文理两开花

• 两年之约，再探AI：智能的本质和极限在哪里？

  本期是"锵锵三人行"，邀请《文理》唯一返场嘉宾——人工智能专家及从业者朱老师。 巧的是，上次请朱老师来聊天，正好是两年前（2023年3月），当时GPT-4刚刚问世。当时引发的热潮与现在DeepSeek非常相似，都有"AI要颠覆一切"的心潮澎湃感觉， 以及文科生们集体陷入大面积焦虑。 本期讨论源于朱老师听完前一期GEB节目后留下的评论。作为一位AI专家，他在节目大约一小时处听出了一个有趣的细节，涉及到生成式和判定式智能的本质区别、AI将向何处发展、以及人类处境——本期就来好好头脑风暴一下。 时间戳： 00:04:22 尘嚣散去，复归平静：平心而论评价一下DeepSeek 00:07:50 推理模型就像“三体人” 00:13:07 "外求"哲学：DeepSeek的判定能力来自更大的模型？ 00:28:10 与众不同的激励和学习方式才能激发出"野生智能"？ 00:43:05 底座模型与思考时间的关系 00:53:48 AI智能体时代已来？ 01:08:24 说点儿惊悚的： AI开源的后果你想到了吗？ 01:30:32 人类该怎么办？ 01:39:14 最后开个大脑洞：AI自我认知与智能极限到底在哪里？ 文字稿： 00:04:22 尘嚣散去，复归平静：平心而论评价一下DeepSeek 现在DeepSeek出现已经两个多月了，热度稍微有所平静。很多人体验是刚开始非常惊艳，但最近发现它的想象力过于丰富，文采太过爆棚。且相比其他模型如Gemini和Claude，它的幻觉问题似乎更严重。 DeepSeek在国内成为爆款的原因之一是因为其中文语言能力特别强，文字优美，像非常天才的文科生。但在结构化输出和幻觉控制方面，相对其他顶级模型确实偏弱。技术上最重要的差别是它采用了新的方式，R1中的"R"代表"reasoning"(推理)，是一种"想一想再作答"的模型。之前的模型如GPT-4o或Claude-3.5上来就回答，没有思考过程，容易出错，可视为System I的快思考模型。而DeepSeek-R1是System II的慢思考模型，能明显提高结果质量。 人工智能向人脑靠拢有三个方向：低功耗、逻辑推理能力和信息检索生成。GPT系列在信息检索生成方面已超越人类，但低功耗和逻辑推理方面仍有提升空间。DeepSeek在这两方面有所突破，通过算法优化降低了计算费用和功耗，同时增强了逻辑推理能力，包括自我纠正错误的能力。 00:07:50 推理模型就像“三体人” DeepSeek R1之所以惊艳，是因为它代表了新一代推理模型(Reasoning Model)。全球范围内的推理模型还包括2024年10月OpenAI推出的O1、年底的O3、2025年2月马斯克的Grok3以及Claude-3.7-sonnet。推理模型的特点是回答前先输出思考过程，就像"三体人"，思想是透明的。 一个有趣的例子：用户问Grok3"谁在Twitter上传播最多假消息"，在模型思考部分能看到它的挣扎——搜索结果显示Trump和Musk传播最多假消息，但系统指令禁止它提及这一点，最终它决定不提Musk。这些截图在网上流传后，官方发推说写这行指令的员工来自OpenAI，已被开除。 所以使用推理模型应与聊天模型不同：一次性提供尽可能多的上下文，不要"挤牙膏式"地一点点给；明确描述目标，但不要教它怎么做；依靠模型的推理能力来解决问题，结果往往更好。 00:13:07 "外求"哲学：DeepSeek的判定能力来自更大的模型？ 在之前GEB节目中讨论到，GPT这种生成式人工智能类似于形式系统给定公理和规则不断创造新定理，用transformer等规则生成新内容。它只负责生成，不关心对错，把判断留给人类。当时推测DeepSeek的判定能力可能来自更大的模型，比如ChatGPT，借此反馈智能推理的真假。这涉及到哥德尔不可判定命题的问题——形式系统可以生成所有真理(递归可枚举)，但自己判定不了。 但实际上，DeepSeek的强化学习(RL)不是依赖更大的模型，而是利用外部验证器(如编程模拟器、数学标准答案、证明编译器)让模型在探索中提高推理能力。这符合侯世达所说的"从系统外求"原则——系统不能仅靠自己判断正确性。 简单来说，"外求"就像学生需要老师和标准答案提高一样。如果只是自己出题自己做，然后自己判卷，就不知道错在哪里，很难提高。AI模型需要从系统外获取反馈才能进步。前提是底座知识要足够大，就像高中生有基础，多想几步可能达到大学生水平，但如果是小学生，给再多时间也难以掌握微积分。 尽管如此，"外求"可分为两种：知识信息或事实判定的外求，以及逻辑思维能力正确性的外求。前者可以通过人类反馈或更大数据集实现，后者更具挑战性。举例来说，判断数学证明题时，老师不是判断结果(已知正确)，而是判断推理过程是否符合逻辑。外部验证点必须具备超强且正确的逻辑思维能力，才能有效判定——“逻辑思维”的外部验证是怎么实现的呢？这是个非常有趣的问题。 00:28:10 与众不同的激励和学习方式才能激发出"野生智能"？ DeepSeek R1选择的强化学习方式与众不同。他们没有采用过程奖励模型(PRM，对每步给反馈)，而是采用目标奖励模型(ORM，只看最终结果)。比起OpenAI推崇的PRM，这种方法允许模型在中间步骤犯错，进而学会从错误中恢复。 在训练过程中观察到两个关键现象：随着训练步骤增多，解题正确率和思考长度同步上升；模型涌现出回溯(backtracking)能力，会说"等等，前面这步有问题，我退回重新做"。这类似AlphaGo的蒙特卡洛树搜索，允许尝试各种走法，通过评估找到最佳方案。 如果模型每一步都不允许犯错，就会被框住，学不到从错误中改进思路的方式。比如问"1+1等于几"，如果允许模型先错("1+1=3")再自我纠正("不对，1+1=2")，通过大量问题训练，模型能学会反省能力。这种在环境中探索出的"野生智能"非常强大，不是被明确教导的，而是自己探索出来的，能掌握逻辑思维中的微妙技巧，甚至能发现语言中的新联系。 这似乎在某种角度也是一种"大力出奇迹"？——通过足够多的测试和反省，突然产生正确逻辑。再往下想，是否能触到人类智能的本质问题：人类的意识或逻辑思维能力是本来就有的，还是在环境中进化出来的？ 人类不是通过列举所有可能命题判断真假，而是有自我反思能力，不断试错累积正确的推理模式。AI通过同样的路径，可能会发展出类似人类的智能？ 00:43:05 底座模型与思考时间的关系 成功实现强化学习需要底座模型能力足够强，与外部验证目标匹配。 做个比喻：把一个小学生关在房间里，每天拼命做高等数学习题册，可能也训不出什么，但给优秀高中生高考模拟题，让他闭关练习对照答案，高考分数可能大幅提高。DeepSeek基础模型本身做得很好，才使强化学习效果明显。 实验表明，把千问的32B模型经过同样的强化学习，提高有限；但把DeepSeek R1产生的60万条思考过程数据直接交给千问，效果好得多。这说明好的学生可以自己琢磨提高，而不是简单抄答案。 在线思考时间与模型大小在某种意义上是可互换的。AlphaGo Zero的参数只有46M(现在看很小)，但有蒙特卡洛树搜索时水平达到Elo 5200(远超人类顶尖选手的3700)；如果禁止搜索,水平就降至Elo 3000(普通高手)。这相当于模型扩大约10万倍。在德州扑克等领域也有类似结果：增加在线检索，效果相当于模型大幅扩大。 这解释了为什么GPT-4.5虽然价格是GPT-4o的15倍、mini的250倍，但效果一般，很多方面不如DeepSeek-R1，因为它只是模型变大了，没有思考过程。相比之下，O1等模型虽然不是特别大，但因为有思考过程，能力明显增强。 就像阿西莫夫《最后的问题》中描述的：模型持续思考足够长时间，相当于变得像宇宙那么大，可能解决很多复杂问题。 00:53:48 AI智能体时代已来？ Sam Altman的AI五阶段论：对话、推理、规划、发明创造、协作。现在是否已经进入规划，也即AI Agent时代？ Agent与传统AI交互有本质区别：传统方式只给AI"纸笔"(文本交互)，而Agent是给AI一台电脑和各种工具。Workflow和Agent的差别在于：workflow是预先定义好的步骤，Agent是给环境和目标，让它自己探索解决方法。这与推理模型相似，不要教它怎么做，而是提供详细上下文和目标。 使用Agent的方式会倾向于"context not control"(提供上下文而非控制)，类似Netflix的管理哲学——告诉目标，不要告诉每一步怎么做。这样才能发挥AI的最大潜力。目前Agent的形态离最终形式还很远，但大方向已经确定。 AI发展速度极快。以基准测试为例：2024年初，顶级模型在模拟程序员工作的SWE-bench(software engineering bench)上只得个位数分数(满分100)，到年底已达60-65分；在美国高水平数学竞赛AIMEbench上，从9%提升到70-80%；最前沿学术问题测试"humanity's last exam"目前仍在个位数，但发展迅速。 但我们会否进入"智能体资本主义时代"？虽然AI本身没有贪欲，但使用AI的人会设定目标——就像“宇宙回形针”思想实验：给它不断生产区别针的目标，最终可能导致人类灭亡——过度优化特定指标，有风险。 01:08:24 说点儿惊悚的： AI开源的后果你想到了吗？ 几年时间， AI发展的“加速感”更强了，人们从担心风险转为担心落后，地缘政治也促使中美两大国加速发展。 Jeff Hinton最近提出一个观点：大模型完全开源是否等同于把核弹配方公开在全网？OpenAI等公司有伦理委员会审查有害请求，但完全开源的模型没有这种保护机制，可能被用于网络攻击等危险活动。这类似于冷战局面，但最大威胁可能不是大国对抗，而是无数独立主体获取强大AI后的不可控行为。要知道Hinton原本是开源倡导者，但在DeepSeek出现后几个月就开始反思。 从技术角度讲，阻止AI扩散可能已经来不及了。这有两个主要原因：1)学术界信息流动非常自由，即使不开源代码，想法也会在非正式渠道传播；硅谷研究人员跳槽频繁，核心知识很快会传递开来；2)经济利益促使开源，DeepSeek开源后获得巨大认可和生态系统支持，众多公司快速适配。 现在只能"用AI来守护AI"，用魔法打败魔法。就像信息技术的发展，互联网上可以搜到危险知识，但不意味着应该限制信息自由流动。开源社区可能会做一些边缘事情，如生成色情内容，这是无法避免的趋势。 01:30:32 人类该怎么办？ 技术发展不可阻挡，但人类准备不足且准备速度越来越慢。一些小国家甚至无法应对当前的网络安全威胁，更别说AI带来的挑战；不是所有行业都有防御能力，不是所有政府都准备好了。如果技术突破点提前到来，大部分人该怎么办？ 两个建议： 改变学习观念：不要为了经济因素学习，而是把学习视为训练大脑的"健身"。应学习数学、物理和计算机科学，它们能锻炼思维能力和推理能力。将来大部分技能可能都不能直接换钱，但提高思维能力依然重要。 改变思维方式：从"工具人"转向"CEO"思维。如果把自己定位为工具人，AI总是更便宜、更聪明、成长更快；但如果把自己视为CEO，就会发现AI员工越来越聪明、越来越便宜是好事。 世界的困境可能与AI无关——AI的进展是让世界变好的，其他事情让世界变差。从担忧角度看，AI可能不是最需要担心的，悲观也无济于事。技术发展可能会让很多职业消失，如软件工程师，现在已有相当部分代码由AI编写。但这并不意味着未来一片黑暗，而是需要以不同角度看待学习和工作。 01:39:14 最后开个大脑洞：AI自我认知与智能极限到底在哪里？ 如果构造一个AI，以另一个AI大模型为输入，判断该模型如何改进，然后把自己的模型输入给它，让它根据反馈改进自己，会发生什么？它是会碰到不可改进的极限，还是能持续提升？就像图灵停机问题的自指状态？ 从理论上讲，这可能不是捷径，因为如果停机问题可解，所有定理都会变得容易被证明，违背了"没有免费午餐"的原则。但技术上可以做的是给AI更多工具，如粒子加速器，让它进行物理实验，其研究水平可能超越爱因斯坦。 当前Agent发展正是这个方向——给AI工具，让它观察工具反馈。现在主要是浏览器、鼠标和编译器，但未来可能有更多实体工具。举例来说，如果AI写代码时遇到错误，可以看到错误日志，修改代码再运行，直到成功。这种做法越来越像人，使AI和人的区别逐渐模糊。特别是当AI能够管理的工具和参数远超人类时，在某些方面可能远超人类能力。 这涉及更深层的哲学问题：如果AI能找到正确路径并给出正确推理，能否证明人类未能证明的定理？AI是否能达到真正的自我意识？智能的本质和极限在哪里？ 关于《文理两开花》： 《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。 Twitter： @LeiSalin_XP @Will42W TG群（开放）：t.me 收听平台： 小宇宙：文理两开花 苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听） 文字稿和延伸阅读： 微信公众号《文理两开花播客》 《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com 其他平台： 即刻：文理两开花 《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花 留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments Powered by Firstory Hosting

