如果您的事业进展顺利，您对自己的生活感到兴奋，并且对自己的人际关系感到满意，请随时停止阅读这个问题。但这里有一个问题——你不能列出你 是 什么（即，我是一个好人，我是诚实的），而只能列出你 所做 的事情（即，我刚刚赢得了全国象棋锦标赛，我制作了马萨诸塞州最好的辣椒）。你看... 相关： 世界上充满仇恨团体和邪教的 7 个原因 这是电影史上最伟大的场景（警告：极端的 NSFW 语言）： 对于那些无法观看视频的人，这是亚历克鲍德温在电影杰作 Glengarry Glenn Ross 中发表的著名演讲。亚历克·鲍德温 (Alec Baldwin) 因那部电影获得奥斯卡提名， 而那是他唯一出现的场景 。而你们中的一些人会接受它就个人而言，这家伙是个混蛋，你无权这样跟我说话，或者——当自恋者面对更强大的力量时的标准策略——静静地沸腾并幻想找到可以证明他是伪君子的信息。例如，有些人想用 《搏击俱乐部 》中泰勒·德登 (Tyler Durden) 的台词来回应那次演讲：“你不是你的工作。
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。
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。
谷歌的问题不是不会做产品，而是公司更擅长把聪明人聚在一起，让大量项目自然竞争，却缺少强约束的产品战略。它像风险投资机构一样押注人才和想法：启动项目很容易，20% 时间、内部实验和宽松文化鼓励任何团队尝试新东西；但一个产品为什么必须存在、为谁服务、如何赢得用户，常常没有被系统地审查。微软式的自上而下规划会压制个人空间，却能让每个项目嵌入更大的拼图；谷歌式自由给了创新机会，也让许多中型产品在没有足够信念和持续投入的情况下出生、试错、关闭。Reader、Inbox、Wave、Stadia 等产品的问题不只是失败本身，而是它们存在得足够久，削弱了外部替代者，又在用户形成依赖后退出。缺少产品战略的代价，最终由员工投入的时间和用户迁移的成本共同承担。
Puck 的核心判断很直接：权力圈层愿意为“知道内幕的人”付费，记者也可以像创作者一样成为利润中心。它把好莱坞、华尔街、华盛顿和硅谷当作同一个上层网络来报道，让写作者以个人通讯为入口，配合编辑支持、股权激励和订阅奖金，直接经营自己的影响力。它的读者定位非常窄：高管、投资人、媒体人、政治顾问和各种想接近决策现场的人。Puck 的语气也服务于这种定位，少用公开声明式的新闻腔，多写电话、饭局、匿名消息源和人物之间的权力变化，制造一种读者正在进入密室的感觉。这套模式确实能捕捉内部人士如何看待事件，也容易让熟悉圈子的人辨认消息从谁那里流出。风险在于，内幕感可能被包装得超过信息本身，解释性报道也会被卖成独家。Puck 的价值不在覆盖所有新闻，而在把精英社交网络转化成可订阅的媒体产品。
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。
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。
工具应该贴合人的工作流，而不是逼人把思考方式折成工具允许的形状。大众生产力软件面向平均用户，功能更多、可靠性更高，却常常把任务、笔记、联系人、项目切成固定盒子；真正的工作却存在大量灰色地带。自制工具的价值不在于客观更强，而在于能把个人的心理模型编码进去：短期记忆和长期知识可以分开，联系人字段可以随着真实记录习惯增加，备份和日历也可以按自己的节奏运行。更重要的是，自有工具能随着需求变化而生长，先用最简单的方法观察模式，再把反复出现的模式变成软件能力。对承载日记、笔记、阅读记录和项目规划的系统来说，所有权也是可靠性的一部分。把关键工作流交给可能转向、关停或重塑产品的公司，意味着自己的思考基础随时可能被迫搬家。
