即刻App年轻人的同好社区
下载
目前，一种新的 ChatGPT 模型正在悄悄测试中。
一些消息来源称其为 GPT-5.4。
早期报告称，系统性能大幅提升，尤其是在编码方面。我们说的是单次提示符下即可输出超过 6000 行代码。不仅输出内容更长，而且能够构建结构化、复杂的程序。
一些消息来源称其为 GPT-5.4。
早期报告称，系统性能大幅提升，尤其是在编码方面。我们说的是单次提示符下即可输出超过 6000 行代码。不仅输出内容更长，而且能够构建结构化、复杂的程序。
0 00
做线上内容策展，不是把内容像展品一样摆出来，而是像策展人一样替用户完成筛选、框定、排序和解释：先定义问题，再减少选择；先搭出理解层级，再补足语境；最后留下一个能被记住、能被继续使用的判断。
1 00
最近看了《The Atlantic》的一期播客实录，题目是《What Do the People Building AI Believe?》。它真正吸引我的，不是讨论模型性能，而是把问题换成了一个更根本的方向：**那群造 AI 的人，到底在相信什么？** ([The Atlantic][1])
我越来越觉得，这才是理解当下 AI 浪潮的关键。因为技术不会凭空长成某种样子，它总会带着建造者的想象力、恐惧、野心和价值观。你看的是模型，背后其实是人。([The Atlantic][1])
这期节目把这一轮 AI boom 形容成三件事的叠加：**淘金热、意识形态、以及近乎宗教式的技术信仰。** 这句话特别准。它点出了为什么现在的 AI 讨论总带着一种过热感：很多人已经不只是把 AI 当工具，而是把它当成某种历史性的力量，甚至把自己想象成在参与“造神”。([The Atlantic][1])
节目里对当下旧金山的描述也很有意思。Jasmine Sun 说，现在那里的氛围非常亢奋。钱很多，融资疯狂，城市在经历疫情后的低谷后，重新有了一种“我们回来了”的精神状态。那种感觉不是单纯行业回暖，而是一个地方重新相信：**未来仍然先发生在这里。** ([The Atlantic][1])
而当一个城市开始这样想象自己时，它会对很多东西变得更宽容：更激进的试验、更夸张的叙事、更怪异的行为方式，都会被包装成“站在历史前沿的人本来就该如此”。这也是为什么今天的 AI 圈常常给人一种既像创业现场、又像新宗教现场的感觉。([The Atlantic][1])
节目里把 AI 圈内部概括成两大派：末日派和加速派。末日派认真担心失控超级智能会带来文明级灾难；加速派则基本是“别停，先做出来，边跑边解决问题”。表面看像悲观和乐观的分歧，但我觉得更深处其实是两种历史观的冲突：一派觉得 AI 是最大的存在性风险，另一派觉得 AI 是最大的历史机会。([The Atlantic][1])
我很认同节目里另一个特别成熟的判断：AI 的现实并不是直线式爆发，而更像一种“锯齿前沿”。它会在一些任务上强得惊人，在另一些任务上又显得很笨。所以现在你会看到两种完全相反、但都不算错的体验：有人觉得“这东西根本没用”，有人觉得“它已经快替我干完整份工作了”。问题不在于谁看错了，而在于 AI 的能力本来就分布得非常不均匀。([The Atlantic][1])
这也意味着，真正值得警惕的，未必是某个好莱坞式的“AGI 突然降临”时刻，而是这种不均匀、断裂、却持续的渗透：它一点点进入工作流，一点点进入组织，一点点进入教育，再一点点改变人们对“能力”的理解。([The Atlantic][1])
