11.25.2024: 多样长存
大概一周多之前，我发布了文章《1%、刻银术与 AI：一个温和的未来》。有朋友说没有看懂我写了什么，想在这里再解释一下。如果你还没有读过这篇文章，那么也可以从这里看个大概。
先来谈谈 1%。
1% 是少数派和多样性的代表。虽然这个很小的百分比乘以一个很大的基数的时候仍然能得到一个比较大的数字，但愿意关注到 1% 这样的比例本身就很重要。我意识到这件事情确实是因为最近读到一些关于“神经多样性”的书和文章，最典型的要数 The Pattern Seekers——实际上，正是在这本书中 Simon Baron-Cohen 教授提出了“神经多样性”的概念，他指出，每个人的神经系统发育都不相同，这些差异性在我们脱离母体之前就已经决定了，后天训练的影响难以消除这些差异。当个体需要带着这个与生俱来的差异性过完一生的时候，这种差异性就应当得到相应的尊重。他根据统计数字给出了一个很形象的比方：每个班级里都有一个具有孤独症状（autism）的孩子，这个比例大概就是 1%。
更重要的是，他认为每个人都有类似的表征，只是轻重不同。他把系统化思考和社交共情两种能力投射到一个光谱上，每个人都能在这个光谱上找到自己的位置，人群整体呈现正态分布曲线。在书的附录中，他提供了可以用于自测的问卷量表。只要回答是 10 个问题，就能大致找到自己的位置。
除了 autism 之外，还有很多种不同的差异性存在，都可以用类似的方式理解。每个人都可能在某个光谱上是 1% 的少数派。只要你愿意尊重多样性，那么整个人类社会就呈现出斑斓的色彩。
多样性并不是当下最受欢迎的议题。它在很多时候都更像是一种奢侈。人在生存受到威胁的时候，就会放弃这些看起来没那么重要的事情，准儿追求自上而下的命令，整齐划一的纪律——在过去的人类历史中，这都是效率最高的方式。
多样性带来了繁荣，而互联网平台，也就是这个 newsletter 最初的主题，则是我们在近年来看到的最能孵化和承载多样性的容器。
互联网平台不是唯一的解法，也不是最好的解法。我们已经看到了它的诸多问题，它最初承诺的很多理想都因为很多现实原因而夭折了，但我想在文章中表达的是 AI 可能带来更广泛和繁荣的多样性。
“刻银术”是小说《巴别塔》的杜撰。作者想表达的是：不同语言之间的细微差异很难翻译，但正是这些容易迷失在翻译中的细节可能迸发出巨大的力量。这个暗喻一语双关，一方面讲明白了多样性与差异性的价值，另一方面又说明思想和文化之间的碰撞的力量有多大。
让我们把 AI 理解成是能够让不同的少数派之间可以更好的沟通的一种工具：语言之间翻译、一种意思的不同表达、多模态之间的转化，这些都是我们已经可以看到的例子。AI 就像是“刻银术”，能够让本来语言不通的灵魂产生碰撞的火花。
比如，现在阅读一篇英文长文，我们可以很容易用 AI 做全文翻译，或者生成一个简要的总结，以及最近很流行的办法——生成播客。这些都可以理解成是一种初级的“刻银术”，它的作用就是降低信息流通过程中的摩擦——互联网解决了连接的问题，但连接之后，人与人之间并没有自然相通，反而可能造成更大的误解（社交媒体就是最好的例子）。
如果运用恰当，AI 可以补充互联网留下的空白：人们至少可以更好的相互理解和尊重，而不是在无知中争吵和歧视。如果我们把这样的“刻银术”运用到 1% 的人群上，很可能就能让不同的多样性人群之间产生碰撞，迸发出新的火花。
Transformer 这个词的本意不正是如此么？
本期通讯中，我们将探索 AI 发展中另一个重要的突破：上下文窗口的扩展。Steven Johnson 在 The Long Context 上发表的文章提醒我们，在追逐参数规模的同时，AI 获得了 " 长期工作记忆 " 的能力，这种能力或许能帮助我们更好地理解和连接不同的思维方式。
我们还将关注几个与多样性思维相关的话题：Stripe Press 如何通过一种独特的出版实验来传播进步的想法；三位科技领袖（Musk、Thiel、Altman）截然不同的思维方式；以及 Substack 平台如何重塑（或许是改变）了在线创作生态。最后，我们会讨论 ADHD 诊断标准扩大化的争议，这个话题恰好呼应了我们对神经多样性的思考：如何在尊重差异的同时，避免过度标签化？
在我们进入常规内容之前，先来看一个专题。
SPECIAL - AI eats the world by Benedict Evans
Benedict Evans 刚刚发布了他的年度幻灯片。熟悉他的读者都知道，他在移动互联网时代有过很多精彩的论断，这应该是他第一次系统全面的讲 AI，一共 90 张幻灯片。围绕 3 个主题展开：
