浅友们好~我是史中，我的日常生活是开撩五湖四海的科技大牛，我会尝试用各种姿势，把他们的无边脑洞和温情故事讲给你听。如果你想和我做朋友，不妨加微信（shizhongmax）。2023，大模型擦燃了科技进步的火，所有人的迷茫却凝成了脚下的冰。
不是说科技一定会换来幸福吗？我们和上天的契约失效了吗？在我看来，技术的进步当然会给我们带来生活下去的智慧和勇气，只不过在 2023，启示藏得有点儿深。我会在转世投胎的闸门口放一个巨型触摸屏，上面显示一个348页的《人类用户协议》，往下拉半分钟才能看见最后的同意按钮。用户协议里有一行小字：“允许其他玩家读取您的行为数据。”你选择“同意”，顺利降生；选择“拒绝”，则强制退出投胎过程。。。我不是针对谁，在座的各位肯定都是签署过这个协议才来的，因为咱们“活法儿”都一样：这套操作，像极了大火的人工智能“大模型” ChatGPT 的工作流程。或者说。。。ChatGPT 像极了人脑的工作流程。唐太宗说，以史为镜，可以知兴替；以人为镜，可以明得失。目前大模型虽然比人脑的精密差之万倍，但已足够做一面镜子：它正面是照妖镜，可以让我们大脑的盲目、短视和不堪瞬间现出原形（我会在第二～四章讲）；它反面是放大镜，把大自然用亿万年塑造的人类精神映照得熠熠生辉（我会在第五～八章讲）。这是马丁路德·金的著名演讲《我有一个梦想》，你甚至能感觉到这些文字是如何从大脑里流淌出来的。你在和 ChatGPT 对话时，会观察到一个非常有趣的现象：对于完全相同的问题，可以反复让它生成答案。它每次的答案都不同（不仅是语言组织不同，甚至信息要点也可能不同），但可以说都很“对”。这样说有点抽象。我们不妨拿自然界里“种子长成大树的过程”来类比：让你写一篇200字的作文歌颂祖国母亲。你写完一篇交给老师，马上让你再写一篇，你写出来的肯定不会一模一样。而且环境里的“随机性”变化越大，你写出的东西变化也越大。让你在咆哮的金沙江边写，你会写出祖国山河秀丽；让你在庄严的天安门广场上写，你会写出五十六个民族大团结。数学题不都只有一个正确答案吗？为啥 ChatGPT 或人脑面对的问题却有无数个“都对”的答案？如图中暗示的那样：大脑的回答，是对现实的“拟合”，而非严格的“逻辑演算”。
而我们日常面临的题目“条件不全”。换句话说，需要在信息不完全的情况下做出决策。说到信息的完全和不完全，我想到了一个有趣的例子，围棋。话说，下围棋的盆友都知道，对弈的胜负好像和“先后手”没有必然关系——先下的可能赢，后下的也可能赢。但从数学上看，情况不是这样。一旦规则确定（包括贴目规则），则一定有一方存在必不败策略，要么是先手，要么是后手。（必不败的意思是：只有胜利或和棋两种情况）也就是说，当信息处理能力没有瓶颈时，“谁先下”是决定围棋胜负的唯一因素。如果你和中哥的大脑都是算力无上限的计算机，那么咱俩下棋，在抽签决定谁先走棋的一瞬间，这局是谁赢（或一定平局）就已经知道了。同时，双方每一步的套路也定了，任何一方不按套路走棋，都会导致自己失败（因为你背离了最优策略纳什均衡）。但是问题在于，现实生活中，以人类可怜的智商，以及人类发明出的计算机的可怜的智商，都不足以穷举所有可能性，从而算出来到底是先手赢还是后手赢。也就是说，虽然围棋是一个和应用题一样的“完全信息博弈”，但是由于信息量太大，人们只能被迫把它简化为“不完全信息博弈”。这就会造成，真正下棋的时候，有时候先手赢，有时候后手赢。只有上帝知道，其中一方一直吃着亏呢，但它就是不告诉我们是谁吃亏，所以这个“无聊”的游戏才能延续至今。当然这也不怪人类不争气。围棋的状态大概有10³⁶⁰种，而宇宙中的原子也大概只有10⁸⁰ 个，宇宙诞生更是只有可怜的10¹⁷秒。