随意搜寻 | 2023

一、好好学习▍1.1 来自AI 领域从业者的志愿填报建议本期好好学习志愿填报建议特辑，想从一个 AI 行业从业者的角度，给各位一些跟选专业有关的信息。另外，本期是免费推送，你可以将这篇推送，转发给有需要的朋友。首先，我认为选专业的决策核心有以下几个：你是否真的喜欢？如果你心中已经有一个愿意为之付出一生的专业，那就直接选，不用管我后面说的话。不过这里要特别提醒各位同学，如果你对这个专业的了解只是通过所谓的视频或者别人的介绍，而不是自己曾经深入研究过，甚至从事过，那你的这个「喜欢」并不一定是真的。比如你看到读计算机系的可以开发各种软件，亦或者觉得未来收入会高，就觉得自己会喜欢计算机系，那我估计你真的就读之后，很有可能会后悔。你毕业后想要做什么？如果你不一定能确定自己喜欢什么，那么就先幻想下自己 4 年后，想要什么。通过这个倒推出可选的专业，甚至学校。比如你希望毕业后能获得相对稳定的工作，那就从工作倒推。考虑时间和风险维度。4 年对行业的影响是很大的，现在火的专业，4 年后不一定会火，另外还需要考虑不确定性，比如前段时间的教培行业。所以在倒推什么专业比较合适，也需要考虑所谓的历史进程。前两个决策点，我没什么好说的，但我可以给大家一些关于第三点的建议。1）关注 AI 对各领域的影响坦率说来，AI 领域还在早期阶段，一年后对各专业的影响我很难估计，但四年后，我认为影响应该是颇大的，我的理解是这样的：数据越公开的专业受 AI 的影响就越大。比如计算机专业，我现在已经用 AI 协助写代码了，效果挺不错的。另外设计专业也是，已经有不少设计师在用 AI 生图。而像一些偏隐性知识的专业，影响就比较小，比如金工，很多操作上的知识就没有在网上公开。所以目前 AI 对蓝领的影响远没有白领的大。AI是否会取代人，关键要看 AI 有没有令整个蛋糕变大。供给和需求是会相互影响的，继续拿计算机专业为例，大多数人认为，既然 AI 可以协助写代码，那可能很多人都会进入到研发岗位，如果岗位数不变，那研发岗位肯定会供给过剩，并导致计算机专业的学生很难找到工作。但我并不那么认为，企业需求不是静态的，企业对研发岗位的需求也会增加，因为会有更多地方用到编程技术，比如小微企业也能雇佣研发来开发内部系统。但有些行业需求很难受供给影响，比如翻译，需要对外交流的业务就那么多，如果 AI 的翻译效果还不错，那就很可能被 AI 替代。AI 不仅影响需求量，还会提高岗位要求。前面提到的计算机专业的例子，虽然需求会变多，但并不一定都是好事，受 AI 影响企业未来对研发人员的技术能力要求一定会变高。举个例子，我认为设计师现在就能在 AI 的辅助下，完成一些 UI 界面开发，而这些工作以前都是初级研发做的事情，但现在如果你的研发能力比较弱，无法适应高要求岗位要求，那你就有可能被淘汰。AI 相关专业未来不一定会是个香饽饽。你可能会觉得现在 AI 比较火，那是不是应该读 AI 相关的专业？坦率说来，我并不那么认为。AI 相关的研发，更偏精英主义，人多并不能提升特别多的效率，并且仅有头部的研发能在这个领域有比较大的话语权，那就意味着你的晋升会很难。如果你很担心 AI 的影响，那我的建议是尽量考虑 AI 替代率低的专业。并且不管选什么专业都要尽快拥抱 AI。未来 AI 不一定能替代你，但会用 AI 的人肯定能替代你。2）关注地缘政治你可能会好奇，为何读大学还要考虑地缘政治？坦率说来，我认为未来 4、5 年地缘政治问题可能会越来越严重，那就意味着：你就读的学校可能会被外国政府划到一些特别的名单里，从而影响你未来出国读书（如果你未来有计划出国的话）。部分行业可能会受到影响，比如航运物流、出口贸易。不过凡事有弊也有利，部分专业需求可能会更旺盛，比如芯片相关专业。如果选择国防相关专业或院校，那你一定要有觉悟，因为我认为未来和平解决台海问题的概率很低。3）尽量选择反馈短的专业最后一个建议，我是有点纠结的。原因是我从事的行业（如编程、设计等）大概率是这样的，但像医科或者建筑业可能不是这样，各位要谨慎。反馈短意味着如果你懂学习，你的进步速度会更快，比如前端编程，写完代码你能看到结果，反馈很快，你就能马上改进自己的代码。但如果你是学法律，那你获得反馈的路径就比较长，你需要通过实习才能提升你的专业能力。另外，进步更快，也意味着你能更快地以这个专业谋生。最后推荐一个产品：大学生活质量指北▍1.2 每日一记(176/365) 最近调研了几个 AI 用户，我认为现在大多数用户的使用习惯应该都是这样。如果你在做 AI 套壳的应用，可能对你会有一些用。首先用户会经历的是自由阶段，因为大多数 AI 产品，用户只需要会打字就能用；接着用户简单地输入指令，却发现无法获得满意的答案，有一小部分人就会放弃使用（比如觉得 AI 笨），目前很多产品都不太 care 这部分的流失，引导做得一般；另一部分人会去学习如何更好地使用，此时就会进入标准阶段，用户找到合适的 prompt，或者产品提供 prompt 模板，目前大多数的 AI 套壳产品，都在优化这个阶段的体验（另外，我再说下非 IM 类型的 AI 套壳产品，他们在这个阶段做得就很好，因为输入强模版，所以前期才能有那么多用户使用和分享）；但接着用户用着用着就会到非标阶段，想在标准的 prompt 基础上，自己修改一些指令，而且这个阶段还有一个特点，标准到非标的转变非常快，这个是有点出乎我意料的，目前大多数产品的解决方案是提供自定义 prompt 能力，但仍然需要用户去学习 PE，我认为暂时没有哪个产品能很好地解决这个非标问题。(177/365) 本以为是改变世界的一刻，但谁知道，最后如此虎头蛇尾。越来越觉得这个世界就是一群草台班子组成的了。(178/365) 弘一法师的一段 quote：人生最不幸处，是偶一失言而祸不及；偶一失谋而事幸成；偶一恣行而获小利；后乃视为常故，而恬不为意。则莫大之患，由此生矣。(179/365) 避免愚蠢比努力变得聪明更容易。不应该问「我怎样才能帮助我的公司?」，而应该问「什么对我的公司伤害最大，我怎样才能避免它？」找出明显的失败点，避开它们。(180/365) 你相信什么是真实的，是受你多么希望它是真实的影响。有些事情越能帮助你处理不确定性，你就越相信它是真的。比如越困难的时刻，人们反而越相信占星术、易经占卜。(181/365) 在生活中，最好是能做到既谨慎又大胆。足够谨慎，以避免愚蠢的错误，防止倦怠。敢于大胆冒险，做你会后悔的事情，并愿意在短期内感到不舒服，这样你就可以长期学习和成长。(182/365) 好久没看过纸质的报纸了，今天周六看了下羊城晚报，发现整份报纸真的好薄好薄，我记得小的时候，最期待的就是每周六的羊城晚报，里面会有一份厚厚的娱乐版，除了娱乐圈的内容外，还包含各种有意思的趣闻，亦或者科技新闻。现在已经变成薄薄的宣传报纸了。二、小信号▍一个 AI 创业者的反思、观察和预测最近听完了一个 AI 相关的播客，说得很好，推荐给大家。本期小信号主要是分享这期播客的 highlight：反思：在 iPhone 刚出来的时候，大家在缓慢的 3G 网速面前，创业者与巨头是平等。巨头也在摸索。当年有很多新的巨头公司出现，比如快手。现在 AI 领域的本地之于云端，就像是 2010 年前后 App 领域的手机之于 PC。To C 可以关注 on-device（本地运行），比如之前很火的 rewind.ai；To B 可以关注 on-premise（私有化部署？），在国内挺值得做的事情。