术爆炸。阿尔特曼没有参与 ChatGPT 及其更早熟的同胞兄弟 GPT-4 的研究、神经网络训练或界面编码。至少那些没有以 OpenAI 的可视化人工智能产品 Dall-E 生成的令人瞠目的图像为先导的公司是这样做的。在酿酒师查尔斯-威尔斯（Charles Wells，1842-1914 年）面无表情的肖像下，奥特曼向几乎所有观众提出了同样的问题。摄影：Jessica Chou 对奥特曼和他的公司来说，ChatGPT 和 GPT-4 只是实现简单而震撼人心的使命的垫脚石，这些技术专家可能已经在自己的肉体上烙下了这个使命。说OpenAI是邪教并不公平，但当我问公司的几位高层，如果有人不相信AGI真的会到来--它的到来将标志着人类历史上最伟大的时刻之一--是否能在这里安心工作时，大多数高管都不这么认为。

Accumulating evidence 积累证据 韩国研究小组是根据 LK-99 的两个特性提出这一说法的：在磁铁上方悬浮和电阻率突然下降。澳大利亚墨尔本莫纳什大学（Monash University）物理学家迈克尔-福勒（Michael Fuhrer）说，唯一的进一步证实将来自韩国团队分享其样本。Half-baked levitation 半成品悬浮 马萨诸塞州剑桥市哈佛大学的前凝聚态物质研究员德里克-范根尼普（Derrick VanGennep）突然发现了几个问题，他现在从事金融工作，但对 LK-99 很感兴趣。Impure samples 不纯样品 "他们非常精确伊利诺伊大学香槟分校的化学家 Prashant Jain 说："104.8 ºC。Crystal clear 晶莹剔透 由于对电阻率下降和半翘曲现象的解释不充分，许多人确信 LK-99 并非室温超导体。

互联网上发送的第一条信息--1969 年 10 月 29 日，查理-克莱恩（Charlie Kline）发送了互联网上的第一条信息 "lo"。我将与大家分享互联网的两位创始人，也可以说是互联网的奠基人--文特-瑟夫（Vint Cerf）和鲍勃-卡恩（Bob Kahn）的辉煌历史：文特-瑟夫（Vint Cerf）和鲍勃-卡恩（Bob Kahn）。而这两个人正是功不可没的：文特-瑟夫（Vint Cerf）和鲍勃-卡恩（Bob Kahn）。Vint Cerf 和 Bob Kahn 分享了一个全球去中心化互联网的愿景。IP — Internet Protocol IP - 互联网协议 IP 将您的数据连接到互联网的地址系统。Vint Cerf 最近在谷歌的一次演讲中概述了 TCP/IP 的一些问题，例如它无法正确处理以下问题：1）安全（病毒、数据黑客攻击、网络钓鱼等）；。

ARPANET 启动（1966 年） 说到互联网历史上的伟大时刻，就不能不提到成立于 1966 年的高级研究计划局网络 (ARPANET)。在2013年的一次采访中，道金斯说："互联网是meme传播的一流生态，难怪'meme'这个词会出现在互联网上，因为这正是它的本质。垃圾邮件的诞生》（1978 年） 卡斯帕-本森//盖蒂图片社 世界上第一封垃圾邮件是由 Gary Thuerk 于 1978 年 5 月向数百名 ARPA 用户发送的。你好，顶级域名（1986 年） 美国国家标准与技术研究院 1986 年，Jon Postel 向全世界推出了顶级域名（.com、.org、.gov、.edu 和 .mil）。然而，"富有创造力的用户将 QuickCam、新兴的互联网和视频会议软件（如 CU-SeeMe）结合起来，参与了首次在线视频聊天"，《PC World》写道。拍卖网的交易变化（1995年） ullstein bild//盖蒂图片社 就在亚马逊上线两个月后，AuctionWeb，也就是后来的 eBay，加入了互联网，成为一个在线拍卖市场。

早期博客的核心功能对任何网站都是开放式的，并帮助普及了社交媒体本身，无论内容出现在哪个网站上。Technorati 是这项服务的先驱，一开始是在每次更新时尝试抓取互联网上的所有博客；在当前的互联网上，我们可以在 Twitter 或其他一些封闭网络中看到相对完整的标签或术语搜索结果，但 2011 年谷歌博客搜索的关闭标志着 "博客搜索 "作为一种独立于普通网络搜索或新闻搜索的产品的终结。虽然 Medium 目前只支持这一功能的有限版本，但 Trackback 和 Pingback 等早期工具几乎让所有网站都能让其他网站知道他们的故事或文章引起了回应。与社交媒体网站互动的许多关键功能，尤其是评论功能，最初都没有真正支持身份或登录系统，这与早期网络对匿名和隐私的极端偏好是一致的。虽然在 LiveJournal 等服务上最早就有了这种功能，但该功能从未真正应用到面向发布的工具上，而且后来为引入在不同网站上关注用户的开放方式所做的努力也未见成效，在很大程度上仍然是一个研究技术标准的小社区的领域。