起码在我们这个宇宙里，不太可能有人揭开围棋的终极答案。所以，面对“不完全信息博弈”时，不管是人还是人工智能（例如 AlphaGo）的严肃对策都是差不多的：用大量已有的对弈数据，训练出一套神经网络模型，从中“拟合”出规律，从而预测在某个具体状态下，胜率最大的一手是什么。这里我掀开 AI 的脑壳，大家简单感受一下具体过程：无论人脑还是AI，一旦被迫运用了“模型”，判断就从严格的“逻辑方法”降级到了“统计方法”。以上，就是面对一个问题可以有无数“正确答案”的根本原因。（也是人类几千年来无休止争吵，却始终无法达成一致的根本原因。）现在我们终于可以回到开头的任务：拿 ChatGPT 作为镜子，照照人类自己。只有人类里的智者，那些经常驾驭复杂思考的精英，才多少带点 ChatGPT 的气质。比如芒格曾经说：“普通人可以通过长期不做蠢事来积累巨大的优势。”比如巴菲特曾经说：“用亏损的概率乘以可能亏损的金额，再用盈利概率乘以可能盈利的金额，最后用后者减去前者。这就是我们一直试图做的方法。”你看到了么，这对老搭档说的基本是一个意思——做事情之前，要用足你的大脑，像 ChatGPT 一样去充分思考概率，然后严格按照概率收益最高的那个方案去行事。很可能因为，我们的大脑决策机制更加复杂，有很多模型在做决策——不只有“大模型”，还有“小模型”。可能就在你纠结“要不要吃冰淇淋”的当口，几个模型已经在脑子里骑砖甩狙杀疯了。。。毒圈缩小，最后只有一个意见“吃鸡”，而你却以为这个意见来自那个唯一的“我”。吃鸡的那个，很可能不是你脑子里最理性的那个模型。。。这么说来，为了过好这一生，我们还得认识一下大脑里的其他模型。当你在森林里探险，看到一个蜿蜒的物体，会马上产生对蛇的“恐惧”情绪。这种情绪瞬间接管你的四肢，你就会后退。因为人类的祖先在大自然里生活，危机四伏，遇到危险如果短时间内不作出反应，早就成了狮子老虎的点心。反应错了倒没啥，被大家笑话两句也就过去了。。。所以那个时候，人类进化出了情绪这种“快但不准”的小模型；活过这个阶段，人类才有资格面对更复杂的决策，才进化出了“准但不快”的大模型。这个进化“包袱”，导致了无论在昨天今天还是明天，我们都会先用小模型“决策”，再留出较为充裕的时间用大模型进行“修正”。我要讨论的真正问题在于：大模型在什么情况下会对小模型进行修正，以怎样的速度进行修正，人和人之间可是天壤之别。喝酒的浅友都知道，人在喝酒前后，对于同样刺激的反应会很不同。比如，正常状态下人听到一些不痛不痒的话可能没有什么反应，可是喝酒之后人听到同样的话就会傻笑或者哭泣。。。。这背后一个重要的原因就是：酒精抑制了大脑中“大模型”的活动，从而影响了“大模型”对“小模型”的修正能力。心理学教授理查德·戴维森曾经去印度，给一群修行的僧人和普通人进行了对比实验。这说明，在情绪出现的一瞬间，修行人就快速用理性对它进行了修正。你看，别以为修行人和普通人的区别只在于有没有头发，其实这两种人脑瓜里“大模型”对“小模型”的修正能力完全不在一个等级。显而易见，一个人的“模型权力格局”如果和它要面对的情况不匹配，就会降低ta的竞争力。比如 A 跟别人发生了冲突，在法治社会最好的方法当然是叫警察来处理，但假如 A 的大脑各个模型经过短暂博弈，还是驱动他来了个痛快的现世报——拿酒瓶子把人家开了。这大概就是“和法治社会不匹配的模型权利格局”。（注意，是不匹配，不是错误。）由此说来，黄、赌、毒、甚至游戏、短视频、高热量食品饮料，也是在不同程度卡人大脑里“模型权力斗争”的 Bug 而形成的商业模式。