02/12/2023: Victim
本周的主题是 Victim 受害者。
当幽灵又一次漂浮在世界上空的时候，预言下一个受害者就成了热门的谈资。
Essays
The New Gatekeepers by Benedict Evans
Benedict Evans 的年度幻灯片。今年多一半的篇幅放在分析媒体、广告和零售上，这是延续过去几年的主题。后面一小部分则简单讨论了 Generative AI 及其它可能出现的未来。
前面一部分最重要的观点出现在第 27 页：How do you reach your customers?
其副标题是：租金、广告和定价曾经是独立的预算，而它们现在合并成一项了。
在幻灯片的 97 页，他还写道：From car-commerce to e-commerce：
这种有点像 RAP 歌词的押韵写法，令人印象深刻。而从观点本身来看，或许并不新颖。Evans 的主旨是从具体的业务形态中抽象出一个高阶概念：消费者如何触达（Reach）产品。无论是从广播电视报纸，还是搜索引擎社交媒体，无论哪一种方式，本质上都是发现（Discovery）的过程，而另一边则是在家门口收到快递，或者是去附近的实体店。这些看起来截然不同的形态都是触达 Reach。也正是在这个意义上，car-commerce 和 e-commerce 可以放在一张图中比较。
Evans 还提供了另一个数据：在不同的触达渠道上，2022 年美国经济花费了多少预算，可以横向做一个比较。
新的触达方式会反向影响产品被设计、开发和生产的方式。Evans 关注到了 Shein 对 Zara 们的冲击，可以完全拟合进前述分析的模型中。而在内容领域，在 Netflix 之后，YouTube 以一种看上去毫无关联的内容生产模型跻身 content spending Top 5。
关于 Generative AI，Evans 略显保守：
我相信，不久之后，AIGC 这个概念会被另一种说法替代。这个词误导了很多人，认为这是一项关于辅助创作或者即时问答的技术，其重点是内容生成。这令人想起了在人类技术发展史上无数今天看起来啼笑皆非的故事。匮乏的想象力是悲观主义者低估事情变化的根本原因。
Big Ideas 2023 by ARK Investment Management
ARK 投资管理公司提供的年度报告。在开篇处，ARK 的首席未来学家 Brett Winton 写道：
According to ARK's research, five innovation platforms are converging to create unprecedented growth trajectories.
Artificial Intelligence is the most important catalyst, its velocity cascading through all other technologies.
The market value of disruptive innovation platforms could scale 40% at an annual rate during this business cycle, from $13 trillion today to $200 trillion by 2030.
In 2030, the market value associated with disruptive innovation could account for the majority of the global equity market capitalization.
根据 ARK 的研究，五个创新平台正在融合，创造前所未有的增长轨迹。
人工智能是最重要的催化剂，其速度通过所有其他技术层层推进。
颠覆性创新平台的市场价值在这个商业周期内可以以每年 40% 的速度扩展，从现在的 13 万亿美元到 2030 年的 200 万亿美元。
2030 年，与颠覆性创新相关的市场价值可能占到全球股票市值的大部分。
根据 ARK，五个创新平台分别是：Artificial Intelligence、Public Blockchains、Multiomic Sequencing（多基因组测序）、Energy Storage 和 Robotics。
毫无疑问，AI 和 Robotics 以及 Multiomic Sequencing 关系密切，而 Energy Storage 更像是在算力和移动性中间取得平衡的关键，Public Blockchains 则是消耗能源的大户，成为对冲能源需求峰谷的稳定器（讲真的，这个定位听上去是牵强了一些）。
在最关键的 AI 的部分，ARK 有几个观点值得注意：
- 计算成本快速下降：OpenAI 在 2020 年训练 GPT 3 的成本估计在 460 万美金，而 2022 年同等模型的训练成本预计在 45 万美元。
- 成本下降将带来技术的广泛采用：预计 2030 年 ChatGPT 类应用的每十亿次推断成本将从 2022 年的 1 千万美金下降到 650 美金，进而将可以在 Google 这个量级的消费者应用中普遍部署。现在 Google 每日搜索量在 85 亿次。
- 专有数据将形成护城河：专有数据生成 → 更好的 AI 模型 → 更好的产品 → 更多的顾客 → 更多的专有数据，举例是 Telsa、Replit 和 Twilio。
Focus by Andrew Bosworth
Meta (Facebook) 的 CTO Andrew Bosworth 发表的一篇短文：
A small feature idea comes up that serves a subset of the market, but it isn’t too hard to do and it isn’t a bad thing, so we indulge. Repeat that thought process a hundred times and you have a cluttered UI, a large team, a slow product, and no obvious path forward.
一个小的功能想法出现了，它服务于市场的一个子集，但它并不难做，也不是一件坏事，所以我们放纵了。重复这个思考过程一百次，你就会有一个杂乱的用户界面，一个庞大的团队，一个缓慢的产品，以及没有明显的前进道路。
Shortform
Everyone's stuck in traffic, no one thinks they are the traffic.
所有人都觉得自己是受害者。
Longform
本周读了 Jeffrey Hawkins 的《千脑智能》一书的中文版，去年读了这本书的英文版。看到中文版出来之后，立即又翻了一遍。
Jeffrey Hawkins 曾经是 Palm 的创始人，最早的移动计算设备的发明者，但他真正的兴趣是在研究人类大脑的工作原理上。在完成最初的财富积累后，他开始全力投入到大脑的理论研究中。
《千脑智能》中的关键科学思想是：
- 我们通过运动来学习。当我们运动时，大脑会跟踪我们的感官相对于身体以及相对于正在感知的事物的位置。大脑将感觉输入与其位置相结合，以学习人、地点和事物的三维模型。令人惊讶的是，大脑使用相同的机制来学习概念和抽象概念。
- 我们有很多「模型」。大脑不会只学习一种世界模型，它会学习许多我们所知道的一切的互补模型。这就解释了我们的个人经历和大脑结构，以及我们如何构建强大的人工智能系统。
- 我们利用参考系存储知识。大脑中的许多神经元都会创建参考系，以跟踪我们的感官相对于世界上事物的位置。我在书中解释了为什么这些位置跟踪神经元会出现在大脑中的几乎每个区域。参考系是创造智能机器所需的关键组件之一。
其中「参考系」这个概念非常重要，它首先是一个物理概念，帮助我们理解物体之间的相对关系。在此之上，我们应该意识到，即便是抽象概念，我们的认知也是构建在「参考系」之上的——就像我正在写的这句话，它很抽象，但是我会用「之上」这样的空间概念来描述它，你的脑海中也会浮现出相应的映射关系。
这和之前讲到的「三角推断」概念类似。我们的大脑所构建的「世界模型」（也是一个关键概念）实际上是一个高维的图，各种相对关系和连接构成了我们的认知能力。最近在 AI 领域以大模型的方式产生的突破（及其已经暴露出来的各种局限性）很可能就需要一个更加完整的「参考系」。