topia(地方)两个词合成而来的。进托邦的含义就是，明天不会像我们想象的那样完美，但会变得比今天稍微好一点儿。所谓好事就是“今天没有坏事发生”我之所以如此乐观，是因为我一直学习历史。只需要回顾过去

今年2月份，有一则颇具科幻色彩的新闻，美国最大的科幻杂志，由于收到太多由AI生成的稿件，导致编辑无法处理而暂停投稿通道。对此，必然的选项是由AI进行审稿。这一步一旦迈开，就意味着AI成为了”专家证人“，从而也就有可能出现专家失灵，即人们本以为信的是个专家，坏事情发生后却发现这是个砖家。与数年前人们担心统计算法自带的种族性别歧视不同，当AI是通过语言和劝说，而不是在系统背后做出无声的判断时，普通人更容易感受到专家失灵的负面影响。下图来自《专家的窘境》（参考知识垄断地位与专家失灵的可能性）之前统计算法在招聘上歧视有色种族，属于上图中的专家统治；而当AIGC的产出被看成专家时，则属于右上角即AIGC的产出相比人类专家在说服力上更具费效比（例如Justin

亚马逊雨林和其他生态系统正接近“临界点”，有可能改变定义它们的动植物类型毛茸茸的大黄蜂，就像橙色的小绵羊，在覆盖阿根廷森林林下的百合花之间飞来飞去，为花朵施肥并为自己获取营养。在英国一片古老的干草草地上，舞蝇——看起来更像是笨重的蚊子而不是芭蕾舞演员——寻找带有花粉的花朵，而忽略了附近富含花蜜的花朵。在塞舌尔的一个岩石岛上，蜜蜂和飞蛾小心翼翼地采摘花朵；传粉者的数量和类型会影响哪些植物附着在悬崖上。实地生态学家在他们的观察中尽职记录的这些物种之间的相互作用，单独来看似乎无关紧要。然而，总的来说，它们描述了构成生态系统的物种相互作用的详细动态。这些动态至关重要。许多自然环境都是极其复杂的系统，在从一种不同状态几乎不可逆转地转变为另一种状态的“临界点”附近摇摆不定。每一次破坏性冲击——由野火、风暴、污染和森林砍伐以及物种丧失引起——都会扰乱生态系统的稳定性。过了临界点，恢复往往是不可能的。瑞典林雪平大学的理论生态学家György

就如同人脑一样，它既是神经网络，又具备一个完全的符号能力。更多阅读符号主义AI和深度学习结合有哪些组和研究方向值得关注？符号主义对深度学习的意义浅谈人工智能学派之间的「联姻」——Yoshua

如果专家给出了不好的建议，那么专家就失灵了。从最广义的角度来看，只要结果偏离与专家建议相关的规范性期望，就算是出现了“专家失灵”。专家失灵的两个维度专家代替客户选择时，专家失灵的可能性比客户为自己选择时更大。概括地说，我们可以认为，当专家具有知识垄断地位时，专家失灵的可能性比专家必须相互竞争时更大。尽管竞争结构的细节很重要，这一点我们后面还会看到。我在第5章中就指出过，“竞争”一词很容易引起误解，这无法避免。我会使用“专业知识生态”一词，部分原因是想要强调专家之间“竞争”的共生态特性，这样的竞争可能有助于降低专家失灵的可能性。专家权力的这两个维度构成了表10.l,这个表识别了四种问题：专家统治，依赖专家的选择，准专家统治(quasi-rule

如导航，避障，那些更低级的智能形式可能是能效比更高的选择。模拟线虫网络通过十几个神经元实现自动驾驶的框架（2）如果稳定的解决特定领域的问题，

看了刘正写的关于chatGPT的评论“ChatGPT最大的隐患不是抢人类的就业”，其中提到“当人类无法分辨AI在胡说八道时，新一代都被圈养成缺乏脑力锻炼的废物，最终把天才的土壤用可乐浇成废土。​正巧，用一个国产的类chatGPT试了试用AI生成爱国爽文，效果不错以上还只是观点，喊喊口号，接下来的要不是军迷或者不是熟悉军事的人，这么一说很容易被唬住什么三颗导弹就要螺旋发射，这个tmd要是真的不了解，一下子就懵了接下来还要更离谱的试想以后微博上出现的全是这样的玩意，会不会三人成虎，让人们能名正言顺地指鹿为马，觉得赢麻了微博上很多回答跟这个口吻太像了，把这技术用在各大论坛网站