社交焦虑不同于短暂害羞，它会持续影响演讲、结识新人或日常互动，并可能因回避而进一步强化。文章建议先明确自己希望恢复的生活目标，再逐步识别触发情境、练习社交技能、调整灾难化判断，并以可承受的小步骤接近害怕的场景。重点不是消除所有紧张，而是在紧张存在时仍能参与生活。

例如，完美主义的学生可能会因为在学校作业中犯错而对自己大加批评，从而推迟做作业，以避免处理相关的负面情绪。例如，当人们受到父母的批评时，这可能会加剧他们对完美主义的担忧，进而加剧他们的拖延症。或者，当人们有较高的自我效能感时，这可以提高他们控制完美主义担忧的能力，从而减少他们的拖延症。因此，虽然完美主义有时会导致拖延症，但并非所有拖延症患者都是完美主义者，即使是那些完美主义者，也不一定是因为完美主义而拖延，或者仅仅是因为完美主义而拖延。然而，造成拖延的许多其他原因，如焦虑和对失败的恐惧，都以不同的方式与完美主义联系在一起，例如与完美主义同时出现，或与完美主义的关注点有关。例如，如果一个艺术家因为担心公众认为其作品不完美而不必要地长期拖延作品的出版，那么他就可以被视为完美主义拖延症患者。此外，当完美主义只是导致一个人拖延的主要原因之一时，也可以使用 "完美主义拖延症患者 "这一术语，同时还可以使用其他主要原因作为描述。

情绪解码器的核心突破，是把抑郁症从单纯问卷描述推进到可被大脑活动部分测量的方向。严重、难治性抑郁并不是一个开关失灵，而是一组涉及情绪、睡眠、动机、快乐感和自杀风险的复杂症状，因此传统深部脑刺激疗效不稳定。研究团队借鉴癫痫手术的做法，给志愿者临时植入多枚电极，连续记录不同脑区活动，同时询问他们的主观情绪，再寻找“低落”和“好转”对应的神经模式。初步结果显示，扣带皮层等区域在三名志愿者中呈现可识别趋势，刺激特定位置还能让个体感到情绪负担减轻。长期目标不是让大量患者都接受昂贵且侵入性的探测，而是找到更通用的靶点，改进深部脑刺激，甚至发展非侵入式检测。风险同样存在：脑信号若用于诊断或筛查，可能误判个体差异，也可能暴露患者不愿公开的精神健康信息。

起初，Riana Alexander 总是很累。她曾是亚利桑那州高中的优等生，就在凤凰城郊外。但去年冬天，在远程学习被隔离，然后是全面返校的超负荷之后，她的成绩开始下滑。她担心的母亲寻求心理健康治疗。最后，在春天，每周三天的抑郁症强化训练帮助这名少年稳定了自己，并“想要变得更好，”亚历山大说。

文章解释新标签页可能利用 window.opener 控制原页面的反向标签抢注风险，并区分 rel 属性的作用：noopener 阻止新页面访问原窗口，noreferrer 还会隐藏引用来源，nofollow 则用于搜索引擎关系声明。对使用 target="_blank" 的外部链接，应优先添加 noopener；只有确实不希望传递引用信息时，才使用 noreferrer。

当开发人员需要出于不同目的处理不同形式的 URL 时——例如浏览器历史导航、锚定目标、查询参数等——我们通常会求助于 JavaScript。但是，它的频繁使用会促使攻击者利用其漏洞。这种利用风险是我们必须在我们的 JavaScript 应用程序中实现 URL 验证的原因。URL 验证的存在是为了加强安全性以防止可能的漏洞利用并消除运行代码时出现任何错误的可能性。但是我们什么时候应该使用 URL 验证，我们在这个过程中验证什么？