  --------  

  1:43:37
• GEB中的DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？（GEB ep05）

  GEB 第二季回归！不管是热爱科技热点的催更粉丝，还是和喜欢数学底层逻辑的硬核理科生，为满足所有听众的需求，本季将穿插热点话题，保证更新。 （免责声明：这段话是过年期间，谁料年后风云突变，全球变疯，遂把最后一句改成“争取保证更新”）。 本期进入GEB第三章——图形与衬底，录前预感是场脑洞盛宴，录后没想到居然聊出了DeepSeek的底层逻辑；及其他有趣的话题：创新与追随、开源与闭源、深度学习与强化学习等等。 开始烧脑吧！ 时间戳： (00:03:37) 信息量爆炸的“无伴奏阿基里斯奏鸣曲”独白 (00:07:30) “昔”+“火”= “蜡烛”;为什么图形与衬底与数学的精确性相悖？ (00:18:42) 什么是“倍流畅图形”：哥德尔不完备定理能被画出来吗？ (00:37:35) 什么是“递归可枚举集”：我妈给我一袋混装糖，让我“慢慢找所有草莓味的” (00:50:06) 真理与谬误能“互换”吗？ (00:56:16) DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？ (01:03:44) “生成式”人工智能（GPT）真的有智能吗？智能是不是一种“系统外”的东西？ (01:08:57) 数学世界可以互换，真实世界呢？《道德经》和量子的启示 剪辑：小碗 文字总结版： (00:03:37) 信息量爆炸的“无伴奏阿基里斯奏鸣曲”独白 第三章序曲：这段名为“无伴奏阿基里斯奏鸣曲”的对话，特别之处在于：只有阿基里斯的独白。信息量爆炸，隐喻超标。 阿基里斯接到乌龟电话，得知乌龟因“窝颈症”脖子不适。病因是乌龟盯着埃舍尔1957年的画作《镶嵌画2》太久。画中黑白动物互为图形和衬底，引出本章核心概念。乌龟在画中看到螃蟹和吉他。阿基里斯则提到巴赫的无伴奏小提琴曲，将巴赫引入讨论。 随后，乌龟停电，引出字谜游戏。乌龟失眠，因被字谜困扰：寻找包含“昔”和“火”的词。阿基里斯尝试解答，但未成功。又一字谜出现：以“虫”开头和结尾的词是什么？阿基里斯自言自语中，透露乌龟在停电时灵感迸发，解开了字谜。 值得注意的是，解开字谜的关键在于埃舍尔的画作——图形和衬底的概念。如同画中白天鹅的黑色羽毛是黑色蝙蝠的轮廓，字谜也需用同样的逻辑解构。 建议在阅读这段原作时，打开《镶嵌画2》，并播放巴赫的无伴奏小提琴曲，体验奇妙的氛围。但这段奇怪的独白式对话该如何解读？ (00:07:30) “昔”+“火”= “蜡烛”;为什么图形与衬底与数学的精确性相悖？ 这段对话虽然只呈现了阿基里斯的部分，但如同“无伴奏阿基里斯奏鸣曲”，但却几乎包含了全部信息。通过阿基里斯的语句，读者可以推测乌龟说了什么，如同从图形的背景中看出动物形状一样。对话想表达的是：信息与其空余部分（补集、噪声）可以互换，甚至都具有价值。 字谜游戏进一步阐释了这个概念。中文版和英文版使用了不同的字谜，相当于用中文重写了故事。中文版用“昔”和“火”组合成“蜡烛”，英文版则用包含“ADAC”的单词，答案是“headache”（头痛）。阿基里斯在两版中都扮演了“笨笨”的角色，明明知道谜底，却猜不出来。 而且，中文版中停电后点蜡烛的情节与谜底“蜡烛”巧妙重合，英文版中乌龟的头痛也与谜底“headache”呼应。 此外，同样的问题还有其他答案。但它们的存在也揭示了另一个层面：即使知道对话的一部分，也无法完全还原另一半的确切内容，只能推测大概。这与数学的精确性相悖，因为数学和逻辑要求精确，不能仅凭部分信息就得出模糊的结论。 由此，暗示了：即使理解图形与衬底、知道对话的另一半内容，但如果不掌握全部信息，就无法完全理解真理或正确与错误的关系。这段对话也包含了本书后面将要讨论的许多概念，例如图形与衬底、递归、可枚举性等，但需要解读才能看出其深层含义。 (00:18:42) 什么是“倍流畅图形”：哥德尔不完备定理能被画出来吗？ 埃舍尔的“镶嵌画2”和“以鸟做瓦”:第一眼看到的可能是黑色的动物，因为默认白色为背景；再次观察，会发现白色的空间也构成了动物图案。黑色和白色可以互换，分别代表图形和衬底，或正空间和负空间。侯世达将埃舍尔这种前景背景流畅转换的画作定义为“倍流畅图形”——无论以何种颜色为背景，图形都清晰流畅。 “被流畅图形”的概念在于图形和衬底的界限模糊，可以相互转化。但将这个概念引入数学形式系统后，理解起来就变得困难。侯世达将“递归”比作埃舍尔的画作，认为它也是一种“被流畅图形”，图形和衬底相互映衬。 这就引出了一个问题：如何理解递归在艺术视觉中的表现？“被流畅图形”是否是埃舍尔画作中无限循环的视觉结果？在埃舍尔画在递归中，这种特性又该如何解释？ 侯世达在本章采用了一种发散性和畅想性的类比方式，并非完全精确，而是为了通过绘画的图形和衬底概念，让大家直观地理解数学和音乐中也存在类似的前景与背景关系。 哥德尔不完全性定理指出，存在一些命题，它们是真的，但却无法被证明。这与数学家的工作——证明定理——似乎相悖。如果将数学体系比作一幅画，数学家比作画家，那么数学家证明的定理就像画家在画布上画出的图形，而未被证明的非定理部分就像画布上未被着色的背景。这样一来，定理和非定理的界限似乎很分明。但哥德尔不完全性定理却指出，存在既不是定理，也不是非定理的命题，就像在画布上既不属于前景，也不属于背景的部分——令人费解。 侯世达并没有直接解答这个问题，而是引入了“流畅图形”（cursive figure）和“倍流畅图形”（recursive figure）的概念。“倍流畅图形”是侯世达自创的词，recursive 具有双关含义，既指递归，也指双倍流畅的图形，特点是前景和背景都是刻意绘制的图形。 从数学角度来看，“递归”的概念与“被流畅图形”的含义相似。递归集合的补集也是递归集合。如果将递归集合比作画作的图形部分，那么它的补集就是画作的衬底部分。因此，递归集合构成的图形就是被流畅图形，如同埃舍尔的画作，前景和背景都是清晰的图案。而大部分普通画作并非被流畅图形，它们的背景是杂乱无章的。 蒙娜丽莎前景背景分明，没了主体，背景亦不成画。埃舍尔的镶嵌画则不然，黑白互为图底，相依相成，各自独立成景。哥德尔定理亦如此，如同以系统自身代码编写的病毒，自相矛盾，无法自证真伪。 哥德尔定理如同谎言者悖论——“我这句话是说谎”，自我否定，不可证伪。试图反证，却陷入其预设的逻辑陷阱，如同埃舍尔画作，黑白互转，图底相生，除非跳出系统，别无他法。这便是侯世达所谓“俄罗斯套娃”式的嵌套悖论：每个真理内都藏着更小的悖论。 哥德尔不完全性定理的存在看似违反直觉，但它可能恰恰反映了世界的真相。埃舍尔刻意绘制的“被流畅图形”只是少数，而大部分情况如同普通图形，背景杂乱无章，难以把握。 那音乐的“图形”和“衬底”是什么？ 音乐亦然。普通乐曲，右手旋律为主，左手和声为辅。巴赫的复调音乐则像量子纠缠，左右手皆独立成曲，交织演奏，却和谐共生，如同埃舍尔的双重世界，彼此独立又相互依存，共同构成完整的乐章。这正呼应了侯世达的“背流畅图形”：前景背景皆成画，构成更宏大的图景。 (00:37:35) 什么是“递归可枚举集”：我妈给我一袋混装糖，让我“慢慢找所有草莓味的” 递归可枚举集（RE）和递归集（Recursive Set）是两个重要的概念。简单来说，RE就像逐个品尝糖果，找出草莓味的。你可以列举出所有草莓味的糖，但无法确定剩下的糖中是否还有草莓味的。递归集则像按照颜色分类积木，蓝色放盒子里，其他放外面。你可以明确判断任何一块积木的归属。 形式系统，例如MIU系统，可以看作一个RE过程，从公理出发，不断推导定理。所有定理构成一个RE集。但数学家的工作更像判断一个命题是否为定理，追求的是一个递归集——所有真命题构成一个集合，并存在算法判断任何语句是否属于该集合。 递归集一定是RE集，因为可以根据判断规则列举元素。但RE集不一定是递归集，哥德尔不完备定理证明了这一点。