10.14.24: 意义的分歧，分歧的意义
这一周草草翻完了《Supremacy: AI, ChatGPT, and the Race That Will Change the World》一书。这本书出版于今年三月，由 Bloomberg 的商业记者 Parmy Olson 写就。他长期跟踪大型科技公司，因而能够错综复杂的时间线中找到几条主线。
Sam Altman 肯定是其中之一，但很少有人关注到他在成为 Y Combinator 的 CEO 之前都做过些什么：他创办过一家名叫 Loopt 的移动社交应用，其实不能算是找到了 PMF，但很幸运的卖掉并赚到了第一桶金，而后，他花了不少时间重新找寻自己的人生方向，这段经历在书中并没有详细展开，但可以知道的是：Altman 读完了几十种不同主题的书，从合成生物到和物理，同时并开始做一些早期投资，其中很大一部分都投给了 YC 支持的创业公司。
刚刚获得诺贝尔化学奖的 Demis Hassabis 在 11 岁时几乎夺得国际象棋冠军，他意识到这只是一个游戏。后来，他读到了另一位诺贝尔奖的主 Steven Weinberg 的《Dreams of a Final Theory》，触发了他希望打造终极科学工具的理想。但他又无法摆脱对游戏的痴迷，因此把计划制定为两者的结合：设计模拟真实世界的游戏。Hassabis 先是在著名的游戏公司 Bullfrog 担任游戏设计师，后来创办了自己的公司 Elixir，但后者开发的游戏并不成功，但 Hassabis 在过程中认识了后来创办 DeepMind 的核心团队成员。
Elixir 关闭之后，Hassabis 到伦敦大学攻读神经科学博士学位，他关于人类记忆的论文收获了很大的反响，但他不想当一个学者——他仍然希望打造一个终极的科学工具，强大到能够解决一切问题。他遇到了 Shane Legg 和 Mustafa Suleyman，三个人不约而同的看到了通用人工智能的前景。
分歧在 DeepMind 刚刚成立之初就存在：Hassabis 认为，DeepMind 的使命是“解决智能问题，并利用它来解决其他一切问题”；而 Suleyman 认为，他们的使命是“解决智能问题，并利用它让世界变得更美好”。
Hassabis 想要追寻人类的终极奥义，一个能够解决所有未解之谜的思考工具，他并不担心人工智能最终会失控，并对人类造成不可预知的后果。相比而言，Suleyman 则把问题限定在“让世界更美好”上，这是一个从人类主观视角出发的意义设定。
意义的分歧长期困扰着 DeepMind，这与人工智能研究所需要的巨额资本交织在一起，成为这家公司发展的决定性因素。Hassabis 和 Suleyman 都坚持 在 DeepMind 设立中立的委员会制度，以保证资本和利润不会干扰人工智能研究，但在与 Google 漫长的交涉中，这个制度从来没有真正实现过。Demis Hassabis 和 DeepMind 现在都是 Google 的一部分，主导开发了我们所熟知的 Gemini 模型。Suleyman 最终离开了 DeepMind，创办 Inflection AI，
Sam Altman 也将在 OpenAI 碰到类似的问题。书中用了一章的篇幅回顾了 OpenAI 的董事会“宫斗”戏码，虽然并没有太多超出媒体报道的额外细节，但不难看到，安全、伦理和商业利益在背后的博弈。
书中还讲到，Elon Musk 曾经和他的好友 Larry Page 发生过一次争吵，话题也来源于人工智能对人类社会是否足够安全。Elon Musk 掉进了人工智能毁灭人类的兔子洞，而 Larry Page 是一个科学家，和 Demis Hassabis 一样持有更乐观的看法，认为人工智能将塑造更加强大的“后人类”。
Larry Page 主导了 Google 对 DeepMind 的收购。
Elon Musk 与 Sam Altman 合作，创办 OpenAI。
Dario Amodei 和 Daniela Amodei 兄妹和同事们离开 OpenAI 创办 Anthropic。
Suleyman 的 Inflection AI 又被 Microsoft 收购，成为 Microsoft AI 的负责人。
Musk 与 Altman 分道扬镳，创办 xAI。
技术的进步不仅仅需要智力，也需要资本，而能够聚起这一切的意义，一定会产生分歧。分歧带来竞争，每一项新技术都需要天文数字的资本投入，但因为在意义上的分歧，人们仍然会坚持创造不同的版本，多样性就此而生。如果没有分歧，很可能是事不够大，撑不起来。
本周的 Links + Notes 分享了 5 篇文章：