药品 2023 年 8 月 29 日 Long COVID 之谜仅仅是个开始 在耶鲁大学的诊所里，医学侦探丽莎-桑德斯（Lisa Sanders）几乎想尽了一切办法。桑德斯是耶鲁大学的一名内科医生，当时她正靠在门口喝着红酒，与她的朋友、心脏病专家埃里卡-斯帕茨（Erica Spatz）闲聊，斯帕茨提到她和其他几位医生有一个想法，要在耶鲁大学开设一家新的长COVID诊所。不仅在耶鲁大学，Long COVID 也在不断突破医院系统的极限。与此同时，科学家和学者们对长效 COVID 的概念持怀疑态度，认为感染会让人变得更强壮，新的变种不会造成威胁，长效 COVID 的危险被夸大了--这意味着病人所遭受的痛苦都是他们的幻觉。由于缺乏长期研究，无法对 COVID 的病程和治疗方法给出更明确的答案，这些人急需专门负责他们的人给出明确的答案。除了在耶鲁大学教授内科医学外，她还为《纽约时报》杂志撰写 "诊断"（Diagnosis）月刊，这是一个医学探秘专栏，也是长篇电视剧《豪斯》（House）的灵感来源。

“我们被承诺了治愈癌症，但我们所得到的只是在过去几十年里癌症五年生存率方面的一些进展，这样说也许更合适。就阿尔茨海默病而言，情况更糟：直到 2021 年，我们已经度过了 20 年with no new drugs - and even the approved ones have marginal effects1. 没有新药物 - 即使是已经批准的药物，效果也边缘化。但是，Thiel 随后又提到了他之前关于学术界缺乏多面手的评论，并认为当今的领域对数学家或物理学家来说过于专业化，不容易转向生物学。生物学家在数学方面不如其他科学家那么擅长，但这是因为生物学涉及的领域很广泛，而且是非常有成效的领域，不需要太多的数学知识。每一次，基因组学都面临着生物学家们长期以来一直在努力解决的相同问题：生物学只是非常混乱和困难。

由 HUNNI MEDIA 为 KNOWABLE 杂志制作 评估美国在应对 Covid-19 大流行中出现的问题可以帮助该国更好地为下一次全球卫生紧急情况做好准备。从需要更强大的疾病监测系统到摆脱国家与其他大陆出现的健康威胁隔离的想法，科学家们讨论了如果国家要为另一次大规模疫情做好准备就必须做出的一些转变。教育是应对大流行病的关键部分，学校可以做更多工作，向学生介绍疾病如何出现和传播的科学知识。Transcript 成绩单 阿普尔瓦·曼达维利（《纽约时报》科学与健康记者）：我认为我们现在看到的这场流行病和气候变化确实应该给我们所有人敲响警钟，让我们知道这个世界已经改变了。因此，我们确实需要为未来做好准备和计划，其中包括许多像这样的其他糟糕的意外情况。William Hanage（哈佛大学陈曾熙公共卫生学院流行病学家）：不幸的是，人们确实倾向于将其与流感进行比较，流感已经产生了许多破坏性影响。

流感每年造成的死亡不是一个容易直接点数的数字，因为许多患者不会接受病毒检测，死亡也可能表现为肺炎、心脏病发作、中风等并发症。更可靠的估计要结合流感季的超额死亡、监测数据和死亡记录。全球季节性流感平均每年约造成七十万人死于呼吸系统或心血管相关疾病，其中呼吸系统死亡估计约二十九万四千到五十一万八千，心血管死亡约二十万到四十万。长期看，个人在同年龄下死于流感的风险已经因卫生条件、医疗和疫苗改善而下降，但老龄化、医疗可及性不足和疫苗覆盖不均仍让负担很重。严重大流行则来自病毒发生大幅变异，1918 年流感的死亡规模远超普通年份，提醒人们流感不是普通感冒，而是需要持续监测和接种策略的公共卫生风险。年龄、基础疾病、流行毒株和疫苗匹配度都会改变风险，低收入地区的不确定性也更高。

把学到的内容写下来，会迫使学习者暴露理解缺口、重新组织概念，并用自己的语言建立知识连接。文章结合反思写作和费曼技巧，建议选择一个概念、尝试清晰解释、找出卡住的部分，再回到材料补充并重新表达。写作的价值不只是保存笔记，而是把被动接收转化为主动理解。

高效阅读不是追求读完更多书，而是有目的地选择、理解和使用信息。文章建议研究作者与背景、阅读前言和相关评论、主动做标记、重读重要作品，并持续追问学到的内容将如何改变行动。书籍数量不能代表学习，能被连接和应用的观点才真正产生价值。