国内企业关注信创指标，在特定 workflow 下，国产可提代。Open accessible 数据不值得一提，大家能爬的数据都不值一提。甚至有一些 curated 的数据也不再安全。什么数据最值钱？不属于你但与你共生的数据是你的壁垒，比如为企业搞了一个信息化系统，你给客户建的模型是你的，客户的数据不属于你，但这些数据未来会变成客户的迁移成本。现在 90% 场景用 in-context learning就能解决（换句话说用 prompt 就能解决），无需再像以前那样给客户 fine-tune 一个模型。在 in-context learning 搭建过程中，就是跟客户一起共建。那能共建的数据在哪里？企业在协同工具，个人数据在终端设备。很多硬件厂商希望在手机上拥有类似 Siri 的功能，甚至希望能做得比 Siri 更好，比如通过语音方式让 AI 对手机进行一些设置操作。当前的 Limitation 预言着下一个 Innovation Trigger。预测 next big thing 是什么很难，但预测它会解决什么问题却相对简单。因为你现在看 LLM 的发展，其实是后浪解决前浪问题，而逐步发展的。别把解决最显眼的 Limitation 作为自己的唯一护城河，Peak 提到当年他们解决了一个学术难题，但后来 OpenAI 出现了，大家其实都知道 Limitation 是什么，很多人都在找解决方案，说不定就有人有一个能超过你的解决方案。所以技术型创业者不要只有一个 Limitation 护城河，还要找别的。监管和合规对于创业公司来说，是个可利用的竞争维度。监管如果不是准入门槛，那基本是一视同仁的事情，就没有什么好抱怨的。另外，合规是动态的问题，没有一劳永逸方案。注意将 moderation（审查）与核心业务解耦（举了 OpenAI 的 moderation 服务）。另外要将合规看成一个工程问题，提早做规划。观察：超过 65% 的场景可归纳为信息检索、汇总、再⽣成。约 20% 的需求是流程⾃动化和决策辅助相关（类似 BI），文生图和写代码在客户那需求反而很低。主流厂商方案同质化严重，已经进入价格战。但 LLM 没有解决 AI 落地难的问题。举个例子，LLM 的随机性限制了落地场景，比如一些央企对准确性就要求很高，很难落地，且优化周期更长。有了 ChatGPT 之后，把客户期望拔高了。如何解决？拼的是运营兜底能力。那能否用非 AI 功能来兜底。创业者不要过度关注模型本身，产品规划可以乐观一点，默认自己可以 access 已知最好的模型。LLM 输入输出都很标准，后续要换都很简单。低代码 LLM 平台目前是伪需求。低代码解决的是标准问题下的复杂问题呈现，以 Airtable 为例，Airtable 上游是标准的 SQL 数据库，中间我们要从 0 搭建一个业务系统是非常非常繁琐的，但后台系统要长啥样，是非常标准的，比如需要一个业务看板。整个过程是标准 -> 繁琐 -> 标准。而 LLM 是不一样的，LLM 上游是标准模型，调用很简单就是一些 prompt，但其下游是创新，创新是非标准的。整个流程是标准 -> 简单 -> 非标准。向量数据没法让模型突破自身的 context limit，Embedding 并不能直接输入给 LLM，只是用来召回相关文本。AI 产品经理要考虑如何在产品里构建数据飞轮，比如 Midjourney 四宫格，让用户 4 选 1 就是一个天然的标注系统，而 ChatGPT 的给消息点赞或者踩就很少人会用。现在任何的产品都要考虑如何应对 AI 的冲击，比如小红书下半年可能就要考虑文生图技术对社区的影响，因为下半年可能人已经无法辨别哪些是 AI 生成的内容了。我们现在接收到的信息，甚至是论文，都是在一定局限下妥协后的结果，比如很多学校都没有足够的 GPU ，就很难去做一些上规模的东西。预测：未来只有垂直应用，没有垂直模型。原因有两点，① 垂直模型没有解决通用模型存在的问题，比如可解释性、可溯源等。② 现在的垂直模型性能其实还不如 GPT-4，现在通用大模型，在数据上还没达到饱和，未来有用的垂直领域，肯定会整合进通用模型中，增加垂直领域知识，能让整个通用模型都受益。③ 垂直模型未来可能被更长的 Context 取代。真正的多模态模型还没来。现在模型本质上是基于文本的。更长的 Context 会带来质变。LLM + 向量数据方案，就像是一个硬盘很大，但内存很小的电脑。终极目标是能够高效利用原本面向人类的教学资源。比如一家企业有很多面向员工的资料，如果有更长的 Context ，那就可以通过 prompt 的方式「训练」一个企业垂直模型。最终 AI 的创新可能诞生在看不见的地方。三、惊叹时刻▍3.1 Good Products大学生活质量指北：如果你正在填报志愿，可以看看这所大学的「软实力」，比如宿舍是否有空调。NewsAPI：最近研究 AI 相关的产品的时候，发现了这个产品，挺有意思的，专注做新闻的 API。Questflow：AI native 的 IFTTT？感觉还挺有意思的，未来做这种胶水的产品会越来越多。Voice Library：AI 声音 Library，里面有非常多种不同风格的人声。▍3.2 Good Videos带床去旅行：我不记得是否推荐过这个 UP 主，这个 UP 主是我每天必追的，每次看他的视频都觉得他好苦啊 😂投资4亿的五星级酒店，荒废多年后杂草比人还高，真是太可惜了！：全中国估计有很多这样的地方，很好奇这些楼以后会如何处理。【史里芬】巴黎输给广东佛山：这个 UP 主说话太溜了吧。------分割线-------最后做个小广告，我之前有介绍过我在研究 AI 相关的东西，也写了几个长的教程，但我知道单纯只有教程是不够的，还要尝试去真的开发一款 AI 产品。最近我们的产品终于可供大家使用了。简单说来它是一款 AI 套壳应用，但有亿点不一样😁：你可以像使用其他 IM 软件一样，使用 @ 的方式快速调用 AI 指令，就像是在群聊里 @ 人一样便捷：除了支持文本模型外，我们还支持文生图模型：另外，我们还提供一些服务，帮助大家解决一些网络问题 🐶，你可以在输入框内输入我们的 key：v0.AAAAAGUCsOA=._8b4565iATw2EZJ-ZEfiZ7fSJgiGNLmJ6oP8BTXf0Es（你都可以通过我们的 key免费使用 GPT-3 模型以及文生图模型，但未来会失效，当正式的购买服务上线后，我会给各位订阅用户送一些福利😁）你可以在我们的 Github Page 上下载此应用。最后，我想聊聊这个产品的愿景：现在，你仍然需要通过 @ 的方式跟 AI 进行沟通，未来我们希望大家能像跟人聊天一样，沟通自然，甚至你还能邀请别人和你一起使用沟通交流，AI 时代下的 IM 或许可以很不一样。现在，AI 返回的内容还只有文字，且数据也不是最新的，未来我们希望 AI 能访问各种各样的数据，同时还能自动化帮你处理一些工作。现在，你还需要使用其他工具才能完成你的工作，未来我们希望大家可以在一个应用里完成工作，亦或者进行学习，无需在多个应用间进行切换，从而提高大家的工作效率。现在，很多人觉得 AI 会替代人类，但我们并不这么认为。未来我们希望 PoleStar 能借助 AI 的能力，提升人类的智能。