- Machines of Loving Grace: Anthropic CEO Dario Amodei 探讨 AI 如何影响人类未来，引入 "Rate of Discovery" 和 "Return of Intelligence" 概念，分析 AI 在多个领域的潜在影响。
- The likeliest outcomes from the Google antitrust trial: Casey Newton 分析 Google 反垄断案可能的结果，探讨其对搜索市场和科技行业的潜在影响，以及 Google 与 Apple 之间的商业关系变化。
- 谁也成为不了中国的 YouTube: 深入分析互联网视频平台的成本结构，解释为何中国难以复制 YouTube 的成功模式，揭示基础设施和商业模式的关键作用。
- Ribbonfarm is Retiring: 著名博客 Ribbonfarm 创始人 Venkatesh Rao 宣布停更，反思博客时代的终结，探讨博客、newsletter 和社交媒体的演变。
- Home-Cooked Software and Barefoot Developers: 探讨 AI 时代“自制软件”的兴起，分析小规模、个性化软件开发的可能性和挑战，思考技术民主化的未来。
Links + Notes
Machines of Loving Grace
Anthropic 的 CEO Dario Amodei 的文字长文，关于人工智能将会如何影响人类的未来，周末已经有很多 中文翻译的版本 流传。
这篇文章从五个方面分析 AI 的未来影响：生物和健康、神经科学和新知、经济发展与贫困、和平与治理、工作和意义，但我认为这篇文章最有价值的地方是最开始的“基本假设和框架”。
在这个部分，作者提出了两个相关的概念：Rate of Discovery 和 Return of Intelligence，前者是指科学发现的速率，后者则是指在智力能力上进行投资的回报。结论显而易见，在智力能力上的投资能显著的提升科学发现的速率，在一些领域中，人类将在未来的 5-10 年内获得本来在 100 年中才获得的进步。
Rate of Discovery 将受到一些限制，这就联系到之前引用过的 Jerry Neumann 提出的 Rate of Adoption 的概念，也就是一项技术得到采用的速率，它受到多个因素的影响，大部分都是出于社会性因素的影响：
采用率受多项关键因素影响，包括创新的相对优势、兼容性、复杂性、可试用性和可观察性。此外，采用者的决策结构和传播意识的沟通渠道的有效性也在决定创新采用速度方面发挥着重要作用。
回到 Amodei 的文章，他也看到，影响智力投资回报的要素主要来自于现实世界的“惯性”，部分是物理性的，部分是社会性的：
- 外部世界的速度：生物实验、硬件开发、人际沟通等过程有不可压缩的时间限制。即使智能不断提高，某些项目（如癌症治疗）的完成速度可能存在不可突破的下限。
- 数据需求：在某些领域（如粒子物理学），即使拥有超级智能，缺乏足够的实验数据仍会限制进展。
- 内在复杂性：对于混沌系统（如三体问题），即使是强大的 AI 也难以比现有技术预测得更远。
- 人为约束：法律、伦理和社会结构等因素限制了 AI 的应用范围。例如，核能、超音速飞行和电梯技术的发展都受到了监管的影响。
- 物理定律：光速限制、量子隧穿效应、朗道尔原理等物理法则为技术发展设置了绝对界限。
这个分析框架具有很强的普适性，Discovery 和 Adoption 是两个不同的过程，发现了不见得会被采纳，或者发现很快，但采纳不见得很快；如果不采纳，就不会造成实际影响，一切就都是科幻小说而已。
这样就证伪了很多莫须有的对技术的指责、猜疑和无病呻吟。
作者接下来用大量的篇幅应用上面的框架对 5 个方面进行分析，乐观程度逐次递减。
- 生物和健康：这个领域的重大进步来自于少数发现，这些发现来自于少数人的反复独立研究，AI 可以通过并行研究等方式，对发现速率带来巨大提升。在采纳速率上， 虽然受到监管等社会性因素的影响，但由于治愈疾病和改善健康好处很明显，所以作者也比较乐观。
- 神经科学和新知：这个领域与生物学有相似之处，少数发现能推动研究的重大进步，难点在于测量和精确干预的工具，通过人工神经网络模拟真实神经网络，提升可解释性，最终极大的改善人类的精神健康状况。
- 经济发展与贫困：经济进步很大程度上受到社会性因素的限制，意识形态、政府治理、历史和文化等因素都会影响人工智能技术的应用，作者对这个领域的改进相对保守，但仍然认为在卫生、气候、粮食安全等领域上会看到明显进步。
- 和平与治理：这个领域涉及到更多的社会性因素，作者的态度更加保守，一些改善的机会更多是由于经济状况的整体提升而带来的二阶效应，但并不能保证独裁、战争不会发生。