节目对硅谷政治的分析也很精彩。它指出，很多 tech 圈人的真实坐标轴越来越不像传统左右，而更像“加速/减速”。谁要监管、问责、要求慢下来，就更容易被当成障碍；谁让他们继续 build、继续 scale、继续 let it rip，谁就更容易获得支持。某种意义上，这解释了为什么不少科技精英会阶段性地靠近特朗普式政治，但又不完全等于传统保守主义。([The Atlantic][1])
更有意思的是，节目还提到一种“特朗普式科技营销”——一些创始人真正学到的，未必是具体政策，而是那种对注意力的绝对支配：挑衅、夸张、自信到近乎神话，把争议本身变成品牌资产。([The Atlantic][1])
最后让我最在意的，是它谈到写作和阅读。节目里有个细节很刺痛：一个大学生对 Jasmine 说，你们那代人很幸运，因为你们是在 ChatGPT 之前学会写作的；而他觉得自己“完了”，因为机器写的东西更容易得到反馈。这个细节真正让人不安的，不是 AI 会不会写得更好，而是：**一代人会不会在形成自己的声音之前，就先放弃了练习表达。** ([The Atlantic][1])
如果真是这样，AI 改变的就不只是生产方式。它改变的是人对自我表达、独立思考、以及“我是否值得自己开口”的信心。
所以听完这期，我最深的感受是：
**AI 首先不是技术问题，而是文化问题。
而文化问题的核心，从来都是：人相信什么。**
我们最终拥有的 AI，很可能会越来越像造它的那群人。
[1]: www.theatlantic.com "What Do the People Building AI Believe? - The Atlantic"
我越来越觉得，这才是理解当下 AI 浪潮的关键。因为技术不会凭空长成某种样子，它总会带着建造者的想象力、恐惧、野心和价值观。你看的是模型，背后其实是人。([The Atlantic][1])
这期节目把这一轮 AI boom 形容成三件事的叠加：**淘金热、意识形态、以及近乎宗教式的技术信仰。** 这句话特别准。它点出了为什么现在的 AI 讨论总带着一种过热感：很多人已经不只是把 AI 当工具，而是把它当成某种历史性的力量，甚至把自己想象成在参与“造神”。([The Atlantic][1])
节目里对当下旧金山的描述也很有意思。Jasmine Sun 说，现在那里的氛围非常亢奋。钱很多，融资疯狂，城市在经历疫情后的低谷后，重新有了一种“我们回来了”的精神状态。那种感觉不是单纯行业回暖，而是一个地方重新相信：**未来仍然先发生在这里。** ([The Atlantic][1])
而当一个城市开始这样想象自己时，它会对很多东西变得更宽容：更激进的试验、更夸张的叙事、更怪异的行为方式，都会被包装成“站在历史前沿的人本来就该如此”。这也是为什么今天的 AI 圈常常给人一种既像创业现场、又像新宗教现场的感觉。([The Atlantic][1])
节目里把 AI 圈内部概括成两大派：末日派和加速派。末日派认真担心失控超级智能会带来文明级灾难；加速派则基本是“别停，先做出来，边跑边解决问题”。表面看像悲观和乐观的分歧，但我觉得更深处其实是两种历史观的冲突：一派觉得 AI 是最大的存在性风险，另一派觉得 AI 是最大的历史机会。([The Atlantic][1])
我很认同节目里另一个特别成熟的判断：AI 的现实并不是直线式爆发，而更像一种“锯齿前沿”。它会在一些任务上强得惊人，在另一些任务上又显得很笨。所以现在你会看到两种完全相反、但都不算错的体验：有人觉得“这东西根本没用”，有人觉得“它已经快替我干完整份工作了”。问题不在于谁看错了，而在于 AI 的能力本来就分布得非常不均匀。([The Atlantic][1])
