The Fools' Journey

起因是学校要求写一篇seminar arbeit, 老师明确告诉我们可以使用ai进行语言构建. 于是在陆陆续续完成数据模拟作为practical的部分, 然后着手开始准备理论部分.

总体框架不难, 把outline写出来, 然后每一个section逐步把骨架和内容逻辑搭建起来, 能用德语写就用德语写, 不行就中文, 英文, 甚至关键词. 然后把每个section交给ai进行润色, 变成完整的学术德语.

但是ai写的东西毕竟还是ai味太浓, 我也并不确定我们老师对于“ai润色”的尺度把控到底有多严重, 如果用专业aigc网站打分, 那一定是非常高的, 因为语言基本都是ai润色过或者改写过的. 这点我相信老师是完全可以理解的. 不过, 我还是把这篇论文初稿给别的ai进行“ai率点评”, 以尽量减少阅读体验上的ai感痕迹. 把别的ai总结的特征, 让帮我进行润色改写的ia进行修改.

这一步来回做了很多次, 但始终问题没有改善太多, 一是十几页的论文, ai最多也就改个几处. 不可能通篇修改. 二是, 再怎么让他不要这么写, 他也无法跳脱底层限制, 终究还是相似的写法. 所以唯一解就是通过固定的pattern.md, 把所有要求和禁忌写清楚, 写详细, 让他严格执行, 自我检查, 并且继续让外部ai进行检查.

好吧, 以上只是前情提要, 我干完这个累活, 就想着要把这件事给自动化了, 载体当然是老朋友claude code.

于是把我写论文时完整的工作流, 从接取用户输入, 到根据patterns写作/改写, 到全局guard检测合法性, 正确性, 到自检子agent自行检测patterns是否都被符合, 到外部子agent进行外部评估, 然后改写agent继续根据guard+自检+外部子agent的综合评估进行改写, 并将以上的逻辑迭代多次, 直到用户觉得满意.

还整了个普通模式和激进模式.

目前还是mvp, 还有很多可以优化的地方, 比如是否要引入外部aigc来专业对ai率进行评测, 直到某个数值下才停止迭代, 这一步实现较困难且容易陷入迭代死循环. 包括很多具体逻辑可能还存在漏洞, 我目前也只是跑了2篇小型论文进行了测试. 不过确实是完整可以跑了.

后续可以进一步支持中文, 做好主页包装, 发到marketplace, 引流, 支持codex, 支持德语等等, 有很多可以做, 不过目前还是首要确保整体功能的完整性.

​ 历时一个月, 终于拿到了coursera由stanford开设的algorithm specialization的证书, 虽说有一定mit6.006的基础, 但是还是有很多很多新知识.

​ 而且老师的板书是真的丑.

​ 中途遇到了很多坑. 比如印象比较深的. course 4的tsp问题, 因为我是中文版, 有一题是“四舍五入到最近整数”, 我当时代码写出来跑了七八次都没过, 甚至我都贴出来问了ai, 也和大家讨论区里的逻辑类似, 但就是不过. 在网上找解法, 无意翻了这道题的英文原题.

​ 好家伙, 你猜这么着, 人原来明明写着“rounded down to”, 向下取证floor, 而不是round. 中文直接翻译成了四舍五入, 引起了歧义.

​ 其次就是, 这门课程的数据集竟是些几十万行的txt, 虽然mac处理几十万行的txt问题不大, 但有的算法, 比如一个最短路径算法, 硬算要算2^25次,几亿次, 需要六七G内存, 即使做了内存优化, 开销依然大. 关键是, 鄙人不会c++, 没有底层高速二进制的速度, 只能写py让解释器一遍遍跑, 有的结果甚至要等上3-5分钟, 很是折磨. 不得不说, 写算法还得是c++.

​ 不过好在最后也是拿到证书了.

这两天又想起openclaw了, 于是租了个hetzner的服务器, 2核4G的RAM, 用的还是共享cpu, 0.01欧/h, 算下来开一个月就需要7欧多, 也就是将近60块钱, 算不上便宜, 但也在接受范围内, 这也是我目前能找到性价比最高的服务器了.