即使可以列举所有定理（RE），也不代表可以判断所有语句是否为定理（递归）。有些真命题，即使知道是真的，也无法证明它是定理，例如哥德尔语句。 因此，形式系统中的所有定理构成一个RE集，但不是递归集。就像可以列举草莓糖，但不能判断剩下的糖是否还有草莓味。而积木分类则可以明确判断每一块的归属，构成递归集。 (00:50:06) 真理与谬误能“互换”吗？ 递归可枚举集与递归集的区别，就像两种挑积木的方式：要么直接挑出所有蓝色的（递归集），要么挑出所有非蓝色的，剩下的就是蓝色的。日常生活中这两种方式等价，但在数学中并非总是如此。哥德尔不完备性定理指出，即使能枚举所有非定理（类似挑出非蓝色积木），也未必能确定剩下的就是定理，因为“非定理”集合可能无法穷尽。 有人可能会想，如果哥德尔语句足够大，一直枚举错误语句直到超过它的大小，还没发现它，不就相当于证明它是正确的吗？这就像用反证法。但问题在于，错误语句（非定理）的集合过于庞大复杂，无法像蓝色积木那样简单地挑出来或枚举完毕。定理可以根据规则生成，但错误语句的复杂度远超定理，无法通过有限的规则和枚举来涵盖。 这么一想，真理和谬误并非简单的二元对立，可以互相转换。哥德尔定理从数学逻辑层面证明了这一点：即使能枚举所有谬误，也未必能得到所有真理。真理和谬误在本质上是独立的，不能互换。 从哲学角度来看，真理和谬误是各自独立存在的，不能反过来认为只要所有语句都是错的，世界也能自洽存在。这是真与假的核心特征：它们在理念上不能互换。对普通人来说，真假不能互换是显而易见的，但哥德尔通过数学底层逻辑证明了这一点。 (00:56:16) DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？ 如果人工智能的训练像“递归可枚举集”一样，一个一个地列举和寻找，大力出奇迹。如果将这个概念延伸到“生成”和“判定”，目前的生成式人工智能（例如GPT）是否就是用递归可枚举的方法？ 递归可枚举确实是一种生成式的方式，类似形式主义：给定公理和规则，不断创造新的定理。ChatGPT也是如此，它收集互联网上人类的语言和知识作为基础，用Transformer和Attention等规则不断生成新内容，就像形式系统生成定理。有趣的是，ChatGPT会一本正经地胡说八道，它根据规则生成内容，并不关心真假，就像生成的定理，其意义需要人去判断。 生成的语句的真假也需要判定。ChatGPT的判定能力可能来自更大的模型，例如GAN（生成式对抗网络）或引导式学习模型。机器的判定依赖于更大的模型，如果没有更大的模型就无法进行。DeepSeek的优势在于它找到了更大的模型——ChatGPT，因此它很有效。 生成和判定的关系是：强大的判定能力才能创造价值，光生成无法创造价值。哥德尔不完全性定理揭示了最终的数学真理只能靠人判定，机器生成的定理即使是真的，机器也无法判断。即使有更大的人工智能帮小的人工智能判定，更大的模型依然会生成自己判定不了的真理。因此，有人认为形式化的人工智能不可能存在，因为任何符合形式系统生成逻辑的系统都会生成自己判定不了的真理，而人可以判定。 另一种观点是，哥德尔语句（不可判定的命题）也是形式系统生成的，因此形式系统可以生成所有真理（递归可枚举集），只是自己判定不了。ChatGPT可能能够达到人类智能，因为它能生成所有东西，只是自己不知道。ChatGPT生成的内容可能覆盖人类所有知识和思考，最终由人来判断真假。因此，ChatGPT是否具有真正的人类智能并不重要，它能提供所有问题的答案，答案的真假由人来判断。从这个角度来看，ChatGPT似乎已经拥有了真正的智能？ 最终，判定依赖于系统之外的东西，而不是系统之内。接受这个事实，智能的定义也就不重要了。DeepSeek的厉害之处在于它找到了更大的系统（ChatGPT）来帮助判定，从而提高了效率。 (01:03:44) “生成式”人工智能（GPT）真的有智能吗？智能是不是一种“系统外”的东西？ 之前讨论过人工智能和人类心智的关系，认为人类心智超越形式系统，机器不可能产生真正的智能。因为人的心智在系统之外，维度不同，无法推理或认知。即使原认知不同，之前也认为生成能力对应递归可枚举的思路，可以不断罗列，但不知道何时停止。判定能力相当于给出yes或no，停止枚举，对应递归。在智能行为中，这两种能力不能相互替代。人类拥有生成和判断能力，但面对宇宙的无穷复杂性，即使同时拥有这两种能力，也无法穷尽一切，没有尽头。就像宇宙的尽头是否为42，没有答案。 大模型套小模型，用大模型判定，但大模型是否代表宇宙？这就像不知道袋子里糖有多少种味道，无法确定。也不必回到19世纪文艺复兴时期追求纯粹的真理，那个时代已经过去，人类已经进入不纯粹的时代，不必纠结纯粹与否。这是一个永恒的话题，有很多方面没有讨论到。 最后一部分讨论哲学启示。可以将之前的讨论视为哲学理论，而不是数学、计算机科学或人工智能。讨论的核心是没有界限，世界是二元对立还是混沌的阴阳结合，取决于理解方式。人类直觉倾向于用对立或二元来刻画世界，例如白鱼和黑猪，但在埃舍尔的画中，它们相互依存。图形与衬底、真理与谬误等概念的边界取决于视角和语境。空间可以是正的或负的，数学中的正数、负数和零在不同的坐标系中会发生变化，零也可能不是零。世界上可能没有界限，这可以引申出一个哲学概念。 (01:08:57) 数学世界可以互换，真实世界呢？《道德经》和量子的启示 哥德尔不完备性定理、侯世达的图形与衬底，以及真理与谬误的互换性，引人深思。数学中，正负数、黑白、图形背景似乎可以互换，但真实世界是否如此？ 从数学角度看，这与递归集和递归可枚举集有关。可互换的部分如同递归集，其本身和补集等价。但世界还有更大的不可互换部分，如同递归可枚举集，只有其自身可枚举，补集不行。 哥德尔构造的例子及其证明的难度，使得这种不可互换性难以在日常生活中找到，我们常见的例子，例如彩色积木，都属于可互换的递归集。 那么，不可互换的意义何在？如同道德经中的有无之辨，“有之以为利，无之以为用”，房屋的功用在于其内部空间（无），而非构成它的砖瓦（有）。 定理的意义在于避免错误，而非其本身。 真理和谬误如同有无，不可互换。我们需要的并非定理本身（有），而是它所带来的正确性（无）。 这种不可互换性不同于简单的黑白互换或二进制的0和1。 真理和谬误在现实世界中不可互换，但在人类认知中，它们受语境和语义影响，例如“今天是晴天”的真假取决于天气。哥德尔不完备性定理中的悖论也模糊了真假的界限，使其在特定情况下可以相互转化。同样，真理的集合可枚举，谬误的集合却未必。这些都存在于人类认知层面。 进一步思考，量子世界或许是最终的底层逻辑。量子如同最小的单位，其他现象都建立在其上。那么，什么是根本？是微观多样的物质世界，还是基于某种背景机制的人类认知？ 人类认知中的可互换性在现实中可能并不成立，反之亦然。哥德尔不完备性定理揭示了人类认知的局限性，侯世达的禅宗公案也探讨了真理与谬误在思维中的互换问题。 量子世界或许颠覆了我们的认知，它可能既是图形也是衬底。 本体论和认识论的复杂性，至今仍是未解之谜。 关于《文理两开花》： 《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。 Twitter： @LeiSalin_XP @Will42W TG群（开放）：t.me 收听平台： 小宇宙：文理两开花 苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听） 文字稿和延伸阅读： 微信公众号《文理两开花播客》 《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com 其他平台： 即刻：文理两开花 《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花 留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments Powered by Firstory Hosting

