即刻App年轻人的同好社区
下载
置顶【给世界提一个问题】
对于了解世界的真相，extreme cases/outliers还是general rules更有用？
Political与Economics秩序的更迭不一致时，国家内部会发生什么？国家间会发生什么？
我们更可能毁于我们所热爱的事物，还是憎恶的事物？
语言会强化现实还是弱化现实？
那些曾经风靡一时的企业和产品，现在怎么样了？它们的leader/founder如今在做什么？他们又如何看待过去的创业经历？
会有一个国家的人们关注残奥会的程度接近奥运会吗？
电视什么时候会消失？微博和推特什么时候会消失？它们会被什么替代？
人类历史上是否有消失的东西再度回来的案例？
专业主义/agency管理与“野生”放养如何平衡？（看完A Star Is Born产生的问题）
为什么一个country的公民会对另一个country的公民产生hatred sentiment？
各国的内部情绪调动出于什么目的，能否达到自己的目的？情绪的正反馈可能持续多长时间，产生哪些影响？
人类社会历史上的共同危机，当时的人们如何看待它们的？人们怎样度过危机的？
家庭教育和学校教育哪个在成长过程中作用更大？二者的协调或不协调会有怎样的影响？
内向者是否在消失？如果是，这对我们意味着什么？
现时的人们需要对下一代的福祉负责吗？如果是，为什么要负责？负责到什么程度？如果不负责需要有惩罚机制吗？
疫情之后，各国如何回顾的它们过去三年？
我们为什么越来越孤独但却又不愿意结婚？我们不愿意结婚了，这是真相吗？
能够穿越时间、周期的人、事有什么共性？
对于了解世界的真相，extreme cases/outliers还是general rules更有用？
Political与Economics秩序的更迭不一致时，国家内部会发生什么？国家间会发生什么？
我们更可能毁于我们所热爱的事物，还是憎恶的事物？
语言会强化现实还是弱化现实？
那些曾经风靡一时的企业和产品，现在怎么样了？它们的leader/founder如今在做什么？他们又如何看待过去的创业经历？
会有一个国家的人们关注残奥会的程度接近奥运会吗？
电视什么时候会消失？微博和推特什么时候会消失？它们会被什么替代？
人类历史上是否有消失的东西再度回来的案例？
专业主义/agency管理与“野生”放养如何平衡？（看完A Star Is Born产生的问题）
为什么一个country的公民会对另一个country的公民产生hatred sentiment？
各国的内部情绪调动出于什么目的，能否达到自己的目的？情绪的正反馈可能持续多长时间，产生哪些影响？
人类社会历史上的共同危机，当时的人们如何看待它们的？人们怎样度过危机的？
家庭教育和学校教育哪个在成长过程中作用更大？二者的协调或不协调会有怎样的影响？
内向者是否在消失？如果是，这对我们意味着什么？
现时的人们需要对下一代的福祉负责吗？如果是，为什么要负责？负责到什么程度？如果不负责需要有惩罚机制吗？
疫情之后，各国如何回顾的它们过去三年？
我们为什么越来越孤独但却又不愿意结婚？我们不愿意结婚了，这是真相吗？
能够穿越时间、周期的人、事有什么共性？
24 02
刚从越南旅行回来，今天读到FT的文章得知，蜜雪冰城海外首店就开在河内（2018年）。
https://www.ft.com/content/ba1865b4-4650-460b-b2d1-8ed0eeff368a?syn-25a6b1a6=1
0 00