这也意味着，真正值得警惕的，未必是某个好莱坞式的“AGI 突然降临”时刻，而是这种不均匀、断裂、却持续的渗透：它一点点进入工作流，一点点进入组织，一点点进入教育，再一点点改变人们对“能力”的理解。([The Atlantic][1])
节目对硅谷政治的分析也很精彩。它指出，很多 tech 圈人的真实坐标轴越来越不像传统左右，而更像“加速/减速”。谁要监管、问责、要求慢下来，就更容易被当成障碍；谁让他们继续 build、继续 scale、继续 let it rip，谁就更容易获得支持。某种意义上，这解释了为什么不少科技精英会阶段性地靠近特朗普式政治，但又不完全等于传统保守主义。([The Atlantic][1])
更有意思的是，节目还提到一种“特朗普式科技营销”——一些创始人真正学到的，未必是具体政策，而是那种对注意力的绝对支配：挑衅、夸张、自信到近乎神话，把争议本身变成品牌资产。([The Atlantic][1])
最后让我最在意的，是它谈到写作和阅读。节目里有个细节很刺痛：一个大学生对 Jasmine 说，你们那代人很幸运，因为你们是在 ChatGPT 之前学会写作的；而他觉得自己“完了”，因为机器写的东西更容易得到反馈。这个细节真正让人不安的，不是 AI 会不会写得更好，而是：**一代人会不会在形成自己的声音之前，就先放弃了练习表达。** ([The Atlantic][1])
如果真是这样，AI 改变的就不只是生产方式。它改变的是人对自我表达、独立思考、以及“我是否值得自己开口”的信心。
所以听完这期，我最深的感受是：
**AI 首先不是技术问题，而是文化问题。
而文化问题的核心，从来都是：人相信什么。**
我们最终拥有的 AI，很可能会越来越像造它的那群人。
[1]: www.theatlantic.com "What Do the People Building AI Believe? - The Atlantic"
0 00
海因茨·冯·福斯特有一句我很喜欢的话：
“If you desire to see, learn how to act.”
我会把它翻成：
如果你想看见，就先学会行动。
这句话最深的地方在于，它颠倒了我们习惯的认知顺序。我们总以为是“先看清，再行动”，但现实里，很多事情恰恰相反：你不是因为看见了才行动，而是因为行动了，才终于看见。
为什么？因为很多真相不是静态摆在你眼前、等你观察的。现实更像一个会回应你的系统。你站在原地，只能看到表面；只有当你真正介入——去写、去做、去发、去试、去表达、去承担反馈——那些原本隐藏的结构、阻力、机会、边界，才会慢慢显形。
所以，行动不只是“执行认知”，行动本身就是获取认知的方式。
这对创作尤其明显。很多人总想等“想明白了再写”，但真正的经验常常是：你是在写的过程中，才发现自己真正想说什么。对做产品、做内容、做关系、做职业选择也一样。你不进入现场，就不会有真实反馈；没有反馈，你的理解就只能停留在想象层面。
这句话也在提醒我们：
很多“看不清”，不一定是因为你思考得不够多，
而可能只是因为你和现实发生的互动还不够多。
所以，当你卡住时，最有用的往往不是继续空想，而是做一个更小但更真实的动作：发出去、试一次、问一句、做个原型、开始第一步。因为很多你以为要靠“想”才能得到的答案，其实要靠“做”才能出现。
你想看见更多，就别只做旁观者。
先行动，世界才会向你显形。
“If you desire to see, learn how to act.”