在《未来简史》中，赫拉利提到未来会出现很多“无用的人”，他用这个概念，想要描述的是：这些人是在经济生活中，无法创造价值。就像当汽车得到大规模应用之后，用作运输的马匹变得没有经济价值了。虽然在人类的经济生活中，马作为一个物种，还发挥着赛马，旅游等用途。然而，马匹从此不再是城市生活不可或缺的一部分了。该书的主旨：是论述为何人类社会在未来几十年间，会面临大规模的结构性失业，以及我们应当如何应对。技术进步和自动化会让某些职位消失，这样的论断不是第一次出现，但书中给出的论述，系统性地说明了为何这一次不同。书中首先将工作拆解为具体的任务，之后将任务分为常规的流程化与非流程化的，前者的代表是在工业流水线上拧螺丝，后者的代表是撰写法律文书。之前数轮的自动化浪潮，取代的都是前者；而如今以深度学习为代表的新一轮技术革新，则在那些曾经以为，人类无法被替代的任务上取得了突破。书中接着将技术进步带来的益处，归结为两类，分别是替代型和互补型。前者如同人类驯服了马匹，从而让自己能够更快的探索世界；而后者如同杜鹃鸟将蛋下到别的鸟的巢中，一旦自己孵化出来，就将原住地的其它鸟蛋通通赶跑。书中给出的互补型的科技及其影响的典型案例是：在ATM最初推广时，人们会担心该技术造成银行前台人员的大规模失业，然而实际发生的，却是由于该技术的普及，人们对银行业务的需求增加，从而造成银行网点的增加。银行职员的岗位不仅没有消失，反而变得更多了。区别互补型和替代型的，是新技术带来的三种影响，分别是生产效率的提升，让社会的财富总量变大，以及让社会财富的组成方式改变。而最新的技术进步，是在把财富总量做大的同时，让财富的分配变得更不平等。这体现在贫富差距的拉大，以及发达经济体内中产阶级的消失。书中花了很大篇幅论证，自动化导致大规模失业这一预言，为何之前几次都没有成真，而为何这次情况不一样。书中给出的回答是：前几次的技术是互补型的，而这次的技术变革则是以替代型为主的。替代者不是某个强AI，而是一个个在特定任务上做到极致的窄AI。这意味着，职位的消失不是在特定的某一天发生的，而是在温水煮青蛙式的，变得越来越严重。这使得我们既能够拥有足够多的时间，来提出系统性的应对方法，也意味着我们会忽略一旦人类变得如曾经的马匹一样在经济上"无用"，问题会有多严重。如今的贫富差距，正在不断增大。而当大多数人无法出卖自己的劳动力，贫富差距将进一步拉大。社会思潮会变得更加民粹，更为排外。而随着工作岗位消失的，除了稳定的收入，还有个人对社会的责任。当前的主流价值观是，个人对社会的贡献体现在其工作中，当个人在经济上变成”无用之人“，如何重塑个人与社会的联系，将变成亟需解决的问题。本书的第三部分，作者给出的了针对如何应对该问题的两个指导方向，一是自下而上的通过教育，不过这里的教育不是教会人工作的技能，而是价值观上的翻转，即让无用之人能够在不用工作的时光活出自己的价值，而不只是闲着。而自上而下的解决方案，作者给出的建议不是全民基本工资（UBI），而是有条件的基本工资。前者是给每个人按月发钱，保证其基本生活。而后者则要求在满足一定条件下，例如参与一定时间的社区服务，即使这些服务由机器完成效率更高。在给公民发放津贴。书中人物后者更能维护社会的团结，并让个人找到生活的意义。对于这本书中的观点，笔者基本是百分百认同的，这是很罕见的。如今我们谈到就业率，却没有意识到很多职位其实是不必要存在的，这就是所谓的隐形失业。社会还没有做好准备，面对越来越多在经济上，完全无用的人。未来的科研，都会是由机器独立完成的。人类的科技发展不会停止，掌管一切生产活动的大政府不会回来，但如何对生产出的成果进行分配，却不得不采取全新的，而不是打补丁式的方法来解决。人们将工作作为人生的核心，青少年准备工作的技能，而大部分的时候持续地努力工作，直到退休后依赖他人的工作成果，在未来，我们会看到越来越多的人，在部分本应工作的时间中没有工作，甚至会有越来越多的人，宅在家从来不工作。这在冲击现有价值观的同时，也在提醒我们未来已到，只是程度有所不同。这是历史的大势所趋，以工作为核心的人生管理模式终将伴随这个我们熟悉又厌恶的旧世界消失，而新的时代会是怎样，则取决于我们当下的选择。更多阅读混乱将是未来劳动力市场的特征。

众所周知，今天来自科学家的信息被认为是值得信赖的，世界各地的大量广告和政治活动都在吸引科学家来验证他们自己的产品和想法。然而当我们不假思索地相信科学家所说的一切，哪怕科学家所说的伪深奥的胡扯被认为更可信，可就值得我们深思了。“自然-人类行为”的研究发现的“爱因斯坦效应”，正是这样一个新颖又有些令人惊恐的研究。https://www.nature.com/articles/s41562-021-01273-8不连续性是灵感的对立面。如果我们想要生存下去，当今时代的复杂性似乎要求我们公开我们的希望。这种生活无非是一种神话般的理解的花朵渗透。听起来像扯淡吗？因为事实就是如此。这些陈述是使用新时代胡扯生成器生成的，这个算法结合了新时代的流行语和看似理智的措辞，创造出听起来意义深远的短语。一个国际研究小组最近向人们展示了一些由算法制造的“伪深奥的胡扯”，看看他们是否认为这些陈述来自科学家或精神导师时更可信。总共有来自24个国家的10,195名参与者回答了与这些声明的可信度有关的问题;

chatGPT的大热，让聊天机器人成功出圈，然而对话机器人能否识别与之交谈者的意图，并通过话术改变他人的意图，最终让人们能够达成合作，却仍然是未知的。Meta推出的AI

对于超乎寻常的论断，需要超乎寻常的证据。这条准则避免了科学家轻率地提出未经论证的暴论，因为这样的惊人之语，一旦被打脸，会降低整个科学界的公信力。然而当今的科学界是否已走到了另一个过犹不及的极端，即只愿意做渐进式的研究，而当真正能够改变世界的发现出现时，却宁愿选择性失明。《外星人》这有些科幻的书名背后，讲述的是一位哈佛天文学家阿维·洛布所做的正经科学研究。面对偶然观测到漫游到太阳系的未知天体'奥陌陌'，该天体无法满足当下天文学中对彗星状态的描述框架，再排除了所有可能的解释后，作者指出奥陌陌是一艘被废弃的外星探测飞船。虽然对于该话题之前没有研究，但就奥陌陌这个案例来看，书中的详尽论证说服了我。奥陌陌的不同以往的特征主要有三个：不带慧尾的反常轨道、极端形状，还有它的光度。这些数据与人类记录的所有其他天体相比，呈现出统计上的明显差异。按照作者的说法，这是一个百万里挑一的天体，也就意味着，这不太可能是一个自然形成的天体。你也住觉得这不过是又一个

岁之前集中学习，然后找一份工作。他们很少关注随后的教育。这种模式已然过时。在当今的社会中，人们可能会跳槽，经历许多行业的变革，需要培训新技能以适应经济转型。他们在

世纪的那种方式发展的近现代科学至关重要。当然，没有数学就不可能有伽利略或牛顿，但并非所有的科学研究都需要高等数学（化学的发展就不需要）。虽然没有原子论就不可能有玻意耳或惠更斯，

对于费米悖论，英国皇家学会会刊最近的一篇论文，给出了一个有趣的回答。该回答基于两个概念，一是奇点降临，二是内稳态。https://royalsocietypublishing.org/doi/10.1098/rsif.2022.0029

而学生其实可能更辛苦，同时，他试图颠覆物理这种学科一定要一点点慢慢学才能吃透，需要极高的资质等等人们的偏见。试图把一个高难度的学科教学和一场人生旅行类比，作为增加人生厚度和思维能力的一种夏令营形式。