成为你身边的拼图，意思是先看清环境缺什么，再让自己的能力长到那个空位里。Y Combinator 的形成并不是一开始就有宏大蓝图，而是从一群人对早期创业融资痛点的直接观察开始：技术创始人能写代码，却缺资金、法律结构、同伴支持和现实建议。小额投资、批量录取、每周晚餐、统一法律文件和演示日，都是围绕这些缺口长出来的解决方案。Jessica Livingston 的经历也说明，传统履历并不总能预告贡献；敏锐的社交雷达、讨厌受人摆布、直率表达，反而成为早期 YC 运转的关键能力。一个新系统最初往往需要大量没人定义过的杂事，能发现不对劲、补上没人负责的部分，并把混乱整理成可重复流程的人，会在组织里变得不可替代。角色不是先被授予的，而是在持续解决具体问题中成形。
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。
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。
人工智能的影响不能只交给少数公司和工程师决定，因为它可能成为农业和工业革命级别的通用技术。人们难以认真看待这种前景，部分因为技术变化太快，部分因为类人机器长期属于科幻想象，也因为很难设想一个与当下质地完全不同的未来。理解风险需要区分两件事：人类水平人工智能强调能力范围，意味着机器能完成翻译、教学、研究、交易等广泛智力任务；变革性人工智能强调现实影响，即足以改变生产方式、社会组织和人类未来轨迹的技术。机器智能未必像人，可能在记忆、速度、规模上远超人类，也可能以人类不会犯的怪异方式失败。正因结果可能横跨医疗、劳动、战争、监控、科学发现和虚假宣传，公共参与就不是旁观姿态，而是决定治理、分配和安全边界的必要条件。
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。
强大的生活技巧不是把人生设计得更复杂，而是主动降低噪音，把注意力投向会复利的事。该买书、好食物、健身和自我提升时少犹豫，买消耗品前等四十八小时；想提升一项能力，就连续三十天每天投入半小时。关系上别等到葬礼才表达欣赏，想到别人的好就当面说，伴侣也需要每天被看见。工作上把邮件延迟发送、集中处理低价值任务，用教学检验学习漏洞。健康上保留无聊、散步、睡前感恩和简单训练。真正有效的技巧大多朴素：少承诺、少新闻、少情绪化行动，多记录、多感谢、多做一点困难的事。它们不靠戏剧性改变取胜，而靠每天减少混乱、增加清醒。道理简单，难在持续执行。它提醒人们别把忙碌误当充实，也别把复杂误当成熟。生活已经足够拥挤，很多进步来自把可有可无的东西移走。
业余爱好者和专业人士的差别，不在头衔，而在日常运作方式。专业不是某天被授予的身份，而是一套能反复产出结果的习惯、心态和系统。业余者顺其自然，专业者建立固定流程，并主动塑造让流程可持续的环境；业余者迷恋奖杯，专业者爱上训练本身；业余者把失败归因于外部，专业者先检查准备、节奏和执行。真正的专业还体现在耐心和聚焦上：不是同时练一百个平庸动作，而是找到自己的优势，反复打磨关键动作；不是害怕失败和暴露短板，而是把错误当成更新策略的信息。专业人士对行动急迫，对结果耐心，愿意每天出现，也能在压力中放慢、观察、等待时机。所谓运气，往往是大量微小行动累积后的外显结果。任何领域都可以走向专业，前提是停止把专业看成身份标签，转而把它落实为可重复的行为标准。
强大的决策剃刀，是在信息不完美时快速删掉噪音的经验法则，但它们必须带着边界感使用。简单解释通常优于复杂解释，不能用清楚语言讲明白的概念，往往隐藏着理解不足；面对两条路，应选能增加运气表面积、让自己进入真实场域、接触更强者的那条。选择合作对象时，乐观、行动中、有切身风险的人更值得听；选择项目时，只有真正兴奋，并且即使耗时翻倍、收益减半仍愿意做，才值得接下。困难选择常在短期更痛，却带来长期复利。争论中，先听懂对方最强论点，再形成意见；没有证据的断言，可以无需证据地放下；不能通过观察或实验解决的问题，不值得长期消耗。写作和画图能暴露思维漏洞，帮助理解复杂事物。最实用的标准仍很朴素：把时间投向会复利的事，远离回报不配压力的事，并做出能让年老的自己和年少的自己都认可的决定。