花了一整天时间倒腾openclaw, 不得不说, 这玩意的引导做的是真的差, 毕竟是开源项目, openclaw configure命令极其不好用, 必须手动更改~/.openclaw/openclaw.json文件, 自己nano json文件还很容易出错. (需要去官方文档查keys, values).

最后整了俩agent, 在qq和telegram都各binding一个bot. 一个是我的main, 一个是专门用来发新闻的.

我突发奇想, 如果能让我的两个bot拉个群, 大家一起讨论, 协作,脑暴. 或者给每一个bot一个人设, 让他们在群里聊天, 那就非常有意思了.

于是打算配置一下, 结果发现目前完全不可用, 首先, bot无法接收到bot的信息, 只有user在群组@bot或者私聊才能使用. 其次, 在群聊中, bot也完全无法识别自然语言的call, 必须user显式@.

那么自然而然的就萌生了自己写一个skills的想法.

不过一想, 这靠skills里写文字根本没法完成, 因为我需要把bot的话在底层提取并给另一个bot, 这是skill权限之外的事情.

所以, 最初的想法是通过写一个外部控制器py脚本, 脚本里配置好agent和bot的映射, 接flask库, 用webhook等方式获取并传递信息. 并在后台设置一个锁, 每次只允许一个ai讲话, 讲完随机给另一个bot锁. 并且允许user中途提问补充, 让接下来的bot重点关注user的新input.也允许一个bot指定另一个bot回答

想法很美好, 实现起来很惨淡. 有一些方法确实很快就完成了, 例如hold lock的方法, send方法, choose-send方法, 以及提示词输送的方法. 不过到后面一看, 最关键的webhook, openclaw并不支持, json中也没这个key. 也没有http事件接口, http轮询也走不通.

我预想的推送架构完全废掉了.

到这一步就已经花了将近六七个小时, 官方文档模糊, 问ai又都是早已过时的调用和方法.

没办法, 只能退而求其次, 至少要跑个mvp出来吧.

于是想到不通过openclaw进行消息抓取推送, 而是由py完全外包, 接telegram bot 库, openclaw只负责回复并输出到群组. qq先不管了, 想着先跑个mvp出来.

然后去拿了telegram群组的id, 放了两个测试bot, 然后测试运行.

你猜这么着, 一直报错, 因为一个bot token有同时调用, 直接被telegram的api拒绝了, 把py的所有后台进程杀了再开还是没用, 那行, 不用nohup, 我在前台运行, 还是不行. 这个bug始终无法修复.

再加上到这一步, 已经完全写不下去了, 从最开始想着让其他人也能点击即用, 到现在, 我甚至要为每个bot写一个py脚本控制, 然后需要手动更改py里的agent, bot的id, token, 手动发到服务器, 挂到后台, 即使能跑, 也完全丧失了可用性. 只好放弃, 烂尾. openclaw的底层真是限制太多, 可修改度低, 处处受限.

不过其他的项目还在稳步进行时, seminar arbeit用到的数据模拟py已经快做好一个了, 后面会陆续发在github上.

另外还打算做一个写论文专用claude code skills, 这次写论文真是折腾死我了, 老师允许用ai进行文本塑造, 毕竟也理解尤其是我们这种非母语者, 不可能手写十几页的学术论文. 但是我把我的德中结合的初稿发给ai每段每段重写润色, 结果ai还给我的写的太好了, ai味太浓. 用的也是deepseek api, 用claude可能会好很多. 让他降低level, 他又说违反学术诚信, 这是真纳闷了, 明明内容本身是我写的啊. 于是只能自己从网上找了个humanizer skill, 当然这种skill claudecode是肯定不会调用的, 我用另一个claudecode把skill内容全部提取成md文件规则, 再发给claudecode让他不要触犯上面的禁止, 并按上面的规则写. 逐章修改, 改完又交给别的ai看, 看看会不会还是ai味太浓, 哪里显得特别有ai味, 在交还给claudecode修改. 如此往复. 所以想着做个skills, 自动化这个流程. 也想帮帮所有有像我一样困境的人, 学校允许用ai, 但是ai生成的文本又太过, 不知道合理的区间到底在哪.