具身认知主张身体和心智是互相影响的。身体存在8种多元智能，身体的智能与其他智能一样重要，但是长久被忽视。具身认知打开了认识身体智慧的大门。要想全面了解这个新理念，有一本科普好书值得推荐——《具身认知：身体如何影响心智》。它的作者盖伊·克莱斯顿来自英国最高学术团体——英国社会科学院。克莱斯顿曾在国际教育学界领导“构建学习力”项目，开发人的多元智能，有效实现终身成长。这本好看有趣的科普小书已经出版上市，将会来一场身体智慧漫游之旅。

警告说，这种方法可能难以扩展到大型实际任务，因为它仍然需要在数字计算机和芯片之间来回穿梭数据。长期目标是让神经网络自始至终在神经形态芯片上训练和运行，根本不需要数字计算机。Nowotny

实际的零散分布于神经科学和认知科学的各个方向上，我们通常认为需要构建一个关于任务的符号结构来指导行为。科学家最早从小鼠的海马体得到了这方面的启发。因为大脑通过构建一个叫做“认知地图”的结构，

《大脑是台时光机》作者是神经科学家迪恩.博南诺。在本书中，他从物理、神经科学和心理学等方面探讨大脑如何记录时间、了解过去并预测未来，尝试对一个广阔的科学领域进行通俗易懂的描述。

同样重要的是，群体准确性等于个体能力与群体多样性之和。你可以通过增强个体的能力或增加多样性来减少群体误差。个体的能力和多样性都很重要。这对于衡量市场的健康程度或组建一个成功的团队是有意义的。20

）基础上进行改进，通过基于主体的建模添加了种群内个体相互作用的机制，并与原模型（种群内个体独立）结果进行对比，以确定种群集体行为对生态系统稳定性及多样性的影响。模型结果如图1所示：

learner）；而蓝线则与之相反，当身边相对多数人选择X时，其改变选择为X的概率会高于身边选择X的比例，这一类称为信息的社会学习者（informational

“没有一种方法可以解决网络虚假新闻的问题。但我们正在努力为对抗虚假信息的工具箱中，增加有希望的方法。”为了进行这项研究，研究人员使用了207篇新闻文章。Facebook

导语无论是解决科学、商业还是其它复杂问题，都需要团队协作。而团队在多种任务上的能力差异，可以通过“群体智慧”来描述。近日发表在PNAS的一篇论文，针对此前22项研究中的团队绩效数据进行元分析。结果表明，团队合作过程对群体智慧的预测力最强，其次是个人技能与团队合作。女性在群体中占比也是重要预测因素。论文题目：Quantifying

不管是作为团队的管理者，或仅仅是团队的参与者，只要你想做成有价值的成果，如今必须和他人合作，共同创新。然而创新不管是从零到一的原创型，还是从一到十的放大型，都意味着打破前人的陈规。如果没有可以借鉴的旧识，那么你的创新更有可能是胡思乱想；而这些可借鉴的知识，则需要来源广泛，这就是为什么创新需要团队协作的根本性原因。《创新团队》通过体育，音乐，商业，警探业内的多个故事，讲述了众人合力制造奇迹的创新团队，是如何协作取得非凡成就，并从中总结出但凡想要创新的团队，都必须遵守的法则。其中的道理，虽然是来自案例，却也和基于实验的群体智慧研究得出的结果殊途同归。1）多样性的好处在于不同的视野我们思维工具箱里的这两样东西—视角和经验法则—是相生相伴的。它们足以说明在涉及执法领域的合作问题时，真正重要的东西是什么。此图的横轴代表着在面对一个假想命题时的各种解决办法，纵轴代表着各种办法的不同高度。每一个山峰代表一种办法，山峰越高，意味着办法越高明。我们生活和工作中潜在的各种问题都可以用不同的山岭图来表示。在某个假想命题面前，一些办法总不如另一些好。这种情况下，选择最高的那座山峰就意味着选择了最佳的解决办法。只可惜，在现实生活中，真正的难题往往让我们感觉自己好似坠入迷雾。实际上，我们往往看不清山岭的全貌。也就是说，当我们攀上其中一个峰顶时，并不清楚自己是不是到达了最高峰。我们必须立下决断，究竟是走还是停。你的视角和经验法则会帮助你做出适当的选择，但你却不知道前面还有没有更好的选择。这也正是团队合作能够有所助益的时刻。设想一下，在当前正开展的一项工作中，你的某个合作伙伴与你的视角相同，也就是说，他从直升机降落在了山岭上，降落在了你所在的位置。而当你引进一个视角截然不同的新人时，他就像是被空降在了山岭的另一面，这使他得以目睹别人看不到的风景。假设真有这样的情形发生，团队中的一个成员一开始就出现在山岭的另一面。那么，即便他的经验法则与你的相同，也采用你的“五百步”策略来探索这座山，他也极有可能最终找到一个更好的办法，原因仅仅是他的出发点不同。就算他没能技高一筹，其所处的地理优势也为团队其他成员提供了一个机会。整个团队可以将视角与经验法则的不同组合一一尝试，来验证前面是否还有更高峰。此时，先到达两峰相间的山谷，然后选择更陡峭的那面去攀爬，这种策略与全新的视角融合在一起时，最高峰就近在眼前了。这就是“协同”二字的真意。各种思维工具的交融，赋予了一个团队完美地完成任务的最大潜能。一群聪明人若是观点接近，那么比起一群思想各异的人，找寻到最佳办法的可能性要更低。人类的认知会受到日常生活中每一个点滴经历的影响，这些点滴经历与我们如何看待自己、如何看待周围的世界密不可分。而我们对自己、对世界的看法，在极大程度上是世界如何待我的结果。因此，在面对一群外表各异，或是在某些方面表现各异的人时，我们基本可以断定，他们的思维方式也是五花八门的。即人口统计中反映出的各项差异实则可以很好地预测一个人的认知特点。但是，在此之前—在谈及搭建创新团队所需的其他要素之前，还需解决一个迫在眉睫的问题。假如我们的结论是，人与人之间的差异以及由此而来的认知多样性会使我们在聚合成团时更加聪明，那就大错特错了。差异往往也会让一个团队溃不成军，这又是为什么？2）创新的团队既要多样，又要信任一个团队中有来自五湖四海的人，不意味着每个人都能畅所欲言。但凡创新就涉及到压力，如果员工间缺乏信任感，那么就无法发挥出应有的潜能。这正是为何很多看起来很多样化的团队，并不具有创新能力的原因。团队游戏或者幽默感能够帮助成员缓解恐惧，让团队成员能够了解彼此的经历，营造出团结而稳定的团队氛围，从而促成创新。在这样的环境中，团队领导可以以明确地指出允许甚至异见分子提出批评和反对意见。头脑风暴是一种常见的刺激创新的方法，但在实施中，这种形式并不能保证每个人都百分百的参与进来。因此书中提倡用辩论赛替代头脑风暴，辩论时要保证每个成员都能平等参与，必要时，让队员们在辩论中互换立场。而在决策关头，最忌出现团队一致同意，要确保团队中有一个刺头，能够不避讳，无保留的大胆直言。以上，讲的都是通过扩展团队成员的多样性，来提升创新能力。而在不改变团队成员的前提下，可以通过发掘多种咨询渠道，不仅仅从团队成员内部获取信息，对于外围人士的奇思妙想给予关注。来扩充可能性。同时允许团队成员保有自己的价值观，和而不同，提倡包容接纳，勇于表达，保持好奇，相互尊重，理性思考的团队文化。从创新团队的组成引申开来，个人要想在面对人生困境时，有所突破，爬上全局最优的山峰。也需要引入新的视角，和你之前觉得性格不那么相似的人成为朋友，建立信任，通过相互辩论，让自己得以走出困境。你可以先将自身和自己的朋友当成一个临时组建的团队，团队的目标是让你过上有意义又幸福的生活。如此，每个人都可以践行《创新团队》一书中的道理，去结交更多你之前觉得处在边缘，或者性格和你南辕北辙差异巨大的挚友。如此，先解决了自身的问题，才更有信心去在工作和学习中搭建创新团队（这就应了“修身齐家治国平天下”的道理）。更多阅读不同领域的相通的创新之道-读《如何解决复杂问题》《无畏》不那么容易学会的以色列的创新密码