路线图优先级的关键，不是给想法打分排序，而是提高判断材料的质量。电子表格里的影响力和成本评分常让人误以为自己在科学决策，实际难点在于提出好想法，并预判它们对客户、产品和业务的真实作用。好的优先级来自多种知识的汇合：客户痛点、工程限制、设计问题、市场机会、战略叙事。只懂单一领域很难做出可靠取舍，多面手或跨职能团队更有优势。路线图应优先从客户问题出发，再评估它们对业务目标的帮助；直接从增长率、利润率等公司目标倒推功能，容易造出看似战略正确却缺少用户价值的项目。大功能也不总是更重要，早期产品的卡顿、困惑、缺陷和核心体验不稳，常比闪亮发布更值得修复。最好的规划过程还会建立团队信任：大家一起面对资源取舍，理解为什么做某事、放弃某事，之后即使环境变化，也能更快调整。
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。
害怕过度自信，常常会把人推向另一种错误：在高背景、高投入的判断里，主动丢掉自己掌握的细节，只抱住“专家通常正确”“市场通常有效”“大多数人都会失败”这类低信息规则。它们适合快速建立基准，却不该替代具体推理。早期创业公司估值、疫情扩散、职业选择，都可能包含局部信息优势：增长速度、团队决断力、机制约束、指数传播等细节，足以改变判断。过度自信的代价更显眼，失败会被看见；自信不足的代价更隐蔽，错过的上行空间无人记录。因此，真正要防的不是自信本身，而是用看似谦逊的通用规律，压掉已经摆在眼前的强证据。低信息启发法应当作为起点，再接受具体事实的修正。自知无知不等于放弃判断，尤其当你比所谓“市场”或“专家群体”掌握更多一手信息时。
现代计算机值得被批评，因为硬件越来越强，软件却越来越笨重、脆弱且不可理解。处理器、内存和网络速度大幅提升，本应让程序更快、更可靠、更可控，现实却是应用崩溃、系统膨胀、依赖堆叠和用户无能为力变成常态。过去资源稀缺迫使程序员保持克制，坏设计更容易被淘汰；今天算力和存储掩盖了低质量软件，大量历史代码持续累积，维护成本被推给未来。Unix 曾提出一种清晰的反方向：程序只做一件事，用文本流互相连接，让用户能组合工具。但图形界面和封闭应用把人变成点击者，计算机越来越能塑造人的行为，人却越来越难改变计算机的行为。更深层的问题是，软件并非纯技术，它包含审美、政治、权力和创造控制。复杂到无人能完整理解的系统支撑着社会运行，这不是进步的必然形态，而是行业长期纵容复杂性的结果。
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。
产品管理的首要原则可以压缩为两件事：最大化对使命的影响，并通过他人完成工作。产品经理不直接生产产品，也不独自运营业务，真正职责是判断团队该走哪条路，并让工程、设计、营销、销售、支持等角色更有效地朝同一方向行动。好的产品战略来自三个输入的交叉：组织目标是什么，外部环境发出什么信号，人员、资金和时间有哪些约束。目标不能只会背口号，必须理解客户假设、道德边界、业务愿景和相邻团队的计划；环境信号既包括用户数据和反馈，也包括竞争、政策和社会变化；约束则要求产品经理诚实判断团队能力、预算现实和机会窗口。另一半能力是教练式工作。产品经理不在场上得分，而是帮助队伍提升判断和协作质量。临时写代码、做文档或补运营缺口可以是员工责任，但不是产品管理的本质。真正优秀的产品经理用清晰原则减少沟通成本，让团队即使没有他在场也能做出一致取舍。
万物可摩尔定律的核心判断是，人工智能会快速降低商品和服务成本，但如果制度不变，财富会更多流向资本而不是劳动。能够思考和学习的软件会承担法律、医疗、制造、教育乃至科研中的大量工作，劳动力成本在许多环节趋近于零，住房、食品、交通、学习和医疗都有可能像芯片性能那样持续变便宜。问题在于，资本主义奖励资产所有者，而人工智能时代最重要的资产会集中在公司股权和土地上。仅靠对工资征税无法应对这种结构变化，因为劳动收入本身会变得没那么核心。更合理的方向是让全民分享资本收益：对大型公司市值和私人土地价值征税，把股权和现金分配给成年公民，形成类似美国股票基金的公共所有权机制。这样每个人都能从国家创新、企业增长和土地增值中获得直接收益。目标不是压平上限，而是给所有人一个底线，让技术带来的富足成为社会稳定的来源。