​ 最近在读经济学大名鼎鼎的《随机漫步的傻瓜》, 主要讨论市场的随机性.

​ 目前才看完第一章, 不过所接受的观点已经足够反常规.

​ 我总结了作者大概三个观点.

1. 当失败的风险大到你无法承受时, 成功的概率就没有任何意义.

这个观点我倒是蛮认同的. 作者用俄罗斯转盘做例子. 不过完全可以更极端一点. 1/100的概率是子弹, 也就是0.99的概率成功. 成功的概率已经非常之大, 但是失败的风险是死亡. 死亡是你无法承受的事情. 即使成功给你1亿美元, 但是失败你相当于失去了一切, 失去了∞. 这么算下来, E = 1亿 * 0.99 - ∞*0.01 = -∞.

当然这对家徒四壁或者实在穷疯了的人不一样, 对他们来说, 死亡或许并不可怕, 穷才可怕, 那情况可能会有所好转.

此外, 塔勒布主要讨论的还是长期的情况, 如果真的有我刚才说的游戏, 我相信不少人还是会去试一试的. 但如果每天都要去试, 终有一天会翻车.

因此对于个人交易者来说, 必须严格控制风险, 比如著名的杠铃策略, 只拿资产的0.1投资高风险市场, 博取高额弹性收益. 剩下0.9成投资稳定的国债, 或者定投. 这样既是0.1完全亏完, 也是完全可以承受的.

所以有一个观点我是绝对认同的, 拿来炒股, 博高收益的本金, 就要当作已经亏掉的. 这笔钱对你的生活没有任何影响.

最近正好是世界杯嘛, 周围的同学都在赌球. 不得不说, 他们挺有商业头脑的. 他们跟塔勒布一样像是在买彩票, 花1欧买4个比分, 买错了也就亏4欧, 买对了但是赔率低也就亏个一欧两欧, 但是一旦碰上一场高赔率的比赛, 几十倍赔率能连本带利一下全赚回来. 我们有一个同学靠者1欧元下注英格兰4:2克罗地亚, 靠者100倍赔率赚了99欧. 足够他再耍十几场比赛的.

而有一些人, 比如在西班牙踢佛得角的比赛, 西班牙独赢赔率只有1.几, 他们于是投入极大本金, 比如投入100万去赚个小几十万. 对他们来说, 西班牙有九成以上概率能赢. 然而, 如果输了, 风险是100万本金, 这对大部分人来说都是无法接受的, 所以西班牙有多大概率能赢其实本质上没有什么意义.更何况在足球的世界里, 弱队摆大巴, 死守强队还是有不少机会的, 这与篮球不同, 篮球比分大, 实力强的队伍一般表现都会好.

2. 市场以往的数据都是随机性产生的样本, 以这些走势预测未来没有任何意义.

   这个观点直接抨击了k线专家们和那些顶着技术面看的天才交易员们.

   他认为, 市场的数据是由大量的变量, 不确定性, 以及供需关系时时刻刻的变化中产生的. 而人类对市场的判断往往都是事后的, 人类喜欢找因果关系. 每次盘后, 就会总结, 因为xxx, 所以yyy上涨. 第二天如果yyy下跌, 又会找到合适的理由.

   他举了个例子, 一只火鸡, 每天早上都被人喂食, 因此得到规律, 每天早晨都有人来喂他, 结果某一个感恩节的早晨, 火鸡依旧期待地出门, 却马上上了人的餐桌.

   火鸡的眼睛是短浅的, 他只通过他的所见总结规律, 他不知道人类的习俗, 感恩节的日期, 以及他的意义.

   人类又何尝不是呢? 即使世界上最强的量化算法, 配合实验室集群, 长期靠大数定律稳定盈利, 也总会遇到某个随机的黑天鹅.