成熟且稳定的股票市场是一个典型的反复博弈环境，在这里你可以泾渭分明地找到两类玩家：长期盈利者在做投资决策时，“模型权力格局”中大模型占据更大的话语权，所以他们可能会在某一笔交易中亏损，但是由于大模型对概率的充分计算，博弈次数越多，总体就越可能盈利。长期亏损者则相反，他们做决策时“模型权力格局中”小模型占据更大的话语权，所以他们可能会在某一笔交易中盈利，但反复博弈时，由于概率并不站在他们一边，长期可能是亏损的。你看到了吗？越是需要“反复博弈”的环境，就越对“模型权力格局”中大模型占优的人有利——股市里残酷的优胜劣汰正是这样实现的。它背后的原理是“大数定理”：博弈次数越多，博弈结果的“算术平均数”就越接近你的策略中所隐含的“期望值”。这张图显示的是“扔硬币看正反面”实验结果。扔的次数越多，正反面比例越接近1:1。图里10根线表示独立用10枚硬币做的测试结果。
每个人大脑里的“模型权力斗争”到底是怎么形成的呢？实验者在一些小孩子面前放了棉花糖，并承诺如果坚持15分钟不吃，就会得到第二块棉花糖。实验分成了两种结果，一些小孩遵循了“小模型”的结论，直接吃了棉花糖；另一些遵循了“大模型”，等到了第二块糖。但是，后续一位名叫道格拉斯·肯里克的学者重复了这个实验，并且在他的书《理性动物》里推翻了最初的结论。因为他发现了一个隐藏的变量：孩子和实验者的信任关系，对他们“吃不吃糖”的选择影响很大。毕竟，一个陌生的叔叔说让我等15分钟，万一骗我怎么办？我可能连这块糖也没了。。。也就是说，当他们判断自己处在一个信任度高的稳定博弈环境，则会倾向于“长期博弈策略”，当他们判断自己处在一个信任度低的不稳定博弈环境，则会倾向于“短期博弈策略”。这个结论很好地体现了人脑中各种模型的博弈过程：人脑里的“模型权利格局”并无对错，它们往往来自于环境塑造，也适应塑造它们的环境。把小模型占优的策略称为“一颗糖策略”，把大模型占优的策略称为“两颗糖策略”。要回答这个问题，我们首先得回答：2023 我们面对的博弈环境是怎样的嘞？大概从2018年开始，我们的社会的几大因素“经济”、“技术”、“基础设施”和“社会治理”就都站在一个相对平稳的高台上，可以说我们浸泡在一种“高水平的稳态”里。就像一条高速路，车道清晰，边界分明。沿着车道行进，诸事皆宜；要是犯糊涂撞上护栏，那“车毁人亡”在所难免。普通人表达权的历史性崛起让个体命运被空前关注；同时互联网让信息光速裂变，很多“小共识”很容易凝聚。这些小共识如碎石一样坚硬，被随机洒在高速路上。你的车一不小心压到上面，就会不知向哪个方向打个滑。我们每个人，在选择开车策略的时候，各种命运以不同的概率型成一个又一个圆环，这就是鬼魅般的“命运场”。
而因为每个人生活策略选择的不同，命运场也很不同。如果我们拥有无限的计算力和数据，我们甚至可以算出每个人的“命运场”，把各种概率像圈圈一样画在它周围。假设我们就在这样的路上赛车，最终选择的策略会很相似：这是典型的“两颗糖策略”，从某种角度来看，这种策略非常无聊，它的核心精神就是：“各安其位，长期重复。”来自 OpenAI 的两位人工智能科学家斯坦利和雷曼曾经写过一本书《为什么伟大不能被计划》，其中提到：环境筛选压力大时，生物的生存策略会趋同，从而失去多样性。“两颗糖策略”比“一颗糖策略”可能压到的石子更少。但竞争中处于劣势地位的竞争者，很不甘心使用“两颗糖策略”，因为风险降低，逆风翻盘的可能性也降低了。大家都读过“田忌赛马”的故事，孙膑上知天文下肢残疾，他建议田忌用下等马对齐王的上等马，从而2:1赢得整场比赛。你看，这个故事告诉我们：弱者不得剑走偏锋嘛，哪能各安其位？！你孙膑聪明，齐王也不傻啊，如果再赛一场，齐王还会按照“上中下”的顺序出马么？