- 有多大？
- 有用吗？
- 如何部署？
开场白过去之后，放了这两张图：CapEx 和 NVDA 的营收。对照着看就知道钱都去了哪里。在可见的未来，Scaling Laws 还将驱动相似的资本流动。
这种情况的一个推论是：软件的经济学在发生变化，边际成本不再为零。消费互联网上的很多商业模式都不再奏效。
但推理效率是在不断提升的，Evans 用这张图表示：
在图的左侧，已经是兵家必争之地，这也是为什么 LLM 越来越 commodity 化的原因——开源 LLM 的出现加剧了这种商品化的趋势。这种破坏式的竞争手段在科技行业并不少见，只是过去还没有在这个量级上出现过。
在“有用吗”这个问题下面，Evans 用这样一张图来总结：
新的自动化机会，但人类还没有完全想明白怎么用。一个好用的比喻是 AI = 1000 个实习生，这个比喻早就出现了，但还没有完全实现——我认为并不一定是找不到 use case 或 PMF 问题——LLM 基于概率来回答问题，所以必须打上 use with cautions 的标签。这就是说，你雇佣了一些粗心大意的实习生，而他们也不知道自己为什么犯错了。这就是为什么 AI 产品容易做 demo，但却难以 deploy。
然后就来到了部署的问题上。
首先是 Accenture 这样的公司挣钱，很简单，他们是施工方。Palantir 也是这样的公司，但这将是（企业）部署 AI 的未来吗？
未来还需要很长的时间才会慢慢展开。下图数据来自于 Morgan Stanley 的一个 CIO 的调研，注意问题口径是：第一个 LLM 项目进入生产的时间。
在 bundle vs. unbundle 的问题上，Evans 问了一个好问题：
谁是终极界面？ChatGPT 把其他的软件都以 API / Agent 的形式集成进去？还是现有的软件界面接入 LLM 的 API？
回答在这里 → 技术最终会“消失”。
幻灯片最后，Evans 抛出了一个意味深长的问题：'Tech' is whatever machines haven't done yet? 好的问题往往带有同意反复的特征，这就让它像是一句自言自语，其他人没法回答。
最好按照它原来的顺序来读这个幻灯片，它充满禅意。
Links + Notes
You Exist In The Long Context
本文发表于 2024 年 11 月 21 日，作者是著名作家和记者 Steven Johnson，他作为 Editorial Director 与 Google Labs 团队共同开发了 NotebookLM。这篇文章深入探讨了 AI 发展中一个被低估的重要突破：上下文窗口（context window）的扩展。这个突破可能比参数规模的增长更具革命性意义。
这是近来我读到一篇比较实在的评估 LLM 进展的文章：从实用的角度，而非理论的角度。考虑它的篇幅比较长，我相信其背后的想法应该关于 Scaling Laws 路线撞墙的争论之前就已经产生了。
文章是从一个互动游戏开始的：它是一个简单的对话窗口，输入 Let's play，你将看到一个精彩侦探故事的开头，你是被请来的侦探，然后，你需要在十步之内找到罪犯。
这个互动游戏来自于作者最近出版的非虚构作品 The Infernal Machine。在 Gemini 的帮助下，作者用 400 个单词的 prompt 把这本几百页的关于现代侦探的书变成了一个互动游戏。
要将一本书改编为互动游戏，需要： 精准把握原著事实，同时能创造性地拓展新场景；追踪玩家的知识状态和学习进程；管理事实历史线和虚构时间线，并在玩家偏离主线时引导其回归。
这意味着 LLM 能够掌握复杂的细节细节，并进行相应的推理。
Steven Johnson 是一个叙事高手。他加入 NotebookLM 团队带来了一些不同寻常的补充：因为 LLM 在预训练阶段已经学习了已经出版的语料，因此他做的第一件事就是把自己未出版的 The Infernal Machine 的手稿上传到 NotebookLM，然后提出了一个难以回答的问题：
我对约翰逊在这本书中利用悬念吸引读者注意力的方式很感兴趣。你能列举 4 个约翰逊提到未来事件但故意隐瞒未来事件信息以激起读者兴趣的例子吗？包括直接引用和章节，并解释约翰逊的技巧以及他所暗示的未来事件是什么？
模型的部分回答是：
1.前言：