   (顺便说一嘴, 我自己也不是很理解k线专家们, 外汇市场除外. 隔壁美国机房里的量化算法, 供需关系出现一点点变化几毫秒人家就下单了, 散户在那看k线形状, 真的还来得及吗? 或许能做的也就是辨认主力的方向, 跟着主力走?)

   不过这个说法绝对是片面的, 在宏观世界里, 只要你的变量保持大体相似, 经过相似的逻辑, 结果也差不了太多, 符合正态分布. 比如美元下跌, 黄金一般情况下都会由于定价货币的贬值以及资金的避险倾向升值. 这在绝大多数情况下都适用. 过去的数据是有值得学习借鉴的地方的. 我们必须承认随机性的存在, 做好风险的管控, 但同时也绝度不能忽视一些普适的金融规律.

   3. 他最后认为, 外部的信息都是噪声, 是媒体人为地解释随机性, 没有任何参考意义.这点同样在我看来是不完备的. 的确, 有大把的营销号, 博主, 每天解读早盘, 盘后, 做各种分析预测, 各个看法有时还都不一样, 亦或是某个机构对某个股票评级上调. 这种在我看来确实是噪音, 但是, 现在的时代光看k线图怎么炒股? 经济政策, 大环境, 就业, 以及公司的流水, P/E, 现金流等客观发生的数据, 绝对是辅助你判断的.

   所以总结一下, 我觉得没必要像塔勒布那样极端, 完全相信并服从随机, 并像买彩票一样大量购买廉价期权.

   而是要承认随机性的存在, 做好严格的风向管控, 屏蔽外部的噪音, 但也必须经常关注经济新闻和指标. 还有一条铁律, 永远不要想预测未来!

​ 最近几天, 美国的SpaceX公司IPO上市, 融资了750亿美元, 使得马斯克本人变成了地球历史上第一个trillionaire, 掌握着万亿美元的巨额财富, 连带着大量拥有SpaceX原始股的员工等飞黄腾达, 成为富豪.

​ 不禁感叹资本的恐怖, 即使是当今世界顶尖的IT或者量化工作者, 每年总包300万美元, 要达到马斯克的身家, 要干33.3万年, 万年啊!

​ 资本和普通人最大的差距就在于, 资本的滚雪球能力太强. 普通工作者, 每年拿固定收入. 小型创业者, 可能根据市场变化和公司绩效有不同的收入. 而大型资本, 资金量大, 资源多, 把一切能利用的劳动力, 能赚取的利润, 都滚到雪球上去, 越滚越大. 而与此同时其他人, 有的成为了雪球中的一部分, 有的自己每天捡小雪球积少成多.

​ 资金量大真的是无赖. 小公司和大公司竞争, 大公司只要一直打价格战, 比你卖的便宜, 人家钱多源源不断地输血, 而小公司每一刀都割在肉上, 到破产边缘迫不得已只能把公司卖给人家大公司, 一个企业就这么被干掉了. 就像一个稍有起势的雪球, 看到路边的积雪, 刚想过去滚大. 结果旁边突然窜出一个山高的巨无霸雪球, 一瞬间就把它吞没, 变成了大雪球的一部分.

​ 尤其是在ai时代, 这种情况更是严重.

​ ai需要基础电力, 需要大规模的算力. 需要降温, 需要大规模的经费. 起步早或者资金充足的大公司才有资格接触ai的基层, 小公司和个人最多只能在表层, 使用, 和套壳做做文章. 我们没有能力训练一个和gpt5.2能力差不多的大模型, 我们所能做的, 就是借用人家的模型作为大脑, 套壳, 做c端, 做agent. 而话语权永远掌握在人家的手里. 人家只是看不起你这快小蛋糕, 如果你做的套壳真的市场大的离谱, 人家官方马上可以出一个更好的, 把你的蛋糕全部抢走.

​ 除非哪一天, 某一位人工智能天才, 或者ai自己, 研究出了什么革命性的算法, 让ai不再需要大规模的算力和基础电力, 同时配合个人算力的升级, ai或许才是能“人人平等”的.