如果反复比赛，最终肯定会形成一个局面：齐王每次会随机出马，田忌也只能随机出马，这样算下来全场比赛（当时的规矩是三局两胜）田忌的胜算只有六分之一。这是田忌所能得到的最好结果，是一个纳什均衡——这就是田忌的“命运场”。（实际上孙膑知道这一点，所以他把那场比赛作为最后一场，让田忌下了重注，后面就不和齐王玩儿了。绝交式赛马。。。）你看到了吗？在一个规则明确且反复博弈的场景里，无论强者弱者，最好的策略都是“各安其位，长期重复。”为了改变命运场，我们必须“面向世界调参”——想办法从“一颗糖格局”变成“两颗糖格局”。这个转变其实非常难，它的核心就是“八字真言”：你要能感受到概率。人脑其实非常不善于计算概率，有时候你得借助纸笔或者计算器。有一个著名的思想实验：给你两个选项。A，直接给你100万；B你有50%几率拿到1亿，有50%几率拿到0元。你选哪个？至于为什么，第二章里我已经让巴菲特老爷子介绍过了：你要用盈利的概率乘以可能盈利的金额，哪个大就选哪个。也就是说，参加这个实验，你有可能既没拿到1亿，也没拿到100万，你什么都没拿到，但你做对了，因为你使用了“两颗糖策略”。如果你真的最后什么也没得到，你不该懊悔，而是应该默念一遍罗翔老师的名言：“我们只能做我们认为对的事情，然后接受它的事与愿违。”很多人心里的河岸就是一个理想的线条，左边是岸，右边是水。严格沿着岸走就不会落水。但真相怎么可能是这样？河岸蜿蜒曲折，而且有的地方是硬土，有的地方是烂泥，它们以概率分布在整条河岸线上。所谓“常在河边走哪有不湿鞋”，就是考虑了概率因素。如果能感受到概率风险，你就应该认同芒格那句话：如果知道我会死在哪里，那我将永远不去那个地方。甚至可以把这句话推广一下：如果知道我大概率会死在哪里，那我将以小概率去那个地方。（当死亡概率为100%时，这句话就等效于芒格那句话。）股市在成长的初期投机氛围严重，你的投资策略就应该偏向于短期，股市各方面制度都完善健全时，你的投资策略就应该偏向于长期。当社会风气较为宽容时，你可以更无顾忌地表达；当社会风气较为严苛，你的言论就应该转变得更加谨慎。根据数据来“构建你的参数”，根据新的数据来“调整你的参数”，这个过程就是经典的“贝叶斯理论”，它也是人工智能的理论基石之一。不知道你发现了没，有关“命运场”和“调参”理论，其实和佛学的“业力说”不谋而合。佛教讲究你的行为和思考都在影响你的业力，从而影响你的命运。但如果去掉宗教化和神秘化的部分，“业力”在微观层面的推动力不就是“概率”么？人人都把自己活成“大模型”，世界将会变成美好的明天。“我执”可以把很多具体的“小问题”解决得很漂亮，但它解决不了“大问题”。进化没有把所有人规训为凡事都靠大模型修正的“概率人”，是还没来得及做到，还是根本做不到？我们之前说过，一切模型，不管多大，在宇宙的复杂性面前，都是小到不能再小，失真到不能再失真的局部归纳。为了让你切身感受这个有趣的原理，我们不妨一起做个思想实验：你大概会沿着山坡往下走，直到走到一点A，从A往任何方向走，都比A高。你就坐在这安营扎寨，了此一生。但你有没有想过，如果你往高处走，翻过这座山，会不会找到一片更低洼，食物更丰富的地方？注意！没人禁止你翻山越岭，我只说越低的地方食物越丰富，可没说你爬到山上就会饿死，你只是可吃的东西少一点。你可能会说，那好吧，我就鼓起勇气翻过一座山，果然找到了更低的地方B，我可以安营扎寨了。我接着问你：眼前有一座新的更高的山，可能后面隐藏着更深的低地C，你还翻吗？那我接着问你：如果此时，眼前出现了一座比珠穆朗玛峰还高的山，里面可能有各种危险，你绞尽脑汁，也算不出不自己有多大概率翻过这座山，你还翻吗？我讲这个故事，其实是想说：任何模型和算计，在真正复杂的自然环境中都会有边界，它只能用来找到“局部最优解”。