6/7/2020: Experiments
能做实验的问题，可以说离解决就差时间了。
只要不是落在运气太差的人手里，把实验设计好，虽然过程中会碰到很多失败，但最终总会在反复的调试和比较中，找到最适宜的那一组条件。在这条路上，人类已经非常擅长设计实验流程，比如随机控制测试（Randomized Controlled Tests 或 RCT）就是一种可以验证因果关系的方法，被广泛应用在科学特别是医学实验中。
然而世界上总有些问题很难用实验来解决。或者等不来实验的条件，或者实验失败成本太高。在社会科学中，大部分问题只能通过通过一系列假设，ceteris paribus，然后在不同的时空中找到一些近似可以对标的案例进行分析。而此类分析被挑战最多的地方就是：这个案例不可比。
然而还是很多如我一样喜欢琢磨问题的人，会热衷于把各种事物放在一起对标。我们读书，特别是读历史和传记，就是在为对标寻找案例。原来某人在这个情况下做了这样的决定啊，最后竟然是这样一个结局——就像是穿越时空看到有人悄悄改动了历史的设定，让我们看到了一个控制条件下的实验结果，及其推导出来的清清楚楚的因果律。
以下是本周推荐的一些阅读。
1 / MJD 59,004 by Venkatesh Rao
Venkatesh Rao 不是第一次在 newsletter 中出现了。他是 Marc Andreessen 的个人顾问，也是 Tempo: timing, tactics and strategy in narrative-driven decision-making 一书的作者。他的写作包含了很多对宏观世界和未来趋势的独特思考，都放在个人网站 Ribbonfarm 和 newsletter Breaking Smart 上。
本文提出了一个对实验（Experiments）的 2x2 分类法，如下图。
坐标轴是按照 Ordinary ←→ Extraordinary 和 Artificial ←→ Natural 来区分的。也就是说，实验可以按照是否有人为控制的条件和是否常规发生来进行分类。
这其中最容易理解的就是左下角的 Laboratory Experiments，也即是在实验室中发生的实验，实验条件预先设计好，而且可以常规进行，大部分的科学研究都可以归为这个范畴。右下角的 Opportunistic Experiments 则是在应对非常规发生的事件中进行的常规实验，比如在疫情爆发后通过临床实验发现 HCQ 药物的治疗效果。然而这些小步迭代并不能带来巨大的结构性变化。
而右上角的 Forced Historic Experiments 则对应了最近由于 Covid-19 而导致的非常规的大规模社交隔离。这些举措并非预期之中，但得到了全球大部分国家政府的强力执行。这些实验也产生了一系列后果。在之前的 newsletter 中讨论过的 World 2.0 就是因为这种强制实验而产生的，更深层次的对人类社会行为的改变。互联网是由 Laboratory Experiments 发明的，但它每一次更大范围的普及却是由于更大规模的社会实验。
左上角的 Grand Design Experiments 是最难理解的。在少数的历史环境下，人为设置了若干实验条件，实验成功的概率很低。作者举出的例子是 America，实际上举中国或者欧盟的例子都应该是合理的。在当下的特殊环境中，大尺度的对社会治理制度进行重新设计，也许会引致全然不同的结果，但也具有极高的试错成本。
作者认为，在今天的不确定性中，实验的成本显得更加难以被人接受。但实验是创新的必由之路。更加令人担忧的是今天的年轻人，会不会由此变得惧怕风险，逃避实验。大萧条和二战的后果是沉默的一代（Silent Generation），Covid-19 会如何影响 Gen Z？
2 / Superhumanism by WIRED
这是一篇连线 WIRED 杂志发表于 1995 年的人物侧写。主人公是 Hans Moravec，卡内基梅隆大学移动机器人实验室主任，个人主页的 tagline 是 Mobile Robots since 1963。他在机器人和人工智能的研究让他在 1988 出版了 Mind Children，预言了机器人会在 2030-2040 年进化成具有智慧的新物种。
本文发表后的 3 年，也就是 1998 年，Hans Moravec 又出版了 Robot: Mere Machine to Transcendent Mind 一书，进一步预言了超级智能 superintelligence 终将出现。他的思想极大的影响了学术界和科幻作品的创作。
本文是对 Moravec 思想的浓缩。虽然今天看很多想法已经没有在 25 年前看上去那么惊世骇俗，但你会读到一个科学家以严谨的理性在推测未来到来的时间表。预测下一个十年，有时候比预测下一个世纪困难得多。一个世纪，毕竟我们都死了，谁还在乎你有多疯狂？
以下是他的大致预测：
- 2000 年：可以在复杂的环境中自动寻路，无需使用特制的标记，也无需专家安装。
- 2010 年：第一代的通用机器人，增加机械臂，提高传感器的解析度，可以完成相对复杂的机械性任务，比如浴室清洁、流水线组装等。
- 2020 年：第二代通用机器人，增加更多记忆体，提升计算能力和软件，可以从过去的任务中自我学习，会尝试多种不同完成任务的方式，并从统计数据中选择最好的方法。
- 2030 年：第三代通用机器人，不仅仅可以从自身的历史数据中学习，还可以感知外部世界，从而具备高阶思考能力（比如预测和计划）。
- 2040 年：机器人取代人类的绝大部分工作，人类仍然需要为机器人提供设计和编程，机器人也会从人类那里学习，但它们知识的极限就是人类自身。工作将被拆解为更小的单元，更适合机器人的分工协作。