- 工作和意义：作者认为这个问题更难解决，但他对人工智能可能带来的就业机会挑战保持开放性乐观——没有明确解决方案，但认为新的工作机会会被创造出来。这里的一个重要变量是“意义”，人工智能或许比人类做得更快，但人类活动并不应该 100% 以经济效益或效率来衡量。
这部分内容成功激发了我对生物和医学技术进展的兴趣，因为其智力回报的确定性。而对于工作的意义的看法，我的确比过去更加开放：工作将更多的在于人类对自身价值的看法，而不是一种换取经济回报的方式，这种回报将越来越不稳定，社会结构和个人心理都需要发生很大的变化——人工智能或许会产生多米诺效应，但第一块骨牌早就被推倒了。
The likeliest outcomes from the Google antitrust trial
联邦法官裁定 Google 非法维持其搜索和广告垄断。美国司法部建议采取措施打破 Google 的控制，包括限制其向 Apple 付费以获取 iOS 中默认搜索入口的能力。Google 对此强烈反对，并声称这些措施将对消费者和市场产生严重影响。
本文是 Casey Newton 的分析。
这件事唯一的确定性来自：它不会很快有结果。Google 和司法部将进入漫长的拉锯战。这段时间里，Google 得以维持其现有状态，但也不得不面对来自新竞争对手的挑战，维护它在 AI 和搜索等核心业务领域的份额——研究公司 eMarketer 预测，Google 在搜索广告市场的份额明年将十年来首次跌破 50%。
法庭记录 显示：2022 年，Google 向 Apple 支付了 200 亿美元的“流量获取成本”。
Newton 预测，法官可能会裁决 Google 和 Apple 的交易将不再能继续进行，替代方案可能是要求 Apple 在用户首次使用的时候提供一个选择界面，Google 将和它的竞争对手（Bing、DuckDuckGo 等）并列展示。
一个附带问题是：Apple 会因此少掉 200 亿利润吗？还是它能向所有搜索引擎收取更多钱？
另一个可能性是，法官可能要求 Google 与竞争对手共享某些数据，以减弱它在搜索数据上的垄断性优势。去年生效的欧盟数字市场法案提供了一个数据分享的模版。
Newton 认为不大可能的结局是：“采取行为和结构性补救措施，以防止谷歌利用 Chrome、Play 和 Android 等产品来提升谷歌搜索以及与谷歌搜索相关的产品和功能。”
“结构性补救措施”指的就是“拆分”。这个结局最具有破坏力，也是 Google 极力反对的。应该看到：搜索在开始时是一项技术创新，但到后面则变成了渠道竞争。Google 在 Chrome 和 Android 上的出色布局使得它在桌面和移动端上保持了渠道垄断。
谁也成为不了中国的 YouTube
一篇关于互联网成本结构的短文，早在 2020 年就发表了，最近被重新拿出来主要是因为最近影视飓风的一条有争议性的视频。
中国的视频平台如优酷、爱奇艺和 B 站等都曾尝试成为“中文 YouTube”，但都面临着高昂的服务器和带宽成本，导致大部分项目失败。YouTube 之所以能成功，是因为它凭借强大的基础设施和广告模式，几乎不需要用户支付宽带费用，从而提供了优秀的用户体验。中国视频平台若想模仿 YouTube，面临成本压力和竞争模式而难以实现。
对于 YouTube 的分析很多，但大多数都忽视了成本——对于互联网商业模式的分析大部分都有这个问题，因为信息经济学的一个黄金定律就是信息分发的成本可以忽略不计，但实际上这个假设只在一定的业务规模下成立。YouTube 借助 Google 的行业地位及其自身的内容规模优势在和电信运营商的谈判中获得了不对称的优势，进一步降低了其边际成本。
作者引用 Sandvine 全球互联网现象报告 中的数据，对比 YouTube 和 Netflix 的流量数据：
在过去的一年里，YouTube 在公网上的流量远比 Netflix 低很多，尽管它的播放量和用户数是目前的几十倍。2014 年，Netflix 已占据北美上行总流量 32.39%，而 YouTube 仅占 13.25%。
并分析：
对运营商议价能力，改变的不仅仅是成本，还有视频网站的竞争模式。在将刚性的运营成本降到几乎免费之后，YouTube 成为了那个“免带宽的百度网盘”。YouTube 的 PUGC 业务本质上并不是孵化那些有潜力的明星，而是豢养无限只打字的猴子——你只想在网络上分享视频，无论是专业创作者，还是小镇青年随手拍的高糊视频，YouTube 都为您提供高清、高码率、高通达的视频托管服务。这里面有一些猴子误打误撞成为了莎比亚士，为 YouTube 和创作视频创作者带来高额的商业价值。而国内只有短视频能采用这个模式，长视频网站做这种豢养无限猴子的 UGC 模式连服务器带宽成本打不平。