“但无政府主义者和纽约警察局之间的冲突不仅仅体现在身份识别局内部的疯狂活动中。要看到它的全貌，你需要离开文件柜和指纹工作室，走出玻璃门，进入大厅，沿着消防楼梯进入地下室黑暗的走廊。在那里，你会看到一个廉价的手提箱，靠在门口。在身份识别局正上方的低沉的嗡嗡声中，如果你非常专注地倾听，你可能会听到滴答作响的钟表的安静节拍。”
技巧：约翰逊生动地描绘了纽约市警察局总部地下室里一个可疑的手提箱，并用“滴答作响的钟表的安静节拍器”暗示其潜在的危险。他刻意避免透露手提箱的内容或其与故事的联系，让读者感到不安和期待。
未来事件：这预示着本书后面纽约警察局总部遭到爆炸事件。
不仅仅包含了合适的章节引用，还进行了技巧分析，最后的“未来事件”最令人惊讶：它出现在书的 200 多页，也就是说，模型成功的把前言中的一处细节与 200 页之后的爆炸事件关联起来了。
我们都体会过这种 callback 是阅读叙事类作品中的快感，机器很可能没法有相同的体验，它的回答很平静，听上去令人怜爱。
Steven Johnson 讲述了另一个故事：1953 年，一位名叫 H.M.的病人接受了脑部手术后，虽然保留了手术前的记忆，但完全无法形成新的长期记忆。这种状态与早期 AI 模型惊人地相似——它们有庞大的训练记忆，但很短的上下文记忆。
早期的 GPT-3 只能记住约 1500 个词的对话内容，就像 H.M.病人只能记住短暂的当下。短期工作记忆受限，使得这些模型难以有效吸收大量的复杂信息，而现实世界中大量的问题都需要同时考虑多个要素，很多要素可能并不显露在眼前，而需要解决问题的人调用自己的长期记忆——就像开始的互动游戏里面的侦探，从不起眼的线索着手。
LLM 的长上下文窗口曾经被炒作过一段，但最近很少被提起。Gemini 的上下文窗口已经扩展到 200 万个 token，相当于 150 万个单词。这意味着 AI 终于获得了“长期工作记忆”的能力。Google 团队还计划再次将上下文窗口拓展到 700 万个单词，Johnson 写道：
That’s enough to fit everything I’ve ever written, plus the hundred books and articles that most profoundly shaped my thinking over the years. An advanced model capable of holding in focus all that information would have a profound familiarity with all the words and ideas that have shaped my personal mindset. Certainly its ability to provide accurate and properly-cited answers to questions about my worldview (or my intellectual worldview, at least) would exceed that of any other human. In some ways it would exceed my own knowledge, thanks to its ability to instantly recall facts from books I read twenty years ago, or make new associations between ideas that I have long since forgotten. It would lack any information about my personal or emotional history—though I suppose if I had maintained a private journal over the past decades it would be able to approximate that part of my mindset as well. But as reconstruction of my intellectual grounding, it would be unrivaled. If that is not considered material progress in AI, there is something wrong with our metrics.