一、好好学习▍1.1  凯文凯利如何看待 AI上个月，Tim Ferriss Show 邀请了 Kevin Kelly（下面简写为 KK） 聊了下 AI 相关的话题。里面有非常多有意思的观点，给了我不少启发，也让我对 AI 的未来有了更多的想法。这里我做了一个总结，希望能给大家带来一些启发。注意，整个总结过程，我使用 AI 技术，翻译并总结了 podcast 里的内容，最后再做人工编辑，可能会有错误的地方，请各位注意。① 1,000 True FansKK 在播客开头聊了下他对 1000 个真实粉丝的补充：1. 即使你的兴趣爱好非常小众，甚至只有百万分之一的人会感兴趣，但考虑到地球上有数十亿人，你依然能找到 1000 个真实粉丝。2. 并不是每个人都适合做这个事情，艺术家可能只想画画，不想和粉丝打交道。Jimmy：我个人的理解是 1000 个真实粉丝，只是一个起点，并不是说只有 1000 个。如果你能找到 1000 个真实粉丝，那么你就能找到 10000 个，100000 个，1000000 个。这个数字只是一个起点，而不是终点。② AI will replace many tasks, but not their jobKK 在播客中被问到「现在很多人认为 AI 会替代人类的工作，你的看法是怎么样的？」，他的答案是「AI 会替代人做很多任务，但无法替代人类的工作」。有些任务因为 AI 替代而消失，但工作不会。KK 认为我们的担忧都是第三人称担忧（third-person worry），都是听说「别人的工作会被取代」，当并没有真的遇到过谁因为 AI 而失业。拿设计公司为例，以前设计公司会雇佣很多实习生，然后让实习生做初稿，正式设计师审阅和调整。有了 AI 工具之后，这些设计师现在需要学习如何使用 AI 工具，然后让 AI 生成设计。但这并不代表不需要这些初级设计师了，设计成本变低以后，需求会上涨，我们会在更多地方使用设计，比如以前制作 PPT 不会带图片，现在会带图片。这并不是零和游戏。Jimmy：我之前在即刻上发过这样的一个帖子：看完微软的发布会，很多人都说 AI 会提高效率，节省人的时间。这让我想起《More Work for Mother》一书里提到的观点—— 当家庭主妇用上诸如洗碗机或者吸尘器之类的家电之后，看似节省劳动力，但并没有节省时间，人们依然很忙，这些工具只会提高社会对干净的标准，抵消了使用家电带来的好处。KK 的观点和这个很像，AI 会提高效率，但是会让我们的标准变高，让我们做更多的事情，所以我们的工作量不会减少。另外，我觉得可能因为一些外界的影响，让大家产生 AI 影响到了就业的错觉。那就是经济环境，业务量萎缩，职位肯定会减少，这并不是 AI 带来的。③ AIsKK 认为现在的 AI 在某些地方非常聪明，但却会在某些地方非常愚蠢。It’s like, you’re insanely brilliant, but you’re so dumb here. 比如 KK 提到 AI 生成图片工具，能生成非常漂亮的图片，但却没法生成手指。所以未来我们会有一个通用模型，但它只能算是一般好，但并不能说比所有的都好，所以未来可能会有很多个 AI 模型，每个模型都会有自己的特点，以及缺点。④ Artificial AliensKK 看待 AI 的方式，是将 AI 想象成外星人，他们非常聪明，只是做的事情和我么那不一样，他们能帮助我们以不同的方式进行思考，这就是我们需要使用他们的原因。他们能想出人们想不出的东西。⑤ Most of Them will be UnseenKK 认为 AI 会融入到各种日常工作，以及设施中，这将会是 AI 真正成功的标志。我们不会去想他们，它会融入到幕后。⑥ Wisdom of the CrowdKK 在访谈中提到，他在用 ChatGPT 辅助写作，他将 ChatGPT 产生的内容比做是「wisdom of the crowd」（群体智慧），所以他们生成的内容基本基本上是正确的，且非常普通和平淡。所以 KK 建议，最好通过指令让 AI 生成更 snarkier（尖酸刻薄）或专业的内容。比如让 AI 就某个知识点，生成 10 个案例。KK 还提到，他的编辑朋友，会将剧本扔给 AI  ，然后问 AI 「有哪些矛盾的情节？」Jimmy：解释下这里提到的「群体智慧」，因为 ChatGPT 生成的内容其实是根据人类写过的内容，通过数学计算，返回最有可能的结果，有点类似从众多人类写的内容中，求平均值，所以 KK 才觉得 AI 生成的内容类似群体智慧。对了，我最近更新了我的教程，增加了一些语言模型相关的介绍，感兴趣的朋友可以看看。▍1.2 一日一记(127/365)我认为 AI 最好的应用是帮助人类提升 HI（Human intelligent ，人类智能）。从原理上看，现在的 LLMs 不可能突破人类的认知。因为它学习的是人类了解的东西，然后再将学到的东西复述出来，类似一个复读机。现在不太看好 AI 的人会认为复读机，没啥大不了的。但我觉得复读机也挺好的了，大大地提高了很多人的平均水平。比如写销售文案，发 Email 等。(128/365)最近读到 A16z 的一篇文章，文章开头引用了一句老子的话：“Being deeply loved by someone gives you strength, while loving someone deeply gives you courage. But being understood by someone is everything.”翻译成中文是「被某人深深地爱着使你强大，而深深地爱某人则使你勇敢。」，但我查了好多资料，好像老子没说过这个话啊 😂(129/365) 上周是伯克希尔哈撒韦公司股东会，巴菲特已经 92 岁了，查理芒格今年按虚岁算已经 100 岁了。看了下别人发的视频，他们还是如此健谈，太强了。希望我 100 岁的时候，也能这样。BTW，我听说查理芒格 90 岁以后，就没有离开过助步器（只是听说）。(130/365) 美国 SEC（证监会）给举报人支付了有史以来最大的一笔奖金，金额接近 2.79 亿美元。这也太夸张了吧。(131/365) 听完了吴军得到的 ChatGPT 课程，同时也听完了吴恩达的 AI prompt engineering 课程。两个大牛给我的感觉非常不一样。吴恩达教的东西更微观，教的更多的是技巧，教我们如何用好 AI，对 AI 的态度更多的是包容，且正面；而吴军教的东西更宏观，教的更多的是原理等，但给我感觉更像是「这东西并不牛逼，老子我十几年前就搞过了」😂(132/365) 假期去了趟云南大理，买了一些鲜花饼，吃了几天，越吃越喜欢吃。推荐给大家（牌子是潘祥记，有淘宝店，我喜欢吃玫瑰和云腿的）。(133/365)最近开始学习深度学习相关的知识。如果你也想学习，推荐这本书《深度学习入门》。我觉得最大的问题是数学，以前学过的东西都还给老师了😂。二、小信号▍2.1  当代员工必备的IT技能根据咨询公司 Gartner 发布的《2022年数字员工调查》中发现，白领在工作中平均会用到 11 种应用程序，有 17% 的人会用到16种甚至更多。那么 AI 时代，白领使用的工具，以及所需的技能是否有变化？WSJ 这篇报道，则是询问了一些企业管理者，以及猎头和咨询师，调研了下这个问题。结论是：1. 数据解读 AI 能做，但仍然需要人类干预，所以人类仍然需要学习如何使用电子表格工具（Jimmy：但我觉得需要学习的东西不会特别多，比如我觉得公式就不需要学了）。2. 沟通工具，比如邮件、PPT 等（Jimmy：不太赞同文章的观点，其实很多 IM 工具你根本不需要学，这个是最容易被 AI 替代的）。