一家号称AI原生的AI创业公司，各种CEO/CTO/CMO/COO title一大堆，就挺不原生的啊。

对于智能系统，改进（学习）的速度和成本，比运行速度和成本，更加重要。

进化赋予生命智能的方式，最初是靠基因级别的进化，将智能策略硬编码到基因中，其改进周期是十万年级。

大脑出现后，脊柱动物可以从自己的经验中学习（上次让自己痛的地方要回避）。

新皮质出现后，哺乳动物可以靠自己的想象来学习：这个悬崖跳不过去，就将粉身碎骨——如果要靠自身经验来学习，这个学习成本实在难以承担。

再后来，颗粒状前额叶皮质让灵长类动物可以通过向同伴甚至其他动物模仿来学习，更进一步提升了学习的效率，降低了学习的成本。

而人类，可以通过语言这种媒介，来共享和学习知识，大幅提升了智能改进的速度，其改进周期可以到秒/分钟级。

通过知识学到的策略，其运行速度肯定不如刻在基因中的策略，但复杂和多变的环境，更奖励策略改进的速度，而不是策略运行的速度。

正如改进AI产品，可以靠硬编码，也可以靠训练模型，也可以靠优化提示词，还可以靠改进知识，其运行速度依次降低，改进速度和效率依次提升，而环境会奖励更靠后的方式。

很久没有时间看完整的足球比赛，平时主要看进球集锦。
周末偶然看了一场完整的足球比赛，才突然回想起，真实的足球比赛，与进球集锦，差别实在太大了。

哪怕是梅西、C罗、罗纳尔多这样的巨星，在真实的比赛中，也远没有进球集锦中看上去的那么流畅、那么水到渠成，90%以上的时间都充满了支零破碎、跌跌撞撞的被抢断、抢断、看起来愚蠢的错误、不成功的传球、被拦截的战术配合、找不到进攻机会的无功而返、或浪费的大好机会。

而我们在平时的新闻中看到的成功事迹报道，其实就是“进球集锦”。新闻只会报道成功事迹的结果和戏剧性的过程，不会报道时间占比在99%以上的琐碎日常工作、大量的失败尝试和调整。

而那些99%的基础工作，成功人士并不比普通人做得更好；与普通人的区别是，他们不会因为没有看到那1%的结果而气馁，而是踏踏实实把那些基础工作完成了，当占99%材料的金字塔底座终于搭好，那1%的塔尖出现就是自然而然的结果。

而很多人以为那1%就是全部过程；用自己平均水平的工作，去与成功者的top 1%的工作比较，难免陷于焦虑和自我怀疑。

中年人最大的登味，就是太想做一个被他人接受的人。
消除登味这种行为，本身就透着浓浓的登味。
其实做自己就好。
在不伤害他人的范围内，勇于做自己，不管有没有“登味”。

回想起来，很反直觉的是，2010年Google退出中国，百度失去最大竞争对手，是百度衰落的起点，虽然这种衰落在2016年左右才被外界感知。
Google在中国可用的时候，百度虽然压力很大，但内部基本上众志成城、士气高昂，有不少针对中国市场的创新是领先竞对的，如阿拉丁搜索、MP3搜索、贴吧、知道等。
失去外部竞对压力后，内部问题成为主要矛盾，产品创新的优先级让位于商业变现；外部压力不足导致优秀人才难以脱颖而出，不少优秀人才流失，很多人去了字节跳动。（记得零几年百度一个团建活动，外部培训师让大家做了一个心理测试，结果表明，那时候招聘的人才基本上全是“压敏型”，就是压力越大表现越好。）
有点像北宋的澶渊之盟，让最大的竞对成了交易对象，虽然保障了和平，但让内部一直缺乏厉兵秣马的动力，最终积重难返。

CSRankings全球AI领域高校排名，前10名中国占8席，前20名中国占13席👍👍

刚工作的时候，听到公司有句话叫做“沟通创造价值”，其实很久都不太理解，沟通为什么能创造价值，价值不是一行一行代码写出来的吗？

后来想想，大语言模型中的神经网络，所做的全部事情不就是在神经元之间高频地传递信息吗？

想一想：仅靠大规模、高频传递信息，就涌现出了不可思议的智能！

20年前刚接触人工智能的时候，就知道“符号主义”与“联接主义”的流派之争。

简单说，“符号主义”认为这个世界的规律可以用公式、用逻辑符号表达出来，只要让计算机学会处理这些符号，就可以实现人工智能。

而“联接主义”认为这个世界太复杂，不可能把所有规律都写出来，要像人脑那样，通过大量简单神经元的连接和互动来实现智能。

如果将公司理解为一个超级智能体，在面对复杂的市场，处理复杂、需要创新的问题时，用“联接主义”的办法更好。

对于决策者、管理者来说，应该“面对联接、面向沟通”来工作。

决策的快慢，对组织效率的影响非常大。
决策本质是在缩小团队的解空间。
解空间不能缩得太小，这样会限制团队的发挥；
解空间也不能太大，不然团队会迷茫、会内耗、或超出团队的求解能力。

东南西北4个方向，一旦决策大方向往东，团队就能节省75%的内耗和求解的成本，提升4倍的组织效率；
如果再决策东偏北而不是东偏南，又可以提升1倍的组织效率。

不决策和慢决策的危害，大于快速但错误决策的危害。
慢决策，不同成员达不成一致，互相内耗，且得不到外界新的信息反馈；
快决策，如果决策对了，团队拿到结果的成本大幅缩小；
如果决策错了，在执行过程可以得到外界新的信息反馈，这些信息可以快速降熵、快速消除不确定性，让下一步的决策正确率更高。

这几年有一个体会，在复杂决策中，没有灵感硬想出来的idea，一般不太靠谱。
好的idea得带着一些灵感，应该是自然而然涌现、蹦出来、或慢慢酝酿出来的。
灵感是一个结果，需要用很多前置的方法来培育。
边做边琢磨、广泛的交流、丰富的信息输入、沉下来看看书、冥想，都是产生灵感的办法。
但灵感也不见得靠谱，还得用理性求证或实践进行验证。

所以决策者不能埋头苦干，需要动和静结合起来，既要有专注力，又要能够在丰富的环境中广泛地吸收信息，还要有一些放空。
完了还得质疑自己的灵感、做充分的验证、在实践中纠偏。

作为CEO，我一度发现自己想“偷懒”时，公司反而表现更好；越是努力，公司反而越搞不好。
这个反直觉现象确实困扰了我一段时间，不是说Elon musk每周工作100小时、要睡在工厂和办公室吗？

后来发现，根源还是“做题家思维”。

做题思维，容易在给定题目上钻牛角尖，同一个题目同一个解法，努力钻研，做不好总觉得还不够努力。

而真实世界，选择题目远比努力钻研一个题目更重要：
- 选择真正重要的战场；
- 选择一个更容易突破的切入点；
- 选择更合适的人来负责这件事；
- 解不出来，换一个解法，换一个方向来思考，问问别人怎么做的。

所以，真实世界更需要“学渣思维”：
- 只挑要考的重点学；
- 偷懒，先挑容易的题来解；
- 找人帮忙解题；
- 看别人怎么解的，抄作业。