世界上有一个东西，叫做「CEO失眠指数」。也许我也可以compose出一些有意思的「指数」。mp.weixin.qq.com
0 00
我：爸爸，你现在手机里有AI应用吗？如果没有，之前用过吗，用过哪些？
爸爸：之前用过DeepSeek一小段时间（在它刚冒出来的时候），豆包用过一天。现在一个都没有用。
我：为什么呢？
爸爸：这个不一定是对的想法——因为我还是觉得，比起依赖AI，我还是希望自己想一些问题。脑子不锻炼，就会退化。
爸爸：之前用过DeepSeek一小段时间（在它刚冒出来的时候），豆包用过一天。现在一个都没有用。
我：为什么呢？
爸爸：这个不一定是对的想法——因为我还是觉得，比起依赖AI，我还是希望自己想一些问题。脑子不锻炼，就会退化。
5 10
最近看了Dwarkesh对陶哲轩（Terrace Tao）的一期访谈（www.youtube.com），主题是AI 会怎样影响数学、科学发现和人的理解。
陶哲轩对AI的态度是既不悲观，也不兴奋过头。他没有把 AI 讲成“马上替代数学家”的神话，也没有把它当成只能写套话的玩具。他的判断是：AI 确实会越来越强，但“得到答案”和“获得理解”仍然是两回事。
如果要快速总结这期节目的话，大概是：未来很长一段时间里，最强的不是“纯 AI 数学家”，而是“人类 + AI”的混合体；而人类最重要的职责，不是算得更快，而是判断什么值得做、什么算理解、什么能变成可传播的知识。
【分段笔记】
1. 开普勒的故事
访谈一开头，陶哲轩讲开普勒如何发现行星运动定律。这个故事特别妙，因为它几乎天然就是今天“AI for science”的一个历史隐喻。
开普勒一开始并不是直接得到正确理论。他先相信一种很漂亮、很“数学美”的模型：用柏拉图立体去解释行星轨道间距。这个想法很优雅，但最后被数据打脸。真正让他走向突破的，是第谷·布拉赫留下的高质量观测数据，以及他在这些数据上长期、反复、近乎执拗的试错。
所以陶哲轩才会半开玩笑地说，开普勒有点像一个“高 temperature的 LLM”——不是一击即中，而是在大量尝试里不断提出猜测，再用数据去筛掉错的路径。
我们常常把科学发现想象成“先提出一个完美理论，再验证它”；但很多真正重要的进展，实际是先有高质量数据，再有大量试探，最后才逐渐看见结构。这和今天很多 AI 系统的工作方式非常像：它们擅长在巨大的可能性空间里搜索、组合、试错，但这不自动等于“理解”。
2. 当生成变得极便宜，真正稀缺的是筛选、验证和判断
陶哲轩反复强调一个判断：未来科学界面临的最大变化，也许不是“想法太少”，而是“想法太多”。
如果 AI 可以低成本地产生海量猜想、解释、论文草稿、研究方向，那瓶颈就会立刻从“生成”转移到“筛选”。问题不再是“能不能提出一个说法”，而是：哪些东西值得认真验证？哪些只是看起来像创新？哪些能成为真正有统一性的概念？
这其实非常像今天内容互联网正在经历的事。生成几乎免费以后，噪声会指数级增长。对科学来说更麻烦，因为科学的反馈周期比内容平台长得多。一个模型写出十篇“像样的论文”，并不代表它真的推动了学科；有些结果可能要几年、十几年后，才知道到底有没有价值。
陶哲轩提到，很多重要理论在刚出现时，并不完美，甚至明显带着缺陷，但它们依然是进步，因为它们把一个领域往更统一的方向推了一步。换句话说，科学史里真正珍贵的，往往不是“从第一天起就完全正确”，而是“它是不是打开了一个新的理解框架”。
问题在于，这种价值很难靠自动指标直接识别。引用量、讨论度、论文数量都可以参考，但都不够。真正的判断，仍然离不开专家社群、时间检验、跨领域传播能力，以及大量看起来“不高效”的人类理解活动。