我会把它翻成：
如果你想看见，就先学会行动。
这句话最深的地方在于，它颠倒了我们习惯的认知顺序。我们总以为是“先看清，再行动”，但现实里，很多事情恰恰相反：你不是因为看见了才行动，而是因为行动了，才终于看见。
为什么？因为很多真相不是静态摆在你眼前、等你观察的。现实更像一个会回应你的系统。你站在原地，只能看到表面；只有当你真正介入——去写、去做、去发、去试、去表达、去承担反馈——那些原本隐藏的结构、阻力、机会、边界，才会慢慢显形。
所以，行动不只是“执行认知”，行动本身就是获取认知的方式。
这对创作尤其明显。很多人总想等“想明白了再写”，但真正的经验常常是：你是在写的过程中，才发现自己真正想说什么。对做产品、做内容、做关系、做职业选择也一样。你不进入现场，就不会有真实反馈；没有反馈，你的理解就只能停留在想象层面。
这句话也在提醒我们：
很多“看不清”，不一定是因为你思考得不够多，
而可能只是因为你和现实发生的互动还不够多。
所以，当你卡住时，最有用的往往不是继续空想，而是做一个更小但更真实的动作：发出去、试一次、问一句、做个原型、开始第一步。因为很多你以为要靠“想”才能得到的答案，其实要靠“做”才能出现。
你想看见更多，就别只做旁观者。
先行动，世界才会向你显形。
1 00
奥威尔这句：
**“Nothing was your own except the few cubic centimeters inside your skull.”**
是《一九八四》里最锋利的句子之一。
它真正写的，不只是贫穷、监控或恐惧，
而是一个更深层的现实：
**当一个极权系统足够强大时，它不仅控制你的行动、财产、语言和历史，甚至试图侵入你的内心。**
这句话最震撼的地方，在于它把“人的最后边界”压缩到了极小的尺度。
不是房间，
不是家庭，
不是公开表达的权利，
甚至不是身体本身。
到最后，真正还属于你的，
只剩下头骨里那几立方厘米的空间——
也就是你尚未被彻底征服的意识。
“inside your skull” 这个说法非常重要。
因为它意味着：
当所有外部空间都被占领之后，
人的思想成了最后的私人财产，
内心成了最后未被殖民的领地。
这时，自由已经不再是一种扩展性的权利，
而变成一种防守性的残存。
但《一九八四》真正可怕的地方还在于：
它并不满足于让你服从。
它要你相信；
不满足于让你沉默，
它要你在内心认同。
也就是说，
它的最终目标，
是连这最后几立方厘米都不放过。
所以这句话既是在说：
**人还有最后的防线；**
也是在暗示：
**连最后的防线，都可能被攻破。**
这也是为什么它今天仍然如此尖锐。
在监控、算法、舆论操控、信息过载和语言模板化的时代，
问题不只是“你说了什么”，
而是：
**你是否还保有真正独立的内心空间？**
奥威尔写的，归根结底是一个问题：
**当外部世界都在争夺你的注意力、情绪与判断时，
你还能不能守住头骨里那几立方厘米的自由。**
**“Nothing was your own except the few cubic centimeters inside your skull.”**
是《一九八四》里最锋利的句子之一。
它真正写的，不只是贫穷、监控或恐惧，
而是一个更深层的现实：
**当一个极权系统足够强大时，它不仅控制你的行动、财产、语言和历史，甚至试图侵入你的内心。**
这句话最震撼的地方，在于它把“人的最后边界”压缩到了极小的尺度。
不是房间，
不是家庭，
不是公开表达的权利，
甚至不是身体本身。
到最后，真正还属于你的，
只剩下头骨里那几立方厘米的空间——
也就是你尚未被彻底征服的意识。
“inside your skull” 这个说法非常重要。
因为它意味着：
当所有外部空间都被占领之后，
人的思想成了最后的私人财产，
内心成了最后未被殖民的领地。
这时，自由已经不再是一种扩展性的权利，
而变成一种防守性的残存。
但《一九八四》真正可怕的地方还在于：
它并不满足于让你服从。
它要你相信；
不满足于让你沉默，
它要你在内心认同。
也就是说，
它的最终目标，
是连这最后几立方厘米都不放过。
所以这句话既是在说：
**人还有最后的防线；**
也是在暗示：
**连最后的防线，都可能被攻破。**
这也是为什么它今天仍然如此尖锐。