这足以容纳我写过的所有东西，以及多年来对我的思想产生最深刻影响的一百本书和文章。一个能够集中注意力于所有这些信息的高级模型将对塑造我个人心态的所有词语和想法有着深刻的熟悉度。当然，它能够准确、恰当地回答有关我的世界观（或至少是我的知识世界观）的问题，其能力将超过任何其他人。在某些方面，它超越了我的知识，因为它能够立即回忆起我二十年前读过的书中的事实，或者在我早已忘记的想法之间建立新的联系。它缺乏有关我的个人或情感历史的任何信息——尽管我想如果我在过去几十年里一直写私人日记，它也能近似地描述我心态的这一部分。但作为对我知识基础的重建，它将是无与伦比的。如果这不被认为是人工智能的实质性进步，那么我们的衡量标准就有问题了。
Steven Johnson 并不同意他的同行、科幻作家 Ted Chiang 讲过的 ChatGPT 是互联网的模糊 JPEG， 他认为长上下文窗口让 LLM 有能力构建一个清晰的画像。清晰度的提升，不仅仅会减轻幻觉，也有可能改变集体智慧：
Long context is also a boost for collective intelligence as well. If you assume the average corporate document—a press release, or marketing plan, or minutes from a board meeting—is a few thousand words long, then today’s models can simultaneously hold in their short-term memory close to a thousand documents. A state-of-the-art language model with the ability to instantly recall and generate insights from the most important thousand documents in the history of a company would possess knowledge about that company that would rival that of any single employee, even the CEO. It seems inevitable that anyone trying to make a multi-faceted decision about the future of an organization would want to at least consult such a model. We know from endless studies of social psychology that diverse groups—with different forms of expertise, different pools of knowledge, different cultural backgrounds—tend to make better decisions than homogeneous groups. In a small-context world, you can get some of that diversity from a language model, in that its training data draws from a vast archive of global human knowledge. But a long context model allows you to take that global knowledge and apply it to the unique challenges and opportunities of your own organization. In a matter of years, I suspect it will seem bizarre to draft the specs for a new feature or a company initiative or a grant proposal without asking for feedback from a long-context model grounded in the organization’s history. (And perhaps the public history of its competitors.) It wouldn’t be a replacement for the expertise of the employees; instead, the model would occupy another seat at the table, adding a new kind of intelligence to the conversation, along with a vastly superior recall.
长上下文也能增强集体智慧。假设一份普通的公司文件（新闻稿、营销计划或董事会会议记录）有几千字，那么如今的模型可以同时在短期记忆中保存近一千份文件。一个最先进的语言模型能够立即回忆起公司历史上最重要的一千份文件并从中产生见解，它将拥有与任何单个员工（甚至是首席执行官）相媲美的公司知识。任何试图对组织的未来做出多方面决策的人似乎都不可避免地希望至少咨询一下这样的模型。我们从无数的社会心理学研究中知道，不同的群体（拥有不同形式的专业知识、不同的知识库、不同的文化背景）往往比同质群体做出更好的决策。在小上下文世界中，你可以从语言模型中获得一些多样性，因为它的训练数据来自庞大的全球人类知识档案。但是，长背景模型可以让你利用这些全球知识，并将其应用于自己组织的独特挑战和机遇。几年后，我怀疑，如果不从基于组织历史的长背景模型中征求反馈，那么起草新功能、公司计划或拨款提案的规范将显得很奇怪。（也许还有竞争对手的公开历史。）它不会取代员工的专业知识；相反，该模型将在谈判桌上占据另一个位置，为对话添加一种新的情报，以及极好的回忆。
这种能力不仅仅适用于企业，也适用于一切组织，只要愿意投入精力将上下文提供给一个具有超长记忆的 AI，作者写道：最重要的是你投入了什么：
In a long-context world, maybe the organizations that benefit from AI will not be the ones with the most powerful models, but rather the ones with the most artfully curated contexts. Perhaps we'll discover that organizations perform better if they include more eclectic sources in their compiled knowledge bases, or if they employ professional archivists who annotate and selectively edit the company history to make it more intelligible to the model.
在长上下文世界中，也许从人工智能中受益的组织不是拥有最强大模型的组织，而是拥有最精心策划的上下文的组织。也许我们会发现，如果组织在其编译的知识库中包含更多不拘一格的来源，或者如果他们雇用专业档案管理员注释和选择性编辑公司历史以使其更易于模型理解，那么它们的表现会更好。
The Story of Stripe Press
Stripe Press 是 Stripe 公司旗下的一个出版部门。本文是 Making Media 播客对其主编 Tamara Winter 的采访记录，文本很长，主要摘录一些关于这个出版业务的幕后细节。音频版本可以 在这里收听。
Stripe Press 的起源来自于投资人 Elad Gil 与 Stripe 创始人 John Collison 的一次午餐：
Elad Gil was having lunch with John Collison one day and told him that he was planning to turn what was then a very successful blog into a book... John told him, 'Well, why don't you give it to us and we'll put it together in a book, and we'll call it Stripe Press'.