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。
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。
三十岁带来的不是宏大顿悟，而是一组从生活摩擦里长出的朴素判断。人与人的关系要先给尊重，少数真正爱你的人比大量关注更重要，困难谈话往往最值得进行。身体和情绪需要被当成长期资产：睡眠、光线、散步、牙齿、关节、糖和咖啡因都会影响生活质量。金钱上，稳定投资比试图战胜市场可靠，真正改善财务状况仍要靠提高收入，承诺快速致富的产品多半只是在卖产品。创造比单纯消费更能带来满足，写作能整理思想，好奇心和不怕不同是有价值的品质。世界既糟糕也在变好，痛苦会过去，庆祝和感激不是矫情，而是承认时间有限。 （约 370 字）
[参考]
Path: content/2022/12/12/30-thoughts-on-turning-30/index.md
以做为中心的解释媒介，目标是把学习从读说明转向在真实环境中行动。棋盘游戏说明书暴露了传统文本的局限：规则和动作分离，读者一边查手册一边尝试，记忆负担高，反馈滞后。更有效的方式像有经验的玩家带新手入局，先给最少解释，再在行动发生时及时提示、示范和纠偏。技能类书籍、视频和互动文章也有同样问题，即使加入小型交互组件，往往仍停留在沙盒里，离真正使用工具很远。更有潜力的方向，是把解释嵌入真实工作环境，例如在 IDE、Blender 或 Figma 中直接学习和操作，让文字、反馈和对象贴近同一动作现场。 （约 360 字）
[参考]
Path: content/2022/12/12/doing-centric-explanatory-mediums-board-game-instruction-manuals-and-an-unusual-figma-document/index.md
2023年的技术乐观主义并不等于押注科技股反弹，而是承认一批真实技术已经越过空谈阶段，开始改变生产、能源和创造方式。疫情期间，疫苗、检测、治疗和信息系统证明了前沿技术能在危机中迅速转化为社会能力；气候领域，太阳能、风电、电池和氢能的成本曲线让脱碳从道德口号变成工程问题。生成式人工智能又打开了新的生产界面，图像、文字、代码和科研辅助工具让更多人获得创作与分析能力。风险同样真实：虚假信息、自动化武器、骗局和生产率波动都不能忽视。但真正关键的是区分公司估值和技术价值。一次投机泡沫破裂，并不意味着技术进步停下来了。下一轮增长更可能来自廉价清洁电力、更好的电池、人工智能协作和长期科研突破的叠加。拒绝盲目乐观，也不必把怀疑当成清醒。
冷战后形成的全球化体系正在终结，核心原因不是贸易效率下降，而是大国安全竞争重新压过了经济互利。过去三十年，美国和欧洲默认一种信念：把中国纳入全球贸易网络，会让相互依赖抑制冲突，也可能推动政治和经济开放。这个选择重塑了世界制造业，中国成为供应链中心，富裕国家则更多承担研发、设计、金融和营销。问题在于，这套安排同时让中国获得了巨大的工业能力，也让美国制造业和政治共识承受代价。特朗普时期的关税、投资审查和对华为的出口限制只是裂缝的早期表现；拜登政府对半导体设备、芯片和人才的管制，标志着技术体系开始脱钩。习近平时代的中国也不再把改革开放和外资友好放在首位，而更强调自给、自强和斗争。中美共同体的逻辑因此失效：供应链不再只是成本问题，而是国家能力和战争潜力问题。
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？