记住阅读内容，首先要明确阅读目的，并把质量放在数量之前。文章建议主动提问、了解作者和背景、做简洁标记、用自己的话复述，并把重要观点与已有知识和真实行动连接起来。并非每本书都值得长期保留；只有经过筛选、回想和应用的信息，才更可能进入长期记忆。

中国制造、应用和科研能力已在全球形成广泛影响，但人口结构、增长模式和外部环境正在改变其长期前景。讨论中国是否达到顶峰，真正关心的不是经济是否立刻萎缩，而是相对实力能否继续提升。出生人口快速下降、劳动力结构变化和移民限制会削弱潜在增长，因此未来取决于生产率提升、制度调整与产业升级能否抵消人口压力。

In fact,据报道，中国第二季度的整体增长率为 6.3%，这听起来非常快，中国的支持者们一直在大肆宣扬这是 "中国回来了"（China Is Back）的标志。当然，在过去几年中，中国对其经济统计数据变得更加谨慎和神秘，中国领导人也希望避免让外界认为其经济疲软，因此实际增长数字很有可能远低于 3.2%。中国的青年失业率已从大流行前的 11% 左右上升到现在的 20% 以上，出口和进口都在下降，中国似乎正在走向通货紧缩，如果它还没到那一步的话： 这次经济下滑的原因--无论你是否愿意称之为 "衰退"--几乎每个人都很清楚。经济学家理查德-顾（Richard Koo）是大衰退中的知识英雄之一。基本的政策建议也是一样的：为了应对经济衰退，让人们和公司重新感到财务健康。This probably explains the提高税收在政治上可能相当困难，而且在经济问题开始显现之前，中央政府能够承担的债务最终也会受到一定限制。

幸运的是，我在这里带来了一个好消息：人工智能不会毁灭世界，而且事实上可能会拯救世界。对人工智能不是什么的一个简短描述：杀手软件和机器人会突然出现，决定谋杀人类或以其他方式毁掉一切，就像你在电影中看到的那样。对人工智能可能是什么的描述更简短：一种使我们关心的一切变得更好的方法。在几十年的时间里，社会科学最有效的核心结论是，人类的智慧能使一系列非常广泛的生活结果变得更好。人工智能为我们提供的是深刻增强人类智能的机会，使所有这些智能成果--以及许多其他成果，从创造新药到解决气候变化的方法，再到到达星星的技术--从这里开始变得更好。人工智能对人类智能的增强已经开始了--人工智能已经以多种计算机控制系统的形式出现在我们身边，现在正以ChatGPT这样的人工智能大型语言模型迅速升级，并将从这里开始非常迅速地加速--如果我们允许它。每个科学家都会有一个人工智能助手/合作者/伙伴，这将大大扩展他们的科学研究和成就范围。

技术乐观主义不等于押注科技股反弹，而是承认一批真实技术已经开始改变生产、能源和创造方式。疫苗、清洁能源、电池与生成式人工智能证明，前沿技术可以转化为社会能力。虚假信息、自动化武器和骗局等风险仍需治理，但投机泡沫破裂并不代表技术进步停止。

人工智能可能成为农业和工业革命级别的通用技术，其影响不能只由少数公司和工程师决定。机器智能可能改变医疗、劳动、战争、监控、科学发现和信息传播，因此公众需要参与决定治理方式、收益分配和安全边界。

强大的人工智能不仅带来风险，也可能显著改善生物学、医疗、神经科学、经济发展、治理与工作的未来。文章讨论了这些进展可能出现的条件与时间尺度，同时强调积极愿景必须建立在风险控制和负责任发展的基础上。

基础语言模型只学习文本延续，并不会天然理解用户希望它回答问题、遵循指令或表达特定价值。指令微调和其他训练后阶段把这些行为与规范注入模型，使其更易用，也同时引入政治与道德选择。文章讨论基础模型、微调和对齐之间的关系，以及谁有权决定模型应如何回应。

BuzzFeed在新闻领域的赌注没有成功，而The Athletic被纽约时报收购，后者的重点是增加广告。2017 年，BuzzFeed 首席执行官乔纳·佩雷蒂 (Jonah Peretti) 宣称，“如果你考虑的是选民，你考虑的是公众，你考虑的是人们被告知的情况，那么媒体的订阅模式无助于告知广大公众”；” 2023 年的今天，BuzzFeed 关闭了其新闻团队，The Athletic 已被纽约时报收购；The Athletic 有一个更幸福的结局，尽管有人认为《纽约时报》付出了过高的代价，因为这家体育刊物从未盈利过；这也是我在 2015 年的 Popping the Publishing Bubble 中论证的观点的演变和反驳： 出版商很容易感到难过：在互联网出现之前，大多数人都在赚钱，而在最初的几年里，生产成本较低的在线出版物似乎也能盈利。然而，问题在于广告资金永远存在的假设，导致了一种“建立它，他们就会来”的心态，这种心态几乎完全专注于内容制作，而对可持续商业模式的关注太少。