无论你使用什么模型，在遍历之前都无法100%找到星球上的最低点。你甚至可以理解为：任何模型，都是对训练它所用到的数据的“过拟合”。（只不过“过拟合”的程度不同）你根据世界调整了半天参数，最终为了避开撞上墙壁的结果，收敛了自己的命运场。但收敛命运场的时候，你也同时收敛了自己命运的可能性。你就像那个可怜的探险者，永远徘徊在A点。如此，你可能比你目之所及的人都过得好，但也仅此而已。当然每个人可以有自己的选择，但是，如果像第四章所述，所有人都调整参数，选择了同样的生存策略，那么就没有人会翻越山谷，找到新的栖息地。大家的“命运场”全部重叠在A点周围。此时，如果这个山谷发生了环境巨变，比如一颗陨石砸中了它，那对不起，等待所有人的命运只有一个：团灭。结论很明确：“多样性”对于种群来说是福音，“高度共识”对一个种群来说是危险的信号。在第四章，我悄悄用了“赛车”这个词，预设了“生命的目的就是赢得竞赛”。但事实上，没有一条自然法则可以推导出“生命的目的是赢得竞赛”这个结论。如果你把生存的目的当成竞赛，你的生存策略很容易就变成“围绕A点终老一生”，从而和一些同类进入“内卷的共识”，陷入囚徒困境。而当你一直向远处走（而不是围着目标A绕圈）的时候，你更可能找到比A更好的B。这么说太抽象，没关系，在《为什么伟大不能被计划》中，作者举了很多例子，我帮你转述几个：约翰尼·德普儿时的梦想是成为摇滚明星，但他的乐队一直没起色。不过他通过乐队认识了一位化妆师，并且和她结婚，通过她认识了尼古拉斯·凯奇，凯奇把德普介绍给自己的经纪人，德普欣然接受，才走上了演艺道路，成为家喻户晓的明星。你看，德普的目标是“摇滚明星”，但无论怎么折腾，他就是无法达到这个目标；德普没有固守在这个目标上，而是尝试新东西，反而最终获得了更成功的人生。如果德普一开始就铆足了劲儿去当影星呢？那大概就跟“摇滚明星梦”一样，也是竹篮打水。OpenAI 的小组曾经做过一个“图片繁育”的网站。这个网站的工作原理是：人们可以在20张图片里选择一张，然后网站会根据这张图片随机变异，得到新的20张图，你可以一直点击，它就一直变异。图片繁育N代（通常会上百）之后，就会出现在人看来有意义的图片。当然这不稀奇，毕竟人的智慧和文化在每一次挑选的过程中渗入了图片。于是人们得到了汽车、骷髅之类的图案。但真正有意思的事情来了：你得到汽车图片的前提是，你并没把汽车当做目标。换句话说，如果把得到汽车当做目标，你就繁育不出汽车。。。实际上，这个汽车图案，是由一个外星人图案经过变异得到的。（那两个眼睛变成了汽车的轮胎。）你想想看，如果你的目标是繁育一个汽车，那你怎么可能想到先去繁育外星人呢？？回到德普的例子，如果德普最初的目标想要当影星，他怎么可能想到先去当歌手呢？？你可能玩过一个叫《奇怪的大冒险》的游戏，自然界就有点像它。你越想要啥，越得不到啥。基因证据表明，人类是从一种叫“扁形虫”的生物演化而来的，扁形虫和今天的人类不能说不像，简直是毫无关系。现在，让你当一把上帝，给你一堆“扁形虫”，你负责把它们繁育成高智慧的人类。（事实证明这是可以做到的，因为大自然就做到了。）如果动用“大模型”的目标思维，你应该给所有扁形虫测智商，然后选择“智商”最高的继续繁育。那样。。。你绝对繁育不出人类。。。你唯一有可能繁育出人类的方法，就是不按照特定“目标”对它们进行筛选，而是让这种虫子不断往“新”的方向变异，哪怕看起来很蠢，只要是“新”的变异就好。这样的话，经过一段时间，你会得到10086种新生物，然后你可能会从里面发现人类。如果没发现，就继续等待它变异出1008600种新生物，直到等待几亿年，甚至几十亿年，等出人类。