Moravec 坦诚的承认自己在 1970 年代曾经高估了人工智能的发展，因此对自己的预测进行了修正。
Moravec 对这样对未来并不悲观。他认为当工业变得更加高效的时候，每个人都会变得更加富有，在一出生时就可以退休，政府将向大公司收税，再分配给每个人。
3 / The Epic Games Primer by Matthew Ball & Jacob Navok
Matthew Ball 是前 Amazon Studios 的战略负责人，现在是一位媒体领域的投资人。他善于把较为传统的电影、电视行业和更新的游戏、虚拟现实连起来分析。我对于 Metaverse 这个概念的认知最初就是读了他的文章才产生的。
这是一系列关于 Epic Games 的文章，一共六篇。从 Epic Games 最核心的 Unreal 游戏引擎，到饱受争议的 Epic Games Store，再到现象级游戏 Fortnite 和它所预示的虚拟现实未来，把各种基本的 facts 和每个点之间的商业逻辑都写得比较清楚。下面这张图是 Epic Games 的「一分钟看懂」版。
Unreal Engine 最近发布了第五个版本。最重要的一个升级是 Nanite，允许通过美术建模直接将影视级别的画质引入 Unreal Engine 并自动优化。实际上，大量好莱坞的影视作品中已经开始大量采用 Unreal Engine 来生成复杂的奇观。Unreal Engine 横跨了影视游三界，可以说是内容工业最重要的生产工具。
在同样的生产工具上，内容的边界也终将模糊起来。Epic Games 的 CTO Kim Libreri 就是之前卢卡斯影业的技术 SVP。由于构建在引擎之上，Epic Games 对游戏的理解程度更加深入。内容是对现实的重构，Unreal Engine 的名字已经揭示了这个真相。而 Epic Games 早晚也会把公司名字中的 Games 去掉。
4 / Incipit as Infrastructure by Kneeling Bus
在 iPhone、Android 和 Kindle 的时代，书的封面越来越不重要了。
我回想我是如何发现想要读的书的过程，的确和过去逛书店非常不同。图书封面是为书店的陈列设计的，尽管在经过多年的市场洗礼之后，封面设计也越来越留于表面，变成一种商业竞争的手段，但它们仍然是智识生活的精彩组成部分。
本文认为，书的封面是一种基础设施（infrastructure）。如何理解呢？基础设施本质上承担着复杂系统内的连接和组织功能。比如，城市的机场和路网就是这个城市的基础设施，它表明了城市中各个组成部分之间的关联关系。
书包含了一整套封闭的内容，由作者的思想组织起来。而书的封面即是这些内含物和外界的连接——放在书架上，封面提供了一小部分信息，宣示了这本书和其它书之间的区别和联系，也试图把自身的内容和潜在读者建立更加直接的、个人的连接。
平台是更强大的基础设施。过去十年出现的这些超级平台，无论是内容、消费还是服务，都重新组合了人类社会生活中的关系。「在 Netflix 上观看」甚至逐渐盖过了导演和主角的风头，更不用提图书封面是不是还能吸引谁的眼球。
5 / The New Model Media Star Is Famous Only to You by Ben Smith (The New York Times)
这是一篇介绍最近在美国创投界的小风口 Passion Economy 的文章。
这个小风口是前 A16Z 的 Li Jin 创造的。她在 2019 年 8 月的 The Passion Economy and the Future of Work 一文中提出了这个概念，主要基于 Kevin Kelly 的 1000 True Fans 理论而来。今年 2 月，她又发表了 1,000 True Fans? Try 100 的文章，对 Passion Economy 中的不同模式进行了进一步解析。
此后不久，Covid-19 疫情爆发，全世界宅家。媒体行业，包括演艺明星和新闻记者一下子都没了工作。Passion Economy 一下子找到了冷启动的绝佳机会。本文着重写了其中两个明星公司 Cameo 和 Substack。前者让普通用户可以花钱请明星来给自己拍摄一条短视频，而后者则吸纳了大量媒体从业人员开创自己的付费 newsletter（就像你读到的这封一样）走向付费内容的创业之路。
Passion Economy 在某种程度上是反规模经济的，其基础是逐渐增强的消费者自我意识和个性诉求。而这种碎片化的供给，又成为了新平台进行 rebundling 的起点。
技术总是恰逢其时的出现在未来将来未来的转角处。
P.S. 本文作者 Ben Smith 是之前 Buzzfeed News 的主编。在上一波新媒体浪潮褪去之后，又重新加入了纽约时报担任传媒行业的专栏作家。他的个人经历如同过去几年媒体平台变迁的缩影。不知道他写完这篇文章后，会不会也考虑去 Substack 上开个付费 newsletter 呢 😂
本周 Twitter
销售历史从未失败。 Nobody missed on selling history.
本周读书
Alchemy: The Dark Art and Curious Science of Creating Magic in Brands, Business, and Life by Rory Sutherland
以上是本周 newsletter 的全部内容。下周我将休假准备开始一个比较大的研究和写作项目，其中的部分内容也会提前发布在这里做一个预览。
Stay tuned,
Neo