内容质量不能只看流量、停留时间或发布篇数，因为这些数字往往只告诉你结果，不告诉你该改什么。高增长团队要先区分两类内容：绩效内容承担搜索、转化、推荐流量等目标，编辑内容承担立场、叙事和品牌表达。前者必须用可控、可行动、带业务背景的指标衡量，例如主题覆盖是否完整、可读性是否达标、拼写语法错误是否减少、搜索意图是否匹配；后者则不应被硬塞进 SEO 指标。规模化生产的风险是质量下滑，尤其在生成式 AI 让低成本内容激增之后，平庸内容会更快淹没网络。真正有效的体系会覆盖生产、表现和维护三个阶段：写作时看输入质量，上线后看业务结果，进入稳定期后用同比表现和排名变化决定是否刷新。数量只有在质量守住时才会放大增长，否则只是更快制造无效页面。

内容为王，是因为好内容不只是可复制的信息产品，还能形成规模经济、文化网络效应和品牌转换成本。内容一旦被大量人共同消费，就会变成共同语言：电影、书、概念、梗和理论都会帮助人们理解彼此，也因此越流行越有价值。媒体公司真正扩张的方式并不是无限增加稿件数量，而是把更多资金和注意力投向更高质量、更可能成为热门的作品，再用营销和再投资放大成功。强内容还会制造护城河：用户习惯某种叙事、作者、栏目和世界观后，迁移到替代品并不轻松。不过这种力量只属于能持续产出命中作品、维护文化位置的组织，平庸内容不会自动拥有它。建立媒体品牌的关键，是找到能成为群体共识的叙事，并在胜利信号出现后继续加码。最高级的内容生意不是流量工厂，而是文化资产的复利机器。

My original claim 我的原始主张 您可能知道，这次演讲是基于我的跨界项目，我采访了既从事传统工程又从事软件工程的人。关于高级原则，例如“社区”或“责任”，我们可以说很多，但更有趣的是细节。说“传统工程需要更多的开放会议”是一回事，说“传统工程需要更好的版本控制！如果我们有一本关于如何进行版本控制或如何制作一个好的插件系统的书会怎样！The Problem 问题 有人对此表示反对。My defense 我的辩护 The Research Process 研究过程 让我们首先列出我们在这种“调查编年史”中所做的一些事情。我记得反对意见是没有足够的材料可以收集，我们会做不好的综合。它甚至在没有分析的情况下也很有用： Just collection：github 上获得无数星星的“很棒的”repos 列表。有很多针对特定技术的咨询店，所以他们有动力写关于特定技术的书，但我还没有看到那么多针对特定问题领域的咨询店。

P.A.R.A 是一种用结果来组织数字信息的方法，把资料分成项目、领域、资源和档案四类。项目是有目标和截止日期的一组任务，例如写完报告、发布产品、筹备会议；领域是需要长期维持标准的责任范围，例如健康、财务、写作、团队管理；资源是持续感兴趣的主题；档案则保存前三类中已经不活跃的内容。这个系统最重要的区分，是不要把“领域”误当成“项目”。如果清单上只有健康、招聘、生产力、写作这类长期责任，人就很难判断当前承诺有多重，也看不到进展。把它们拆成具体项目后，工作量、优先级和成果都会变清晰。项目完成带来节奏和动力，领域则用习惯和标准维持。目标没有对应项目，就只是愿望；项目没有对应目标，则可能只是兴趣。P.A.R.A 的价值不在分类漂亮，而在让信息直接服务当前行动和长期方向。

目前，我专注于举办“伦敦编程未来”聚会，为“Through a Glass Darkly”（一个由哲学、历史和社会科学书呆子组成的伦敦阅读小组）提供帮助，并在家里举办小型晚宴。有些问题可以通过诸如用于群组通信的 WhatsApp、用于宣布活动、电子邮件和注册的 Luma、用于管理演讲者注册的 Airtable 以及用于预先安排食物/饮料/披萨配送的 Deliveroo 等软件来解决。The Future of Coding 是一个致力于让编程对更多人来说更容易理解、更具探索性、更人性化的社区。为此，我使用了 Airtable 表单，将其输入到电子表格中，我可以在活动前轻松查看。我们在“Through a Glass Darkly”中做到了这一点——这是一个由我的朋友布莱恩·卡姆（Bryan Kam）经营的非正式阅读俱乐部。