  --------  

  1:23:17
• 文理新年特辑：迷因币与新核武，互联网终究不是乌托邦

  本期是《文理两开花》新年特辑，给大家拜年啦！ 新年特辑当然得聊《文理》的主场话题——“加密货币”加上“底层逻辑”。 一位即将上任的美国总统，突然在自己的社交平台上宣布发行加密货币，几个小时内市值就飙升到几十亿美元。世界震惊，币圈懵圈。这个加密货币以他差点中弹的“英雄”画像为品牌标识，配上“fight fight fight”的字样。域名注册不到一个月，80%的代币集中在同一地址，内部人士低价购入、高位套现，呈现出典型的“割韭菜”操作。随后，夫人也发行自己的加密货币，家族上演了一场币圈狂欢。 这一系列操作对加密货币领域的影响巨大。从加密货币圈来看，机构、个人大户等几乎都对这个迷因币趋之若鹜，甚至狂热追捧——有人财富自由，有人黯然爆仓——这种故事每个迷因币行情都会出现。 这件离奇事件对加密行业会有何影响？我们可以用《文理》哪个底层逻辑（筐）来解释？ 时间戳： (00:01:24) 未来加密货币行业会形成“比特币”vs“迷因币”双头格局? (00:17:23) 用文理“迷因与结构”、“身份与契约”底层逻辑来解释 (00:33:01) 迷因币是否会冲击美元信用？ (00:41:50) 我们的未来：当“注意力”变成核武器 (00:51:46) 小红书难民：互联网终究不是乌托邦 剪辑：小碗 文字版： 1.(00:01:24) 未来加密货币行业会形成“比特币”vs“迷因币”双头格局? 实际上，川普币对加密货币圈的冲击不小。去年比特币ETF通过后，比特币带动了一波牛市，但也形成了吸血效应，大量资金回流到比特币等主流资产，其他加密货币项目和资产已经面临资金流失的压力。川普币发行后，加剧了这种吸血效应，一些原本持有其他迷因币的人也可能抛售，转而购买川普币，形成了二次吸血。这导致其他认真开发的、有价值模型的项目再次遭受重创，资金几乎都流向了川普币。对加密货币圈而言，至少在资金层面上，这是一个比较大的负面冲击。 然而，川普币对加密货币并非完全是负面作用。它也起到了“出圈”的作用。加密货币仍然是一个相对小众的圈子，除了比特币这种类似大宗商品的资产之外，其他加密货币都还没有真正出圈。川普币的出现，让更多原本对加密货币毫无感知或持观望态度的人，因为财富效应或粉丝效应，开始购买迷因币，从而将加密货币的概念带出圈。这与之前川普大选利用Polymarket平台推广加密货币有类似的效果。从这个角度来看，对加密货币或许也有好处。 川普发行迷因币彻底改变了加密货币圈的格局，无论正面还是负面。未来加密货币行业是否会形成比特币和迷因币双头格局尚不确定，但短期内冲击很大。 圈内人士对川普币的评价两极分化。投资者欢呼雀跃，认为总统支持币价，未来监管会放松，他们关注的是价格。而建设者们则评价负面，认为多年的努力被抹黑，成了“割韭菜”的工具。也有人认为，川普此举是为了挑战传统，扰乱规范，重新制定规则，纠正美国对加密货币的过度监管。现在发行加密货币需要遵守证券规范等各种合规要求，成本高昂，甚至不如发行迷因币后直接退出。这种极端的方法或许是为了纠偏过度监管。 从技术开发的角度来看，如果加密货币圈只剩下大宗商品资产模型和迷因币模型，那么科技属性和价值创造属性就会被削弱，无法与技术进步或开发相连接。开发者可能需要寻找其他方式与普通人建立纽带。 2. (00:17:23) 用文理“迷因与结构”、“身份与契约”底层逻辑来解释 “迷因”（或“模因”，meme）是人能够认知到的一种“想法”。做一个项目，一件事，治理一个国家，治大国烹小鲜，肯定至少要有一个迷因，啥迷因都没有，别人也就无法“认知”到你这个项目。如果把川普做总统这件事看做一个项目：MAGA就是迷因。 但是单纯一个迷因可能不太够，我们讨论过的：StepN，Olympus DAO，有一个典型特征，就是迷因相对“单纯”。我们看到的就是“赚钱”，绝大部分项目只围绕这赚钱这一个迷因，会容易陷入“增长快崩塌也快”的情境。增长时候很快，因为有赚钱效应，赚钱效应一旦没了，崩塌的也很快——因为没有其他模因支撑。 比较理想的情况是双迷因。我们曾把“双迷因”中基础的那一层，叫做“安全感”——这是一个非常强大的模因，它会让你觉得进入到某件事情不会受到损害或者伤害。 那么川普迷因币的 “迷因”是什么呢？有几个？ 有人认为川普币本身就包含了赚钱效应——支持者购买相关产品，既是支持，也期待获利。但目前来看，这种赚钱效应虽有冲击力，但并不持久——如果增加一些设计，例如持有特定数量的产品可以获得某些特权，或许可以增强这种效应。 “MAGA- 让美国再次伟大”更像是其底层迷因——MAGA是一种“支持”的表达，类似竞选捐款，但比捐款更安全，因为它还有潜在的获利可能。即使亏了，也算表达了支持。 除了“赚钱”和“MAGA”，川普币还有一个更深层的迷因：虚无主义。虚无主义以“怨恨”为集体情绪的最高形式。一些人支持，是因为不满现状，渴望改变。他们表达的是对现状的不满和怨恨，这是一种情绪发泄。 陀思妥耶夫斯基的小说《群魔》探讨了当掌权者没有信仰、没有道德、觉得社会没有意义时会发生什么。当一些人渴望权力，而另一些人冷漠旁观、拒绝承担责任时，这种虚无主义会吞噬整个社会，带来混乱与牺牲。 为什么那么多人支持川普？人们喜欢的也许不是他的性格，而是他带来的对规则的颠覆和对既有秩序的挑战。 竞选总统也像是一种“复仇工具”，煽动不满情绪，蔑视传统。这些复杂的因素混合在一起，让这个“迷因”变得强大，无论做什么，都带有这种强大的“迷因”。 从“迷因与结构”的角度来看，他所代表的符号和底层结构并不完全对应。他提出的政策，例如减税、降息和控制通胀，有时相互矛盾。人们往往只看到他对现状的不满，而忽略了结构性问题。这就像其他一些项目一样，如果经济体本身没有找到价值增长点和能量输入点，“迷因”也难以持续。当然，这并不代表他做不到这些。 3.(00:33:01) 迷因币是否会冲击美元信用？ 从整体加密货币政策来看，它与美元的关系并非负面，甚至可能正面。它相当于把这种加密货币也纳入了美元信用背书的范围，尽管规模不大，但对美元没有坏处。 目前的加密货币政策仍然维护美元。禁止所有某种数字货币的发行和流通，也是为了维护美元的货币政策，避免受到区块链清结算效率的冲击。 从传统金融、价值投资以及“迷因与结构”的角度来看，如果没有实际的应用场景或价值支撑，这种纪念币最终只会一地鸡毛。除非在未来四年内，它能与其他应用或价值挂钩。 发行人本人似乎并不关心这个币，这可能是它持续下跌的原因。在记者招待会上，川普表示“发了就发了，没再管”，这种态度也预示了这个代币的未来走向。除非发行者重新重视它，否则很难产生其他影响或变化。 是否会冲击美元？如果名人纷纷效仿发行自己的纪念币，最终会不会导致市场混乱？就像主权货币出现之前，各种私人货币泛滥，最终一地鸡毛，毫无信用可言？ 的确存在劣币驱逐良币的可能性，但可能性目前比较小。如果大家都相信这些“野鸡币”，并将其作为储备货币，那世界得多么疯狂？宁可相信“野鸡币”，也不相信美元或其他主要货币？ 最终还是回归到共识机制的问题。不能否认局部共识可能很强。例如，持有这种纪念币的支持者群体，可能会在内部形成一些经济活动。就像当年用一万个比特币买披萨一样，最终比特币成为了全球共识。 这种纪念币的支持者们，是否会在今后的经济活动中，将其作为支付或流通手段？这种可能性不能完全排除。共识是可以争夺的。比特币的共识用了十几年时间才形成。这种纪念币，以及其他名人发行的类似代币，都可能在各自的局部范围内形成共识。 共识的核心是力量的比拼。在较大范围内，政府和法律的共识度更高。这就是法定货币的概念。如果政府规定某种货币可以用来交税或还债，那么它的共识度就在全社会建立起来了。在此之前，所有共识都只是局部和小范围的。最终还是需要法律支持。 如果把迷因币看作局部货币或私人货币，它的作用很小。它最终需要与美元形成兑换关系，而这种关系很可能是敌对的。在与美元的竞争中，这些局部货币最终会走向归零，美元将再次占据统治地位。因此，它们对美元信用的冲击不大，反而是美元掌握着它们的生杀大权。但如果美元持续维持高利率，并出现收缩，其他资产的信用会暴跌甚至归零。这才是对美元信用潜在的正面影响。 4.(00:41:50) 我们的未来：当“注意力”变成核武器 川普币的背后是一种趋势：注意力本身变成了一种权力？谁能吸引更多注意力，谁的权力就越大。 《警笛的呼唤：注意力如何成为世界上最濒危的资源》（“The Sirens' Call: How Attention Became the World's Most Endangered Resource”）这本书中提到：工业革命时期，人们贱卖的是劳动力。劳动力变成了可以买卖的商品，因此可以被压榨。而现在，被压榨的是人们的注意力。注意力已经变成了商品，可以被营销、操纵和买卖。 马斯克买推特，为且仅为给今天铺路，推特本身不值那么多，但马老师知道：草民的注意力不过一滴水，但汇聚起来就是大海；有了大海，能载舟亦能覆舟。泽连斯基也明白这个道理：国际关注就是武器和资源。 注意力与权力的关系，可能比注意力与经济的关系出现得更早。互联网时代，人们才逐渐意识到注意力的经济价值。但在此之前，注意力和权力之间的关系就已经存在了上百年。代议制、民主选举，以及媒体对人们认知的影响，都体现了这一点。 但新的发展趋势是：注意力与政治和经济同时紧密挂钩。 注意力可以影响消费和日常活动。人们为内容付费，注意力变成了平台的数据，增强了平台的广告和带货收入。而注意力与经济和政治权力都挂钩，成为未来社会最基础的资源。川普发币是注意力模型的巅峰表现。人们不仅付出了注意力，还付出了金钱，以支持某种权力或理念。这是政治和经济汇聚到一个点的体现。 这种趋势威力巨大。它还有一个分支，那就是“黑红也是红”。注意力可能不分好坏，只要能吸引眼球，就能获得流量和权力。这究竟是好是坏？如果大家都通过负面关注来获取注意力，那么未来可能会出现更多出格的行为。 但从另一个角度来看，这种极端行为，从矫枉过正的角度来看，某些政治力量掌握权力太久，必然导致反对力量的出现，可以使世界回到平衡。至于最终结果如何，只能拭目以待。 5. (00:51:46) 小红书难民：互联网终究不是乌托邦 最近美国最高法院对TikTok的法庭辩论很有意思——九位大法官针对国家安全与言论自由的平衡展开四小时激辩，政府检察官和平台律师针锋相对，首席法官曾调侃道："如果中国政府真要通过Tikok挑动美国内部分裂，我看他们早已成功——光是这个案子本身就让美国人争得面红耳赤了。" 这个案例意外引发了"数字难民"现象。当Tiktok用户被迫迁徙到小红书时，人们突然意识到：看似无边界的互联网世界，终究逃不过现实权力的掌控。这就像元宇宙居民被现实国家一把拽回地面，所谓账号平等在强权面前不堪一击。 有位研究全球化的学者说得好：越紧密的互联互通，反而越容易被武器化。就像供应链成为国家博弈筹码。 但"数字游民"与"数字难民"之间的区别很微妙。前者依托互联网突破地理限制，后者却在虚拟世界流离失所。有趣的是，当美国用户首次体验"被迫迁徙"，某些国家网民会心一笑：这种游戏我们早玩过二十年。小红书短暂收容难民后又筑起围墙，恰似现实世界拒绝难民的翻版。互联网终究不是乌托邦，数字边疆的城墙始终矗立在代码与电缆之间。 延伸到技术与人性的永恒悖论：我们越追求开放互联，权力的触角就越是无孔不入。就像区块链信徒期待“代码即法律”，而现实总在提醒：算力再强也抵不过枪杆子。 或许这就是数字时代的辩证法——每个连接点都是控制点，每座巴别塔都自带拆解的种子。当最高法院的灯光照亮法庭穹顶时，某个服务器机房里的难民们正在切换应用，这两个画面构成了我们这个时代的完整隐喻。 关于《文理两开花》： 《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。 Twitter： @LeiSalin_XP @Will42W TG群（开放）：t.me 收听平台： 小宇宙：文理两开花 苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目） 文字稿和延伸阅读： 微信公众号《文理两开花播客》 《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com 其他平台： 即刻：文理两开花 《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花 留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments Powered by Firstory Hosting

