Phoenix Yin

Phoenix Yin

@Phoenixyin13最近同步 2026/10/23 00:14:50

🇺🇸 04美本 | 计算机科学&认知科学 ⚙️AI, cognition, crypto, and the future of intelligence. ✨相信好奇心驱动。相信人永远可塑。

Columbus, OH

7日排名
#816
总粉丝
2.2万
7日涨粉
+112
7日爆帖
4
7日曝光
2.3万
帖均曝光
5.7K

上榜记录

当日上榜实时更新;历史记录保留每日增粉、爆帖、曝光榜前 5 名。点击可查看对应海报。

暂无进入每日前 5 名的上榜记录

粉丝趋势

近7日每日已结算数据

内容表现趋势

曝光/互动与爆帖数均按自然日结算

爆帖趋势

近7日每日爆帖数

帖均曝光趋势

每日总曝光 ÷ 每日爆帖数

参与的话题

共参与 1 个话题

查看话题榜

随着奢侈品配货与消费主义争议持续发酵,中文社交网络就大牌溢价祛魅、国产平替消费及真实财富认知展开深度讨论。博主梳理戴森等高端品牌的平替清单,倡导实用主义消费;投资人指出高阶财富认知在于持有核心资产而非炫耀豪宅豪车,同时加密博主复盘了在数十万消费上果断而在百元小件上纠结的矛盾心理。立党亦结合外资投行对胖东来的调研,指出网红打卡现象掩盖了下沉市场的真实购买力。社群普遍认为,告别面子消费与盲目升级、专注于高确定性资产积累正成为主流财富共识。

参与帖子: 每当读到哈萨比斯这一段论述的时候,我真的会心生感动。一个人是可以活到这样的程度的,他的财富已经足以让他享受世界,但他最大的追求仍然是理解世界。 钱是一种控制资源、时间和自由度的工具。 所以 beach house、yacht、豪车,在他的目标函数里几乎没有权重。第一版 Shannon 论文,能够继续研究以及那个听起来近乎疯狂的在太空建大型强子对撞机,反而更加的有权重。 成年以后,一个人仍然保存完好的宏大好奇心,不极端幼稚,不盲目空想,只是在已经证明自己能够把极其疯狂的想法工程化之后,仍然允许自己继续提出更疯狂的问题,这就是最好的状态。 如果哈萨比斯的目标是要做一家世界第一梯队的AI公司。那么2016年 AlphaGo 战胜世界冠军之后,其实已经足够了。 但诺贝尔奖官方对他这段历史用了一个非常重要的判断:Go was not the goal. 围棋是测试通用学习算法的手段。AlphaGo之后,他们开始把这些技术转向现实科学问题,最终进入蛋白质结构预测。2026年,哈萨比斯本人回顾 AlphaGo 十周年时说的也是同样的逻辑。AlphaGo,证明了这些方法有能力开始攻击现实世界的科学问题。 然后,就是AlphaFold2最终解决了持续约50年的蛋白质结构预测重大难题,Hassabis和John Jumper因此分享2024年诺贝尔化学奖的一半。 他创过公司、卖过公司、管理Google DeepMind,也在大规模融资。他显然理解资本、组织和产业的作用。但是,他似乎一直把财富、公司、算力、人才、AI乃至自己的职业生涯,当作扩大可解决问题集合的工具,而非目的本身。 所以从 Theme Park 到 DeepMind,从 AlphaGo 到 AlphaFold,再到 Isomorphic Labs,那个目标函数其实没有发生特别大的变化,变的只是他的资源约���而已。 现在,他拥有数千名研究者、Google的计算基础设施和世界上最先进的一批AI系统后,他的视野自然就可以变成蛋白质、药物、疾病、数学、物理学,乃至大型科学设施。这也是我觉得为什么 “I want to build a Large Hadron Collider in space” 从别人嘴里说出来可能像科幻想象,从哈萨比斯嘴里说出来却显得异常符合人物轨迹。
参与 1 帖贡献曝光 1.9万话题热度 1.5K
#消费主义#大牌平替#资产配置