3. AI 会让研究“更广、更快、更丰富”，但未必更深
这是我觉得整期里最克制、也很重要的一点。陶哲轩并不否认 AI 已经很好用了。相反，他很明确地承认：AI 会显著提升研究生产力。比如查资料、整理文献、生成图表、写代码、改写表达、搭结构，这些原来可能花几个小时甚至几天的事，现在确实可以压缩到很短。
但他的判断是：AI 带来的提升，很多时候更像“广度提升”而不是“深度突破”。 论文会因此包含更多实验、更多图示、更多文献线索、更多延展讨论，但最难的那一下——真正决定问题是否被看穿、结构是否被看见的那一下——依然主要发生在人脑里。
他区分了“artificial intelligence”和“artificial cleverness”。今天很多系统非常“聪明”，但这种聪明更像高强度模式匹配、快速试错和工具调用，并不等于它已经形成了稳定、可积累、可迁移的理解。它能做出一个局部漂亮动作，不代表它知道自己为什么这么做；它能在一个问题上碰巧走通，不代表下次会因此真正成长。
这个区分特别重要，因为现在很多人高估 AI 的地方，恰恰就在于把“完成任务”直接等同于“获得理解”。而陶哲轩不断提醒：这两个层次，中间还隔着很长的一段路。
4. 就算 AI 证明了定理，人类也未必因此“懂了”
访谈后半段讨论了一个非常哲学、但又非常现实的问题：如果未来 AI 借助 Lean 这类形式化证明系统，真的证明了某个重大数学命题，比如黎曼假设，那人类算不算也理解了它？
陶哲轩的态度很谨慎。他认为完全有可能出现这样的情况：机器给出了一套严格正确、但人类几乎无法直观把握的证明。它可能像一段极长的“汇编代码”，每一步都合法，但整体上没有给人带来那种“啊，原来是因为这个结构”的理解感。
这也是为什么他特别重视形式化证明和“半形式化语言”之间的差距。形式化语言解决的是“证明是否成立”；但真实科研里，人们大量交流的恰恰是那些还没有完全形式化的内容：直觉、路线、猜想、信心、类比、局部证据、哪些方向看起来 promising、哪些虽然还说不严但大概率对。
换句话说，科学并不只由定理构成，也由大量“尚未定理化”的思考过程构成。未来如果 AI 想真正深度参与科学，不只是要会写 formal proof，还得更好地进入这种半形式化的人类交流层。
而这件事，恰恰也是知识工作的核心：最后能被社会吸收的，从来不只是“正确结果”，还包括它能否被解释、被组织、被教学、被复用。
5. 未来最强的，还是人机协作
整期访谈里，陶哲轩最稳的一条判断是：人机混合体会在很长时间内主导数学。
原因很简单。AI 的优势很明显：快、广、便宜、可大规模试探；人类的优势也同样明显：知道什么问题重要，知道什么结构值得命名，知道什么时候该怀疑一个结果，知道怎样把答案变成他人也能掌握的知识。
这几种能力并不在同一个维度上，所以短期内不是简单替代关系，而是重新分工关系。
过去很多高价值工作，是“谁更能算、谁更能查、谁更能铺材料”；但在 AI 时代，这些能力会越来越被压缩成基础设施。真正往上走的，反而会变成：提出好问题、设计好评估、识别假进展、抽象出可迁移结构、把复杂结果讲明白。
这可能也是为什么，陶哲轩在讲自己的研究习惯时，会特别重视合作、写博客、偶然交流、跨领域学习。这些看起来“不够自动化”的部分，恰恰最接近真正的创造过程。
【总结】
1. 生成不再稀缺，判断力才稀缺。 AI 会让“提出一个看起来像样的说法”变得极其容易，但真正有价值的是识别什么值得投入验证。