3. 项目管理（Jimmy：我觉得和这个需要跟人交互的，AI 相对来说只能辅助，很难替代）。4. 编程，以及自动化（Jimmy：这个我觉得对很多人现在估计比较难，但使用 AI 工具辅助，应该会简单很多）。我的结论是：AI 不会替代人类，但使用 AI 的人会替代不使用 AI 的人。有点像是当年 CAD 还没出现之前，人们都是靠手工画图一样：▍2.2 AI 孙燕姿上周我在 B 站上看到了非常多 AI 孙燕姿的歌曲，听了几首，我觉得还挺像的。我发现好像也就 AI 孙燕姿比较像，其他歌手的都不太像，像孙燕姿这种声音比较有特色的歌手反会更容易训练。很好奇孙燕姿本人对这些歌曲的看法。在大洋彼岸，也有一位歌手遇到类似的情况，不过她更多地是抱着开放的态度拥抱 AI，她就是 Games（BTW 她还是马斯克前女友），她在她的 Twitter 上宣布她的声音开源（算是开源？可以任意使用她的声音）：甚至她还做了一个 GrimesAI 工具，你可以使用这个工具生成带有她的声音的 NFT，然后进行分发和售卖（？抱歉，我不是很懂 NFT），然后你和 Grimes 各分到 50% 的版税。我觉得这个模式还挺好的，与其禁止，不如参与进去。因为禁止是不可能完全禁止的，作者单人去维权成本巨大，不如参与进去，裹挟更多人，形成利益集体后，维权会更容易。另一个案例是 Caryn Marjorie，她没有用她的声音，而是用她写的文案作为训练材料，做了个虚拟女友 AI，上线第一周收入 7w 刀，并且她预计能赚 7 百万美元一个月。从这两个案例中，我有了一个这样的想法：未来的艺术家需要花更多的时间差异化上，而不是基本功上。因为你的画作、甚至你的声音都有可能被人拿来训练，那关键就在于形成自己的风格，即使拿去训练，大家也能知道这是你。比如梵高就很有特色，拿梵高的画作来训练模型，这个模型生成的画，别人也能一眼辨别出来，你只会更出名。孙燕姿的 AI 歌曲，也是类似的。我觉得各位用腾格尔的声音训练，估计也能训练出不少有意思的歌曲。▍2.3 每周 AI 记事这个板块稍微升级下，后续除了总结本周值得一看的论文外，还会总结本周值得关注的 AI 新闻。MJ office hour 2023-05-10原文链接：https://twitter.com/saana_ai/status/1656403099807006720我没去听这个线上直播，而是看了别人的纪要，几个值得关注的点：他们正在做 V6 版本提高一致性（我觉得这个是最需要提升的，而不是提升所谓的专业滤镜支持）绝大多数 MJ 用户没有生成超过 1000 张图，MJ 的 Aha moment 是 100 和 1000 张图（我的感受是，100 张图靠引导和教程应该能到，1000 张图要靠一致性的提升，不然很难在商业场景上使用）Claude 的 API 最大支持 100K token这就意味着最大支持 7～8w 字的上下文，这就意味着一些基于短文档内容的 ChatBot，不再依赖 Embedding 技术，可以将整篇文档塞到 prompt 里，回答的结果准确率会有较大的提升。但另一个角度看，这就意味着每次提问的费用将会更贵，并且返回结果的速度会很慢。刚好我最近也在研究 Embedding 技术，于是就有一个疑惑：Embedding 未来是否会被淘汰？或者换个角度：我们能否接受仅检索一部分信息，以换取成本和效率优势？想了想，这个可能跟算力类似，随着技术的提升，我们对算力的需求是永不满足的。现在支持 100K token，但我们仍然有 1000K 的文件需要有到 Embedding，未来支持 1000K，我们还有 10000K 的数据。用哪种更有可能是取舍。BTW，我比较好奇 Claude 100K 的费用，要是每次提问里都带上文件，那这个 token 消耗怕不是天文数字。另外这种直接将文本全部扔到 prompt 里，该怎么让 AI 给出引用位置的信息呢？🤔Google 发布 PaLM2Google 发布的 PaLM2 模型论文，并且辅助看了下发布会的视频，总结几个我认为比较关键的点：PaLM2 支持 100 种语言，论文提到这个模型在汉语水平考试 HSK 6 中得了 60% pass。法语水平考试在 C2 中得了 85.7%，西班牙语、德语考试、意大利都得了 60%，日文 J-Test 在 C2 level 考试中拿到了 90% pass。而且从论文中的案例上看，它好像比其他模型更擅长成语和俚语。模型有 4 个 size，最小的 Gecko 可以在手机里运行，每秒生成 token 数可达到 20 个，完全够用了。我觉得这个比较值得关注，另外期待 Apple 的模型。看了下各种媒体的报道，都说谷歌全面碾压 OpenAI，但感觉好像还是有点距离的，应该是部分超过。像编程场景，最新的模型 PaLM-2-S 在 HumanEval 中只拿到了 37%，而 GPT-4 拿到了 67%（不过需要注意这个测试主要是让模型写 Python 代码，有局限性）。应用的整合上，基本思路跟微软类似，全家桶式的整合，其中一个叫 Project Tailwind 的 AI NoteBook 产品，可以申请玩下，看看谷歌做的类 PDFChat 效果如何：https://www.theverge.com/2023/5/10/23718707/google-io-2023-project-tailwind-personal-ai-notebook论文链接：https://ai.google/static/documents/palm2techreport.pdfHugging Face Transformer Agents这个 Agent 有点类似一个模型调用的路由器，Hugging Face 上有很多开源的模型，解决以下几个问题：在一个产品里同时调用多个模型：比如你想用 A 模型生成图片，那你需要去到 A 模型对应的页面，或者调用 A 模型的 API 去生成图片。当你需要用 B 模型生成音频时，又要切去使用 B 模型，比较麻烦。而现在你可以通过现调用 Transformer Agents，然后让 Agents 选择合适的模型，并将数据传过去，最后返回结果。让 AI 找到合适的模型：前一个优点其实在程序里加一些逻辑判断，也能实现。但会存在另一种可能，开发者并不知道什么模型适合什么任务，而 Agent 另一个优点就是，能通过用户输入的任务选择合适的模型。比如用户输入「生成一张星空照片」，Agent 就会去请求一个最适合生成星空照片的模型。原文链接：https://twitter.com/huggingface/status/1656334778407297027项目文档：https://huggingface.co/docs/transformers/transformers_agents三、惊叹时刻▍3.1 Good ProductsAudioPen：这个产品算是  AI  赋能的便签？录音自动转成文字，同时还支持将录音中的废话部分通过  AI  过滤掉，这是我最近看过 AI 融合得最自然的产品。书译-AI 全书翻译工具：支持多种语言的翻译，包括简体中文、英文、繁体中文、日文、韩文等。News Minimalist：使用 AI 技术给新闻打分，然后只展示高分的新闻。看了下，感觉基本上都是国际级别的新闻才能达到「高分」。不过我觉得思路挺好的，AI 法律助手：回答都是由 AI 检索完法律文件后生成。测试了下，如果你问得比较直接，效果就比较好，如果问罗翔老师那种「狂三」式的问题，就不太行了。比较适合检索场景。▍3.2 Good Videos我被一双AI运动鞋骂了2个月...：羡慕动手能力强的 UP 主。最近在学 AI Embedding 和 LangChain 相关的知识，感兴趣的朋友可以看看：LangChain 101: Models5 Levels Of LLM Summarizing: Novice to Expert