Prelude: On Shorthand 前奏：速记 一旦某人对一个复杂的主题有了深刻、丰富的理解，他们通常能够用简短的句子来引用该主题，这些句子将预期的含义正确地传达给具有相似背景和专业知识的其他人。这一点很重要，因为在这个介绍之后是一系列简短的句子，这些句子构成了理性主义话语的基础。进一步思考这个概念：Sazen Guidelines, in brief: 指南，简而言之： 0.期待好的话语需要能量。如果指南说“做X”，那是为了传达： 做 X 的人会比做 X 的中性缺失 的人更频繁地获得更好的结果，同样地，X 的中性缺失 比 anti-X 的结果更好。另请注意，虚假/表演性口头体操 与 真诚地优先考虑真理和准确性 之间存在重要区别——更多关于理性主义者的 Sapir-Whorf 中的内容。

理性主义话语的目标不是赢下争论，而是让参与者和旁观者更接近真实。好的讨论应避免用无论对错都能奏效的武器，例如羞辱、胁迫、偷换语境或制造误导；论点应由反论点回应，而不是由社会压力压倒。诚实不仅是少撒谎，还包括让别人知道你在何处确定、何处推测、何处可能带有立场包装。讨论中要能局部处理一个主张的有效性，同时保留背景的重要性；要主动寻找替代假说，分清对方字面说了什么、你理解了什么、你又从中推断了什么。语言越具体、可还原、可测试，讨论越能接触现实。概率、实验、预测和投注都能迫使人面对不确定性。善意并不要求假设所有人都诚实，而是默认用澄清、奖励更新和降低惩罚来维持共同探究的空间。真正成熟的讨论，是把个人经验、价值判断和事实主张分开承担。

不要太多假设，并不是要求凡事追求绝对确定，而是把重要决策里的关键猜测拿出来称量：验证成本低、错误代价高时，就应该立刻检查。很多失误不是无知造成的，而是把“我感觉应该如此”当成事实。签证能否同时持有、某人是否真的生气、实验动物房是否装得下全部小鼠、冷邮件是否会打扰专家，这些问题都可以通过搜索、发邮件、问律师、写模拟模型或直接沟通来降低不确定性。真正困难的部分常常不是验证本身，而是人会因为怕麻烦、怕尴尬、怕打扰别人，假装自己的假设足够可靠。好方法是定期回顾项目中哪些前提最脆弱，把不验证的理由写清楚，并比较检查所需努力与判断错误的后果。让事实更容易被查到，也能减少组织中那些没人负责却一直存在的无用部件。

在强化循环中，上一个状态的结果会反馈到下一个状态中，从而产生滚雪球效应。冰盖融化：更少的冰意味着更少的阳光反射意味着更多的变暖意味着更少的冰。例如，更多的狐狸意味着更少的兔子（平衡反馈），但过多的捕食会导致兔子种群崩溃（强化循环），导致狐狸种群崩溃（强化循环），让兔子数量激增（强化循环）。破碎的反馈：线性努力产生线性回报 平衡反馈：线性努力产生收敛 强化反馈：线性努力产生指数级回报 大多数笔记应用都有中断的反馈。Zettelkasten 的核心游戏机制是将您的笔记归档到您想要再次绊倒的地方。可利用物、雪克隆物、relatable内容、热点、口渴陷阱、扣篮的火焰诱饵，所有这些都在无情的选择压力下，以增强病毒式传播。能动性不是努力或意志力的功能，而是你周围反馈循环的功能。对于我们的应用程序Subconsciousness来说，这是新兴的集体智慧。我告诉他，我们必须让SFI播客的主持人迈克尔·加菲尔德（Michael Garfield）加入。

自然语言适合表达意图和探索未知问题，但纯聊天界面会隐藏系统状态、可选操作和结果结构，让用户难以检查、比较或纠正。文章主张把语言模型与按钮、表格、可视化和直接操作等界面结合：对话负责理解模糊需求，结构化界面负责展示状态、约束和可控行动。