不能离开经济（成本）基础妄谈上层建筑（商业模式和算法）。涌现的基础是规模，而规模经济的基础是成本稀释到接近于零。在这些前提条件都不满足的时候，很多愿景只是空中楼阁。
这也是为什么拆分 Google 的反垄断提案如此荒谬：监管的滞后性总是在木已成舟之后来谈退耕还林。
Ribbonfarm is Retiring
Venkatash Rao (@vgr) 宣布，更新了 17 年的 blog Ribbonfarm 将正式停止更新。这是一个关于科技、媒体、文化和社会理论的多主题个人媒体。Platform Thinking 创办早期曾经多次引用过这里的内容，写作风格和选题也深受影响。
尽管 blog 停更，Rao 并不会停止内容创作。他将在自己的 Substack 和 Twitter 继续更新，但他认为那些地方和 blog 的氛围全然不同，也不适合写作 blog 曾经出现过主题。实际上，Rao 认为 blog 的时代正式过去了，这意味着一类写作的终结。
这也是为什么我觉得这篇文章值得一读：它并不是一个煽情的告别文章，而是饶有兴趣的分析了 blog 和以 Substack 为代表的 newsletter 到底有什么区别。
Rao 认为 blog 最能代表公共社交媒体或者 Web 2.0 时代（大约在 2000-2020 年左右）。他这样写道：
博客圈和公共社交媒体领域比旧媒体更真实地代表了这一文明篇章的精神。在这段时期，旧媒体堡垒似乎越来越像过去宏伟而悲伤的废墟，陷入了越来越严重的荒废之中。虽然它们仍然对文化景观产生某种恶毒的影响，但旧媒体对新世界的目光却有些死寂。但公共社交媒体……它是鲜活的。它对新世界的目光不仅生动活泼，而且具有建设性。它帮助创造了它所观察的世界。它是真正的行动所在。即使是垂死的旧媒体类型也知道这一点，因为他们越来越多地转向新媒体，不仅仅是为了获取信息、自我颠覆的想法和才能，而是为了获得我们所谓的生命能量。
由于 blog 去中心化的特质，它更具有个人特点，同时代诞生的搜索引擎和社交媒体成为它的流量来源。“零利率”是一个容易被忽视的背景，低成本、容易获得的风险投资和遍地兴盛的理想主义塑造了一个自由且免费的信息时代：
这并不是一个完全轻率的观察。博客在其鼎盛时期是开源软件、廉价托管以及也许最重要的是基本上免费的全球分发的产物。首先是通过 RSS，然后是通过 Twitter。这种免费分发反过来又是廉价风险投资的产物。当利率开始上升时，它开始崩溃，迫使我们所有人都与魔鬼达成分销协议，只有最绝望和最雄心勃勃的人愿意接受。我们其余的人开始撤退到 cozyweb，而不是向从 2017 年左右开始接管公共分销渠道的保护勒索者支付费用，最终导致马斯克在 2022 年收购 Twitter。
Cozyweb 是 Rao 在 2019 年造出来的 meme，它意味着一个强调亲密、真实的互动和共同兴趣，而非虚荣指标导向和公开可见的数字空间，它和中文语境中的“私域”很相近，但没有那么强的商业意味，而更多指向关系、氛围和文化。Discord / Slack 社群就是 Cozyweb 的代表。它的一些特点是：
- 关注共同兴趣和亚文化，如工艺论坛和小众博客
- 通过剪切粘贴共享文本、图片和 URL 进行非正式交流
- 与公共互联网形成对比，提供更个性化、更真实的体验
- 强调社区建设和真诚互动，而不是病毒式内容或参与度指标
显然，这和 blog / Web 2.0 强调的公开分享 + 转赞评的信息流转范式大不相同。它更像公开的起居室，但也没有像 数字花园 那么个人化和隐秘。
如果说 Cozyweb 代表了一种更随意的社交氛围，那么 Substack 是反其道而行之的——它是从 Web 2.0 升格而来的一部分作者，以更加正式的口吻进行发表：
温馨网络时代精神更倾向于一种更深沉、更安静的写作抱负，以及更优雅、更高尚的抱负。过去十年的病毒式博客文章就像是一场喧闹的公园流行音乐表演，而 2024 年的优秀长篇更像是为独家受邀观众表演的室内乐。Substack 成功接管博客圈部分角色的一个被低估的原因是，它有利于这种室内乐风格的写作。我目前的一个操作理论是，这种风格实际上是 Substack 的文化承载部分，尽管大部分注意力都集中在来自旧媒体的高调难民身上。该平台的所有者不太欣赏他们所拥有的室内乐场景，这也是我不相信该平台会持续下去的原因之一。
Substack / newsletter 和读者之间有着明确的订阅（甚至是付费订阅）关系。在作者要求和读者建立这种正式关系的时候，也就意味着签订了一项未来定期更新的承诺，周期性是一部分，主题性则是另一部分。