有一天，Elad Gil 与 John Collison 共进午餐，告诉他，他计划将当时非常成功的博客变成一本书……John 告诉他，‘好吧，你为什么不把它给我们，我们会把它整理成一本书，我们称之为 Stripe Press’。”
最初是一个“令人愉快的实验”，现在已经演变成为 Collison 的“进步研究”（Progress Studies）议题的重要支撑。Stripe Press 的使命——“进步的想法”——反映了比出版书籍更深层次的目的。
Stripe Press 出版的最早的一批图书中，包含了 Elad Gil 的 High Growth Handbook，这本书按照打造一家高增长企业的各项工作步骤来组织，国内也有中文版。你很难说它适合所有企业，但至少它提供了一种可能的建议。与这本书类似的还有 Claire Hughes Johnson 的 Scaling People，这位 Google 和 Stripe 的前高管尝试在书中解释团队管理的现代做法——书中包含大量模版。
除此之外，Stripe Press 还出版了大量与科技和商业发展历史相关的图书，比如描述硅谷历史的 The Big Score，描写计算历史的 The Dream Machine 等。已经分析创新方法的 Working in Public 等。
访谈中提到：为什么在数字时代出版实体书？Tammy Winter 提供了一个有力的观点：
What's more enduring than the physical book? What is a technology that is more enduring than that? There are very few... If we really believe that the ideas in these books are deeply meaningful and useful, you should have an outer appearance that suits it.
有什么比实体书更持久？有什么技术比它更持久？很少有……如果我们真的相信这些书中的想法具有深刻的意义和实用性，那么你应该有一个与之相符的外观。
Stripe Press 每年出版的图书数量并不多，团队也只要大概 10 个人。Tammy Winter 提到的一个“松节油”的典故：
You're a first-time founder. They're, like I said before, all sorts of things that you don't necessarily know how to do, whether that's constituting a Board or hiring and then particular disciplines within technology, engineering management. So one category of our book and actually the more successful category of book for us, if you look by the numbers, is the turpentine book.
So there's a great Pablo Picasso quote that I know you too know, “When art critics get together, they talk about lofty things like form and structure and meaning, and when artists get together, they just talk about where to get cheap turpentine.” So we hope that our books can be cheap turpentine for our users. If you want to go to Harvard Business School, which I'm sure will teach you something about -- many things, in fact, about being an excellent founder. I don't know what that price tag is what? $60,000 a year.
你是第一次创业。就像我之前说的，你不一定知道如何去做各种各样的事情，无论是组建董事会还是招聘，然后是技术、工程管理中的特定学科。因此，如果你从数字来看，我们的书中有一类，实际上对我们来说更成功的书是松节油书。
有一句很棒的毕加索名言，我知道你也知道，“当艺术评论家聚在一起时，他们会谈论形式、结构和意义等崇高的东西，而当艺术家聚在一起时，他们只会谈论在哪里可以买到便宜的松节油。”所以我们希望我们的书能成为用户的便宜松节油。如果你想去哈佛商学院，我相信它会教你一些东西——事实上，很多关于成为一名优秀创始人的东西。我不知道这个价格是多少？每年 60,000 美元。
他们对成功选题的定义是：
When it comes to turpentine books [practical guides], what success looks like is somebody saying, 'I didn't know how to do this, and because I picked up Scaling People, hiring got that much easier'."
说到松节油书籍 [实用指南]，成功就是有人说，‘我不知道该怎么做，因为我选择了 Scaling People，招聘就变得容易多了’。
Stripe Press 出版的图书都有非常独特而精美的封面，Winter 透露，他们会为每本书做 30-50 个封面设计，最终选中其中的一个。
Stripe Press 代表了一种迷人的现代出版模式——将硅谷的规模与旧世界的工艺相结合。他们的成功表明，即使在我们的数字时代，创造美丽的实物来捕捉和传递重要的想法也具有巨大的价值。
Contrasting Elon Musk, Peter Thiel, and Sam Altman
Eric Torenberg 在一篇短文中对科技界三位有影响力的人物进行了精彩的分析：Elon Musk、Peter Thiel 和 Sam Altman。通过研究他们独特的方法和意识形态，Torenberg 深入了解了他们各自如何塑造各自的领域。
Thiel 以挑战传统智慧而闻名：
Peter Thiel is extremely good at noticing when the common consensus has flawed logic. Even if people are directionally making the right bet for the wrong reasons, there's some financial alpha there.
Peter Thiel 非常善于发现普遍共识的逻辑缺陷。即使人们出于错误的原因做出了正确的选择，也有一些财务上的 Alpha。
Thiel 的方法包括颠覆主流信仰、提倡垄断和避免竞争。他的反向选择包括在 2016 年支持特朗普和反对高等教育，反映出他愿意支持不受欢迎的事业。
Altman 擅长利用热情和能量：
Sam will see where the enthusiasm and energy lie and ask, 'Can we harness this and develop it further?'