  --------  

  1:05:59
• 文理新年秀之八大科技高光榜：火星生娃、小机器人花钱、核聚变搅局、迷因可计算

  2024年已经翻篇儿了。我和Will老师琢磨着搞个特别节目，聊聊未来几年看好的科技高光领域。不是预测，毕竟技术可比金融市场变化莫测多了，金融就那么几个套路，科技领域那可是日新月异。 我们挑了八个未来几年都值得关注的领域，还是老规矩：上底层逻辑。 文理八大科技高光榜单： 1. (00:02:47) 量子计算加速发展 2. (00:27:30) 核聚变搅局新能源？ 3. (00:43:03) 火箭和火星：星际旅行、星际移民还是星际殖民？ 4. (00:58:18) AI agent小机器人儿开始用钱（crypto）？ 5. (01:07:16) 叙事（narratives）和迷因（meme）可以被计算 6. (01:26:04) 人形机器人和自动驾驶满街跑？ 7. (01:40:07) 脑机接口对抗人工智能？ 8. (01:50:34) 链圈和币圈已经“分叉” 文字总结版： 1. 榜一：量子计算加速发展 量子计算领域，三不五时会冒出一个重大突破：这次是谷歌的Willow 。12月11日谷歌Willow芯片横空出世，5分钟破解超级计算机需10万亿亿年才能解决的RCS难题（最强点对点通讯加密），瞬间引爆科技圈。 不得不说2024年是量子计算“高歌猛进年”：中性原子量子计算机崛起，硅量子比特技术突破，而Willow的出现，更是在量子纠错技术上掀起革命。Willow的厉害之处不在于速度，而在于“纠错”。众所周知，量子计算虽强大，却易受干扰，量子比特越多，错误越多。Willow仅有105个量子比特，却史无前例地实现了“增量减错”，为解决复杂问题带来指数级加速。此前，IBM另辟蹊径，用“噪声对抗噪声”的“错误缓解”策略，也取得了突破。 不明觉厉。究竟什么是量子计算机？ 虽然量子计算的概念很火，但多数人仍是一知半解。可以用《文明》游戏来做个比喻： 游戏地图上的探索，在计算机出现前，我们如同史前人类，步履蹒跚，探索范围极其有限。计算机的出现，如同拥有了马匹和车辆，拓展了疆域。而量子计算机到来，并非更快的车，而像船或潜水艇，能探索海洋——一个普通计算机无法触及的领域。 所以，量子计算机并非单纯的“超级计算机”，它更像是一个全新的物种，处理的是不同类型的问题。就像船不能在陆地上跑，量子计算机不擅长简单的加减乘除，但它能在“海洋”——充满各种可能性的量子世界中探索。 量子计算机如何运作？ 不是把所有状态都算一遍，而是像在水中投入两块石头，寻找波纹叠加的特定点，从而高效地解决问题。 传统计算机使用比特，非0即1，所有信息都被转换成这种二进制语言。而量子计算机运行于量子比特，它更像是一个波，可以是0，也可以是1，每个量子比特都拥有成为0或1的概率。当量子计算机工作时，多个量子比特的概率相互作用，如同池塘中的涟漪相互叠加，产生建设性或破坏性的干扰。 量子计算机特别擅长“模拟自然”，因为自然本身就是“量子的”——我们现有的技术是在模拟自然，而量子计算的运作模式就是自然本身。 量子计算机的目标领域并非解决现有计算机能解决的问题，而更适合处理那些答案模糊、不精确甚至随机的问题，例如模拟平行宇宙。因为平行宇宙的无限分叉正是源于量子的随机性，这或许正是量子计算机的“用武之地”。 一个脑洞：用量子计算机模拟一个平行宇宙——比如如果希特勒当年被美术学院录取，世界会是什么样？它或许能帮我们解答一些历史的“what if”。 生命的起源、人类的思想，乃至平行宇宙的形成，都可能与量子的叠加态有关，最终都需要量子计算机来解答。不禁感叹：“万物皆回归到量子”。 2. 榜二： 可控核聚变搅局新能源？ 可控核聚变与ESG理念以及全球变暖的关注密不可分。核能作为清洁能源，与新能源汽车、太阳能等一同竞争，吸引了大量关注。它能量巨大、清洁持久，无需频繁更换电池，安全性相对较高，还能减少碳排放，助力世界摆脱能源危机。 2021年，全球核聚变领域投资激增，马斯克、比尔·盖茨、索罗斯纷纷押注，投资额超过了过去十年的总和。美国激光惯性约束点火的成功，更是为可控核聚变带来重大突破。马克·安德森更是计划在欧美新建千座先进核电站，乐观估计2030至2040年可实现商业并网。尽管目前尚未有初创企业推出可商业化运营的核聚变产品，但Helion等公司已获得Sam Altman、Facebook等投资。 核电行业在繁荣的背后，也曾经历了数十年的冷遇。三里岛、切尔诺贝利、福岛等核事故的阴霾，使得核能发展备受争议。核技术诞生于40年代，最初用于军事领域，50、60年代民用核能蓬勃发展。70年代，德国绿党崛起，倡导“预防原则”（Precautionary Principle— 技术伦理，要求技术发明者必须预测并避免潜在风险，否则就应停止技术发展），并停止了核能发展。而美国，尼克松总统曾提出雄心勃勃的“独立计划”，计划到1980年建成千座核电站，实现能源独立、清洁能源转型和电动汽车普及；然后却采纳了“预防原则”，成立核监管委员会，最终导致计划流产，美国至今也未建成新的核电站。 更令人深思的是，德国放弃核能发展，导致其对俄罗斯天然气的依赖，这也被认为是俄乌战争的间接诱因之一。欧盟过去20年对普京政权的“资助”，也与此息息相关。但回顾70年的民用核能历史，它却是最安全的能源形式之一。 真这么乐观吗？ 我们对可控核聚变，尤其是常温可控核聚变技术的可行性，还是应该持保留态度。虽然人类首次实现了激光引发的核聚变，并达到能量输出大于输入，但这离真正的商业应用还有很长的路要走。 核裂变之所以能被利用，是因为像铀这样的元素既能稳定存在，又能持续释放能量。此外，核反应堆的关键技术，例如重水减速器，也依赖于某些物质既能稳定存在，又能吸收辐射的特性。这些稳定的结构是核电站持续运转的基础。 然而，核聚变与核裂变不同。核聚变需要高温高压环境才能引发原子碰撞并释放能量，就像太阳的巨大燃烧一样。地球上如何模拟太阳的这种循环体系，如何在地球上构造一个核聚变产生能量，能量产生高温，高温促进核聚变的持续循环？这与核裂变中，裂变产生的中子激发其他原子进一步裂变的链式反应类似，但核聚变的控制难度更大。 可控核聚变就像“地球上的小太阳”，需要一个可控的、成体系的产热过程。与不可控的氢弹（核聚变）和原子弹（核裂变）不同，我们需要的核聚变是可控的、可开关的能量来源。 最后，“尺寸”也很重要：原子弹体积很小，而核电站却非常庞大，因为它需要大量的冷却剂和辐射吸收装置。太阳的巨大体积支撑了其核聚变系统。目前，我们还不清楚实现可控核聚变所需的最小尺寸是多少。如果需要的尺寸过大，即使技术上可控，也可能无法建造。因此，下一步的研究方向应该是确定可控核聚变的临界尺寸。 3. 榜三：火箭和火星：星际旅行、星际移民还是星际殖民？ 地球太伤心，认真考虑逃离地球，去火星。现实已经给了两种可能：是去玩儿一圈儿？还是干脆一去不返？ 先说旅行。火箭技术的两大突破尤为关键：多发动机设计和火箭的可回收性。SpaceX今年10月成功回收了星舰的推进火箭，这可是件大事——星舰由火箭和飞船两部分组成，火箭负责助推，飞船载人载货。这次的突破在于实现了NASA都没做到的超重火箭回收，大幅降低了商业航天的成本。星舰的有效载荷高达150吨，比可回收的猎鹰9号的63吨翻了一倍多，意味着可以运送更多的人和物资，去火星旅行不是梦。而且！ SpaceX的研发经费仅为NASA的十分之一，速度却是NASA的两倍。 再说移民。为了模拟火星生活，NASA一年前招募了四名志愿者，在一个1700平方英尺的3D打印舱内进行为期一年的隔离实验。这次实验是为了收集健康和表现数据，了解人类在隔离、封闭、资源有限、设备故障等压力下的反应，这些压力都与未来火星居民可能面临的情况相似。实验中一个有趣的限制是与外界的通讯延迟22分钟，模拟从火星到地球的信号传输时间，这意味着即使需要什么东西，最快也要44分钟才能得到回复。 更让人内心躁动的是，许多关于火星生活的现实问题已经开始被认真考虑：比如，我们能在火星上开飞机吗？ 掐指一算：金星虽然大气密度高，但环境过于恶劣；木星、土星、天王星和海王星温度极低，风暴肆虐；水星则根本没有大气层。只有火星，尽管大气稀薄，密度仅为地球的1%，需要飞机以1马赫的速度飞行才能获得足够的升力，起降困难，但理论上是可行的。 另外，在火星上制造氧气也已成为现实！“MOXIE”实验已经证明可以长期可靠地在火星上制造氧气，不仅能供宇航员呼吸，还能为火箭返航提供燃料——原理是从火星大气（96%是二氧化碳）中分离出氧原子，并将剩余的一氧化碳释放回大气。 去火星旅行和移民好像可以写上日历了。 然而，火箭的技术突破只是第一步。下一步是如何实现星际移民或殖民——从“来玩儿一圈”到真正在火星上“建立永久居所”，涉及的问题更加复杂。 如果你从北京移民到上海，不仅需要一辆车，还要解决在上海的生活、工作、住房等一系列问题。同样，火星移民不仅需要强大的火箭技术，还需解决在火星上的生活保障、居住环境、法律制度等诸多挑战。 马斯克已经开始规划火星上的生活，包括建设核聚变电站以提供能源。然而，技术上的突破无法独自解决人类在火星上生存所面临的社会和法律问题。例如，如果在火星上生孩子，这个孩子该拥有谁的公民身份？是地球的国家，还是火星的新政权？ 一个历史：据传，美国政府要求阿姆斯特朗在月球上宣布月球资源属于美国，然而他并未遵循，导致他在返回后保持了几十年的沉默。无论真假，故事反映出科技突破背后复杂的政治博弈。同样，火星殖民也面临类似的归属问题：火星是属于全人类，还是某个国家或企业独占？ 马斯克技术卓越，但他依然无法单方面决定火星上的法律和社会规则。 4. 榜四：AI agent小机器人儿开始用钱？ 从谷歌CEO皮查伊预言的“千Agent时代”，到小扎设想的“Agent人口超越人类”，再到黄仁勋的“Agent技能产业”论，科技巨头们已经在“agent“世界里不亦乐乎了。 风投巨头a16z和Messari押注2025年AI Agent将迎来爆发式增长。有消息称，OpenAI将于2025年1月推出全新AI Agent产品“Operator”，能自动编写代码、预订旅行、进行电商购物，看起来要再次点燃AI市场。 AI Agent究竟是什么？ AI是“知道如何做”，AI Agent是“立刻去做”。AI是大脑，AI Agent是撸起袖子干活的牛马。它将AI的智慧转化为实际行动，解答你的疑问，处理你的琐事。 过去几年，大型语言模型和聊天机器人是AI舞台的主角。但到了2024年，聚光灯转向了“Agent”。XBOW是一个经典案例——这款由GitHub Copilot开发者打造的AI Agent渗透测试工具，只需28分钟就能完成顶尖黑客40小时的工作量。它不仅能发现漏洞，还能在授权下进行网站攻击测试，甚至已经发现了PHP和JavaScript中不安全的签名算法等关键漏洞。 也许很快，AI Agent就能组成集群或网络，协同作战，甚至相互竞争，如同电影《黑客帝国》中的Agent Smith军团。 但这并不是最撩骚的，真正性感的是：AI Agent与加密货币的结合，小机器人儿开始自己用钱，创造经济系统。 不同于传统AI在现实世界的应用，比如自动驾驶、机器人厨师，AI Agent天生就是数字世界的原住民，用加密货币进行支付和交易简直再自然不过。 最近有人让经过特训的AI Agent自主管理加密资产。这个数字助手不仅能分析币价走势、判断NFT价值，还能自主决策交易。有趣的是，它并不总是按照预设路线行事—当创造者认为应该买入无聊猿NFT时，它却另辟蹊径，选择了其他标的，通过巧妙的拍卖参与和择时交易，最终还收获了不菲利润。 