2. “答案”不等于“理解”。 无论是做数学、做研究，还是做产品，能跑通一个结果和真正知道它为什么成立，始终是两件事。
3. AI 更像广度放大器，不是自动深度机。 它非常适合扩展搜索空间、降低试错成本、丰富表达层，但深层结构洞察仍然主要依赖人。
4. 未来会越来越重视“翻译层”。 从模型输出，到专家理解，到团队协作，到公众传播，中间需要大量把结果转成可解释、可复用知识的工作。
5. 人机协作不是过渡期方案，而可能是长期主流。 最有竞争力的人，不一定是单点能力最强的人，而是最会把自己的判断力和 AI 的试探能力拼起来的人。
总之，AI 正在把“会做”迅速商品化，但“会判断、会理解、会讲清楚”反而变得更贵。
这可能不只是数学的未来，也是大多数认知型工作的未来。
陶哲轩对AI的态度是既不悲观，也不兴奋过头。他没有把 AI 讲成“马上替代数学家”的神话，也没有把它当成只能写套话的玩具。他的判断是：AI 确实会越来越强，但“得到答案”和“获得理解”仍然是两回事。
如果要快速总结这期节目的话，大概是：未来很长一段时间里，最强的不是“纯 AI 数学家”，而是“人类 + AI”的混合体；而人类最重要的职责，不是算得更快，而是判断什么值得做、什么算理解、什么能变成可传播的知识。
【分段笔记】
1. 开普勒的故事
访谈一开头，陶哲轩讲开普勒如何发现行星运动定律。这个故事特别妙，因为它几乎天然就是今天“AI for science”的一个历史隐喻。
开普勒一开始并不是直接得到正确理论。他先相信一种很漂亮、很“数学美”的模型：用柏拉图立体去解释行星轨道间距。这个想法很优雅，但最后被数据打脸。真正让他走向突破的，是第谷·布拉赫留下的高质量观测数据，以及他在这些数据上长期、反复、近乎执拗的试错。
所以陶哲轩才会半开玩笑地说，开普勒有点像一个“高 temperature的 LLM”——不是一击即中，而是在大量尝试里不断提出猜测，再用数据去筛掉错的路径。
我们常常把科学发现想象成“先提出一个完美理论，再验证它”；但很多真正重要的进展，实际是先有高质量数据，再有大量试探，最后才逐渐看见结构。这和今天很多 AI 系统的工作方式非常像：它们擅长在巨大的可能性空间里搜索、组合、试错，但这不自动等于“理解”。
2. 当生成变得极便宜，真正稀缺的是筛选、验证和判断
陶哲轩反复强调一个判断：未来科学界面临的最大变化，也许不是“想法太少”，而是“想法太多”。
如果 AI 可以低成本地产生海量猜想、解释、论文草稿、研究方向，那瓶颈就会立刻从“生成”转移到“筛选”。问题不再是“能不能提出一个说法”，而是：哪些东西值得认真验证？哪些只是看起来像创新？哪些能成为真正有统一性的概念？
这其实非常像今天内容互联网正在经历的事。生成几乎免费以后，噪声会指数级增长。对科学来说更麻烦，因为科学的反馈周期比内容平台长得多。一个模型写出十篇“像样的论文”，并不代表它真的推动了学科；有些结果可能要几年、十几年后，才知道到底有没有价值。
陶哲轩提到，很多重要理论在刚出现时，并不完美，甚至明显带着缺陷，但它们依然是进步，因为它们把一个领域往更统一的方向推了一步。换句话说，科学史里真正珍贵的，往往不是“从第一天起就完全正确”，而是“它是不是打开了一个新的理解框架”。
问题在于，这种价值很难靠自动指标直接识别。引用量、讨论度、论文数量都可以参考，但都不够。真正的判断，仍然离不开专家社群、时间检验、跨领域传播能力，以及大量看起来“不高效”的人类理解活动。
3. AI 会让研究“更广、更快、更丰富”，但未必更深