Sam 会发现热情和能量所在，并问‘我们能否利用它并进一步发展它？’
Altman 利用加密货币和绿色能源等流行趋势来推动创新。他能够识别并支持诸如全民基本收入 (UBI) 等流行事业，这使他成为一名成功的筹款人和顶级人才招募者。
Musk 的决策是由第一原则而不是传统智慧驱动的：
Elon would even be listening — his perspective is so first principles driven that while he recognizes what is popular or not and can work with it, his decisions about what to do next are not tied at all to the mainstream.
Elon 甚至会倾听——他的观点是如此的第一原则驱动，以至于虽然他知道什么是流行的，什么是不流行的，并且可以与之合作，但他对下一步做什么的决定与主流完全无关。
马斯克的 SpaceX 和特斯拉等企业展示了他通过专注于基础技术进步来应对看似无望的行业的能力。他在最初获得一些关注后才加入项目，但全力以赴地致力于实现它们。
每个人的意识形态和政治参与都会影响他们的优先事项：
- Thiel：专注于防止全球暴力和个人替罪羊，愿意支持正义但不受欢迎的事业。他在 2016 年对 Trump 进行了反向押注，但后来疏远了。
- Musk：优先考虑物种生存和向宇宙扩张，旨在防止人工智能成为威胁。一直保持政治中立，直到 2024 年对 Trump 进行了重大政治投资。
- Altman ：提倡富足，协调资本主义和社会主义理想，支持 UBI 等流行倡议。在 2016 年支持 Hilary Clinton 作为候选人。
The machine in the garden
这是一篇关于 Substack 如何改变在线写作文化的精彩评论，而且往往不是朝着好的方向。作者 Emily Sundberg 曾经是 New York Magazine 的编辑，后来在 Meta 工作过，Covid-19 期间开始创办 Feed Me 邮件通讯（和 Platform Thinking 同期），获得初步成功后全职从事创作。
本文主要讨论的是货币化如何改变内容创作的性质。文中推荐了一个非常适合下午咖啡的 Spotify 歌单。
文章以引用 Substack 自诩的愿景开始讨论：
“为文化构建新的经济引擎”——这意味着 Substack 的意义——与 Instagram、Facebook、Twitter 和 TikTok 不同——是让你将自己的内容货币化，和/或让你为其他人的内容花钱。
这种根本区别导致了一种令人担忧的趋势：主要为货币化而创建的内容倾向于趋向于已被证明可以产生收入的安全、公式化的方法。
Sundberg 观察到，一旦商业模式得到了确定，货币化目标就会成为内容同质化的激励：
如果你把我今天在 Substack 上遇到的许多作家的名字涂黑，我就无法区分他们。
比如：Substack 上的几种常见模式：
- 货币化日记条目
- 列表和综述
- “我一直在做什么”更新
- 通用生活方式内容
Tumblr，如果你还记得这个名字，和 Substack 出现了一个有趣的相似之处：
Tumblr 的幽灵在过去十年里一直在互联网上徘徊，并在 Substack 上找到了自己的位置。
然而，有一个关键的区别——虽然 Tumblr 是关于创意表达和社区的，但 Substack 增加了货币化的压力，可能会损害真实性。
Kyle Chayka 的见解抓住了核心矛盾：
将日记条目货币化是完全正确的。当我在某个作家的随机周末更新通讯上遇到付费墙时，我会感到畏缩，我订阅了他们的作品，因为他们的作品很有趣。就像你想让我为你本周阅读的 5 个链接或你最喜欢的新小说付费一样？
这篇文章强调了创作者经济中的一个关键挑战——我们如何在内容创作民主化与大量内容创作的同质化之间取得平衡？Substack 上货币化的便利性可能会在在线写作中造成“公地悲剧”，随着越来越多的人优化收入而不是洞察力或创造力，话语的整体质量将受到影响。
Cold reading an ADHD affliction
在最近开始关注 neurodiversity 这个议题之后，我对于相关文章的关注显著提高了，甚至自我觉察出很多自己身上的“症状”。David Heinemeier Hansson (DHH) 对不断扩大的 ADHD 诊断领域进行了挑衅性批评。他的论点挑战了将常见的人类经历和行为医学化，也让我开始重新审视这个议题。
他开门见山的写道：
I'm sure there are truly pathological cases of ADHD out there, and maybe taking amphetamines really is a magic pill for some folks. But there clearly is also an entire cottage industry cropping up around convincing perfectly normal people that they suffer from ADHD.