数据开放，互联共生。致力于成为全球最大的科学数据集散地，希望通过培养数据科学人才，链接公共部门、科研院所、社会企业等组织机构，挖掘数据应用新场景，促进数据要素流动，消解数据霸权，弥补数据鸿沟。

每年的青年节，都有人想起“青春不是年华,而是心境”，这篇文，然而对于那些生性单纯之人，当她们走入社会，谁的青春不是伤痕累累。然而又有几人，能在看过阴暗面之后，还能够内心沉稳且善良。能够在你最困顿绝望的的时候，支撑你走下去的，是些难以描摹的无形之物。比如孤身在一座不知名的小山顶，听到的贯穿天地的风声，或是阅读名著时，对结局不满意，就游戏搬的你续一段我续一段。难以描摹的另一个特征，就是不能给简历加分，不能用金钱价值来衡量。若一切都有直接的目标，那怎能容得下愤不顾身义无反顾，也只有还没有被物化的青年，才能对未知抱有热情和好奇。就像上学时写课后作业，没有被物化的物化的，在独立完成的时候专心致志心无旁物，但若是到了睡觉的时候，没写完也不在意，照样睡得香。而将写作业当成是目地的，则一定要把作业写完，那怕这是在家长的辅导下完成的。又比如做运动，没有被物化的运动只是因为跑跑跳跳会让你开心，而若是只为了减肥或者体质测评而运动，那又怎么能做到终身坚持。若没有物化，没有条件也会找机会运动，做的不好被人笑话也不在意，反正是真名士自风流。而被物化后，则必须等装备齐全才运动。还有容貌，青年人不该只是老天赏的朱唇红颜，而应是自己挣来的独特气质。不必别人美白你也要涂脂抹粉，把皱纹当成敌人。而且把花在化妆的时间用来读读经典，去体味他人的人生体验，从而让自己能处变不惊泰然自若，在困顿时不出丑，在平日里素面朝天，远胜过平日里争芳斗艳，遇到难处就愁眉苦脸。青年人的容颜是自己负责，不是让你活成别人眼中的小可爱，而且让你将自尊自信自爱写在脸上。君子不器，青年的你不该只是职场的损耗品，婚恋市场的折价品。你的价值在于你的微小又独特的奉献，而不在于你获得的认可。期待借助外界的赏识来证明你没有虚度光阴的，终究会被物化，只有以过去的自己为基准，闻鸡起舞只争朝夕，才能让自己变得有自信但又不把自己想的太该死的重要。不论才智几何，只要自己做决定时，想的不全是为了眼前的自己，而是为了更大的集体，更持久的成长，就不算被物化。在这样一个狂飙突进的时代，每个人在统计意义上，都过的比父辈好，若不是有那么多被物化的人，那里会有满屏内卷的抱怨。但凡厉害的人，都在默默的提升自己，那怕所学一时没有，但技多不压身，那有时间抱怨内卷。物化的父母，多半会将他们的焦虑和急功近利传染给他们的子女。就算不如自己，那又如何，那些年轻时为自己活过的，会觉得孩子若如我一般有志气，那逼她又有何用，而若是孩子不像自己，从小就没有定力能安安静静地沉下心来做一件事，那逼她又有何用？若是身边的人都在上辅导班补课，而你不想被物化，你要做的是不理会常规的评价体系，自己找一条赛道。虽然这很难，但这也是唯一能阻止物化这一心智传染病的防火墙。如今都在抱怨资讯太多，信息过载。但若是为了长远的宏大的目标，有用的信息其实并没有那么多，因为前人踏出的路上形迹匆匆，没工夫理会路边的杂草或野花。而若是汲汲于当下的蜗角虚名营头微利，那需要关注的信息自然太多了，若是没有一个框架来承接信息，就像乱放成一团的衣柜，就算有再多的衣服，也找不到自己该穿的那件。不被物化，不是活成废物，而是时不时去啃独立于人的数学和物理，时不时去尝人世间的悲苦与辛酸，心灵中既有纯真且梦幻的童话，也有阴晦但客观的历史，看过绘画中的人间烟火，听过古典乐中的仙界圣音。不负此生旅途注定的坎坷曲折，眼里眉间，都是不曾经历风霜的样子，永远不服输，不放弃。不用眺望天边也能喜悦。不是不负韶华，而且要有勇气写下自己的体会。披星戴月又如何，曾经的我，喜欢东坡的

Bengio及其团队利用深度学习，开发出了一套可以揭示丰富视觉环境中的潜在规则的「神经生产系统」，使得现在暂时沉寂的符号人工智能重新恢复了活力。相信大家都知道，目前人工智能的主要学派有下列三家：

走入AGI之路，最最最重要的起点，就是尽可能先抛弃掉您对人工智能和智能的预设。换言之，告诉自己“我目前对人工智能的了解也许都是错的”。对既有经验的质疑，这是一个非常重要的前提假设，在它的帮助下，您将看到不一样的世界。1.