​ 不过在可预见的未来里, 资金抢占ai市场的现象还会是主流. 所以中国加大对ai基础设施和算法的投入, 必须在美国手里抢下一杯羹, 不能落后人家太多. 否则一旦让美国企业滚起雪球, 再想开始滚自己的雪球, 可就只有被吞没的命运了.

​ 说到这里又不得不看看现在中国的致命问题, 就是人才的大规模流失.

​ 大量清北毕业的高材生, 前往美国深造, 并在美国ai大公司工作. 近年来确实不乏有本土的大牛们, 比如来自华中科技大学的manus创始人(即使卖给了meta), deepseek, kimi等ai公司的创始人. 但是国产ai目前和claude, gpt等顶尖ai还有很大的差距. 外网有人说, 中美ai竞争就是比谁的中国人更强. 所以中国怎么留住我们的人才, 怎么让更多顶尖牛人留在国内保研读博, 怎么让去美欧深造的牛人回国工作, 是重中之重.

​ 现在时代是真的不一样了. 过去是海归, 从欧美回来的大学生, 在中国吃香. 现在反而是中国的大学生在世界范围吃香. 我所在的德国面临长时间的经济阵痛和人才稀缺, 极其迫切的渴望来自中国的工程师, 以及和中国谋合作. 美国的顶尖大学, MIT, Stanford, 极其青睐来自清北的本科生. 中国本科的含金量越来越高了, 因此我个人在未来也有前往中国读大学的打算. (即使欧洲大学并不差.)

​ 今天从油管的科普视频上一连学习了内存, 寄存器, 锁存器, 触发器, 固态硬盘和cpu缓存的原理.

​ 不由得感叹涌现效应(emergency)的伟大, 底层只是电压大小的不同, 只是0和1, 却通过规模的不断放大, 变成了如此智能的东西, 人类的智慧真是可贵.

​ 其他的以前大体都了解过, 只有寄存器完全陌生, 了解了原理觉得挺有趣, 于是动手用python复现了一下基础逻辑.

​ 很长时间不写代码有些生疏了, 如今学校里终于没事了, 又可以重新捡起热爱的东西.

​ 现在对线程, 包括一些默认值的赋值理解出现了一些问题, 还是需要复习的. 学而时习之.

​ 顺手把代码push到了github上

https://github.com/thefooliman/ms_trigger_implementation

​ 代码写的很简陋, 没什么复杂的工业逻辑, 主要就是把basic的逻辑写一下.

​ 比如最开始给master_latch和slave_latch列表的三个元素赋初始值的时候, 我竟然赋了3个None, 如此的低级错误也导致了最开始逻辑跑不通, 后面改成安全处置值F,T,F.

​ 代码这东西, 真是一会儿不写就生疏. 不过还好, 时间还长, 有的是时间磨练.

​

​ 大约是一周前, openai发布了最新的生图模型image2.

​ 再使用了一周后, 我真的真的, 唯有惊叹.

​ 因为我使用ai的主要场景还是文字交流, 生图, 生成视频的的功能用的并不算多.

​ 上一次感到这样的惊叹, 还是使用claude帮我生成ppt的时候, ppt的质量很高, 又带有强烈的风格, 而不是简单地白底黑字把你要的文字和图片打上去.

​ 之前一年, 都有人调侃openai不行了, 落后于其他三位巨头. 不过openai也是用实力打脸了大家.

​ 我对生图功能的印象其实还停留在豆包. 大概生成一张想要的图片, 需要打个十几行提示词, 从光影细节, 质感, 氛围, 风格, 到具体细节. 普通人是说不出完整的提示词的, 所以提示词基本也是让ai来写的.

​ 因为豆包的生图ai是免费的, 抖音的很多表情包, 包括很多小说网站的封面, 以及一些梗图, 都是用豆包生成的, 效果大多数都很一般.

​ 而现在, 去各大网站看大家分享的image2生成的图片, 说实话, 我真的认不出来了. 无论是老照片, 聊天记录, 海报, 广告, 我觉得如果不告诉我这是ai生成的, 我真的以为这会是真的.

​ 最关键的一点是, image2并不要求你有多高超细节的提示词. 只需简单的一句话, 把你想要的效果简要描述一下, 他就可以联想出所有的细节, 帮你拓展. 甚至效果会比你脑子里最开始想的还好.