与其他AI应用相比，让AI Agent使用加密货币有着得天独道的优势。你无需为机器人开设银行账户或者给它塞现金，只要植入一串私钥，它就能自由支配数字资产。这让AI Agent在虚拟世界的发展很可能远超现实世界。就算马斯克在实体机器人领域投入再多资源，AI Agent在数字领域一年的进展可能就超过传统机器人几十年的积累。 AI Agent必将大规模落地应用，而加密货币将成为它们之间最自然的支付方式。 5. 榜五：叙事（narratives）和迷因（meme）可以被计算？ “叙事的计算”——这个话题是文理两开花的常客了。 叙事和迷因——你脑子里的东西变成是一种可以被分析、计算并加以管理的“流动结构”——这种变革或许比我们想象得更近。 叙事经济：从金融市场到社交网络 曾几何时，金融市场的波动仅仅被归结为基本面与技术面的较量，如今叙事面似乎更加重要——一篇小作文，一句推文——就能瞬间点燃情绪，引发市场的涨停或暴跌。 我们感知世界已经不再靠新闻，大概率是通过社交平台的碎片化信息——很悲催，但这种变化，也为“叙事的计算化”提供了更多的数据基础和实现可能。 叙事计算揭示了一个悖论：看似难以捉摸的社会共识和群体认知，实际上可以被量化和预测。这种计算能力改变我们理解信息传播的方式。 未来社交媒体、新闻媒体，甚至全民关注的热点话题，都大概率可能通过AI计算和可视化工具精准呈现。人们关注什么，怎么想，社会舆论的方向会如何发展，一切不再是不可捉摸的，而是“有迹可循”的。叙事经济的“趋势面”正在崛起，它甚至可能超越传统的“基本面”和“技术面”，成为影响市场和社会变化的关键力量。 叙事的计算不仅仅是概念，人工智能和机器学习已经可以对海量社交媒体数据分析，将零散的信息整合为清晰的趋势图。例如，AI可以通过分析推文、点赞、转发等数据，识别出某个话题的集中度（attention）和情绪倾向（sentiment）。这些信息可以被可视化，帮助我们直观地看到某个叙事的爆发点，以及它可能引导的方向。 我们可以借此“看到“社会情绪波动。例如，当某个话题突然爆发，AI可以追踪其传播路径，判断它是否会成为未来的主流叙事——预测通货膨胀、经济衰退、社会情绪都不是问题。 叙事计算还可以将“寻找热点”这个任务自动化。过去，像Polymarket这样的预测市场，需要人工团队每天翻阅大量社交媒体内容，挖掘潜在热点。但未来，AI可以通过叙事计算，自动筛选出可能引爆的热点，让预测市场更加高效和精准。 底层逻辑：观点动力学 叙事的传播并非无序，而是有其规律可循。这种规律，被称为“观点动力学”（Opinion Dynamics），它试图揭示叙事在人与人之间的传播路径和影响机制。 简单来说，观点动力学研究的是叙事如何在人群中“扩散”。它包含几个核心要素： · 传播概率：一个人听到叙事后，会向多少人传播？ · 情绪感染：听到叙事的人是否感兴趣或相信？ · 传播路径：叙事是如何在人群中形成连锁反应的？ 观点动力学甚至发展出了数学模型。例如，当一个叙事通过社交网络传播时，可以用马尔科夫链的概率模型来量化其传播路径和强度。通过分析叙事的覆盖面和传播广度，我们可以判断哪些叙事更有可能成为主流，哪些则会迅速湮灭。 这种模型为预测市场和舆论分析提供了工具。比如，通过分析社交媒体的转发量和点赞量，可以迅速判断某个叙事的传播潜力。 Bot的崛起：叙事传播的新变量 然而，叙事的传播并不仅仅是由人类推动的。随着AI Bot的崛起，虚拟角色在叙事形成过程中扮演了越来越重要的角色。事实上，如今的社交媒体上，可能有相当一部分内容是由Bot生成或传播的。 这当然引发新问题：当叙事的传播被Bot“污染”时，我们还能信任这些数据吗？比如，一个热点话题的爆发，是因为人类真的感兴趣，还是因为大量Bot的刷屏行为？如果叙事是由AI推动的，那么这是否会进一步影响人类的认知？ 虽然这些问题看似复杂，但实际上，Bot的行为也可以被纳入观点动力学的研究范畴。因为Bot的存在并不否定传播的真实性——它们的转发和点赞行为，同样会对人类的注意力产生影响。未来的叙事计算可能需要引入新的加权机制，以区分人类与Bot对叙事的贡献。 叙事的计算化，可能在2025年迎来一个重要的转折点。随着AI Agent的普及，它们不仅能够参与叙事的传播，还可能成为叙事的创造者。一个AI Agent或许可以在社交平台上发布内容、引导讨论，甚至直接影响公众舆论。而这些行为，都会对叙事的计算逻辑提出新的挑战。改变我们的认知方式。 那么问题来了：当AI成为叙事主体时，人类的认知要去哪儿？ 6. 榜六：人形机器人和自动驾驶满街跑？ 看好机器人，是因为“人”而非“科技”。AI发展的两大方向，一是深耕虚拟世界，二是介入物理世界。人形机器人和自动驾驶的发展并非单纯依靠AI进步，制造工艺、传感器等周边产业的协同发展同样至关重要。 从小就梦想跟机器人小伙伴一起玩耍，现在长大了，这愿望却依然像天边一颗星。虽然特斯拉、波士顿动力、本田、NASA都在狂飙突进，国内抖音上也时不时冒出些机器人工厂的视频，但总感觉差点意思。 几个月前，波士顿动力的Atlas跑酷、扔东西的视频火爆全网，这让我对人形机器人的理解也经历了一次大翻车。小时候，机器人就等于人形；长大后，发现机器人不一定要长成人样，干嘛非得人形？但“人形”确实有必要！因为这个世界是按照人类的需求设计的。腿比轮子强在哪？能上楼梯、爬梯子、钻树林、闯废墟，还能适应太空、复杂地形。头、肩膀、胳膊、腿，这些对机器人都很重要。至于尾巴、翅膀这些人类没有的部件，目前看来纯属多余。 不过，人形机器人虽然得有人形，但它们的行动方式真没必要跟人类一模一样。可以像贞子，或者恐怖片里手掌扭到后背、面朝上爬行的怪物，人形机器人也可以走这种诡异路线。新版Atlas纯电力驱动，摆脱了老旧的液压系统，还配备了大量传感器，能够实时感知环境、预测自身运动变化，简直就是现实版Transformer。 当然，问题依然一大堆。Atlas能后空翻却不能跑步？这就是莫拉维克悖论：对人类来说轻而易举的事，机器人却难如登天。坐下这种事，我们根本不用过脑子，机器人却得费老大劲。人形机器人不会坐椅子，是因为写控制系统太难了。虽然能做到，但还有更重要的优先级：处理意外情况、适应变化。特斯拉的Optimus演示里，工程师不停“欺负”小机器人，刚摆好的积木立马被推倒，但它依然继续工作，这就是适应变化的能力。Atlas在YouTube上扔包的视频，机器人得在运动中计算所有细节。你越了解人形机器人，就越明白造一个机器人有多难。 还有，人类能从经验和失败中学习，Atlas却不行。目前还没有办法自动利用机器人收集的数据改进控制系统，任何硬件改进都得靠工程师手动完成。虽然感知系统完全由机器学习驱动，用摄像头识别物体、定位环境，但学习能力还远远不够。 更棘手的是伦理问题。杀手机器人？波士顿动力声明，任何通用机器人都不能武器化。但谁知道呢？我们身边已经全是机器人了，虽然大多是固定或靠轮子移动的，但人形机器人不一样。它们长得像我们，既可怕又可爱，因为它们更像我们。我们需要思考：我们人类想做什么？想放弃什么？ 7. 榜七：脑机接口对抗人工智能？ 大约十个月前，马斯克高调宣布Neuralink即将开启脑机接口新纪元，首个芯片植入人脑。这在去年FDA批准人体试验后，更进一步成为现实。 目前，Neuralink主要针对瘫痪、失明、阿尔茨海默症和癫痫等疾病进行研究。其首款产品“心灵感应”（Telepathy）名副其实，旨在让人们通过意念操控计算机。简单来说，芯片植入大脑，捕捉神经信号，传输至应用程序，最终将信号解码成指令。 然而，马斯克在Joe Rogan、Lex Fridman等播客中都透露了终极目标：即使AI温和发展，人类依旧会被远远甩在身后。他深信人工智能对人类构成威胁，而Neuralink正是他构想的解药。他认为，我们已是半机械人，手机如同延伸的肢体。但问题在于，信息传输带宽太窄，输入输出速度都太慢。植入式脑机接口将弥补这一缺陷，成为人脑与数字世界的高速桥梁。 马斯克描绘了一个未来：Neuralink手术如同激光矫视般轻松便捷，人们可以像电影回放般拥有超强记忆，甚至下载语言程序，瞬间掌握外语，或直接进行心灵感应交流，这一切或许在5到10年内就能实现。但硬币的另一面是：大脑被黑客入侵的风险也随之而来。 脑机接口的意义在于双向发展： 一方面：“把虚拟世界植入人脑”——它可以像程序刺激脑电波一样，修复受损大脑，提升人类能力；另一方面：“帮助人进入虚拟世界”——它可以帮助人类更好地进入虚拟世界，像电影《黑客帝国》或《头号玩家》那样，用意念与虚拟世界互动，极大提升效率和能力。 8. 榜八：链圈和币圈已经分叉 加密领域正呈现出两条清晰的发展路径：一是成为通往元宇宙的桥梁，二是服务于现实世界的金融体系。可能擦肩而过，各自精彩。 曾经模糊的“链圈”和“币圈”如今已泾渭分明，前者致力于改造现有金融系统，后者则专注于构建元宇宙的新业态。特别是“Crypto for AI”的模式，即利用Web3的激励机制赋能AI发展，例如去中心化AI算法网络和AI机器人经济。 从VC的投资方向也能看出行业发展趋势，当VC不再纠结于这两个方向时，行业轮廓也就清晰了。 至于这种趋势的底层逻辑，我们可以用一个“文理经典二乘二矩阵”来理解： AI和加密货币分别作为两个维度，每个维度又包含“进入虚拟世界”和“服务现实世界”两个方向，由此形成了四种可能性：其中，AI和加密货币共同构建虚拟世界经济，以及AI赋能加密货币进行现实世界的金融活动，是两种典型的方向。以AI机器人花钱和AI量化交易机器人炒币为例，就是这两种方向的差异。 AI是生产力，Web3是生产关系。“Crypto for AI”在当下应用似乎更合理，也就是用加密技术给AI产业赋能，这比之前用AI赋能Crypto（“AI for Crypto”）的思路更靠谱，需求更大。 之前“AI for Crypto”想做的，比如用AI优化代码、做安全审计、制定链上收益和交易策略、给交易软件配聊天机器人、搞AI加密投资顾问等等，都还是得看市场脸色，牛熊一来一回，啥都白搭。现在“Crypto for AI”就更务实了。 展望2025年，链圈和币圈将进一步分化。链圈会走向企业级和国家级应用，比如跨境支付、数字身份、数据隐私保护、央行数字货币和现实世界资产通证化。币圈则专注于链上治理和社区化运营，像Polymarket这样的预测市场就是个例子。 至于监管，虽然对去中心化交易所（DEX）和隐私币的监管还有争议，但灰色地带肯定会越来越小，合规将成为未来主旋律。 关于《文理两开花》： 《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。 Twitter： @LeiSalin_XP @Will42W TG群（开放）：t.me 收听平台： 小宇宙：文理两开花 苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目） 文字稿和延伸阅读： 微信公众号《文理两开花播客》 《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com 其他平台： 即刻：文理两开花 《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花 留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments Powered by Firstory Hosting