计算和通讯技术促进了信息的交流，这对社会和经济带来了无数的好处。也在互联网上虚假信息的数量、多样性和传播速度上，扮演了重要的角色。技术进步削弱了传统媒体以及他们提供的编辑监督，在传统上值得信赖的组织中制造混乱和破坏信任。从而为操纵、影响和欺骗大众创造了新的机会。为此，必须开发新方法来来理解和解决虚假信息的问题。与虚假信息作斗争的挑战需要一个全面的反应，这远远超出了计算机研究的范围，包括教育、心理学、新闻学和社会学等诸多学科。本文借鉴圣菲研究所应用复杂性研究员Garland针对该问题提出的倡议[1]，讨论该如何针对虚假信息进行研究。倡议指出：应对虚假信息的解决方案，首先需要能帮助社会组织和广大公民理解和对抗信息污染。要将信息的传播环境看成生态系统，关注信息所具有的众多维度，例如信息可以是包含情绪，可以按照是否准确，是否有趣等多个评价标准，而通过构建对虚假信息的“需求方”的更深入的理解和模型，则能够更巧妙的通过助推手段，来遏制虚假信息。其次，在“供应方面”，计算科学家可以和社会学家合作，更好地理解信息传播的过程，例如超级传播者，越过临界点之后的病毒式传播。同时，开发自动化的工具，例如[2]中所描述的，可以用来找到虚假信息传播过程中的关键个体。这样的算法可在虚假信息传播之前发现和隔离它们，或者至少减轻它们的影响，而[7]的研究，则说明可以通过算法识别包含恶意/挑衅的文本。具体来看，这类研究有六个目标，一是大范围地检测虚假信息，例如识别Deep

one”。用适应性地图来看，如果你的全部价值就在于不断的去登上局部最优的峰，可你明知还有一个全局最优的峰顶，却就是不敢去攀登，不是条件不允许，而是你自己没有勇气，于是你才会feel

《生命的实验室》一书来自天体生物学家的教学笔记，书中写道：“加入大学物理系，学校安排我教授一门叫作“物质性质”的本科物理学课程。”由于出生生物学背景，作者开始修改教案，用生物学案例来解释我教授的物理学定律和观点。书中不少内容，来自教学实录，从中可以看出国外优质的本科教育，是怎样跨学科启发读者思考的。支撑整本书的，是“即使是极其简单的物理规则，也深刻地影响了从电子到大象的各个生命层级的现象”，生物体不管在那个层次，都需要遵守物理法则，进化看似能产生无数可能，但一切生物现象都受到物理定律的约束。这不仅意味着地球上的生命是这样，还意味着对于可能存在的外星生物亦是如此。“到目前为止，太空生物学一直致力于寻找我们所知的生命化学，即氨基酸、氧气或甲烷等代谢产物。但生命不是单个分子的属性，而是从许多分子和反应的相互作用中显现出来的系统级属性。只有了解并量化这些分子和反应中的模式，然后利用它们作为生物特征的新预测因子。而地球生物界普世的幂律法则，意味着生物体相关的被测量量之间存在着某种内在联系，这些密切关系告诉了我们生物世界的潜在秩序。由此，是否存在幂律法则，就可以用来评估是否存在外星生物。将外星生物圈视为一个多层次的网络，在这个网络中，大气、地球化学和生物化学网络作为一个耦合系统相互作用。例如最近关于金星上磷化氢的争论，争论的核心问题是:

作为创新大国，以色列的成功让无数人想去取经，但却总是捉到了皮毛。《无畏》这本书的作者有军方背景的以色列科技创业者，也是一位母亲，她从自身经历讲起，将以色列青年的生活分为幼儿园、小学、初中/高中、服兵役、兵役后期回归社会读大学与创业五个阶段，通过众多案例说明了以色列独特的教育方式和军事文化，使得以色列的普通人足以成长的既擅长从0到1式的创新，又可以实现从1到N式的创新。该书按照创新的过程，分为五部分，分别是：创造，验证，效率为王，规模化，革新。该书的附录，是作者最喜欢的希伯莱语词汇，其中不少没有明确的中文翻译。而这些词汇的共同特点，是在集体主义和个人主义的文化中找到平衡。而这也是以色列式创新之所以成功的根本原因，由于其是一整套的文化传承，并非某种万灵药，因此是不那么容易照搬的本书作者英巴尔·阿里埃利近照儿童教育从尊重个体开始国人谈起教育，要么是富养，要么是穷养，仿佛孩子是一颗植物，只要提供合适的养分，就能茁壮成长。而以色列人养孩子，从小就把孩子当成大人，鼓励他们打破常规，允许他们自己去探索并冒险，去从事户外活动，去构建完全由孩子组成小组织。这些孩子们会拿废旧破烂当玩具，会在户外玩篝火。从这样教育中培养出的个体，每个人都如同国人熟悉的“孩子王”，动手能力强，勇于承担责任，不惧怕可能的失败。之所以父母能够放养孩子，是由于虎刺怕（希伯来语Chutzpah），这个词中文的翻译是“无畏”，这个词汇的背后，反映的是犹太人民族精神中，与风险共存，与不确定共存的信念。个体主义发展到极致，就会只追求个人可以确保的成功，而不在乎对社会造成的负面外部性；而集体主义的逻辑延伸到极致，只追求集体作为一个整体的稳定，而不在乎对个人成长和发展造成的限制，唯有主动和风险共存的犹太人，才能避免上述两个极端。国内的父母，如果想要践行让孩子们独自去户外活动，让孩子拆卸旧物当做玩具，多半会被他人当做怪物，而缺少讲这一切看成是理所应当的文化，个人层面贸然实行类似的教育措施，不过是东施效颦，反而不利于于孩子的成长。个人能做的，应该是在明白以色列未成年人教育中所体现的价值观，以适合国情的方式在孩子身上灌输这种无畏的精神，并努力推动教育体系的改变，或者按照自己的方式，去构建一个“以色列”式的幼儿园或者小学。不盲从，会合作-以色列的中学教育创新就是要与前人不同，而这需要批判性思维，让你敢问出，能问出好问题，而一个人的视角是有限的，这意味着需要团队协作。如果以色列的中学以前的教育，是让孩子敢于创造，而以色列的中学教育，则是让孩子有能力创造。，这阶段的教育，更加注重学习过程，而不是最终获得的实用知识。在这一阶段，书中举得例子，并不是正规的学校课程，而是以色列最广泛的青年组织——凑菲姆童军，该组织允许孩子们高中生带着小朋友一起活动，一方面他们自己指定计划和目标，遇到困难集体决策，遇到失败坦诚的自我批评，另一方面，童子军的活动，可以用“顺其自然”（意译自希伯来语“leezrom”）来表示，从结果来看，这不过是漫无目的的四处闲逛，但实际却反映出以色列人的一种生活态度，它要求我们提前做好准备，就算出现意外事件，也能沉着应对。中学阶段当然要学习技能，但以色列人教会中学生功的秘诀，竟然是让孩子们进入“卡壳”状态，从而提高孩子们在陌生领域发掘新技能的能力，因为真正的成长和教训永远来自类似的无解困境，来自努力找到答案的过程，结果反而不重要。寻找答案的过程中，无论是盲从权威，还是轻信同伴，都难以让你找到正确答案，正是在跌跌撞撞的探索过程中，才培养出了批判性思维，以及不追求事事完美，而是允许失败的心态。处于四战之地的以色列，时刻面临着生存压力，在此成长的年轻人，从小就切身体验着“身于忧患，死于安乐”的道理，积极地采取措施保护自己，同时为国家经济做出贡献，把压力仅仅当成度过困难时期的一种生理和心理机制，从而不是避免压力，而是在实践中学会灵活的应对压力，而抗压能力，也是创新者必备的素质。军事化训练与游学-进入社会认清自己以色列科创产业中，超过90%是从业人员有服役经验。以色列的军队，不同于世界各国的军队，其人员流动速度很快，高级职位非常少。每年，入伍新兵必须通过培训才能担任各个不同职位。每个以色列军官都是从普通士兵做起，不会因为学历原因，一入伍就是军官，这造就了以色列国防军的独特扁平模式，而这样的扁平化管理，正是适合创业企业的管理模式。以色列军队的另一特征，是鼓励士兵即兴创造，去改变军服或装备，改造的目的可能是优化装备以满足特定行动，也可能是满足士兵的个人需求，甚至可以是留下自己的印记。士兵会和部队军官一起讨论各个行动以及行动所需的装备，有可能是在现有设备的基础上做出调整，也可能是重新设计并制造某种装备。这样的临场创作发挥，并不是行动无计划、缺乏协调或执行不到位的表现。事实上，临时创作和改造，需要很高的要求，它考验着一个人经过不断打磨的高超技能、敏捷灵活的思维、知识储备和数据分析能力等一系列特质。正是这样团体层面的即兴创作，能够促成个体的快速学习，没有个人的邀功，也不会因为失败而必须找到背锅侠，年轻人能够在军队生活中，体会如何将特定行业的临时解决方案被推广至其他行业中，而这正是从1到N的创新的本质。当下年轻人往往找不到属于自己的人生方向，这无疑是一个全球性的问题。而以色列青年，由于大部分需要服兵役，接着大多会有一年的间隔年，通过海外旅游，认识更广阔的世界，建立更广泛的人际网络，这使得他们能够更清楚的找到自己的人生定位，从而能够在大学阶段，找到符合自身兴趣的项目，从而为成功的创业，补齐了最后一块短板。创新不止是为了自己的成功上述列出的，都是创业者所需要的硬技能，例如灵活地及时应变，批判性的思考问题，然而该书指出软技能比硬能力更重要，所谓软能力，是指那些能够让你过上愉快生活的素质，例如乐观，说服他人的能力，与陌生人交谈的能力。这些软能力，能够让一个即使没有获得事业成功的人过上幸福的生活，虽然只拥有这些能力，不掌握一点硬技能，并也不足以成功，但在具有同等硬技能的前提下，能够更好打理好自己生活的人，更有可能创业成功，毕竟创业是马拉松而不是百米跑。除了过好自己的一生，创业者还应当承担起应有的社会责任，帮助他人过好自己的一生。《第二座山》将人生的目标分为为了自己和为了更大的社群，以色列的创新企业，很多不是为了自己的成功，而是赋能他人，尤其是少数族群，例如该书作者，他发现阿拉伯人占了以色列人口的20%，但他们正被这个支持创业的国家排除在外，为此，她列出了一些支持女性创业的平台。事实上，很多书中列出的创业项目，其初心就是帮助青年人或者弱势群体更好的融入以色列这个创业之国。最广为人知、使用频率也最高的希伯来语词语是希伯来语中的“沙洛姆”（音译自希伯来语“Shalom”），用于打招呼和告别。它的字面意思是和平，可以说是希伯来语中最富有感染力的词语之一，表示敌人之间和谐相处、互相接受的状态。从这个词中，可以看出以色列人的生活方式，其核心是尊重和接受他人，正是从这一点出发，才诞生出支持每个人创新的平台。通过激励大家学会合作和包容，以色列人在保有乐观的同时，坚持实事求是，在坚持不懈的同时，做到具体问题具体分析。正是这样在集体主义和个人主义中走出的第三条路，使得以色列的创新不同于美国的“移民红利”或中国的“人口红利”，而是在自下而上的不断涌现与自我增强，这尤其值得流量红利消失的互联网行业借鉴。更多阅读袖珍创业帝国以色列揭秘

自从深度学习只能识别支票和信封上的手写字母以来，它已经取得了长足的进步。今天，深度神经网络已经成为许多计算机视觉应用的关键组成部分，从照片和视频编辑器到医疗软件和自动驾驶汽车。神经网络大致模仿了大脑的结构，已经更接近于像人类一样看待世界。但是它们还有很长的路要走，而且它们在人类永远不会犯错的情况下也会犯错。这些情况，通常被称为对抗性样本，以令人困惑的方式改变了人工智能模型的行为。对抗性的机器学习是当前人工智能系统的最大挑战之一。它们可能导致机器学习模型以不可预知的方式失败，或者变得容易受到网络攻击。对抗性样本的例子:

的relation（比如人物之间的私人关系和工作关系）。这个网络被用来做自然语言的，以及和图有关的推理任务都取得良好成绩，因为记忆和推理的关系是不言而喻的。当你某一天看见个女人带着孩子，

此文从我的ICLR2020工作展开看脑启发AI和通用智能算法的发展路径，集合了我过去一年的演讲和思考内容。当下的深度学习日子越来越不好过，自动驾驶，智能对话都在陷入一种人工智能不智能的怪圈，

长久以来，生命的定义这个问题一直困扰着许多人。为了简单起见，我在这本书中给出了一种关于生命的方便而实用的定义，即生命本质上是能够进行繁殖和演化的物质，这与生物化学家杰拉尔德·乔伊斯（Gerald

Time原文地址：https://www.nature.com/articles/s41593-020-0698-3所有人都知道，当我们感受到快乐时，时间总是过得飞快。哈佛大学的认知神经学家Sam

doubt》这本书，书中讲了如何美国的无良科学家是如何在主流科学界取得共识之后，仍然为了一己之私，损害对公众有益的政策的制定）。如今，当GPT-3(GPT是Generative

灾难性遗忘指的是：不像人类，当深度学习模型被训练完成新的任务时，他们很快就会忘记以前学过的东西。8月13号的自然通讯论文Brain-inspired

”哲人石“系列图书中有很多精品，例如《失败的逻辑》等，而其19年的新书《如果有外星人，它们在哪》，尤其值得一读。对这本书感兴趣的，不应该仅仅是科幻爱好者，或者对外星生命感兴趣的人。通俗有趣，硬科普及冷知识都很多，让人欲罢不能，五星推荐如果一个从假设到结论的过程，是合理的，但是其最终的结论，却是和事实相反的，那么这就被称之为悖论。考虑到读者大多熟悉费米悖论，不如将这个悖论换一个场景。世界上有这么多异性，如果有五分之一的人，在长相上符合我的审美；有五分之一的人，在生活习惯上和我很搭，有五分之一的人，在审美品位上能够让我觉得合适。那这意味着每接触一百二十五个人，就能够遇到真爱。再看看通信录中的异性数量，还有那些每天遇到的异性，为何我还是单身狗且找不到一个想追的Ta啊？关于费米悖论的75种解答，涵盖了所有可能的方向。科幻小说中出现的场景，没有一种能绕过该书提出的解释。这75类，可以分为三大类，每类又可以细分为若干小类。最为人熟知，也是书中花费笔墨最少的，是第一类可能，即外星人存在，且和我们有接触，但却由于阴谋论，或者他们伪装成了人类，从而大多数人都不知道这一切。这是不为主流科学界认可的一种解释。第二类解释是，外星智慧生物存在，但我们无法与其交流。这一类下，又可以分为下面几类，分别是智慧生命刚刚诞生，其产生的信号还没有传足够远，星际交流本身的极其困难；星际交流很危险；智慧生物都会走向虚拟世界；智慧生物曾经造访过地球等几类。而第三类解释，则是科幻迷们熟知的大过滤器，即我们真的是孤单的，这一类又可以分为两类，一类是不远的未来，智慧生命将面临一场只有极小概率能够通过的劫难，另一类则认为人类已通过了这一所谓的大过滤器。在75个解答中，属于这一类的最多，也是我最关注的一部分。书中这一类下的每种解释，我觉得都是有道理的。而所有这些解释导致的合力，造成了我们至今没有遇到外星智慧生物。这和最近看过的科幻小说”深空之流浪舰队“中提到的小过滤器理论有相似之处。小过滤器是温水煮青蛙的模式，走向星际文明的路上，有无数阻碍，每一道阻碍的概率，可能是一半，但由于阻碍太多，指数化的下降，使得星际文明变得如此稀少。人类可能已经侥幸通过了前几个小过滤器，可是后边的呢？费米悖论带给我们的思考，不应该是对于人类未来前景的担忧，还应该是逼着我们重新审视我们习以为常的种种。三体中有句让人不寒而栗的话是：整个人类历史也是偶然，从石器时代到今天，都没什么重大变故，真幸运。但既然是幸运，总有结束的一天；现在我告诉你，结束了，做好思想准备吧。如果认定智慧生命是罕见的，意味着我们生活中习以为常的种种，其实并不是那么常见的。地球位于宜居带，地球有一个恰当大小的月亮，太阳系有木星这样的气态行星抵挡小行星，这些都是人类不自知的幸运。而能否发展成可控核聚变，能否避免气候变化或者AI带来的文明毁灭，还依旧未知。之所以这一类的解释最多，而且未来预期会更多。由于随着认知边界的扩充，人类会认识到自身越来越多的幸运或者不幸之处。我们会发现自身在宇宙中，既是普通的，又是不平凡的。外星人为何不存在，其实背后的问题是，如果某些条件不满足，那么智慧生命就不会诞生？这是终极的反事实推理。要想解释为何能够星际交流的智慧生物没有出现，需要确定从生命起源到文明进化出跨星际交流，这其中每一步的必要条件分别是什么，再去评估在宇宙中，满足该条件的概率有多大？因此对费米悖论的解答，是终极的跨学科领域。回到开始的‘单身版”费米悖论，对于这一问题的回答，也可以分为三类，分别是，你已经遇到了适合的人却不自知，你和适合的人无法沟通以及你还没有遇到适合的人。与费米悖论不同的是，要解决这个问题相对容易些。了解了费米悖论的解答套路，就能够对症下药。投资版的“费米悖论”，则是如果创业中每一个关卡都看似简单，例如有一个新想法，一个有执行力的小团队等，可为何真正创业成功的人那么少。既是最初投资时，经过精挑细选，可为何幸存者仍然那么少？对于该问题的回答是，那些成功者自身通过了的诸多小过滤器，对于大多人，其实是难以跨越且不自知的障碍。而在机器学习领域，费米悖论是为何对于一个只见过橘猫和黑狗的小孩子，第一次见到金毛，大部分情况下会认为是狗而不是猫，但是对于机器就不行。即为何模型缺少泛化能力？我对该问题的回答，同样是小过滤器。例如智能需要层次化的抽象，被卷积神经网络克服了；而必要的长程连接，则通过RNN实现；而智慧所必需的对信息的遗忘能力，则可通过注意力机制模拟；至于符号化的概念，因果推断等，则是正在等着被跨越的小过滤器。悖论的出现，说明了我们推理的起点有问题，而通过尝试解决悖论，能够让我们意识到对自身的了解有多欠缺，任何科学最终都是为了找到因果联系，而悖论越明显，就说明在对应领域对因果关系的认知有多么欠缺。所谓四十不惑，就是说这个年龄，不会感到个人生活中会出现悖论。目录：001

representation，或者说耦合的表征。这种特性是使得每个神经元可以高效的被利用（表征不同的特征），从而用有限的细胞数去区分更多的模式；但是也使得深度网络变得不可解释，