虽然 Ribbonfarm 的写作超过大部分 Substack / newsletter 内容的质量，但它并不是定期更新的，很多内容也有意无意的意思含糊，或许只有作者才知道自己要表达什么。对于一份 newsletter 而言，它显然太像是公开发表的个人笔记。
二十年间，在线媒体发生了太多变化。Twitter、Instagram 和 LinkedIn 都已经不再是独立的公司，在上面发表内容也不再是随时随时随手发布，它们在竞争中逐渐细分出特定的社交上下文，即便是同一个故事，也需要不同的措辞才能得体的讲出来。
Home-Cooked Software and Barefoot Developers
本文是 Maggie Appleton 在 Local-first Conference 上的分享，包含幻灯片和解读。
在 LLM 越来越擅长编写一定复杂程度的代码后，越来越多的声音在呼唤一类新的软件，Scott Belsky 用 Luxury Software 这个词，在 Appleton 这里，叫“自制软件和赤脚开发者”。
这很像是回到了 UGC 爆发的 Web 2.0 时代。
然而，LLM 只解决可能性的问题，但它不解决为什么的问题：人们为什么要为自己开发软件？软件生意在小范围使用的情况下还成立吗？
早在 2004 年，Clay Shirky 首次提出了 situated software 的概念：
他描绘了这样一种愿景：应用程序可供数十名用户使用，而不是数千名或数百万名用户。无论当时还是现在，这都是一个荒谬的目标人群。
2020 年，Robin Sloan 提出了 home-cooked software 概念，认为自制软件就像家常菜一样，为你所关心和爱的人制作，简单易用，私密安全，免费可控。
Appleton 在文章中列举了一些例子：给家庭成员互相发送短视频的小应用，记录个人账目的理财软件，可以在一台旧 iPhone 上展示的销售仪表盘等等。
相对的概念是专业制作的软件（professional software），它们和中央食品工厂生产的预制菜类似，用标准流程开发对所有人都适用的软件。
Appleton 讲道：
They’re sitting in San Francisco trying to understand our pains and problems over Zoom calls and customer support tickets. They have so little context on our lives, what problems we need solved, and what we value. How could an American getting paid six figures in Mountain View understand how to identify problems and design solutions for a homemaker in Tokyo, a street seller in Turkey, or a doctor in Tunisia?
他们坐在旧金山，试图通过 Zoom 电话和客户支持单了解我们的痛苦和问题。他们对我们的生活、我们需要解决的问题以及我们重视的东西知之甚少。一个在山景城拿着六位数薪水的美国人怎么会懂得如何为东京的家庭主妇、土耳其的街头小贩或突尼斯的医生发现问题并设计解决方案呢？
以及 Google Maps 的例子：
Google Maps is never going to support showing historical borders or tidal patterns, even if those things are essential to a few dozen, or even a few hundred people.
谷歌地图永远不会支持显示历史边境线或潮汐模式，即使这些对于几十个人甚至几百人来说至关重要。
在 When to Design for Emergence 一文中，Kasey Klimes 用这种图表示长尾需求如何在专业软件工业中被忽视——但在自制软件中可能涌现：
在商业模式视角来看，自制软件面临较小的用户规模。作者也用一张 2x2 矩阵解释了它的商业可能性：追求低成本和中等利润的组合。
实际上，还有另一种可能性，也是最近思考比较多的：或许 AI 的时代背景会和利率、通胀与就业相关，更多人即便在生意模式不成立的情况下，出于个人成本角度，也会采用自制软件的方式来解决一些小问题。又或者，人的行为不应该完全由经济模型来衡量。
这个主题下我本来写了一篇长文，但修改了三次也不满意，一直没有发出来。
Appleton 的分享带来了一些新的角度。