通过阅读有关另一个国家的书籍，您对另一个国家的了解非常有限。我亲身体验过这一点，因为我在日本生活了多年，阅读了大量有关日本的书籍。就任何人都能真正“理解”整个国家而言，你真的只需要住在那里。不过，书籍在这里可以为您做一些重要的事情。他们可以打开一扇窗户，了解您在日常生活中可能不会遇到的一个国家的某些部分——装配线、监狱或国家安全智囊团。
关注商业新闻的人可能在过去几个月注意到了一个有趣而奇怪的现象：中国正在摧毁其互联网公司。它开始了——或者至少，大多数美国人开始注意到了——当政府实际上 取消了蚂蚁金服的 IPO ，然后解散了这家公司。蚂蚁金服和电子商务巨头阿里巴巴的创始人马云被传唤与政府开会，然后消失了数周。随后，政府对阿里巴巴（有时将其与亚马逊相提并论）处以数十亿美元的反垄断罚款，从应用商店中删除了其广受欢迎的网络浏览器，并对它采取了一系列其他措施。马云商业帝国的价值 已经崩塌 。
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。
”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。
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。
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。
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 。
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？
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。
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。
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。
在我们周围，新旧友谊都因政治而破裂。部分问题与我们今天如何实践政治有关：我们变得更加好战和部落化。问题的另一部分源于我们当代对友谊的理解。真正的友谊对我们提出了沉重的要求，我们中的大多数人更喜欢更快速、更容易、因此更不持久的关系。政治和友谊是紧密相连的。
该公司表示，价格是在考虑“这种新型基因疗法所代表的临床、社会、经济和创新价值”的情况下确定的。上个月早些时候，总部位于波士顿的非营利性研究机构临床和经济评论研究所估计药物和其他医疗服务的价值，称 Hemgenix 的合理定价将超过 290 万美元 。但利哈伊大学卫生政策教授、纽约加里森独立生物伦理学研究所黑斯廷斯中心的研究学者迈克尔古斯马诺表示，Hemgenix 和其他基因疗法的价格不应被视为便宜货。“它假设当前治疗的价格是合适的，”他说。“我们有一个价格完全不符合国际标准的体系，”他指出，与其他经济发达国家不同，美国在新药上市时不会对其价格进行监管或协商。
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。
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。
设计模式 ， 可用性 ， 用户体验 ， 辅助功能。想象一下，您刚刚抵达东京。充满不耐烦和兴奋，你正要上路，但它来了：来自你的移动供应商的 紧急警告 ，催促你补充你日益减少的余额。带着一些合理的担忧，你访问了该网站，只是被重定向到该 网站的日文版 。您还不能阅读日语，但没有明显的更改位置的选项，也没有更改语言的选项。
COVID-19 的长期身心后遗症是一个日益受到关注的公共卫生问题，但其流行率、持续性和预测因素存在相当大的不确定性。我们对 COVID-19 幸存者的健康后果和后遗症进行了全面、最新的荟萃分析。检索了截至 2021 年 9 月 30 日的 PubMed、Embase 和 Cochrane 图书馆。包括报告 COVID-19 后遗症流行率的观察性研究。两名评价者独立进行数据提取和质量评估。
DemoChen's Clip