​ 所以有时候是不是还得感谢一下防火墙, 不然大家每天都各自用chatgpt生成2张图片, 我们的图片库真的要被污染了. (开玩笑的.)

​ 关于image2有多厉害, 我也不想说太多, 因为用过的人自会体验到.

​ 我想说的, 其实是我的害怕. “有图有真相“的时代彻底过去了. 过去, 只有少数的ps高手才能伪造出一些图片, 但现在人人都可以伪造图片.

​ 现在, 你的聊天记录, 39度的温度计, 和某个暗恋的女孩的合影, 亦或者你在某时获得的奖状证书, 都有可能是假的了. 造谣, 欺骗的成本无限低. 并且, 很多时候实在是没有能力分辨出真伪, 有怀疑却又无法证实.

​ 另外就是侵权问题. 现在都不需要你提供某个明星, 品牌的图片或者资料, 你就说他的名字, 你可以让他帮你代言, 让他和你合影. 法律的发展跟不上新技术的发展速度了.

​ 下一个时间窗口, 怎么把和ai有关的法律完善, 界定清楚, 是关键.

​ 或许我们的下一个时代, 会变成”有视频都没真相了“, 究竟以后还有什么是铁证呢?

​ 所以说是否有必要去产生一种技术, 能够甄别出ai生成的内容. 当然这是很不切实际的, 因为ai无时无刻都在升级演变, 你研究明白了这个模型的生成规律和特征, 人家下一秒就更新了新算法, 新数据.

​ 或者说, 强制ai软件生成的图片, 带上某种可以被甄别出的信息. 同样的, 有信息的地方, 必可以被人为的删除. 暗地里的操作空间太大.

​ 我自己还没有得出结论, 或许得继续看看时代是怎么发展下去的了.

​ 这篇主要是一些设想, 实际意义较差, 写个乐呵.

​ 先从一个问题开始吧. 假如现在有一个从出生开始就没见过光的盲人, 但是他的想象力非常丰富, 现在你的任务是让他知道颜色这个概念, 就最简单的黑色白色. 可是无论你怎么描述, 他都无法理解你说的是什么.

​ 我们为什么指着天空说天空好蓝指着草地说草地好绿, 是因为我们见过天空和草地, 见过他们的光反射到眼睛里, 有了这个经验.

​ 同时还接受了一套关于这个事物的描述, 经验和描述关联在一起, 下一次我们听到“草地”, 就能想象出那片绿色了.

​ 所以说有一本书叫《假如给我三天光明》, 我觉得不对, 其实《假如给我一分钟光明》就够了, 让盲人看一眼蓝天绿草, 青砖红瓦, 体验一下阳光穿过眼皮留下的红色, 就正式认识了这个世界.

​ 不过这么说是不准确的, 这只是让他们认识了我们的世界, 我们大脑以为的世界. 真实的世界, 没有颜色, 声音, 只是大脑通过五官的输入.

​ 这就来到了这篇博客想提到的关键词, 输入.

​ 大脑真的是很没啥用, 认知到的一切, 无非是把输入, 通过模型计算得出的.

​ 所以没有输入, 再强的计算能力也是没用的. 很多事情是大脑无法理解的.

​ 举个最简单的例子, 四维世界, 哪怕人类把四维世界的投影, 旋转性质研究地再透彻, 也终究无法在大脑中想象四维空间, 一是人类只能通过二维到三维的变化类比三维到四维, 二是大脑本来设计出来就是处理三维世界的, 四维世界他想象不出来.

​ 不说四维世界了, 就说二维世界, 让你变成一个二维生物, 你还是很难想象只有一个方向这个概念的世界是长什么样的, 大多数人脑子中就是一片黑色的幕布, 中间有一根线, 而无法想象出, 整个世界只有”方向“.

​ 这就是问题所在了, 人类无法理解一个概念叫”没有“, 我说这里没有东西, 你可能想象成真空, 但如果连真空都没有呢, 你是不是就想象不出来这是个什么东西了, 所以你会在”方向“旁边填充上一些真空, 因为你不能理解”没有“这个概念.