ChatGPT 和其他人工智能系统正在准备推出计算历史上的第三个用户界面范例——60 多年来的第一个新的交互模型。从计算机诞生以来，即 1945 年左右，第一个 UI 范式就是批处理。范式 2：基于命令的交互设计 1964 年左右，分时技术（多个用户通过连接的终端共享一台大型计算机）的出现导致了第二种 UI 范式：基于命令的交互。基于命令的交互已经成为贯穿三代用户界面技术的基本方法：命令行（如 DOS 和 Unix）、全屏基于文本的终端（常见于 IBM 大型机）和图形用户界面（GUI：Macintosh、 Windows 和所有当前的智能手机平台）。自 1984 年 Macintosh 推出以来，图形用户界面一直主导着 UX 世界：大约 40 年的霸主地位，直到它可能被下一代 UI 技术取代，更重要的是，被人工智能形式的下一个 UI 范例所取代。

AI 对软件用户体验的改变，短期内不会表现为所有应用都变成聊天框，而是先嵌入现有流程，减少繁琐操作并提升个性化。它可以分析用户行为，给出建议，生成内容草稿，辅助写代码，帮助数据分析师用自然语言构造查询，也能在表格和业务系统之间自动映射字段。B2B SaaS 中大量痛苦来自清洗数据、搬运数据、修正缺失字段和处理格式差异，AI 正好能把用户从机械执行者转变为审核者和监督者。与此同时，设计模式会被迫变化：过去依靠表单、映射界面和手动配置完成的任务，可能逐步让位于上下文感知的自动处理。但成熟度仍有限，尤其在 SQL 等高成本、高准确性场景中，错误查询会带来实际损失。好的 AI UX 不应让用户盲目信任机器，而要清楚展示建议、风险、可编辑结果和验证路径，让效率提升与可控性同时存在。

人工智能模型的增长速度超过了硬件内存容量和带宽的提升，形成所谓内存墙：处理器大量时间在等待数据读写，而不是执行计算。解决问题不仅要增加算力，还要改进高带宽内存、互连、数据移动、能耗和内存中心架构。AI 性能因此是芯片、内存、软件和系统协同设计的问题。

Acknowledgements 致谢 我要感谢以下人士的反馈、建议和讨论： 詹姆斯-布拉德伯里，谷歌 DeepMind 软件工程师 本杰明-埃德尔曼，哈佛大学博士候选人 Horace He，。Contra FLOPs 反向 FLOP 认为衡量 ML 计算能力的最常用指标--浮点运算--是有缺陷的，因为不同类型浮点数的增加使得标准化变得困难，而且处理能力的成本只占 ML 成本的一小部分。ML Parallelism ML 并行性 对 ML 并行性技术进行概述，说明 "ML 并行性令人尴尬 "这一常见概念是如何被简单化的，以及在大规模情况下是如何被打破的--在大规模情况下，任何简单的模型并行化方法都会开始遇到瓶颈，因为无论涉及多少设备，单个设备的能力都会成为瓶颈。A few major takeaways: 几个主要收获 新的最先进（前沿）模型的成本可能在 10 亿美元左右，最近的前沿模型 GPT-4 的成本约为 5 亿美元。

在资本收紧的市场中融资，需要接受估值更谨慎、尽调更严格、周期更长的现实。文章建议企业尽早规划跑道，用可靠增长、单位经济和盈利路径证明质量，并准备不同融资结构与替代方案。SAFE 或中期轮可以争取时间，但不能替代对现金、里程碑和投资人预期的清晰管理。

融资要在公司确实需要钱、也有能力吸引钱时集中完成，否则它会吞掉创始人的注意力并伤害增长。创业公司通常经历从天使或加速器拿小额启动资金，到为建立公司筹几十万或几百万，再到增长明确后融资加速的路径，但真正定义创业公司的不是融资，而是快速增长。投资人总在两种恐惧之间摇摆：怕投中失败项目，也怕错过起飞公司，所以他们倾向于拖延、观望、制造暧昧信号。创始人必须把没有明确报价的状态都视为拒绝，直到对方以书面形式给出清晰承诺。筹资时应广度优先，同时推进多个投资人，而不是串行等待某一家表态，因为竞争会迫使投资人行动。不在融资模式时，可以接受无需说服、无需谈判的标准投资，但不要被所谓聊聊近况拉进耗时流程。融资像举重也像解谜，前者难在说服别人拿钱，后者难在看穿投资人的含糊和自己的幻想。