近7日爆款推文

按近 7 日曝光排序,展示前 10 条。

1
2.2万 粉丝
曝光8.8K
心理学里有一个概念叫朴素实在论,每个人都倾向于认为,自己看到的世界就是客观真相;而那些和自己看法不同的人,要么是信息不足,要么是被偏见蒙蔽了。问题在于,双方都会这样想。 就比如,很多创业者看争锋于大厂面试的学生们,觉得他们在困在眼前的琐碎里;而后者看创业者,可能觉得很多观点不切实际、难以理解。两边的不适感,本质上来自同一个原因:彼此的人生参照系差得太远,都很难想象对方的世界。 经济学家切蒂团队做过一项很有名的研究,追踪了美国上百万人的成长轨迹。他们发现,孩子在成长过程中是否接触过发明家,会显著影响他长大后成为发明家的可能性;而且孩子更容易在父母或身边人从事的领域里做出发明。研究者把那些有天赋、却因为缺少接触而没能成为发明家的人,称为“消失的爱因斯坦”。 这其实说明,很多人不是没有能力,而是从来没见过另一种人生是可能的。人很难追求一个自己想象不到的东西。 就像我每天看着窗外的人群,一直在思考着:这个世界的物质条件前所未有地好,人们却比以往更焦虑、更不敢尝试。人类在这个时代再绝望的情景,怎能比上二战的奥斯维辛呢?如果我用理性的眼光看,这种恐惧和真实的风险明显不成比例且荒谬。 加缪有一个很有名的观点,他说人生本身就是荒谬的,人渴望意义,世界却沉默不语。他给出的回应是反抗。那就是清醒地看到荒谬,然后依然全力以赴地活着。西西弗斯的比喻中,那个永远推石头上山的人,在加缪眼中是幸福的,因为他接受了处境,并把推石头这件事变成了自己的选择。 我一直认为,人们害怕的往往并非失败本身,而是自由。哲学家克尔凯郭尔说过,焦虑是自由带来的眩晕。当一个人面前只有一条路时,他只需要走下去;当面前有无数条路,而且每一条都要自己负责时,人反而会感到眩晕和恐惧。 现代人获得了前所未有的自由,却也因此承受了前所未有的孤独和责任。于是很多人选择逃避自由,把选择权交还给外部标准,比如绩点、大厂、父母的期待、社会对成功的定义。 因为,只要跟着标准走,即使失败了,也可以在夜深人静的小红书上发一句,自己已经按规则做了,足够努力了,是这个社会太烂了,我们活在历史的垃圾时间,心中的压力和责任就不完全在自己。 所以,看起来胆小怯懦的人,躲避的其实是为自己的人生完全负责的重量,或者是勇气。这也解释了为什么物质越丰裕,这种现象越明显。 因为,当绝对生存的压力消失后,剩下的就是该成为谁这个问题,而它比生存难得多。 其实在和平年代的现代社会,尤其假设你身处的纽约、加州和一线城市圈子里,一个人就算把本金亏光、创业失败、被大厂开除,最惨的结局是什么? 也不过是去拿失业救济金,去过普通人的工薪生活,根本不会饿死,更不会遭遇肉体毁灭。而真相是,人生的终局博弈,是一个典型的非对称风险游戏。赢了无限大,输了有限大,你不需要每一步都对。普通人在群体制造的精致内卷和平庸焦虑里痛苦打转,但是忘记了,这个地球已经取缔了无处可逃的肉体毁灭。人,没有真正的绝境。
2
2.2万 粉丝
曝光6.3K
之前有人问我,符号主义为什么落寞了? 其实原因也很简单,它在规模化上一败涂地。 符号系统依赖人把知识写成规则,而这条路在现实世界的复杂性面前走不通。 专家系统需要工程师把专家经验逐条写成规则,成本高、难维护,规则一多还互相冲突。1980 年代,专家系统热潮后,Lisp 机市场崩溃,随之进入第二次 AI 寒冬。 而且,规则覆盖不到的情况一出现系统就失效。Cyc 项目从 1984 年起就尝试手工录入人类常识,几十年下来仍未达到目标。框架问题,即如何判断哪些事情不随行动改变,也一直没有好的解决办法。 就识别图像、听懂语音这类人觉得轻松的任务而言,恰恰最难写成规则。 Sutton 2019 年的《苦涩的教训》总结过:长期看,能利用算力的通用方法总会胜过人工注入的知识。 不过,这种落寞只是相对于 AI 研究的主流而言。 符号方法在编译器、数据库、SAT 求解器、规划系统和 Lean 这类形式化证明工具里依然是主力。只是,这些领域不再被叫作AI罢了。现在的大模型通过写代码、调用工具来借用符号系统的精确性,DeepMind 的 AlphaGeometry 和 AlphaProof 也是神经网络与符号推理结合的成果,都说明了符号主义变成了组件。 我的判断是,生成答案很难,验证答案却往往容易。代码可以跑测试,数学证明可以交给 Lean 检查。现在训练推理模型的一条主线,就是用这类可验证的结果当奖励信号。神经网络负责提出方案,符号系统负责判对错,这是两者最稳定的分工。 而符号从网络内部长出来,也不无可能。 可解释性研究发现,大模型内部确实形成了类似概念、变量和算法的结构,只是由学习得到,而非人工写入。如果这一方向成立,符号还是联结的对立本���就会被消解,符号会成为学习的产物。 最近几年,可靠性需求会持续倒逼,医疗、金融、法律、航空等领域需要可审计、可证明的行为。毕竟,AI 生成的代码越多,形式化验证就越有价值。 符号主义或许很难回到主角的位置,但有很大概率成为 AI 与真实世界之间的契约层,负责精确、可验证、可追责的部分。
3
2.2万 粉丝
曝光5.4K
如果你要问我,为什么我几乎不会因为AI模型的迭代进步而焦虑,那大概率是因为AI的发展目前还解决不了我关注的那些问题。 1.我知道AI不是21世纪的终极答案,即使很多人都认为它已经登临绝顶。 2.我知道有些意义感无法被智能的输出代替人来感受,哪怕是超级智能。 一个答案可以在逻辑上成立,可以极其深刻、准确,甚至把你的处境解释得比你自己还清楚;但它对我们产生意义,还需要经过那些宝贵的经历、关系、选择和时间。 再强的智能,能提高的是输出的质量,替代不了感受的发生。所以,当一个人关心的那些问题,如果核心是怎么活得有意义 ,AI其实越来越难俎代庖。 有些问题的困难,包含着必须亲自经历的部分。 更多知识、更好的推理,会帮助我们面对它们,却无法自动消除这个部分。 因此,按我的表述,人类的平静来自一种相对明确的价值排序:我们有自己关心的问题,也有判断进步是否与这些问题相关的尺度。模型又强了多少,当然可以是一条重要消息;但它是否触及我们在意的关系、体验和生活,则需要另外判断。