昨天龚鹤扬博士在集智的讲座因果学习综述，我借此机会结合我的理解给大家总结客串下这个讲座，和因果学习的核心内容，及巡洋舰一段时间关于因果的文章汇总。这个讲座分为三部分，第一是什么因果及其哲学基础，第二是统计学中的因果，

因此如果我们忽略第一步，仅仅聚焦在关系的表示和学习，图网络就是完成这件事的天然载体。我们就从节点，边，系统的角度来观察这个问题。首先说大千世界的大部分数据类型都可以看作这样的一种由节点和边构成的图，

最近新闻中，台积电断供华为的新闻，以及与之伴随的梧桐等危险言论，让笔者想起了一个看似无关的问题，即蒙提霍尔三门悖论，两者背后，相似的都是因果推断思维的应用。原版的三门悖论是这样的：“综艺节目中，你面前有三扇关闭着的门，其中一扇的后面是一辆汽车，选中后面有车的那扇门就可以赢得该汽车，而另外两扇门后面则各藏有一只山羊。当参赛者选定了一扇门，但未去开启它的时候，主持人会开启剩下两扇门中的一扇，露出其中一只山羊。主持人其后会问参赛者要不要更换选择，选另一扇仍然关着的门？”华为版的是这样的：“国际政治中，中国面前有三项关着的门，其中一项的后面是产业升级成功，选中即可引领第四次工业化的浪潮；而其它两扇门后面是中等收入国家陷阱。当中国选定了一扇门；但未去开启它的时候，大统领开启了剩下两扇门中的一扇，告诉你背后不是升级成功。现在问题摆在中国面前，问要不要换一扇门？”在《为什么》这本书中，对三门问题有过详尽的论述。书中列出了一张关于门和山羊的三种可能安排的清单，以及“换门”策略和“不换门”策略下的相应结果。三种情况都假设作为参赛者的你先选择了1号门。因为表中列出的所有三种关于山羊和汽车位置的可能组合（在最初）是等可能的，所以如果你选择换门，则你获胜的概率是2/3，而如果你仍然选择1号门，则你获胜的概率只有1/3。请注意，上表中并没有明确说明主持人打开的是哪扇门，该信息隐含在表的第4列和第5列中。例如，在第2种组合中，我们知道主持人打开的必然是3号门，因为只有在此种情况下，参赛者选择换2号门才会获胜。同样，在第1种组合中，主持人打开的门可以是2号门或3号门，而第4列信息则明确地告诉我们，只要你选择换门，则无论如何换门，你都会输。用因果图来看这个问题，会得到下面的DAG图。该图表面，主持人所选的门必须不同于“你选的门”和“车的位置”，他必须考虑你的选择和制片人对汽车位置的选择这两个因素。用因果推断的逻辑来看，“主持人打开的门”是一个对撞因子。一旦我们获得了关于这个变量的信息，图示中所有的概率就都变成了关于这一信息的条件概率。一旦当我们以对撞因子为条件时，我们就会在两个父节点之间制造出一种虚假的依存关系。下面用类似的逻辑去看华为最近受到的打压，产业升级是否成功，就成了上面例子在的对撞因子，而美国的打压和国家队的投入，则是上图中的两个因，假设未来华为渡劫重生，看不清楚三门问题的，会认为这是美国的打压促成的，认为两者之间存在相关相关性。但实际上，但凡成功的战略，那都是靠长远的眼光定下的阳谋，就像教员的论持久战，很早就公开发表，告诉侵略者我要怎么对付你，最后真的按照剧本一步步实现。这其实就是因果思维要追求的境界，今天友人黄小骑发来一段话，讲福尔摩斯的名言，如果排除了一切的可能性，那剩下的无论多么看起来不可能，就是唯一正确的答案。因果思维能教会你，就一切你能够观察记录的变量看成因果图上一个节点，先以常识为假设，画出因果图，在根据数据估计testabkle

why》如果三本书中，找出最适合入门的一本，又相对全面的一本，那是第一本更多阅读樱花，气候，相关性与因果性将因果思维融入机器学习，实现信息处理的自动化速读悖论，兼谈因果推断的重要性

伴随着疾病的传播，媒体上相关的信息也多了起来。回想2020，在一月份，新冠的疫情已经在媒体中有所报道，虽然远没有如今这样铺天盖地。然而随着疫情进入大众的视野，另一种更为隐秘的病毒“谣言”已在网络中爆发，除了虚假的信息，存储宣泄负面情绪，没有提出建设性建议的抱怨也在自媒体中成为主流。病毒会让伤害你的身体，而上述的思想病毒，则会让你损害一个人的判断力。本文将从网络科学的视角，讨论社交媒体上信息，情绪与决策的相互关系，以及这对我们未来的舆情管理意味着什么。1

因果推断入门书，除了之前介绍过的好书推荐-《结果与原因的经济学》极简因果推断教程，以及更为难懂的Peral的《为什么》，有一本阅读难度介于两者之间，但内容更加全面的《别拿相关当因果！因果关系简易入门》，书中分别详述了观察法，实验法，计算法三种评估因果关系的方法，讨论了因果分析中的解释及评价指标。本文记录了这本书中，让我个人记忆深刻的四个亮点。2018年，评分4星，适合非统计背景入门，需要细读的一本书1

让AI真正掌握人类的知识。我们来跟着大牛的脚步阅读下这个文章。首先当下的AI可以被称为狭义的AI。他们的根本问题是从数据里挖掘关联性，而不是因果。比如视觉系统难以理解一个翻倒的车还是车,

不管是东方还是西方，经济发展的引擎都在大都市圈中，这背后的原因是城市的发展遵循超线性的幂律法则，城市越大，生产效率越高。对于大都市人口聚集带来的增益，“自然-人类行为”3月的文章Complex