这是我觉得整期里最克制、也很重要的一点。陶哲轩并不否认 AI 已经很好用了。相反，他很明确地承认：AI 会显著提升研究生产力。比如查资料、整理文献、生成图表、写代码、改写表达、搭结构，这些原来可能花几个小时甚至几天的事，现在确实可以压缩到很短。
但他的判断是：AI 带来的提升，很多时候更像“广度提升”而不是“深度突破”。 论文会因此包含更多实验、更多图示、更多文献线索、更多延展讨论，但最难的那一下——真正决定问题是否被看穿、结构是否被看见的那一下——依然主要发生在人脑里。
他区分了“artificial intelligence”和“artificial cleverness”。今天很多系统非常“聪明”，但这种聪明更像高强度模式匹配、快速试错和工具调用，并不等于它已经形成了稳定、可积累、可迁移的理解。它能做出一个局部漂亮动作，不代表它知道自己为什么这么做；它能在一个问题上碰巧走通，不代表下次会因此真正成长。
这个区分特别重要，因为现在很多人高估 AI 的地方，恰恰就在于把“完成任务”直接等同于“获得理解”。而陶哲轩不断提醒：这两个层次，中间还隔着很长的一段路。
4. 就算 AI 证明了定理，人类也未必因此“懂了”
访谈后半段讨论了一个非常哲学、但又非常现实的问题：如果未来 AI 借助 Lean 这类形式化证明系统，真的证明了某个重大数学命题，比如黎曼假设，那人类算不算也理解了它？
陶哲轩的态度很谨慎。他认为完全有可能出现这样的情况：机器给出了一套严格正确、但人类几乎无法直观把握的证明。它可能像一段极长的“汇编代码”，每一步都合法，但整体上没有给人带来那种“啊，原来是因为这个结构”的理解感。
这也是为什么他特别重视形式化证明和“半形式化语言”之间的差距。形式化语言解决的是“证明是否成立”；但真实科研里，人们大量交流的恰恰是那些还没有完全形式化的内容：直觉、路线、猜想、信心、类比、局部证据、哪些方向看起来 promising、哪些虽然还说不严但大概率对。
换句话说，科学并不只由定理构成，也由大量“尚未定理化”的思考过程构成。未来如果 AI 想真正深度参与科学，不只是要会写 formal proof，还得更好地进入这种半形式化的人类交流层。
而这件事，恰恰也是知识工作的核心：最后能被社会吸收的，从来不只是“正确结果”，还包括它能否被解释、被组织、被教学、被复用。
5. 未来最强的，还是人机协作
整期访谈里，陶哲轩最稳的一条判断是：人机混合体会在很长时间内主导数学。
原因很简单。AI 的优势很明显：快、广、便宜、可大规模试探；人类的优势也同样明显：知道什么问题重要，知道什么结构值得命名，知道什么时候该怀疑一个结果，知道怎样把答案变成他人也能掌握的知识。
这几种能力并不在同一个维度上，所以短期内不是简单替代关系，而是重新分工关系。
过去很多高价值工作，是“谁更能算、谁更能查、谁更能铺材料”；但在 AI 时代，这些能力会越来越被压缩成基础设施。真正往上走的，反而会变成：提出好问题、设计好评估、识别假进展、抽象出可迁移结构、把复杂结果讲明白。
这可能也是为什么，陶哲轩在讲自己的研究习惯时，会特别重视合作、写博客、偶然交流、跨领域学习。这些看起来“不够自动化”的部分，恰恰最接近真正的创造过程。
【总结】
1. 生成不再稀缺，判断力才稀缺。 AI 会让“提出一个看起来像样的说法”变得极其容易，但真正有价值的是识别什么值得投入验证。
2. “答案”不等于“理解”。 无论是做数学、做研究，还是做产品，能跑通一个结果和真正知道它为什么成立，始终是两件事。