一、好好学习▍1.1 《效率脑科学》2023 年读完的第二本书，选择这本书的原因是：跟效率有关，这个是我一直在关注的主题。跟生物学有关。最厉害的，则是它将 1 & 2 结合，从生物学的角度来讲效率，就感觉很有意思。不过看完后，我觉得本书在效率上给我的洞见比较少，反而是教会了我如何更好地感知当下。我这次读书，再次用 Hepta 记录，感兴趣的可以看看我的完整记录。本期 newsletter 主要想分享我从这本书里学到的最重要的三句话。第一句：随着你越来越了解自己的大脑，就会发现自己的许多弱点和问题其实是大脑的构造方式造成的。这句话，我认为是本书最关键的理解。从生物结构上了解自己，可能才是最科学的方式。并且我认为这个「不是你的问题，而是你的大脑的问题」认知也很重要，当你有了这种认知后，看待很多问题的角度，都会发生改变，并且这种改变对你还有直接好处。你会重新评估自己的经历，从而调节内心压力，从而更理智地进行思考、决策。当你为自己的心智表现感到焦虑时，试着说“这是我大脑的问题”。第二句：如果你想让他人设立目标，那么你只需要设置一个框架，具体目标由他们自己来决定。这句话，让我想起了我在字节的时候使用的 OKR 系统。在定 OKR 的时候，上级会定一些大目标，但实际落地需要做的小目标都由下级定，下级定好后，上级 review 修改。这种方式，我当时的体验是「会让员工更自驱」。但每次跟大家聊起这个事情的时候，大家都觉得是玄学，我也没法很好地说服他们。现在我知道了原因：定目标能够促进大范围的自我引导的神经可塑性。设立目标的同时，会让人的大脑打开了向上螺旋或者向下螺旋的可能性。关注目标时，人会感知到更多与目标相关的信息，这会使人变得更为积极，会让人觉得自己正在向目标靠近，而这又让人给予它更多关注，并感知到更多信息，如此循环下去。但直接给别人设定目标时，你会降低了对方的自主感，而且还容易误以为别人的想法跟你一样（认识到别人的想法与你不同需要占用更多大脑能量，还会让你产生不确定感），所以最好的方式是设置一个框架，具体目标由他们自己来决定。而 OKR 这种上下对齐的模式，就很符合这一标准。第三句：SCARF 模型：代表地位（status）、确定感（certainty）、自主感（autonomy）、连接感 （relatedness）和公平（fairness）。模型描述了人际关系中大脑非常重视的主要奖赏或主要威胁。模型里提到的因素都是能直接影响人脑的东西，某种程度上来说，算是人类的核心诉求。结合上面分享的第一句话，在日常生活中，通过这模型，你能更能快速地感知到什么情感是大脑的自然反应。拿我最近遇到的事情举例，我最近在朴朴超市买菜，送过来后，发现他们多送了两包虾仁，然后我就联系客服让他们取回。有意思的是，取回的整个过程，遇到的几个客服都只是道歉，没人说感谢。所以我稍微有点失落。但细想，这不过是大脑的自然反应，因为我感觉「不公平」。我知道肯定有很多人收到多余的货，但没有送回。而我做了正确的事情，感受上却是损失了（BTW 大脑对损失的感受比获得的感受更强烈）。做正确的事情，却没有得到正面的反馈，所以才会感觉「不公平」。当我觉察到我的这种情感后，我释怀了，这不过是大脑的自然反应。觉察到这个反应后，我加强了「公平」的反馈，我想的是「拣货员不会因为这次失误而受到惩罚」、「不会被人默默地在后面辱骂」😁提升了公平的感知，感受上变好了很多。最后我想引用书中最后的一句话：愿你保持较低的皮质醇水平，较高的多巴胺水平；愿你的催产素浓厚而丰富，血清素又高又平稳；愿你在一生中都能观察自己的大脑。祝你旅途愉快！▍1.2 每日一记① How I improve my taste: 1) I do everything I can to surround myself with all kinds of ultra-high performers. 2) I spend an unreasonable amount of time in art museums. 3) If a piece of writing feels magical to me, I dissect it and voraciously read the author’s work.--David Perell这句话出自 David Perell ，他是一名作家，他目前正在连载一个叫 Monday Musings 的 Newsletter，感兴趣的朋友可以去看看。回到这句话。这句话说的是 David Perell 如何提升个人品味，他的经验是 1）尽自己所能让自己处于牛人环绕的环境。2）在艺术博物馆待非常非常非常久 3）如果我对某篇文章很感兴趣，我会剖析它，并阅读该作者的其他作品。我也有跟第三点一样的习惯，并且会更激进一些，遇到好的文章，除了会遍历作者的其他作品外，还会去看作者的 Twitter 和 TA 在 Twitter 上关注的人。② 可以自我批评，但不要自我否定。比如，面试失败了，那就复盘反思，看看自己怎么提升，千万不要妄自菲薄。③ 承认很多事情没有招式、套路可言，吭哧吭哧地去做反而是最重要的。不要总是想着贪巧求速。本期每日一记的 2 和 3 都是在池建强老师的公众号 MacTalk 上看到的，受益匪浅。最近在整理 FS 播客的播客数据库的时候，也收集了不少很有教育意义的话语，后续打算根据专题做一些总结（BTW 对播客感兴趣的朋友可以来看看）。④ 相邻可能（Adjacent Possible）：在任何领域，下一个伟大的创意通常就出现在当前发展前沿之外的相邻区间，而这个区间包含了对现有想法的各种可能的新组合。关键是，你必须达到某一领域的前沿，然后，这种相邻可能以及它所包含的创新才会显现。最近在研究 AI 相关的产品，越发觉得 AI 的机会，可能不是 OpenAI 这种专做底层的公司（当然它未来也有可能成为类似 AWS 或阿里云那样的云服务公司，也很厉害），反而是 AI + X 才有可能跨越鸿沟，让更多人接触到 AI。就我目前的观察，AI 在电商领域应该变现是最直接的，解决的几个问题都很痛，比如我知道的有：AI 生成投放广告语，以及投放所需要的照片。AI 合成商品详情页图。这个我觉得比较厉害。你在淘宝上买东西的时候，会发现一些爆款产品，不同的店里的相同的产品详情图都是一样的，因为不少货商没有钱去拍新的图，一般都是盗图。而 AI 合成技术，可以让你只需要拍摄一张商品的照片，就能自动生成背景（当然人用 Photoshop 也能做，只是产品多了就很累）。而且我见过最厉害的是服饰类的，AI 能将衣服的图片和模特图片合成在一起，这样以后商家就不用请模特了。另外，我觉得未来或许还有一个值得关注的点「微软和谷歌的竞争」，微软有可能凭借其 AI 能力做出一个更好用的搜索引擎？并且，被 Google 文档分走的市场，会不会因为后续 Office 加上 AI 功能而被微软抢回来？⑤ API 有时被视为合同，而合同文本则代表了各方之间的协议：如果一方以特定方式发送远程请求，该协议规定了另一方的软件将如何做出响应。