在监控、算法、舆论操控、信息过载和语言模板化的时代，
问题不只是“你说了什么”，
而是：
**你是否还保有真正独立的内心空间？**
奥威尔写的，归根结底是一个问题：
**当外部世界都在争夺你的注意力、情绪与判断时，
你还能不能守住头骨里那几立方厘米的自由。**
0 00
Licklider 这句话很值得反复读：
“用户真正想要的，是开放的软件，是可以被修改的软件，是能够参与到一种渐进式改进过程中的软件。”（The user wants open software, software that can be modified, and that can participate in a progressive improvement process.）
它的重点，绝不只是“开源”两个字。
这句话真正指出的是：
**好软件不该是封死的成品，而应是一个可塑、可参与、可持续演进的系统。**
“open software” 的含义，不只是源码开放。
更深一层是：软件不应只是一个只能被消费的黑箱，而应是用户能够理解、介入、重塑的工具。
也就是说，用户不该只是点按钮的人，也应该有机会成为参与者。
“can be modified” 说的则是用户主权。
真正好的软件，应该适应人的需求，而不是让人反过来适应软件的限制。
当软件可修改，用户就能修补它、扩展它、重组它；
而不是被平台、默认设置和封闭生态彻底锁死。
最重要的是最后那部分：
**participate in a progressive improvement process**
这句话的真正锋芒在这里：
软件不是一次性交付的静态产品，
而是会在使用、反馈、协作、迭代中不断变好的过程。
这其实是一种非常现代的软件观：
**软件不是物件，而是演化机制。**
**不是完成品，而是持续生成中的基础设施。**
放到今天看，这句话依然非常尖锐。
因为很多 SaaS 更方便了，却也更封闭；
很多平台更强大了，却让用户失去控制权；
很多 AI 工具更聪明了，但也越来越像不可修改的黑箱。
所以 Licklider 这句话今天的现实意义是：
**真正好的技术，不只是更智能、更顺滑，
还应该让用户保有修改权、控制权，以及参与改进的能力。**
说到底，这句话捍卫的不是一种开发方法，
而是一种技术立场：
**技术不该只是被交付给用户，
技术应该允许用户参与它的继续生成。**
“用户真正想要的，是开放的软件，是可以被修改的软件，是能够参与到一种渐进式改进过程中的软件。”（The user wants open software, software that can be modified, and that can participate in a progressive improvement process.）
它的重点，绝不只是“开源”两个字。
这句话真正指出的是：
**好软件不该是封死的成品，而应是一个可塑、可参与、可持续演进的系统。**
“open software” 的含义，不只是源码开放。
更深一层是：软件不应只是一个只能被消费的黑箱，而应是用户能够理解、介入、重塑的工具。
也就是说，用户不该只是点按钮的人，也应该有机会成为参与者。
“can be modified” 说的则是用户主权。
真正好的软件，应该适应人的需求，而不是让人反过来适应软件的限制。
当软件可修改，用户就能修补它、扩展它、重组它；
而不是被平台、默认设置和封闭生态彻底锁死。
最重要的是最后那部分：
**participate in a progressive improvement process**
这句话的真正锋芒在这里：
软件不是一次性交付的静态产品，
而是会在使用、反馈、协作、迭代中不断变好的过程。
这其实是一种非常现代的软件观：
**软件不是物件，而是演化机制。**
**不是完成品，而是持续生成中的基础设施。**
放到今天看，这句话依然非常尖锐。
因为很多 SaaS 更方便了，却也更封闭；
很多平台更强大了，却让用户失去控制权；
很多 AI 工具更聪明了，但也越来越像不可修改的黑箱。
所以 Licklider 这句话今天的现实意义是：
**真正好的技术，不只是更智能、更顺滑，
还应该让用户保有修改权、控制权，以及参与改进的能力。**