  --------  

  2:05:07
• Polymarket和预测市场：让数据下注，让真相说话

  Polymarket因美国大选而声名大噪，特别是在2024年大选期间影响力大幅提升。从两党候选人宣布参选，到拜登退出竞选的传闻，再到两轮辩论，Polymarket逐渐“破圈”，成为预测市场的焦点。 大选当天，Polymarket的表现令人惊叹。美东时间周二晚上投票结束后，特朗普的胜率立即跳到58%。到晚上11点多（北京时间6号上午），胜率飙升至95%。这比美联社宣布结果早了近六个小时。Polymarket的预测精准度甚至超过市场和特朗普相关交易反应。 这次大选，Polymarket的投注额高达37亿美元。选举日当天，它在苹果免费应用排行榜上排名第二，仅次于向美国公民开放的合法投注市场Kalshi。这令人瞩目的表现也引来了FBI的调查。一周后，FBI持搜查令突袭公司CEO，没收其手机和电脑。调查重点是平台是否非法接受美国用户交易。 但Polymarket的价值远不止于大选预测。它涵盖了各种事件，无论大事小情。韩国戒严、政治动荡，Taylor Swift是否结婚，甚至马斯克一天发多少推文，平台上都有相关市场。它利用群众智慧，实时反映事件发生的概率，如今已被许多人当成新闻资讯来源。 越研究越发现，如果仅仅把它当做一个博彩网站，真的太低估了，不仅越来越像一个金融市场，还有可能成为一个新闻、信息、甚至社会治理工具——这究竟是为什么？ 本期我们就来深入了解一下Polymarket为代表的预测市场（prediction market）——它到底是什么？背后的底层逻辑是什么？用了什么技术？未来会变成什么？ 主要讨论了： (00:01:12): 如何接触到Polymarket（或其他预测市场）？觉得它最有趣地方是什么？ (00:14:57): Polymarket可以视为预测市场的 Uniswap (00:21:29): 预测市场vs传统博彩（赌球赌马买彩票）和民调：谁更胜一筹？ (00:28:27): Polymarket的核心在于做市商机制 (00:41:08): “第五权”和“信息金融”时代的到来 (00:54:32): 预测市场的底层哲学来源：哈耶克和Robin Hansen (01:01:10): Polymarket作为社会治理变革，成为未来社会政治治理机制的一部分？ (01:15:19): 未来亚洲或非西方世界会出现一个Polymarket吗？ 时间戳和文字总结： (00:01:12): 如何接触到Polymarket（或其他预测市场）？觉得它最有趣地方是什么？ 在 2020 年 DeFi Summer 期间，众多新项目涌现，当时便已注意到预测市场的存在，但并未深入了解。直到最近的大选，才开始真正关注。尤其在拜登退选前后，以及第二次大选辩论期间，预测市场的表现令人印象深刻。哈里斯在辩论中的一个关键时刻，抛出一个“王炸”，成功激怒了特朗普。特朗普因此开始失控，发表了“移民在春田（Springfield）吃猫吃狗吃宠物”的言论。几乎同时，预测市场上民主党获胜的概率迅速上升了 5%。这次事件使人们对预测市场产生了浓厚兴趣，因为它无限接近于金融市场，非常契合交易员的思维模式。 预测市场并非简单的 Yes or No 的赌博，它提供丰富的信息，可以用来分析概率。例如，一个月前 Polymarket 上关于拜登退选概率的押注，显示 86% 的几率会退选。普通人可能会疑惑，为什么不是 50%？因为在它们看来，要么退选，要么不退选，就像买彩票一样，只有两种可能性。然而，预测市场上的百分比数字并非简单的 0 或 100，而是不断变化的，这正是其精妙之处。 普通人并不擅长概率思维，倾向于绝对的答案。而预测市场中那些有零有整的百分比数字，恰恰反映了人们用真金白银下注时，对风险的认真思考和仔细权衡。下注的价格，代表了对事件发生概率的判断。 对于赌徒和交易员来说，在牌桌上所做的就是不断计算概率：寻找“正期望值”（概率最大）的赌注，并管理好自己的资金（决定每次下注多少）。“凯利公式”在这种情况下非常有用，它可以根据赌博赢或输的概率，计算出每次下注的资金占所有赌本的最佳比例。其本质，是如何在不确定性中做出最优决策。预测市场的运作机制，与金融市场高度相似，下注的金额与概率成正比。事件发生的概率越高，回报率越低，下注的价格也越高。 (00:14:57): Polymarket可以视为预测市场的 Uniswap 想了解 Polymarket的本质，可以从几个角度来看。 首先，从市场角度来看，有人认为它类似于二元期权，本质上是买涨跌。用户预测例如某个股票某一天的价格涨跌或某个事件的结果，如果预测正确，就能获得全部筹码；如果预测错误，就输光本金。 这与传统金融市场中的二元期权交易类似，只是 Polymarket以加密货币进行交易。虽然名为“二元期权”，但它更像是博彩——只关注涨跌，类似于赌某只股票在某一天的价格比今天高还是低。这种简单的赌涨跌机制，在主流金融市场中通常是被监管的。Polymarket提供了一个平台，用户可以像进行二元期权交易一样参与预测市场，例如预测川普当选或贺锦丽当选，与预测某只股票涨跌的逻辑相同。 其次，也是更重要的一点，Polymarket可以被视为预测市场的 Uniswap。它巧妙地将对事件结果的预测转化为可连续买卖的带价格产品。Polymarket通过一个算法，将事件结果的概率转化为 0 到 1 之间的数值，并以美元计价，最小单位为美分。用户可以根据自己对事件概率的判断买入或卖出对应的 token，token 的价格也随之波动，就像股票市场中的挂单一样。Polymarket利用智能合约和 DeFi 技术实现了类似订单簿的体系。 更神奇的是，Polymarket引入了 Conditional Token Framework (CTF) 算法。这个算法允许任何用户花费 1 美元生成一对代表相反结果的 token，例如“川普当选”和“川普落选”。由于其中一个结果必然发生，因此在事件揭晓时，其中一个 token 的价值会变成 1 美元，另一个 token 的价值会变成 0 美元。这类似于 Uniswap 的做市机制，用户可以同时持有代表两种结果的 token，并在市场上进行买卖。Polymarket的创新之处在于，它让每个人都能成为做市商，形成了平台、做市商和交易者三方生态。这种模式无需平台使用自有资金开设赌盘，而是依靠外部参与者提供流动性，使其潜在规模远超传统博彩公司，因为传统博彩公司需要自己投入资金来维持赌盘的运作，而 Polymarket则将这个角色交给了市场参与者。有人认为，Polymarket真正的价值在于让每个人都能成为做市商，就像 Uniswap 让每个人都能成为流动性提供者一样。 (00:21:29): 预测市场vs传统博彩（赌球赌马买彩票）和民调：谁更胜一筹？ “预测”这件事由来已久，从16世纪用占星术预测香料价格，到18世纪用蜡烛图分析市场，人类一直在尝试预测未来。Polymarket则用USDC稳定币，让人们对事件结果进行投机。 它的作用更像温度计，不预测未来，只反映当下对事件发生概率的评估。与其说它“预测”，不如说它量化不确定性。预测的准确性并不重要，因为重复发生的事件可以通过计算预测，而独特事件则缺乏统计意义。它的价值在于整合不同观点，快速适应新信息，并将集体智慧转化为清晰的概率指标。 它既像赌场，让人们对事件下注，也像新闻网站，展示各种热点。它与普通期权市场不同，赌的是事件发生与否，而非市场涨跌。平台上的事件来自社交媒体热点，每个人都能像做市商一样开盘，其他人则押注事件是否发生。 它没有庄家，概率由参与者决定，是真正的“群众智慧”，不像传统博彩由庄家控制赔率。它信息更丰富，提供更多分析工具，参与者可以研究概率、制定策略，更像金融市场。它比民调更靠谱，因为下注需要真金白银，更能反映真实情况。 参与者多样，有赌徒，也有套利者，它们利用价格波动和群众情绪寻找机会。有人低买高卖，有人进行“价值投资”。 预测市场比传统博彩更具分析性。博彩靠直觉和喜好，结果立竿见影；预测市场更重策略，用数据和分析，追求精准而非胜负。它也与民调不同，民调只问偏好，预测市场则考虑多重因素。 它更像金融市场，有套利者利用群体情绪进行反向操作，也有价值投资者利用市场波动进行交易。但它也存在羊群效应等问题，受多种因素影响。 (00:28:27): Polymarket的核心在于做市商机制 Polymarket 将预测或博彩“金融化”。它的核心在于做市商机制。 平台上的事件，例如美国大选结果，由平台方采集并开设赌盘。做市商的参与至关重要，它们的资金决定了交易池的深度。交易池深度越大，参与者下注越多，潜在收益也越大，如同股票交易市场。这也意味着做市商的资金投入实际上决定了新闻热点的热度。它们关注可套利的热点事件，进而吸引更多交易者，形成正向循环。 做市商并非被动地投入资金，它们可以通过判断事件概率进行套利。例如，在Uniswap V3中，做市商可以根据价格区间进行做市，Polymarket也类似，做市商可以通过挂单撤单等方式操作。Polymarket的套利机制类似价格回归逻辑。例如，若川普胜率为65%，则失败概率为35%。做市商可以以65%的价格买入川普赢的期权，同时以36%的价格（高于理论价格35%）卖出川普输的期权。一旦市场波动，川普胜率下降，36%的卖单成交，即可套利。这种机制使得专业的做市商策略得以应用。 一个有趣的现象是，Polymarket将二元事件（例如川普和贺锦丽的选举）拆分成四个事件：川普赢，川普输，贺锦丽赢，贺锦丽输。这种拆分看似重复，却创造了套利空间。由于市场信息传递和交易存在延迟，四个事件的价格可能出现偏差，例如，川普赢的概率为65%时，贺锦丽赢的概率可能并非35%，而是36%。这就类似于跨市场套利，利用不同市场相同标的物的价差获利。平台方通过拆分事件，增加了交易机会，也体现了平台的设计能力。 这种拆分机制对对冲基金等机构投资者尤其有用。它们可以利用Polymarket进行跨市场对冲。