昨天去阿B交流，问到我为什么当时20年很快涨到20多万粉丝就不更新了。我回想起来当时是有一个这样的决策点：到底我们的内容应该打更

#内幕消息 昨天去阿B交流，问到我为什么当时20年很快涨到20多万粉丝就不更新了。我回想起来当时是有一个这样的决策点：到底我们的内容应该打更广大的受众（泛C，也就是圈外人），还是应该专业垂直打圈内人。 20年的时候看到巫师和半佛的崛起，我很快嗅到了B站的流量红利，于是立即带着你菲就开始做起了B站，第一个视频卡戴珊就破百万流量涨粉5万。 但很快我们就发现了一个问题，优质的好内容的制作时间和周期非常大。一篇爆款的卡戴珊，背后是之前3个周的研究+写作才能确保内容本身够深度有专业性，再加3-4周的精心录音、剪辑和编导，所以一个优质的B站长视频，总共要花费近2个月的时间。 而要保证每月更新（我都放弃每周更新）了，就需要大量投入其中，包括前期的文案团队，后期的剪辑团队，都要尽可能标准化，流程化，工业化。 这样量一上去了，质就会下来。这样的内容，就会圈外人看个爽，圈内人觉得水。 当时2个月我们就涨粉了20万，对我来说是非常心动的流量红利，而且量产的机制和流量G点也很好找。 但是我还是放弃了。因为关键思考了一下我们到底要赚的是谁的钱，做的是什么生意。 我们想要做的是成就中国好品牌，是B端的钱，核心能力还是要够专业，要行内人觉得专业。我们第一优先级是维持我们的专业感。这流量的钱，只能放弃，不去赚。还是要把功夫花在专业能力的打磨上，把业务往To B的方向去做深耕。 这时候还是回归那句话，流量大不一定是件好事，有名也只是个噱头。最后还是要回归的是你到底要赚谁的钱，服务的是谁，这些流量对你来说的价值到底是品牌影响力，是获客渠道，还只是你追赶流量红利的一个执念罢了。