你发现了没，这，其实就是大自然造人的路径。没有一种方法比它更简洁！造物主像是在往星球上一直倒水，水满了就会溢出山口，满了之后又会溢出山口，足够长的时间之后，就越来越有机会覆盖到整个星球的最低点。回到我们的日常生活，你会发现两种成功者：“巴菲特型”和“马斯克型”。芒格评价马斯克说：他喜欢啃硬骨头，我和巴菲特喜欢简单的。马斯克评价巴菲特说：老实说，我并不是巴菲特的粉丝。 他每天就是坐在那里，阅读各种年度报告，而这些报告超级无聊。所以巴菲特炒股一辈子还在炒股；马斯克从电动车到储能到隧道挖掘到火箭卫星到twitter，没准哪天就上火星了。你可以说巴菲特是一个“手艺人”，也可以把巴菲特归为“利己主义者”。但大自然的宽容之处在于：没有一种机制避免“利己主义者”产生。幸运的是，并不是所有人都会变成巴菲特那样的“概率人”。你必须在一生的时间里，一直进行反人性的自律，事事都交给“大模型”和“概率”去修正。别说你我了，就连伯克希尔的第三大合伙人瑞克·格林也没能做到。1983年格林因为心急，使用杠杆投资，在经济危机中陷入困难，不得不把伯克希尔公司的股票低价卖给巴菲特，自此下了牌桌。不客气地说，要想成为巴菲特，达到五祖的“时时勤拂拭”都不够，你得到六祖的“本来无一物”境界。（事实上巴菲特也不能做到事事都讲概率，比如他喜欢喝可乐，这个选择一点儿都不“理性”。）一个普通人成为“马斯克”的可能性，也许要比成为“巴菲特”更大呢。你发现没？进化在我们每个人的人性里都植入了四个字：喜新厌旧。“简单的东西”很容易重复，成为无聊的体验；而为了寻找新的体验，我们只能探寻“更复杂的东西”。好奇心促使每个人的认知逐渐攀登向高级。这才是学习最基本的动力学过程。小模型提供更宽阔的“命运场”，反而在很多情况下能解决“大”问题。心理学家乔纳森·海特曾经提出过一个经典的隐喻：“象与骑象人”。意即情感为大象（自动化），理性为骑象人（控制化）。骑象人以为自己可以驾驭大象，但大多数时候，骑象人都去不了象不想去的地方。然而象也不是完全自由，在它的意图不够强烈的时候，最终去向还是会受到骑象人影响。那我们应该怎样利用“象”的好奇来帮助我们过好这一生呢？很多浅友都知道，阿西莫夫曾经提出机器人三大定律。但是却很少有人知道，阿西莫夫可没把“三大定律”当好事儿说，在小说《转圈圈》里把它提出来，就是用来嘲讽的。在这篇小里，受困的人类派机器人“速必达”去危险的地方开采硒矿。但因为机器人要同时遵守第二定律（机器人必须服从人类命令）和第三定律（机器人必须保护自己），速必达就在那个矿旁边转圈圈，一圈又一圈。。。你看到了吗，这和在“高速路”上绕圈圈的我们何其相似！三大定律的本质就是“目标导向”。可是为了达到这些目标，偏偏违背了这些目标。。。OpenAI 那两位科学家还做过一个类似的实验——让机器人学走路。一组是“目标导向”：既然目标是走路，他们就把摔倒设置成一个“负反馈”。于是机器人为了避免摔倒做了各种努力，但就是学不会走路。一组是“好奇导向”：机器人随便干啥，只要能用身上的零件做出“新鲜的动作”就行。于是机器人花式摔跟头，研究员还在一边叫好。然而，在花式摔跟头的同时，机器人理解了“平衡”这件事儿。这样训练出来的机器人，不仅会摔跟头，也“恰好”会走路。。。一组是“目标导向”，机器人接近出口，就给更多奖励；另一组是“好奇导向”，撞墙还是走门您随意，只要能玩出花来就行。结果你肯定猜到了。好奇导向这组机器人在横冲直撞的过程中理解了“墙”和“门”的定义。之后给它一个“走出迷宫”的指令，它就能直接走出去。而目标导向那组机器人，熟练地掌握了“跟墙较劲”和“钻牛角尖”等技能。这个实验还可以升级为“狗狗走迷宫”，结论还是一样的。