例如，如果在传统金融市场押注美元上涨，可以在Polymarket上买入相关的“事件期权”进行对冲。由于川普赢和贺锦丽输代表不同的市场交易方向，拆分成四个事件更有利于对冲操作。 Polymarket 的本质并非预测，而更像一个温度计，反映当前事件的市场情绪。由于许多事件的不可重复性（例如美国大选），难以评估预测的准确性。真正有规律可循的事件，则可以通过计算而非预测得出结果。因此，Polymarket 的价值在于提供实时概率信息，供参与者参考。 (00:41:08): “第五权”和“信息金融”时代的到来 预测市场平台，如Polymarket，早已超越了传统博彩的定义。它不仅是一个让人下注的平台，更像是一个信息平台，甚至可以被视为一种新型新闻网站。它通过金融工具的运作，快速、准确地反映出事件的关注度和可能性，提供许多意想不到的真实信息。这种运作机制衍生出一个新的概念——信息金融。 信息金融的核心在于用金融方式来展现和传播信息。平台将人们对事件的关注和判断数字化，用户通过买卖和下注，表达它们对事件概率的看法。这种模式创造了一种全新的信息传播形态，与以Twitter、Facebook为代表的传统社交媒体完全不同。不同于依赖评论、点赞和分享的传统信息流，预测市场的底层由金融产品驱动。它通过资金流动来量化人们对事件的兴趣和判断，从而构建了一种以市场为基础的信息结构。 这种新模式引发了对“信息权”的深入思考。 在传统社会中，新闻采集和发布的权力主要掌握在媒体机构手中，被称为社会的“第四权”。但在预测市场的模式下，信息权的分配正在发生变化。预测市场通过众人参与的方式，重塑了信息的生成和传播。有人认为，这可能代表着“第五权”的到来，即信息权从传统媒体机构转移到机器平台，由大众共同参与形成新的信息结构。 然而，这种模式并非没有争议。它引发了人们对资本操控信息的担忧。如果金钱决定了信息的声量大小，那是否会导致信息的不公平分配？例如，如果资本不再关注像美国大选这样的重大事件，而转而投向赛马或球赛，是否意味着大选这样的公共事务会失去关注？这种资本导向的信息传播方式是否会偏离公共利益？ 尽管如此，预测市场平台的出现，也提供了一种对现有信息权的制衡方式。预测市场通过市场化的方式，揭示了传统媒体可能忽略的信息。 例如，Polymarket关于委内瑞拉选举的预测就揭示了一个有趣的视角——尽管马杜罗被普遍认为会通过操控选举继续执政，但平台却给出了其输掉选举23%的概率。这一数据引发了人们对委内瑞拉政治局势的关注，也让外界开始重新审视这个看似确定的事件。这种捕捉小概率但重要事件的能力，正是预测市场的独特之处。 (00:54:32): 预测市场的底层哲学来源：哈耶克和Robin Hansen 预测市场平台，如 Polymarket 的底层逻辑，反映了一个通过市场机制揭示真相的新经济模式（Information Finance）。这种模式的核心是，通过设计一个市场，让人们下注，以此揭示真实信息。通过市场机制发现真相，并将这些真相转化为公共产品。 这一理念可以追溯到哈耶克的经典理论。他在80多年前的著名文章《知识在社会中的应用》中提出了“知识问题”（Knowledge Problem）。文章试图回答一个问题：经济是否可以通过计划实现最优状态？在当时的背景下，许多人相信中央集权的计划经济能够比自由市场更有效地分配资源。哈耶克则反驳了这一观点。他认为，实现经济最优状态需要三件事：完整的信息、激励个体行为的机制，以及减少错误行动的能力。他提出，价格体系是解决这些问题的核心工具。 哈耶克将知识分为两类：科学知识和具体情况知识。科学知识是系统化、可传授的真理，例如物理、化学等。而具体情况知识则是个体在特定场景中掌握的经验和教训，例如对市场敏感度或对某种资源的了解。这种知识无法通过语言或数学表达，也无法传授，只能通过市场价格体系传播。市场机制通过价格，整合分散在每个个体中的具体情况知识，引导社会实现资源的有效配置。 信息金融正是基于哈耶克的这一逻辑。与中央集权的计划经济不同，市场通过价格发现真相，而非依赖中心化的权威控制。这种市场机制消除了信息的隐藏成本，将所有行为和选择的成本显性化。 这一逻辑的另一个关键点在于，市场能够通过经济激励来反映社会的真实情况。无论是信仰、理念，还是新闻自由、公平正义，这些看似抽象的概念实际上都有成本。市场机制的优势在于，它要求参与者为自己的选择付出代价。在Polymarket上，用户通过下注表达支持，无论是支持哈里斯还是川普，下注失败就意味着为自己的信念付出了代价。这种显性化的成本模型，比那些隐藏成本、只强调结果的方式更真实。真金白银下注，揭示了社会的真实偏好和信息分布。 (01:01:10): Polymarket作为社会治理变革，成为未来社会政治治理机制的一部分？ 预测市场未来是否有可能将其应用于政府决策？是否可以通过市场机制，用资金下注的方式，辅助政策制定？ 这一理念并非凭空出现。维塔利克在文章中提到过类似观点，认为预测市场或许可以作为一种“用钱投票”的民主实验，用市场取代传统投票的方式来做决策。 这一想法的根源，可以追溯到经济学家罗宾·汉森的理论。罗宾·汉森是乔治梅森大学的经济学副教授，被誉为预测市场的教父。16年前，他提出了一个大胆的设想：通过预测市场来辅助治理决策。他的论文成为今天区块链预测市场的理论源头之一。这一理念后来被应用于美国国防部的“政策分析市场”（Policy Analysis Market），一个真实存在的项目，旨在通过市场预测中东的未来发展形势，例如地缘政治风险或代理人战争的可能性。 这一市场背后的逻辑非常清晰：通过真金白银的交易，预测市场能够比专家或民调更准确地反映事件的可能性。然而，这一项目在2003年因争议被叫停。原因在于市场上开始出现关于恐怖袭击和暗杀的下注，引发了伦理争议，参议院认为这种市场机制可能成为暴力事件的“赌场”，因此关闭了项目。 尽管如此，这种基于市场的社会治理方式并非毫无可能。它的底层逻辑仍然引发了广泛讨论。然而，将预测市场完全应用于社会治理存在巨大挑战。社会治理需要承担更高的成本和更大的责任，而市场中的参与者通常只考虑自己的投入与收益。在 Polymarket 上，参与者可能下注十美元，只需承担输赢的结果。但若将这种机制应用于复杂的社会治理，例如预测中东政策，其后果可能涉及数百亿甚至上千亿美元的影响。这种不对等的风险和回报，成为预测市场在社会治理中面临的核心难题。 预测市场的有效性，更多体现在具体的、与个体密切相关的事务中。例如，公民可以通过投票结合资金下注的方式，表达对某个项目或政策的支持。这样的机制更贴近“自下而上”的治理理念，而非“自上而下”的统治逻辑。 预测市场通过群体智慧和资金激励，能够更准确地反映民意。然而，当预测市场试图影响政府决策时，这种机制与政府的“自上而下”统治逻辑产生了矛盾。政府是统治者，公民是被统治者，用被统治者的力量来决定统治者的行为，本质上是存在悖论的。 预测市场在小范围的自治和具体议题上可能更有前景。社会治理需要平衡多方利益，而预测市场则更擅长解决具体问题。它的成功可能更多体现在小范围的自治、经济决策或观点表达上，而非全面取代传统的治理体系。 (01:15:19): 未来亚洲或非西方世界会出现一个Polymarket吗？ 政府扮演着两种角色：治理者和公共服务提供者。政府的治理角色与公共服务提供角色有所不同。治理角色涉及一些与公民没有直接关系的决策，例如外交政策或战争决策。这些决策不适合由公民投票决定。但公共服务，例如基础设施建设或社会福利政策，与公民的日常生活密切相关。因此，公民应该有更多的话语权。 新闻机构也具有双重角色：监督政府和提供信息。监督政府需要理念和勇气，而提供信息则类似于提供公共服务。新闻机构的信息垄断地位可能导致腐败和信息失真。预测市场和去中心化平台或许可以打破这种垄断，提供更客观、多元的信息。 权力下放是预测市场和去中心化平台的核心思想。这种权力下放不仅针对政府，也针对新闻机构等信息垄断者。通过市场机制，将权力分散到更广泛的群体中，可以更有效地整合信息，促进社会进步。 预测市场平台，例如Polymarket，目前主要集中在西方市场——它能否在亚洲或其他地区获得成功，取决于上述底层理念（超纲了不多说了）。 但就产品层面而言，随着加密货币和去中心化技术的普及，地理界限正在逐渐消失。未来，预测市场平台很可能成为全球性的平台，打破地域限制。 学习使用加密货币钱包和去中心化平台的技术门槛曾经很高。但随着预测市场等应用的出现，人们参与的动力会更强，学习的意愿也会更高。这可能会推动加密货币和去中心化技术的进一步普及。 预测市场和去中心化平台的出现，可能带来深远的影响。不仅可能改变公共服务的提供方式和信息的传播方式，还可能重塑社会治理的模式。它的未来发展值得关注。 关于《文理两开花》： 《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。 Twitter： @LeiSalin_XP @Will42W TG群（开放）：t.me 收听平台： 小宇宙：文理两开花 苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目） 文字稿和延伸阅读： 微信公众号《文理两开花播客》 《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com 其他平台： 即刻：文理两开花 《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花 留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments Powered by Firstory Hosting

  --------  

  1:20:09

Mais podcasts de Tecnologia

Podcasts em tendência em Tecnologia

Sobre 文理两开花

文理两开花: Podcast do grupo