（注：神经突触与神经元的动作电位触发时间的先后关系，决定了它们连接强度是增强还是减弱。如果突触的激活时序领先于神经元的动作电位，

（注：神经突触与神经元的动作电位触发时间的先后关系，决定了它们连接强度是增强还是减弱。如果突触的激活时序领先于神经元的动作电位，那么该连接获得强化；如果突触的激活时序滞后于神经元的动作电位,那么该连接获得削弱。It's a particular learning rule that uses Spike timing to figure out how to to determine how to update the synapses. So it's kind of like if the synaptic fires into the neuron before the neuron fires, then it strengthens the synapse. And if the signals fire into the neurons shortly after the neuron fired, then it weakens the synapse.） 神经网络另一个重要的点在于loss函数的提出，它为深度学习提供了可行的训练方法。很有趣的一点是，在现实世界中，我们并没有看到对应loss函数的东西 - 进化论是以loss的方式来迭代的吗？经济系统或社会系统存在loss吗？似乎都不是。 2. 神经网络的本质 Ilya认为，大脑也好，大模型也好，本质上都是把知识压缩到一个高维的隐空间当中。每一个新的观测数据到来的时候，它就会通过连接来更新隐空间中的一些参数。知识就存储在这些连接的权重里。（I guess what is a recurring role that you have a neural network which maintains a high dimensional, hidden state, and then within observation arrives. It updates its high dimensional, hidden state through its connections in some way. You could say the knowledge is stored in the connections.）压缩的过程有点类似于人类的记忆和遗忘过程，你忘掉了绝大部分没用的信息，而只是记住了那些有用的，并且将它们整合记忆。 压缩的过程就是“寻找最小回路”（search for small circuits）的过程。在数学上，有一种理论是“最短描述长度”原则，即如果你能够找到能够产生所需数据的最小程序，那么你就能够用这个程序做出最好的预测。（If you can find the shortest program that outputs the data in your disposal, then you will be able to use it to make the best prediction possible.）这是数学上可以被证明的。但“最短描述长度”原则是一个理论原则，在实践中很难准确实现。所以在实践中，针对给定的数据集，我们只能使用神经网络找到“尽量短小”的回路。因此，可以将神经网络的训练过程理解为，慢慢将训练数据集里的信息熵迁移到神经网络的参数中，而最终沉淀下来的这些回路刚好不算太大。（If you imaine the training process of a neural network as you slowly transmit entropy from the data set to the parameters, then somehow the amount of information in the weights ends up being not very large, which would explain why the general is so well.） 如果你能高效压缩信息，那么你一定已经得到知识了。GPT已经是一个世界模型了，it knows all the intricacies。尽管你做的看似只是predict the next word这么简单的事情，但这只是优化手段而已。 自然语言是最好的latent space，而且是最容易做alignment的latent space。 3. Ilya研究生涯中的两个重要时刻。 第一个时刻，是2012年做AlexNet，Alex Krjevsky用GPU来编写足够快的卷积程序，让CNN训练变得超级快，拉开了CV时代的序幕。这是Ilya的顿悟时刻，觉得神经网络这条路是能走通的。 第二个时刻，Ilya对大模型的信心来自于早年团队的一个发现。当时，团队训练一个LSTM模型来预测Amazon评论中的下一个character，当参数从500到4000的时候，就会出现一个专门的neuron来表达评论的sentiment是正面还是负面。于是，团队猜测，当模型足够大、参数足够多的时候，句法已经被充分表达了（run out of syntax to model），多余的参数开始学会捕捉语义信息。这说明了通过“预测下一个字”的训练方法，可以让模型学到更多隐藏的信息。 4. 关于多模态。 多模态是有用的，尤其是视觉。人类大脑皮层中三分之一都用来处理视觉，缺少了视觉的神经网络作用会相当有限。 人类更多是从图像而不是语言中学习的。人类一生只会听到大概10亿个词，这个数据量是非常有限的，而更多的数据来自于视觉。 很多时候，从视觉学习比从文本学习更容易。例如颜色，尽管通过文字也可以学到颜色之间的关联，比如红色和橙色更近，和蓝色更远，但通过视觉来学习要快得多。 5. AI有逻辑吗？有意识吗？ AI当然有逻辑，要不为什么AlphaGo和AlphaZero在最需要逻辑推理能力的围棋游戏中击败了人类？ 如何真正说明AI有逻辑推理能力？证明真正困难的定理，写复杂的代码，用创新方法解决开放性问题。如果AI能够证明一个未经证实的定理，那么这个理由就很难辩驳。 如何判断AI是否有意识？做这样一个实验，假如未来人工智能的训练可以从零开始，通过更小的数据集来完成，那么我们可以非常小心地对训练数据进行清洗，确保数据集中不包含任何关于意识的内容，如果系统在训练中需要人类的反馈，在互动中也要非常谨慎，确保不提到任何关于意识的概念。等训练结束的时候，你和AI一起聊天，这时你告诉他关于意识的事情，你向他描述之后，想象一下，如果这个人工智能接着说，”哦，我的上帝，我一直有同样的感觉，但我不知道如何表达它“，这时就可以认为人工智能有意识了。 6. 开源 vs 闭源。 如果模型的能力不强，那么开源是一件伟大的事情。如果模型的能力过强，那么开源就变得危险。尽管目前GPT4模型的能力还算不上”过分强大“，但已经能够看到这个趋势，所以闭源是合理的。（类似于核武器？） 当然，现阶段闭源更重要的原因是商业竞争（而不是安全，Ilya的原话）。 7. 更大的模型一定会带来更好的结果。（Of course the larger neuron nets will be better.） 前些年扩大规模很容易是因为有很多计算资源都没有被充分利用，一旦重新部署过之后就会快速取得进展。但现在规模到达了某种瓶颈，算力的扩张速度变慢了。I expect deploying to continue to make progress in art from other places. The deploying stack is quite deep and I expect that there will be improvements in many layers of the stack and together they will still lead to progress being very robust. 我预期我们将发现deep learning中很多尚未被发现的新属性，而这些新属性的应用将会让模型的效果变得更好。5-10年之后的模型能力一定会远远强过现在的模型。 附三个访谈的链接： 2020年5月 Lex Fridman AI Podcast 2023年3月 黄仁勋 CEO 与 OpenAI 联合创始人及首席科学家 Ilya Sutskever 关于 AI 及 ChatGPT 的对话 2023年4月 OpenAI联合创始人首席科学家AI Ilya Sutskever斯坦福大学内部演讲