​ 所以脑机接口, 当然有很多对于他的设想, 比如我们以后可以通过脑机接口学习, 治疗, 头号玩家等等. 但我个人认为, 这是个能提升人类本身的东西, 因为他可以人工给大脑增加多样的输入. 只要人类有人工制造输入的能力. 比如让人类感受一下超声波是个什么声音, 或者让人类体验一下二维世界.

​ 只要给大脑输入一次, 让大脑体验过一次, 对大脑的提升是无可计量的, 大脑会以充分的想象力和计算力, 构建出关于这个输入的一切.

​ 只要有输入.

​ 当然, 我的这个设想还停留在科幻层面, 目前脑机技术还仅仅在起步阶段, 距离我说的, 可能还要个几十年都说不定, 到时候会有什么新的技术突破, 我们拭目以待.

​ 多年长时间使用ai, 感觉ai逐渐进步了, 变得聪明了, 但还是避免不了这个问题.

​ 不知道有没有专业的术语来描述这个现象, 我还是就暂且的说他是“先入为主”吧.

​ 也就是说, ai会尽量顺着你讲话. 这种情况常常发生在, 你的话错误, 但并不是完全原则性的错误.

​ 这时候, 他不会完全客观的回答你, 并指出你话里的错误, 而是顺着你的话说下去.

​ 尤其是你在问为什么的时候, ai有时并不会先甄别“是不是”.

​ 比如我问, 为什么美国的科技实力进步速度一年不如一年了?

​ 他:“xxx”,有理有据.

​ 开个新聊天, 再问: 为什么美国的科技实力进步速度一年比一年快?

​ 他:”xxx“, 还是有理有据.

​ 对于某些是非性不强的问题, 他并不会先去调查, 你说的话是否成立, 就开始解答你的问题.

​ 除非你这么问: 为什么人类有四只眼睛?

​ 他才会严肃地告诉你, 只有两只.

​ 这个现象其实有时并不明显, 但是使用频繁了, 还是能清晰地感觉到的.

​ 为此, 我去研究了下.

​ 其实底层愿意很好解释.

​ ai底层无非就是概率预测, 如果你给它一个带有倾向性的前提, 即使是错的, 只要不是很离谱, 模型就会依据权重, 顺着你的逻辑往下走.

​ 另外ai没有客观事实, 他只在乎“关联”, 他不知道什么是事实, 只能从网上学习, 如果网上都说是真的, 那对ai来说就是真的. 如果你的倾向性的前提, 不强烈违反他已经有的知识, 那么他就会把这当做一个前提, 当做一个客观事实, 并且认为你需要的是基于这个客观事实的一些帮助和建议.

​ 这个问题我自己也有在避免, 很简单, 就是在问之前加一下, 如果你发现我的前提存在事实性错误或认知偏差，请直接指出. 这样一来, 他就会先看是不是, 再看为什么.

​ 这也反映了ai目前的缺陷吧, 即使通过算力提升了计算能力, 推理能力, 但本质上还是没有人类的灵性, 他的思考路径还是非常的固化的, 包括还有上下文啊, 记忆啊等等问题, ai还有很多可以增进的地方

​ 今天突然想写一个很没劲的主题, 也是思考了很久的主题, 人生观.

​ 每个人都问过自己这个问题, 你要怎么活? 你为什么要活? 你为什么而活?

​ 从ai那里“饱读“了各路哲学大家们的思想后, 我发现其实我的思想也是有些相似之处的.

​ 每个人问自己这个问题时, 都有一个契机.

​ 或许是遭遇到了生活的挫败, 想把思考维度放到整个宇宙来逃避. 或许是夜深人静, 坐在窗台旁出神有感而发. 又或许是数着电车和匆匆走过的人头, 突然发现大千世界琳琅满目, 每个人都有能写出好几本书的故事, 世界却又怎么渺小的冲突感.

​ 不过我其实是学了手算命后才有了这个问题.