我确信确实存在 ADHD 病理病例，服用安非他明对某些人来说可能真的是灵丹妙药。但显然，也出现了一个完整的家庭手工业，让完全正常的人相信他们患有 ADHD。
对 ADHD 的 世俗解读 往往包含如下的症状：
- 健忘
- 高标准/完美主义
- 容易被新奇事物吸引
- 缺乏一致性
- 难以建立/打破习惯
DHH 认为，ADHD 症状通常定义如此广泛，以至于几乎可以适用于任何人。而 Wikipedia 上的解释也并没有比这种流行定义好上太多，以至于谁都可以在读完这些文字后，为自己的日常生活贴上 ADHD 的标签。
一个令人警醒的统计数据：
A total of 45 million Adderall prescriptions were written in the US in 2023. That's up from 35 million in 2019.
2023 年，美国共开出了 4500 万张 Adderall 处方。这比 2019 年的 3500 万张有所增加。
DHH 对通灵技术进行了有趣的比较：
What this reminds me of is the concept of cold readings. Where a psychic slyly prods for revealing details from their subject while vaguely throwing out potential hooks left, right, and center. The subject is induced to ignore the vagueness that doesn't apply to their situation, but focus on the inevitable hits.
这让我想起了冷读术的概念。通灵者狡猾地刺激受试者透露细节，同时含糊地抛出潜在的诱因。受试者被诱导忽略与他们的情况不相符的模糊性，而是专注于不可避免的打击。
我的看法：虽然 DHH 对过度诊断的怀疑引起了合理的担忧，但重要的是要注意，真正的 ADHD 症状可能会严重影响那些真正的“患者”——在 neurodiversity 的语境下，“患者”一词可能是政治不正确的，因为它只能被认为是一种神经系统发育的多样性，而非“缺陷”或“病症”。挑战在于找到承认真正的神经差异与避免将正常人类差异医学化之间的平衡。
相关阅读：The Concept of Neurodiversity Is Dividing the Autism Community - 神经多样性概念在自闭症社区内引发了分歧，但这些观点并不一定互相排斥。自闭症的表现多种多样，有些人可能需要医疗干预，而另一些人则更适应神经多样性的框架。我们应同时尊重这两种观点，以全面理解自闭症及其影响。
Books
上周读完了 The Pattern Seekers 之后，开始读一本新的人类学著作 The WEIRDest People in the World。
书名中的 WEIRD 指的是：Western, Educated, Industrialized, Rich and Democratic。这本书的主题就是在讲为什么西方文明为什么更加繁荣。
读这本书是受到了 [[Marc Andreessen]] 的启发。他在 X 上推荐了这本书。说实话，这本书应该挺厚的（我在电子书上看应该有 1000 多页）。
开篇讲了很多西方文明和世界其他地方的差别。我对号入座，特别会拿中国的传统文化与之相比。其中一个明显的例子是“耻辱”和“内疚”：作者认为，这两种感受看起来相似，但前者是来自外界的评价，而后者是来自内部的；西方人的“羞耻”感很弱，而“内疚”感更强，这样的结果就是更加我行我素，但一旦自己没有达到自己的期望，就会浑身不自在。
另一个比较的维度在于是否更原因与陌生人产生信任和合作关系。作者认为，西方人的心理特征使得他们在这一点上也要胜出一筹，而其他地区的人则更倾向于与有血缘关系的人合作。这种差异也深刻影响了社会发展的脉络。
听上去有些种族主义？并非如此。
作者认为，这种差异是与西方的社会结构及其形成过程高度相关的（而非基因差异）。作者从此开始，向上追溯人类文明的发展过程，从最小的部落开始，逐渐形成国家和现代社会，过程中的很多因素都在影响人与人之间如何合作和互相约束。西方的宗教传统对姻亲和宗族的种种限制使其更快的形成了以个体为中心的社会体系，西方人也形成了以个人主义为核心的心理性格特征。
我刚刚读完这本书的第一部分。这本书被拿来与《枪炮、细菌与钢铁》和《人类简史》这样的书做比较，如果对人类学、历史、社会等方面感兴趣的朋友也可以考虑加到书单里。