自从传出Emad辞职起我就对他未来做什么充满了好奇（以及想看能不能投点）。几周前我们联系上了Emad，大家一起讨论了一下去中心化

自从传出Emad辞职起我就对他未来做什么充满了好奇（以及想看能不能投点）。几周前我们联系上了Emad，大家一起讨论了一下去中心化AI，之后我又研究了他的过去的一些发言，最终整理出了这些东西。 TLDR - ▪AI作为下一个时代最重要的基础设施，不能由少数机构掌控。 ▪每个国家都需要自己的国家AI，否则会面临文化消失的风险。 ▪Emad会启动一系列公司，作为BootLoader去启动一个个国家和行业的AI模型。 ▪国家AI对应国家数据集，它应由集体参与，凝聚集体智慧，被集体治理。 ▪这个方式很难追求AGI，但足够作出好用的开源小模型，极大削弱单一大模型的统治地位。 ▪小模型是私有化部署的关键。当个人也能很轻易的把出色的模型部署在手机和电脑，我们就迎来了一个平权的AI时代。 ▪Web3技术是这一切成为可能的关键。 ▪具体怎么做，我猜Emad自己也还没琢磨清楚并形成清晰的执行计划。

为什么武当山上赵敏不直接派玄冥二老出手？

为什么武当山上赵敏不直接派玄冥二老出手？ 悠悠的回答 赵敏这么做乃是应时应势，请看原文： 赵敏背后众人相顾色喜，知道己方派去之人偷袭得手，这位武当高人已受重伤，他们所惧者本来只张三丰一人，此时便无所忌惮了。 赵敏道：“普天之下，莫非王土，率土之滨，莫非王臣。我蒙古皇帝威加四海。张真人若能效顺，皇上立颁殊封，武当派自当大蒙荣宠，就如当年我太祖皇帝荣封全真教长春真人一般，敕管天下道教。而宋大侠等人人无恙，更不在话下。” 她微微一笑，说道：“张真人既如此固执，暂且不必说了。就请各位一起跟我走吧！”说着站起身来，她身后四个人身形晃动，团闭将张三丰围住。这四人一个便是那魁梧大汉，一个鹑衣百结，一个是身形瘦削的和尚，另一个虬髯碧眼，乃西域胡人。 他正要挺身而出，喝阻四人，忽听得门外阴恻侧一声长笑，一个青色人影闪进殿来，这人身法如鬼如魅，如风如电… 赵敏微微摇头，道：“今日我们是来讨教武当绝学，武当派不论哪一位下场，我们都乐于奉陪。武当派到底确有真才实学，还是浪得虚名，今日一战便可天下尽知。至于明教和我们的过节，日后再慢慢算账不迟。张无忌那小鬼奸诈狡猾，我不抽他的筋、剥他的皮，难消心头之恨，可也不忙在一时。” 向张三丰道：“张真人，你若不肯露一手，那便留一句话下来，只须说武当派欺世盗名，我们大伙儿拍手便走。便将宋远桥、俞莲舟这批小子们放还给你，又有何妨？” 心想：“张三丰所以成为朝廷心腹之患，乃因他威名太盛，给武林中人奉为泰山北斗，他既与朝廷为敌，中原武人便也都不肯归附。其实以他这等风烛残年，还能活得多少时候？今日也不须取他性命，只要折辱他一番，令武当派声名堕地，此行便算大功告成。” 赵敏道：“他们是武林中第一流的好手？我倒不知道。他们叫什么名字啊？” 说道：“我家里三个煮饭烹茶、抹桌扫地的家人，什么神君、天王、尊者的？张真人，你先跟我家的阿三比比拳脚吧。” 赵敏此行的目的是招安，来之前她就做好了精密部署：一开始用刚相重创张三丰，再说出宋大侠、俞二侠、张四侠、莫七侠四位已被俘获，殷六侠四肢为大力金刚指折断的事实，发现张三丰吐血，知道他已身受重伤，此时她便无所忌惮了。 然后她先礼后兵，先是好言相劝，只是对方不允，她就打算硬请，让下属团团围住了张三丰。 此时，武当战力最强的张三丰已身受重伤，其他武当的精锐也在下光明顶时被赵敏擒获了。可以说武当派已经没有一个能打的了。 作为最高统帅，赵敏的安全方是重中之重，不可以有任何闪失。为了以防对方擒贼先擒王，她肯定得派麾下最厉害的高手保障她的个人安全（玄冥二老唯一的一次出手是为了保护赵敏离开，隔开张无忌，而且赵敏走了他们立马就跟上，完全没有恋战）。 但后来明教群豪纷纷到来，打乱了赵敏的计划。她知道此行的目的肯定是达不到的了，既然任务已黄，那就折辱张三丰一番，令武当派声名堕地。 但得先阻止明教插手。所以，赵敏话锋一转，改为讨教武当绝学，和明教的账日后再算，将明教排除在整件事情之外，不给他们插手的空间。 赵敏只是为折辱，所以，故意叫阿大阿二阿三，因为他们没有名呀（隐姓埋名无人识，只使用代号）。如果张三丰打不过，就可以借机讽刺张三丰连她家煮饭烹茶、抹桌扫地的无名小卒都打不过。 至于认出张无忌那是后来的事，她本打算顺便跟他交换三件事，只是小昭的到来才使得这事暂时搁置了。 via 知乎热榜 (author: 悠悠)