免信任协议优于信任协议，因为它把所有权和授权放在用户可控制的密钥上，而不是放在某个中心账户系统里。传统登录要求用户向平台请求访问权，平台实际掌握账户、数据和通信入口，也能撤销访问、制造锁定或窥见交流关系。免信任协议使用公私钥完成身份认证和授权，密钥本身就是凭证，用户不必依赖权威机构证明自己是谁。这并不意味着所有人都必须独自承担丢钥匙的风险；免信任设计可以在上层加入托管、硬件备份、社交恢复或未来的零知识恢复方案。关键差异在于选择权：可信协议把中心权威写进基础设施，用户无法更换；免信任协议只要求通用密钥接口，是否托管、由谁托管、如何恢复，都能作为可替换层演进。密钥像协议里的基础连接点，足够简单，才能支撑开放生态和可信退出。

这本书的主要内容是，互联网之所以如此具有生成性，是有具体原因的，而且可以追溯到其历史上早期的架构选择。) 当一个系统是由具有可识别边界的较小的独立部分组成时，它就是模块化。在设计模块化架构时，系统架构师以最小化组件之间的依赖性的方式来分解系统。如果它在使用上是模块化的，产品的用户可以在以后的阶段更换或 "混合和匹配 "组件。网络的模块化边界是为网络化的文件绘制的，内容被分割成 "页面"，浏览器引擎被设计用于布局和滚动文本。你可以把像Mighty这样的东西看作是重新划定模块边界的尝试，把浏览器引擎的所有模块放到一个黑盒子里，并把计算能力投向这个黑盒子，直到唯一重要的模块边界是客户端和服务器之间的网络边界。在《技术的本质》中，W.Brian Arthur指出，模块化技术也具有所有这些特性 突变 ← 改变或替换模块 遗传 ← 从旧的模块组成新的模块 技术在不断发展。(W. Brian Arthur, 2009. 技术的本质) 如果你想创建开放式的系统，你需要模块化。

尽管有云，你还是拥有自己的数据。Google Docs和Trello等云应用程序很受欢迎，因为它们可以与同事进行实时协作，并且它们使我们能够轻松地从所有设备访问我们的作品。然而，通过将数据存储集中在服务器上，云应用程序也剥夺了用户的所有权和代理权。如果服务关闭，软件将停止工作，并且使用该软件创建的数据将丢失。在内容中，我们提出了“本地优先软件”：一套软件原则，使用户能够协作和拥有。

每个人都在互相讨论，部分原因是我们都在从不同的基本概念出发来研究 "人工智能 "到底是什么--它是一个代理还是一个工具，是精灵还是神灯？你如何回答这个问题会影响到你对人工智能可解释性和安全性方法的各个方面。人工智能安全辩论的核心是对准的概念，毫不奇怪，对这一看似直观的概念的微妙的不同理解是辩论的大部分功能障碍的背后。例如，杰弗里-辛顿（Geoffrey Hinton）在最近的《纽约时报》采访中看到他主要担心的是 "邪恶的精神病患者 "的情况。萨姆-奥特曼（Sam Altman）也明确地将对准定义为 "人工智能做用户想要的事情"，尽管当被要求详细说明他的负面情况时，他通常是相当模糊的，但我们可以很有把握地假设是，"坏人用强大的人工智能做坏事"。X-riskers倾向于认为人工智能是高度代理的，并从群体影响的角度来模拟相关风险。

人工智能安全争论的麻烦在于，技术问题和部落立场已经纠缠在一起，而争论双方常常连“更强大的系统”都无法清楚定义。要求暂停训练超过GPT-4能力的模型，听起来明确，实际很难执行：GPT-4相对GPT-3的进步并不只是参数变大，而是数据、训练、微调、人类反馈、推理等许多环节的叠加。能力提升没有单一刻度，连开发者也需要开放评估工具，请外部帮助衡量模型到底在哪些任务上变强。于是，人工智能安全变成一种新的身份分界：有人把未来AGI想象成核武器式威胁，有人把当前模型看成有用但经常犯错的工具。没有现实中的AGI作为共同参照，双方都在拿各自脑中的图景做敌友识别。真正困难的政策问题不是喊停，而是怎样定义、测量和监管能力增益，同时避免把研究转移到更不透明、更难约束的地方。

提示注入难以彻底防御，因为模型在同一语言上下文中同时接收开发者指令、外部内容和用户输入，无法可靠区分可信命令与恶意文本。攻击者可以借网页、文档或对话覆盖原任务，诱导模型泄露信息或误用工具。工程上应采用最小权限、隔离不可信内容、限制工具能力、验证输出并保留人工确认，而不能只依赖提示词。