-- Telegram：@lover_links这句话来自 Telegram 群：扫地僧笔记这个群也是每天发一些主理人的所闻所想，感兴趣的朋友可以关注一下。说回这句话，我在 FS 的播客里听到过这样的一个观点：这个世界正在越来越像 API，企业只要越像 API，它接入进更大生态的可能性就大。⑥ Duolingo 教给我的道理：想坚持一件事，可以降低标准，但尽量不要间断，底线是绝对不要被劝退。养成一个习惯就是成功了一大半，剩下的事水到渠成。-- @NekoStranding这是个来自 Twitter 的分享。我个人觉得总结得很好。跟我在 1 月 18 日分享的感悟有点类似：一个反直觉想法，不一定对。每天做某件事，比一周做某件事几次要更容易坚持。比如每天去健身房，比每周去健身房三次要更容易坚持。我的总结比较朴实无华 😂的确降低标准换来坚持也是个不错的技巧，能让你坚持更久。⑦ 科技一直在进步，但这些进步背后，我们人类的生活却是「倒退」。以前我们为了省钱，选择走路上班，现在为了省时间，每天开车上班，然后抱怨没有时间锻炼。以前我们无聊的时候，会看看书，翻翻杂志，现在的我们只会刷短视频，然后抱怨没有时间读书。为何不试试回到「落后」的年代？尝试走路回家，尝试晚上放下手机，拿起一本书。这段话，是我听完 Huberman 将近 50 集 Podcast 的感叹，他在播客中提到的很多建议，其实很「复古」，都是以前的人们都会做的事情，比如多运动，多睡觉。但现在，科技让打车容易了，娱乐更方便了，反而令我们更不健康了。▍1.3 AI 实作本周开始，我会不定期更新我使用 Midjourney 或其他 AI 工具的实践案例，并分享我的思考。对 Midjourney 陌生的朋友可以看看刘飞的公众号文章沉迷 AIGC 两周后：某些人失业是必然的。这是我为本期主题做的图片：一个正在思考的亚洲男性。Prompt 是：A young Asian male in thought --nijiPrompt 里有一个「--niji」，这是一种使用 Midjourney 的进阶技巧，除了可以通过文字的方式告诉 AI 你想要什么风格外，还可以在描述后，增加一些属性，详细的属性可以看 Midjourney 的文档。了解这些属性，你基本上超过了 80% 的 Midjourney 的用户 😁我使用的 niji 是一种特殊模型属性，它是 Midjourney 和 Spellbrush 合作开发的模型，主要是生成日式漫画风格的图片。二、小信号小信号① ：波音747 飞机正式停产波音公司向 Atlas Air 交付了最后一架波音 747 飞机，至此这架在 1968 年到 2023 年一共生产了 1574 架的传奇机型正式停产。所以本期小信号，决定记录下这一历史时刻。另外很有意思的是在交付这家飞机的时候，飞行员花费了 2 小时 35 分钟再空中留下了一个 「747 皇冠」的轨迹，以此向 747 做最后的致敬。小信号②：ChatGPT 注册用户达到 1 亿达到这个数字，Instagram 花了 2 年半，字节的海外版抖音 TikTok 花了 9 个月，ChatGPT 花了 2 个月。另外，其日活用户也达到了 1300 万。看到这个新闻除了感叹外，还引起了我的反思：我们中国的产品呢？国人对这个技术的了解又有多少呢？我记得我在第 86 期、第 83 期都同步跟踪过 ChatGPT 的信息，有一期是美国纽约教育部禁止学生使用 ChatGPT ，我当时还吐槽说中国的学生可能有很多连 ChatGPT是啥都不知道。根据我的观察，随着国内类似的产品越来越多，情况有所好转，看起来越来越多的人了解这个产品了。不过我在一些社群观察到，不少人还是比较抵触，或者对其有较为负面的认知，我认为这种结论是错误的。应该以中立的角度看待这个技术（我甚至觉得可以包容地看待），另外它还在一直迭代，不应该在早期就一棒子打死，这样反而会令你失去很多机会：小信号③：ChatGPT 可以获得沃顿商学院的 MBA 学位吗？这个小信号是一篇沃顿商学院的论文，作者是沃顿商学院教授，以及运营管理系系主任 Christian Terwiesch （我觉得这个信号是对上一条信号里提到的人最好的反驳）。他让 ChatGPT 做了 MBA 的核心课程「运营管理」的期末考试题，并进行了评分，发现：ChatGPT 在基本运营管理和流程分析问题（包括基于案例研究的问题）方面做得非常出色。不仅答案正确，而且解释得非常好。ChatGPT 在做仅为 6 年级数学水平的计算时，会出现令人惊讶的错误。而且这些错误还出现多次。当前版本的 ChatGPT 无法处理更高级的过程分析问题，这包括具有多种产品的流程和具有随机效应（如需求可变性）的问题。ChatGPT 非常擅长根据人类提示修改其答案。换句话说，在最初未能给出正确答案的情况下，ChatGPT 在收到人类的适当提示后能够自行纠正。考虑到这种表现，Christian Terwiesch 教授认为 ChatGPT 在该考试中的成绩应该是 B 到 B-。大家可能觉得单看这些结论没啥感觉，我翻译了一道题目，以及 ChatGPT 的答案，大家不妨想想如果你来回答会怎样？问题：某公司在美洲生产还原铁，生产过程是从一堆铁矿石粉开始，矿石经过 7 个步骤，最后才能产出还原铁。该步骤及效率如下：预热器：每小时 60 吨锁料斗：每小时 55 吨第一反应堆：该反应堆可容纳最多 14 吨铁，大约需要花费 15 分钟第二反应堆：最多容纳 200 吨铁，需要花费 4 小时加热器：每小时 62.5 吨卸料：每小时 59 吨压块：总共3台机器，每台每小时 27.5 吨请问这个流程的瓶颈在哪里，整体流程容量是多少？ChatGPT 的答案：该工艺的瓶颈是第二反应堆，整体流程容量为每小时50吨。这是因为在7个工艺步骤中，第二反应堆对铁矿石的容量最低，停留时间最长。其他步骤具有更高的容量，但它们只能以第二个反应堆的速度工作，因此整体工艺能力仅限于此速率。例如，即使预热器的容量为每小时 60 吨，加热器的容量为每小时 62.5 吨，但铁只能在第二反应堆中以每小时 50 吨的速度处理，因此整体处理能力仅限于此速率。该答案 Christian Terwiesch 教授给了 A+三、惊叹时刻▍Good ProductsYouGlish：这是一个英语口语学习工具。你可以输入你想学习的单词，然后它会搜出所有带该词的 Youtube 视频，并定位到主讲人说出该词的位置，这样你就能通过看视频的方式学习该词语的发音。我觉得这样学习有三个好处。一个是有声音和视频，刺激更多感官，能让你记忆更加深刻；第二个是有连读，视频里的人说的都是句子，在说出该词语的时候，一般都会带点连读，这个是国人学习口语时最容易忽略的；第三是用法，跟第二点类似，因为是句子，所以在听句子的时候，还能知道这个词是怎么使用的。OpenAI 的 AI 检测工具：很绝。属实是两头都赚钱了。但目前看了下反馈，准确度一般。还要观察观察，你说以后会不会有类似 360 那样的产品？专门鉴别是否是 AI 创作？Artifact：Instagram 创始人兼前 CEO 再次创业做的新闻产品，主打 AI 功能，海外科技媒体 Verge 形容是「a kind of TikTok for text」。这不就是今日头条吗？Damus：Twitter的 创始人兼前 CEO 也带了他的新社交产品。这个产品发布后，我的朋友圈各种神秘代码（其实就互加好友使用的 ID），这个盛况让我想起了当年的 Clubhouse 😂。沉浸式双语网页翻译拓展：最近一直在使用的双语翻译拓展插件，我推荐的原因是它为常见的网站如 Twitter、Reddit 做了排版优化，并且支持 Deepl、谷歌翻译、彩云翻译等翻译服务。Read Pilot：这是一位独立开发者开发的 AI 文章总结的应用，我推荐它的原因是它跟一般 AI 总结不同，它是通过回答关键问题的方式做总结，我觉得这个设计挺好的，约束了总结的范围，总结的内容会更加准确，读者又能通过这些总结快速判断文章是否值得读。▍Good Videos本周一直很忙，没怎么看视频，所以本期的视频推荐只有一个：The best way to apologize (according to science)：如何真诚地道歉？首先要聚焦理解对方的观点，而不是做出空洞的承诺。接着，在你理解之后，向对方表示同情。特别是在他们受到严重伤害的时候。最后，不要只是承诺，而是要采取行动，提供一个发自内心的补偿。