天涯论坛，对你产生过什么影响？

天涯论坛，对你产生过什么影响？ 爱笑猫咪的回答 普通人如何用最短的时间赚到1000万？一句话，不要光顾着提高能力和加倍努力，而是要想方设法的进化成新物种。 首先问你个问题：你认为凭你现在的能力，以你最努力的方式，要多长时间才能赚到1000万？一天打三份工够吗？打5份呢？或者10份？所以你会发现，平稳的继续做你自己是永远不可能赚到大钱的。 那要怎么办呢？今天分享天涯神贴系列普通人西经九大进化攻略，作者：九歌。 第一，你必须彻底的搞明白什么才是真正的努力。并非每日疲惫不堪、仅仅依靠体力透支的“自我感动式”奋斗，而是需要动脑思考、持续向上攀登的智慧型努力。这种努力不仅仅是身体的劳累，更是心智的成长与策略的制定。 第二，你必须彻底挣脱弱势思维对你的影响。这种思维就是穷思维，其最大的特点就是不配的，遇到好的、贵的、稀缺的东西，就会不由自主的生出肯定与我无关、我肯定得不到或做不到的想法。这种起心动念会大大的降低你的欲望、心性和能力。现代商业社会，大多数资源、机会、人、财、物都是要靠争抢才能得到的，而完善的基础就是你要从内心认为非我莫属或势在必得。 第三，提升选人识人能力。赚大钱往往需要团队的支撑。因此，学会选人识人至关重要。选择合作伙伴时，诚信、价值观契合、共赢思维及能力资源互补是首要考虑因素；而在选拔内部员工时，则更看重责任心、专业能力和沟通能力，而非单纯追求低成本。 第四，你必须改掉亲自干活的毛病。所有的有钱人都是分钱的高手，他们无一例外的都是把该分出去的工作和钱分出去，因为只有这样，他才有时间和精力去思考、开拓和扩大经营。 第五，这条只能意会，很多人可能会接受不了，但做过企业的应该都懂，就是一定要克服不敢吹牛的毛病。这不是让你去骗人，而是做生意本来就有很多东西是虚虚实实的，只能说哪一天你理解了，你就能做大了。 第六，一定要把自己定位在作曲者的位置上，不要迷迷糊糊的又变回到消费陷阱里的棋子去了。 第七，要学会花钱误入雷区。因为如果你做到了以上6条，你可能手上就已经开始有点钱了，此时你就会来到很多中产返贫的雷区，只要你思路有一点不清晰，就会被一棒子打回到穷人圈里。比如开始买房买车，周身奢侈品，到处炫耀得瑟，胡乱给别人借钱，把老家的穷亲戚们全部安排到公司担任要职，男女关系混乱等，这些都是大多数暴发户们返贫前的征兆。 第八，一定要学会借势。赚100万通过自律和积累就能做到，但人生中的第一个1000万是用正常的方式绝对赚不到的，必须要借势来做杠杆。怎么借？三个方面，借趋势，着重加强你的认知和信息来源，就能获得，借人势，着重你身边的资源和高人的积累，就会有机会，借实事，着重你的判断力和行动力，就能抓住你需要提前做好准备，只要风口一到，顺势而上，千万不要犹豫。 第九，也是普通人翻身最难的一关。只要过了这一关，1000万可能就只是一个小小的钱财，但99的普通人都卡在了这一关，因为这一关叫做对抗不确定性，花大量的时间去整合资源、人脉，摆平各种事情，长时间的零收入甚至亏损，只为了抓住某一个机会，然后大赚一笔的这种赚钱方式不是每个人都敢于去尝试的。所以赚钱的多少核风险成正比，在可控的风险类，抓住一个机会，然后殊死一搏，就是赚到人生中第一个1000万的核心。 天涯神贴常常给我们生活中带来一些启发我闪光点。如果你也感兴趣了解更多，可以留下邮箱我免费送给你。 via 知乎热榜 (author: 爱笑猫咪)