让人又笑又气的是，有些人很容易理解机器人或傻狗狗走迷宫时的局限，但面对复杂到超越自身理解能力的高维难题时，他们就瞬间变成了狗勾，开始钻牛角尖。过去几十年，中国比世界上绝大多数国家都鼓励创新，我们也创造出了很多从1到100的创新。这些有目共睹的成绩都是“好奇模式”驱动的。而美国限制中国的策略就是通过“卡脖子”把中国从“好奇模式”扭向“目标模式”。连气都喘不上来的时候，就顾不上好奇了，肯定得先集中精力解决脖子的问题嘛！首先，这几年我们对芯片等“卡脖子”技术的针对性引导，一定程度上占用了我们本来用于探索和创新的资源。其次，当外部压力变大时，人们的恐慌情绪也会蔓延，更多人会倾向于留在“洼地”里，不愿承担风险，不去探索未知，形成了前述的“环形内卷高速公路”。就像《论持久战》中说的那样，中国是一个很大的国家，地大、物博、人多、兵多，能够支持长期的战争。这种战略纵深当然不止存在于军事逻辑，还存在于经济逻辑。换句话说，如果我们的资源总量庞大， 即便一部分资源被“目标”牵制，还有另一部分资源能够支持自由创新。另外，我们仍然具有很强的“数字经济底座”和极大的“人才红利”，这都是命运的重要变量。（对此我还是充分乐观的）更何况“卡脖子”策略对美国自身的伤害也很明显，很多证据表明，脖子很难卡得更紧了。这个问题我在讨论过。实际上，“象与骑象人理论”同样可以用来观察中国这个群体。虽然在外部的压力下，骑象人会拉紧缰绳，但是随着局面进入稳定的“新常态”，拉紧缰绳的边际效应会递减，放松缰绳成为必然。在国家层面，我们有理由重塑对“小模型”的信心，看到现实中对于边界探索的收益重新“变甜”的趋势；在个人层面，更有理由重塑对“小模型”的信心，无数事实已经证明跟随直觉和好奇可以给我们带来超额收益。“命运场”覆盖范围变大，虽然提升了你找到新栖息地的终极期望，也不可避免地导致摸着石头过河时出现“深一脚浅一脚”的情况——你命运各个“章节”之间的方差会加大。当你在石头之间纵身一跃时，脚下也许是万丈悬崖，此时你需要一种人类精神中最稀缺的美德——勇气。英国神经科学家阿尼尔·赛斯在他的书《成为你：意识的新科学》中阐述了一个研究成果，这就是“预测处理理论”。要说明这个预测机器的来龙去脉，我们可以回到比扁形虫还要早的祖先，比如某种水母。水母有最初级的神经系统，但它的神经是只能对很强的物理刺激作反应，例如碰到石头就会收缩、转向。但是随着生物演化，神经系统更加复杂，它就具备了对微小物理刺激作反应的功能。比如，扁形虫就会利用打到它身上的光线来感受周围环境，有石头就绕开。（这个玩意儿就是眼睛，实际上，在进化谱系上，眼睛的出现是早于大脑的。）这就是涡虫（一种扁形虫）利用眼睛感受光线，然后避开光线。
随着神经系统越来越复杂，不仅要能感受光线，还要能感受震动（声音），还有化学物质（气味），这就需要“更复杂的模型”和“更大的算力”来承载，于是大脑形成了。一个生物周围会不断有光线、声音、气味出现，体内也不断产生电学、化学信号，所以大脑对这些刺激的反应也是不能间断的，这就形成了一种对周围环境的“实时主动预测”。把这种永不停歇的机械预测串联起来，生物就产生了“自我”的意识。（当你睡着了，你的大脑暂停预测，你就没了“自我”）事实上，如果你接受了自己是一部“预测机器”，那么你也就很容易接受建立在预测之上的“自我”是一种幻觉。我们每个人都活在自己构建的故事里，比如你可以脱口而出讲述一个“自传”——我从哪来，曾在哪上学，有过哪些朋友，人生中哪些重要的时刻塑造了自己的性格。首先，我们每个人心中都并行着很多故事。在这些故事里，“我”承担的角色并不同。就像在不同的游戏间切换，一会上这个号，一会儿上那个号。