Hi，朋友！感谢订阅随意搜寻 🫰正如我在介绍里说的那样，我希望能和你成为朋友，如果可以不妨将此专栏分享给别人。感谢~BTW 此专栏目前开启了合伙人计划，当你的朋友购买了本专栏，你会获得返利。有关此计划的细节，可以查看此页面。▍连载计划2023 年，我会对内容进行大的升级：更多可量化的内容：今年计划会读 30 本书，和 20 部电影/纪录片。目前进度如下：《最有生产力的一年》✅《效率脑科学》✅《不可征服》✅《How I Built This》🚧更多原创内容：总结这近 90 期的连载，发现大多数是感想总结，原创内容还是太少了，所以今年会创作更多原创内容：关于 AI 的观察与想法...最后，也欢迎各位留言推荐你想要看的内容。▍目录2023 年汇总：Good Products 汇总Good Videos 汇总AI 实践汇总决策：Issue 89 如何在压力下进行工作与决策？AI：Issue 91 关于 AI 的一些观察与想法Issue 94 搜索与 AI 结合其他：Issue 92 The TIME Project读书笔记：效率脑科学独立开发者经验手册不可征服...2022 年🔍 谷歌高级搜索命令提升搜索效率三个我常用的调研海外情况的工具🚧 编辑中▍Ask Me Anything 留言墙这个也算是个彩蛋福利吧~ 哈哈哈~ 主要是想跟大家成为朋友，欢迎各位在评论区留下你的提问，我会在此回答你的问题 😁亦舒 & seon① 您的文章很多是关于工作/效率/生活方面的一些感悟，请问您平时对政治/经济/社会事件的关注如何呢？虽然这和生活没有直接关系，但可能会有着间接的、微妙的关系，不知道您会投入多少精力在阅读相关文章上呢?我感觉我对经济的分享也挺多的 😂不过主要是分享小信号，感悟的确比较少。政治和社会相关的分享的确比较少。主要的原因是有些话在公开平台不好说，或者需要我改口说，所以我选择宁愿不说。第二个问题是投入多少精力，我其实每天都会阅读时政和经济类的文章，不过的确相对工作效率类的文章会少一些。两者应该 3:7 吧。最后，我很认同 Seon 的回复，保持关注，并且多关注你能影响的事情。没必要有那种没看就感觉亏了的心态，我们每日关注的信息不是不够，而是太多了。②投资的回报率，比如股票，可能只有10％，但可能需要我们投入相当多的精力研究图表财报等，这可能侵占了相当多的个人时间，这真的值得吗?期待您的解答!坦率说来，我认为在 30 岁前，特别是 25 岁前工作收入不高的时候。因为你的本金很少，投资理财的 ROI 太低了，不如思考如何提升本金，比如思考如何提高自己的月薪，或者尝试下做副业。说到副业，我个人觉得趁年轻，不如多试试，比如当 B 站 UP 主。另外就是尽早积累。白瑞Jimmy你好呀。我是一个ai/计算机完全零基础的同学，通过你的learning prompt 分享以及本博客的学习分享，获益匪浅～关于“提问”的问题想向你提问。目前gpt的发展降低了很多“技术”门槛，让即使不懂技术的人也可以及时、快速享有人工智能带来的提效，以及把只是想法变成可以把想法变创造的能力。但另一方面，我觉得对于“懂得提问”“懂得清晰下需求”的能力要求更高了，甚至这成为一个基础技能。请问在日常中，你是如何锻炼“提问”能力呢？比如对ai的提问、对自我发展的提问。期待能获得你的心得分享，以及工具、书籍的推荐！非常感谢！我认为「提问」只是最终的结果，我将它分成三层：观察（好奇）思考（思辨）表达（提问）如何「清晰地表达需求」只是最后一层，这一层最重要的能力是「表达能力」，要想提高这一层能力，我觉得是没有捷径的，就是多写，特别是跟 AI 的沟通，很多时候需要用到一些 PE 的技巧。这都需要多尝试，才能写好。另外除了 PE 技巧外，还有就是需要一些写作技巧了，推荐两本书：风格感觉一本小小的红色写作书接下来的两层，我反而觉得更关键。举一个我现实中遇到的 case，我遇到一个用户，TA 的输入是这样的「请给我推荐一些丽江小众景点」，然后 AI 回答「玉龙雪山」，TA 的第一反应是 AI 很笨，因为玉龙雪山一点都不小众。坦率说来，这个用户的反应没有错，表达也没有什么问题，但 TA 的心态跟很多使用 AI 的用户的心态类似——缺乏好奇心，当 AI 没有输出满意的效果时，就不再探索。其实 TA 只要换一种表达「不著名景点」，TA 就能获得满意的答案。大家缺的不是方法，而是想象力。最后推荐一本书：学会提问

一、好好学习1.1 如何在压力下进行工作与决策？本期开始，我会尝试将多篇同主题的内容进行融合。希望能用专题的形式，让大家学到更多东西。本期想分享与压力有关的内容。在生活和工作中，你我常常都会遇到让人感到不知所措和压力重重的情况，遇到这些情况的时候，常常会导致难以集中注意力，甚至决策失误的情况。时间管理专家、畅销书作者 Leo Babauta 在其文章 Working Effectively When You’re Overwhelmed 中提到以下三种方法帮助你在压力下重新集中注意力：间歇暂停：在做任何事情之间暂停一下。比如当你完成一个任务准备做另一个任务时，暂停下，思考下任务的优先级，看看有没有更重要的事情。或者伸展双腿，亦或者喝口水，休息一下。灵活对焦：当你遇到很多事情要做时，不妨列个短清单，仅包含 3-5 件你今天「必须做」的事情，并按重要性排序，做完一个就做第二个。然后再列一个长清单，将你「想做」的所有事情都列在这个清单里，然后将最紧急的事情放到长清单顶部。当遇到突然穿插的任务时，判断优先级，放到短清单或长清单里。另外，在一天结束的时候，花点时间检查一下清单，并将短清单里未完成的任务添加到第二天的短清单里。补充能量：面对压力的时候，很容易就筋疲力尽，休息则是当下最重要的事情。好好睡觉、吃好喝好、去运动一下，亦或者是去洗个热澡。面对一长串的任务，我的习惯跟 Leo 的灵活对焦类似，我会将所有任务都列下来，然后将任务列好优先级。但除此之外，我还有一个习惯是会考虑哪些任务可以让并别人做。有些时候，不要吝啬你的请求，让别人帮忙是效率最高的办法之一 😁说完任务，再说下决策。在畅销书作家 Daniel Levitin 在 TED 上发表过一个叫 如何在压力下保持冷静？的演讲，演讲里提到当你处在压力下，大脑会释放皮质醇。皮质醇是有毒的，它会导致思维不清晰。