说到底，这句话捍卫的不是一种开发方法，
而是一种技术立场：
**技术不该只是被交付给用户，
技术应该允许用户参与它的继续生成。**
0 00
伊万·伊里奇在《去学校化社会》里提出过一个很超前的想法：**learning exchange（学习交换）**。
他的核心判断是：
**人最有效的学习，往往发生在自己主动寻找“想知道的东西”时，而不是被动接受“别人安排好的教学”时。**
学校式教育的问题，不只是效率低，而是它默认了一个前提：
* 只有老师才能教
* 只有课程才算学习
* 只有证书才能证明能力
于是，学习被变成了一条被管理、被分发、被标准化的流水线。
伊里奇想要的则完全相反——
他设想一种“学习之网”：
* 想学的人，可以随时找到资源
* 会的人，可以把技能公开出来，与他人交换
* 有相同目标的人，可以彼此匹配、共同学习
* 专业人士也可以像“开放节点”一样，被社会直接连接
这背后真正重要的，不只是“自主学习”，而是：
**学习的起点，应该是问题，而不是课程；
学习的动力，应该是欲望，而不是服从。**
当一个人是因为自己真的想弄明白某件事，才去搜索、提问、试错、连接他人——
这种学习通常更深，也更难被遗忘。
从今天看，搜索引擎、论坛、社群、YouTube、在线课程、AI，本质上都像是伊里奇当年设想的“学习交换网络”的雏形。
但问题也还在：
**如果平台、算法、认证体系重新垄断了知识分发，
那我们只是把“学校”换了个形态。**
所以，伊里奇这句话最值得记住的，不是“去学校”，而是：
**把学习的主动权，重新还给学习者。**
真正的学习，不是被灌输。
真正的学习，是一个人带着真实的问题，主动走向世界。
#教育
#自主学习
#IvanIllich
#去学校化社会
#终身学习
#知识管理
#学习方法
他的核心判断是：
**人最有效的学习，往往发生在自己主动寻找“想知道的东西”时，而不是被动接受“别人安排好的教学”时。**
学校式教育的问题，不只是效率低，而是它默认了一个前提：
* 只有老师才能教
* 只有课程才算学习
* 只有证书才能证明能力
于是，学习被变成了一条被管理、被分发、被标准化的流水线。
伊里奇想要的则完全相反——
他设想一种“学习之网”：
* 想学的人，可以随时找到资源
* 会的人，可以把技能公开出来，与他人交换
* 有相同目标的人，可以彼此匹配、共同学习
* 专业人士也可以像“开放节点”一样，被社会直接连接
这背后真正重要的，不只是“自主学习”，而是：
**学习的起点，应该是问题，而不是课程；
学习的动力，应该是欲望，而不是服从。**
当一个人是因为自己真的想弄明白某件事，才去搜索、提问、试错、连接他人——
这种学习通常更深，也更难被遗忘。
从今天看，搜索引擎、论坛、社群、YouTube、在线课程、AI，本质上都像是伊里奇当年设想的“学习交换网络”的雏形。
但问题也还在：
**如果平台、算法、认证体系重新垄断了知识分发，
那我们只是把“学校”换了个形态。**
所以，伊里奇这句话最值得记住的，不是“去学校”，而是：
**把学习的主动权，重新还给学习者。**
真正的学习，不是被灌输。
真正的学习，是一个人带着真实的问题，主动走向世界。
#教育
#自主学习
#IvanIllich
#去学校化社会
#终身学习
#知识管理
#学习方法
0 00
OpenAI 的一位研究人员表示：在 OpenAI 内部，研究人员将首先被 AI 取代，其次是基础设施工程师，最后才是销售人员。
听起来有悖常理，但这种情况确实可能发生。创意成本不高。大多数研究都是创意生成加上实验，而人工智能在很大程度上do (可以排除顶尖研究人员。
人工智能基础设施代码是研究人员开展实验的基础。代码库庞大，训练数据分布不均，且漏洞频发。
销售纯粹是人类心理学：人性、信任、激励和情感。这才是人工智能的最终挑战。
听起来有悖常理，但这种情况确实可能发生。创意成本不高。大多数研究都是创意生成加上实验，而人工智能在很大程度上do (可以排除顶尖研究人员。
人工智能基础设施代码是研究人员开展实验的基础。代码库庞大，训练数据分布不均，且漏洞频发。
销售纯粹是人类心理学：人性、信任、激励和情感。这才是人工智能的最终挑战。
1 00