​ 这也是理所当然的. 一是自己是热爱科学的人, 当然要给这种玄玄乎乎但又感觉暗戳戳点你痛处的东西找一个合理的解释. 二来, 对于一个自命不凡, 自诩“有志青年”的人来说, 如果八字不好, 当然要否定八字本身.

​ 如果让一个只懂八字, 但没见过我的人, 看我的八字, 描绘一个人, 竟然是和我极为相似的. 身体说不上弱, 但没有生扶, 虚的很. 对一切抱有兴趣, 加满油能烧个三天三夜, 三天三夜后就没油了. 极致的完美主义, 为了一点点的失败和不如人耿耿于怀…

​ 我的乖, 我的人生不会真要被这一盘八个字决定了吧.

​ 这么想来, 我问了自己一个很有意思的问题.

​ 第一. 同一个八字的人, 成千上万, 不可能每个人的命运都一样吧?

​ 第二, 同一时刻, 总有八字烂到家, 遭天谴的人, 但也走有福禄深厚, 命不该绝的人, 那是不是永远不会有一场席卷全人类的灾难?

​ 第三, 也是最一针见血的问题. 八字是能看家事的, 同一个八字的人, 必然有人出生于豪门, 有人出生于寒门, 这一点不就和八字冲突了?

​ 我马上便分别给了个答案.

​ 即使假设人的出生时间真的会影响到你的出生属性, 那你的出生属性就会影响到后面的人生, 因果反复, 因为果, 果为因. 即使量子力学告诉我们, 物质底层都只是概率, 是无法被算到的, 不过大体方向是脱离不了因果推理的.

​ 如果这个样本足够大, 那就能统计出一些大体的走向. 这个人, 在这个时刻, 有一定概率会发生什么事. 就像一个黑箱子, 你不知道箱子里具体发生了什么, 只能通过输入和输出来建模.

​ 即然基于你出生时获得的能量, 你的天生面板, 自然无法预计到, 是否有一天外星人会不会发射一颗行星导弹把地球整个炸毁了.

​ 不过这个解释圆不了第三个问题. 父母在这天生了你, 你才会拥有这个八字, 如果八字能决定你的父母好不好, 有没有钱, 那岂不是倒果为因了? 对于这个问题, 我自己也找不到解释, 或许是八字自己的问题吧.

​ 绕了这么一大圈，其实和人生观已经没什么直接关系了。但算命这件事确实把我带进了一个更深的思考：世界到底是不是决定论的？

绝对的决定论非常蛮横，因为它无法被证伪——就像书里的角色再怎么思考，也无法知道自己其实只是作家笔下的故事，下一页早就写好了。 如果我们的人生真的是一本已经写好的书，那作者为了不让我们察觉，也一定会把故事写得符合因果逻辑。所以不管我们是不是活在书里，努努力、去行动，总归是不会错的。

于是我得出了一个很实用的结论：不管真相如何，我都选择相信我现在做的事能真正影响未来，我大脑里闪过的念头也不是上一个瞬间神经元交互的必然结果。

我的八字并不代表我不会成功。

想着想着，我的人生观反而越来越高远，也越来越触不可及。 直到前几个月，一个很普通的瞬间，我突然就想通了。

那天一只鸽子落在了我的窗台上。它只知道：饱了要去找吃的，到了季节要筑巢，生很多胖胖的小鸽子。人类靠近了，就赶紧扑腾翅膀飞到最近的树枝上。 它不会思考宇宙有没有边界、人类有没有自由意志、世界是不是因它而存在。

管他丫的这么多！

人或许不一定要成为一个完全理性的生物，这其实很可怕。第一，你永远也想不明白——人类认知是有局限的，总有一些假设无法证明；第二，就算你不去找这个“终极真理”，也一样可以好好活下去。

人生其实很简单：尊崇自己内心的真实想法去做事，就够了。 人总是要有不知道的事情的，你也不需要什么都知道。 人生不需要一个能统揽全局、把一切都囊括其中的终极意义。人没有意义，也能活得很好。

把世界想穿了都想不明白，为什么不去当一只肆意飞翔的小鸽子呢？