Daniel 请教了诺贝尔经济学奖获得者 Daniel Kahneman ，Kahneman 的建议是提高预测后见之明（Prospective Hindsight），或者说要多做「事前剖析」，尝试在坏事发生前想出可能出错的所有事情，然后你要尝试可能的方法来防止事情的发生。如果你常常丢钥匙，那就尝试将钥匙放在固定的位置，这样你就不会忘记钥匙在哪里。即使是压力较大的情况决策 case 里，这个方法也是可行的。Daniel 举了一个医疗决策的例子，在跟医生沟通方案前，应该想好需要决策什么，这样才能在压力下做到理智判断，演讲中他提到医疗决策关键有三点：NNT（Number needed to treat 益一需治数），意思是有多少人接受了此药物/手术治疗，才有一人被治愈，此数越低，疗效越大。绝大多数的药物的 NNT 并没有想象中那么低，葛兰素史克制药公司（Glaxo Smith Kline）估计，90%的药品只对 30% 到 50% 的人有用。治疗副作用。单纯看副作用率是没用的，要结合 NNT 一起看，假设 NNT 是 300 ，副作用率是 5% ，那就意味着 15 人会受副作用的影响，但得到有效治疗的只有 1 人。希望治疗后短时间能正常生活，还是长时间痛苦生活。总结下来，就是想在大的压力下，进行完全理智决策在生理上就不可能，需要在压力出现前就做好预案，才能防止决策失误。我也分享下我的经验：在一些重点工作或项目进行过程中，提前做好预案。有些事情可能比较难做预案，那在日常生活中，就多总结原则和思考框架，在需要决策时候，用这些原则去思考，而不是直觉。1.2 每日一记① 有些事情铭记比生死更重要。观《满江红》有感。坦率说来，这部戏如果扣细节，问题还挺多的，比如剧情反转非常像剧本杀，配乐太出戏，所以口碑也比较两极分化。但我个人觉得这部戏还是值得看的，不管演技还是剧情的反转，电影主线后的立意，我觉得很适合作为 2022 年的总结。不过我觉得推荐电影，跟推荐书一样，我之蜜糖你之砒霜。不一定适合你。② 你知道这鸟的名字，就算你会用世界上所有的语言区称呼它，你其实对这鸟一无所知。你所知道的，仅仅是不同地方的人怎么称呼这种鸟而已。现在，我们来好好看这只鸟。-- 费曼费曼一直是我很崇拜的科学家，并不仅仅是因为其的科研能力，还有其对学习的理解都很有深度。这句话出自《发现的乐趣》一书，对费曼感兴趣的不妨去看看这本书。③ 生产力不是指做更多的事情，而是指做正确的事情。--《最有生产力的一年》看完《最有生产力的一年》一书后，我觉得这句话是这本书最核心的一句话。④ 竭尽全力是最轻松的工作方式。初看这句话很反直觉。但我觉得如果要用一句话来总结如何工作更高效，应该就是这句话。⑤ 让我们把对外星人的善意转移到地球的人类同胞身上，建立不同民族和文明之间的信任和理解。但对于太阳系以外的宇宙，我们应该时刻保持警惕，并将最坏的恶意归于太空中可能存在的任何人。对于像我们这样弱小的文明来说，这无疑是最负责任的道路。-- 刘慈欣这句话是刘慈欣给英语版《三体》写的一段话，我觉得很有意思。比很多白左的水平不知高到哪里去。⑥ 和医生做医疗决策，商量三个因素。第一个，NNT（Number needed to treat 益一需治数，意思是有多少人接受了此药物/手术治疗，才有一人被治愈，此数越低，疗效越大），第二个治疗副作用，第三个希望治疗后短时间能正常生活，还是长时间痛苦生活。这句话来自视频：TED演讲：如何在压力下保持冷静？我觉得非常值得看，我最喜欢的是里面关于医疗决策的这一段，但希望各位不要用到。⑦ 不要用消费代替你本该付出的东西。如果你想要拥有匀称的身材，你需要的不是私教健身卡、运动衣服、鞋子，而是持之以恒的训练和坚持。这句话来自豆瓣的一个帖子。看到这句话的时候，引起了我的强烈共鸣。二、小信号本期开始，小信号会最少包含一条 AI 相关的信号。小信号一：国家统计局 1月 17日公布全国生产总值数据数据显示，经初步核算，2022 年全年国内生产总值1210207 亿元，按不变价格计算，比上年增长 3 %。我觉得这份统计，有几个信号值得留意：广东连续 34 年稳坐全国第一，但江苏与广东差距缩小。广东发展最大的问题就是太不平均了，个人觉得如果没能解决这个问题，或者没能探索出新的增长源，广东被江苏超越只是时间问题。上海生产总值同比 -0.2%。个人感觉去年封城的影响还是很大的，半年根本追不回来。31 个省份已披露 2023 年经济增长预期目标，数值范围在 4% 至 9.5% 。最高的是海南，预期增长目标为 9.5% 左右。小信号二：春节报复性消费并未出现，农村也未出现疫情大幅反弹大年初一，我去电影院看了《满江红》，看了下坐席，基本上是坐满的，并且看完电影后，还因为车太多，在地下车库堵了半小时，感觉大家都报复性地消费了一波。但实际数据显示，好像并不是，23 年中国电影票房还不如 21 年。另一个需要关注的是春节返乡是否导致疫情反弹，从全国农村发热门诊就诊人数来看，春节也没有出现大幅的反弹：小信号三：人类律师杀死了 AI 律师看完这个新闻，我既感到未来可期，又感觉很好笑。未来可期的原因是，我个人觉得 AI 在一些比较简单的辩护场景应该很好用，并且能节省不少钱。而好笑则是既得利益者面对技术的发展，却是抵抗的想法。我依然坚信类似法律、保险这类的领域很适合 AI。三、惊叹时刻本期开始，惊叹时刻的产品分享以及视频分享，会最少包含一个 AI 相关的产品，同时不做数量限制（最少 3 个）。另外互动问题，我会重新思考怎么搞，这个暂时会先暂停。New ProductsDeepL 文案润色：我一直在使用 DeepL 翻译工具，翻译结果我认为比谷歌的还好。最近他们上线了文案润色功能，试用了下，感觉或许可以替代 Grammarly 了？Eightify：这是一个浏览器插件，支持通过 AI 技术生成视频文字总结，目前仅对 Youtube 有效，试了下类似产品测评这类的视频，总结还挺准确的，直接看文字就能知道博主测评的东西，到底有哪些优缺点，非常高效。Skyline Webcams：你可以通过这个产品看到世界各地的网络摄像头，通过它们看到不一样的风景。Passport Index：这个网站统计了世界各地的护照的免签国家，中国仅有 29 个免签国家，而且绝大多数都是不发达国家。阿联酋护照排名第一，122 国家免签，59 个国家支持落地签。Good Videos谁人不想剪辑自己的生活：这个是视频是在 小破不入渠 看到的，以下是主理人 Jesse 的推荐语：每个人都会有类似的，自我怀疑的时刻吧：我做的东西、坚持的事情，到底有没有意义？从十几岁开始，每年写一些不一定有多少人看的博客，到底有没有意义？但这就是「做自己的 storyteller」，是「剪辑人生」。随年龄增长，越来越多的人都会忘记方向，向时间投降。这时你才愈发充分地感觉到，维持住 sense of time，把握你的生活，curate 你的记忆，这一切有多么重要。E Ink Gallery 3 彩色墨水屏电子平板测评：很久没关注电子墨水屏产品，最近才发现，已经有彩色的墨水屏（震惊）。后来查了下，原来老早就有了，目前彩色墨水屏产品已经迭代到第三代，看了下评测，感觉色彩还行，但就是刷新速度有点慢。用来看漫画应该非常爽（很还原 😁）。ChatGPT Tutorial for Developers - 38 Ways to 10x Your Productivity：这个视频介绍了 38 个研发领域可以使用到 AI 的场景，比如让 AI 用 Tailwind CSS 快速生成 CSS 代码，还有使用 AI 帮助你编写 SQL 代码。