比如在家庭里我可能是一个儿子或父亲，在职场我可能是一个码农，在公共生活中我可能是一个制度改革的推动者。其次，每个人都有丰富的经历，从这些经历中选取的素材不同，甚至解读的角度不同，讲述出的故事也不同。比如和父母相处，大概率你可以找到他们不爱你的片段，也可以找到他们爱你的片段；比如被老板的训斥，可以解释为自己失败的征兆，也可以解释为成功路上的磨砺.之所以我们的故事具有如此多的可能性，本质上仍然是因为“世界具有不可约化的复杂性”，需要使用故事来进行简化。而究竟哪个故事是“对”的，哪个故事是“错”的，我们终其一生都没有机会知晓。既然皆为虚妄，我们何必总是把心挂碍在一个雷同的、让人焦虑的、无法改变的“主叙事”上？我们可以随时选择一个当下喜欢的故事，从中汲取前行的勇气，然后告别它。你在漫长时光中行走，那些过往就会自动凝结在一个个情绪内核之上，成为你的“人生点滴”。而你在更广阔的空间里穿梭，“人生点滴”就会更多，直至如恒河之水，足够你随时拼出无数精美的故事。这些故事描绘了你来自何处，也昭示着你将要去往何方。解决了“去往何方”这个开放世界的头等大事之后，面对眼前多如牛毛的具体困难时，你反而可以把“大模型”像金箍棒一样拿出来大闹天宫——在局限的信息内求解，才是它的正确用法（如第四章所述）。你知道“放松缰绳”会引向更好的数学收益，通过“无我”的修行你也有了“纵身一跃”的勇气，但你仍有坠落山崖的可能。人永远无法切割与他人的关系。你和他人分工，从而获得生存的资源；你和他人共享语言，从而有了协作的工具。更重要的是，你和他人共享历史。所有人的个体创新行动，都将以某种形式汇入历史。当你进入了某个未知区域，无论个体成败，都讲确凿无疑地降低这个区域对于整个人类的新奇性。宇宙的时间箭头永远向前，而历史告诉我们曾经身在何处。人作为一个整体，可以离开曾经到过的地方，向无限的地方探索。从这个意义上说，由每一个具体的人创造的历史比未来更加重要。南极苦寒，但探险家斯科特和他的团队宁愿赌上生命也要站在那里。在他抵达南极点后回来的路上遇到暴风雪，团队成员奥茨因为冻伤行走缓慢，他不想拖累其他三人，只说了句“我出去一圈”，便独自走进风雪。而最终，斯科特还是被困在帐篷的睡袋里迎接死亡来临。他在生命最后阶段不断书写日记，意识消散前留下的最后一句话是：For God's sake, look after our people.（看在上帝的份儿上，照顾好我的人民。）当《复活》中托尔斯泰让玛丝洛娃最终拒绝贵族聂赫留朵夫，奔向革命者西蒙松和自己的新生时；当《美丽新世界》中赫胥黎喊出：“我不要舒适，我要神，我要诗，我要真实危险，我要自由，我要善良，我要罪孽”时，那就是人类的群星闪耀时。在历史中，无数人选择了他们心中的故事，并且用最汹涌的情感去奔赴。他们的选择，未必都将个人引向更好的生活，但他们的存在，对于普遍意义上的“人类”来说，是巨大的幸运。在姜峯楠的小说《你一生的故事》中，主人公洞悉了自己余生的命运，这些命运充满离别和苦难，但她最终选择义无反顾。我们作为个体，也许本质上终究是一个生存机器，被体内的基因驾驶着，在旅程中路过一场场离别，待所有的离别看尽，走入一个寂灭的终点。但这场旅途并不荒凉，我们把路边的野花插在头顶，彼此顾盼，哈哈大笑。然后，我们走入命运的洪流，像个英雄一样，义无反顾。
上帝死了
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，可以搜索微信：shizhongmax。
哦对了，如果喜欢文章，请别吝惜你的“在看”或“分享”。让有趣的灵魂有机会相遇，会是一件很美好的事情。
Thx with in Beijing
还没有评论，来说两句吧...