3. AI 更像广度放大器，不是自动深度机。 它非常适合扩展搜索空间、降低试错成本、丰富表达层，但深层结构洞察仍然主要依赖人。
4. 未来会越来越重视“翻译层”。 从模型输出，到专家理解，到团队协作，到公众传播，中间需要大量把结果转成可解释、可复用知识的工作。
5. 人机协作不是过渡期方案，而可能是长期主流。 最有竞争力的人，不一定是单点能力最强的人，而是最会把自己的判断力和 AI 的试探能力拼起来的人。
总之，AI 正在把“会做”迅速商品化，但“会判断、会理解、会讲清楚”反而变得更贵。
这可能不只是数学的未来，也是大多数认知型工作的未来。
5 10
Cursor Camp 是由知名创意网站neal.fun开发的一个治愈系、无聊又有趣的线上交互体验网站。
它是一个虚拟的空间，让所有访问网站的用户以光标的形式出现在同一个画面中。你可以在这里和其他用户的光标一起“挂机”、互动或漫游。
没有聊天室，不需要设置用户名、用户资料，是一种无需对话的在线社交方式，纯粹通过移动鼠标来交流。
这个空间类似于一个互动小村庄，画面中散落着各种隐藏的惊喜和小游戏，例如可以游泳、过桥，或者点击小球让其飞起。
它是一个虚拟的空间，让所有访问网站的用户以光标的形式出现在同一个画面中。你可以在这里和其他用户的光标一起“挂机”、互动或漫游。
没有聊天室，不需要设置用户名、用户资料，是一种无需对话的在线社交方式，纯粹通过移动鼠标来交流。
这个空间类似于一个互动小村庄，画面中散落着各种隐藏的惊喜和小游戏，例如可以游泳、过桥，或者点击小球让其飞起。
Cursor Camp
2 00
MV Hondius的游轮上爆发疑似汉坦病毒疫情，目前已致3名乘客死亡，另有3人患病（其中2人病情严重）。唯一确诊病例为一名英国乘客，正在南非ICU接受治疗。
汉坦病毒是一种通过接触鼠类尿液、粪便或唾液传播的罕见病毒，潜伏期可达1-6周。早期症状类似流感（发热、乏力、肌肉酸痛等），但可能迅速发展为严重疾病，死亡率较高。
病毒分为“旧世界”（主要在欧洲/亚洲，引起肾脏问题和出血，死亡率5-15%）和“新世界”（主要在美洲，引起肺部综合征，死亡率35-50%）两类。目前，公共卫生专家推测这次的事件属后者。
通常来说，汉坦病毒不会人传人（仅安第斯病毒有极有限人传人案例）。专家认为疫情源头更可能是陆地上接触受感染鼠类而非游轮本身，且对公众风险极低，不会造成大规模流行。目前无特异性治疗方法，以支持性护理为主。
汉坦病毒是一种通过接触鼠类尿液、粪便或唾液传播的罕见病毒，潜伏期可达1-6周。早期症状类似流感（发热、乏力、肌肉酸痛等），但可能迅速发展为严重疾病，死亡率较高。
病毒分为“旧世界”（主要在欧洲/亚洲，引起肾脏问题和出血，死亡率5-15%）和“新世界”（主要在美洲，引起肺部综合征，死亡率35-50%）两类。目前，公共卫生专家推测这次的事件属后者。
通常来说，汉坦病毒不会人传人（仅安第斯病毒有极有限人传人案例）。专家认为疫情源头更可能是陆地上接触受感染鼠类而非游轮本身，且对公众风险极低，不会造成大规模流行。目前无特异性治疗方法，以支持性护理为主。
1 00
几种常见的谎言：
- 「我们之后一定能再见的」
- 下次再聊
- 收藏文章/帖子/书单
- 「吃饭了吗？」「吃了」
- 「最近还好吗？」「挺好的」
- 比赛时：下次再也不跑了
- 「我们之后一定能再见的」
- 下次再聊
- 收藏文章/帖子/书单
- 「吃饭了吗？」「吃了」
- 「最近还好吗？」「挺好的」
- 比赛时：下次再也不跑了
2 00
