1/1/2022
Netflix 最新出来的喜剧片 don’t look up, 拍得不错，里面印象最深的一段台词是，里面的高科技富豪 (mark rylance 扮演) 对里纳尔多扮演的天文学家说:
“我们公司收集了你从 1994年以来的四千万个数据点, 比你的医生提前几个月知道你的肠子上长了几个息肉，可以用准确度高达 96.5%的模型预测你死亡的方式，把你的性格归类于八类典型的消费者特征.. 你以为在遵循自己的伦理道德标准，但本质是在躲避痛苦和寻求快乐”
rylance 演得非常好，应该提名奥斯卡最佳男配角奖.
所以当人们说”顺其自然”，本质是让自己被本能和习惯引导去随波逐流的”躲避痛苦，追求快乐”。这种选择无可厚非，但如果不能突破自我的思维桎梏而只能”顺其自然”，那就不要再抱怨为什么自己收获一大堆自然的痛苦，或者为什么无法得到那些看似不自然的快乐。
而且一些人自诩”顺其自然”多了后，说得自己都有某种道德优越感了，但在大数据分析面前，可以非常清楚的看到这是何等苍白无力和可笑。
真正强大的科技巨头非常自信，可以主动自黑，只要对生意无本质负面影响//@花姐jennifer:其实一个有意思点是，大约从2014年开始，通俗大片里面的反派开始不是外星人疯狂科学家而是——科技巨头：《王牌特工》《毒液》《头号玩家》《失控玩家》今年的《天赐灵机》反派干脆就是照着Tim 画出来
===
1/4/2022
可爱岛常驻居民只有五万多人，这里灯光污染少，凌晨五点到六点间，朝南方看，略高于地平线的位置，肉眼可以清晰看到南十字座的四颗星，左边还有天蝎座的蝎子爪子的四颗星。
可爱岛的 kakalau lookout. 山谷底下十九世纪原来住了两百人左右，底下居民尝试农业和畜牧业为生，但很难赢利，而最终放弃，大概是因为交通成本太高和本地市场太小，底下现在可能只有一些非法滞留的露营者。此处后为多部电影 (king kong, jurassic park 等) 取景处，看上去很美，但其实并不宜久居。这大概就是人们常说的”权力泡沫”和”权力实质”的差别吧。人们追逐泡沫和幻象的本能，是永远无法被压制的。
===
1/6/2022
今天才知道天文学中有个”岁差” (precession) 的概念，这里指地球自转轴相对于空间惯性坐标系的缓慢而均匀的变化，一年大约偏离 20分钟，每隔 25771.5 年就是一个周期。因为岁差，季节的周期，每年大约提前 20分钟左右。
因为岁差，南十字座在公元前四世纪还能在英国的天空上看到，但公元 400年之后，整个欧洲大陆的地平线上，都无法观察到南十字座。预计要到公元 14000 年之后，它才能重新对大部分欧洲，北亚和美洲的居民可见。
以前为什么没有看到南十字座: 一，大部分时间生活在北纬二十五度以北 ; 二，偶尔去南方都是冬天，这个季节观察的时间窗口在凌晨五点到六点之间，需要没有灯光污染，没有乌云遮盖，没有月亮，因此总是错过。联想到很多唾手可得的机会，就是因为各种障碍被掩盖，需要有心人抽丝剥茧的发掘。
不要让没经过甄别和付出相当代价的人进入你的生活，否则难免”近之则不恭”，然后生出一些类似”吃了苍蝇”一样的让人极为不适的事情。
如果你的长辈教育你要有什么狗屁 “情商”，要学会能够和任何人周旋，那只是因为他们想当然的，把他们没有选择的有限生活经验，试图推而广之而已。
金钱本质就是信息。按照马斯克的诠释，钱就是一个数据库里决定资源如何分配的信息。//@乔双岑QSC:信息是权利的一种，比如，利益无关者眼里的真相正是利益相关者眼里的隐私。真相，不是天赋的权利，而是博弈的结果。
实物作为信息的载具非常脆弱。多年后没人知道某个时代的首富是谁，但”尼罗河上的惨案”，”东方快车谋杀案”这些作品将不断流传，永不消逝。可惜那时没有 NFT, 否则 agatha christie 轻松成为巨富
===
1/8/2022
看到一位叫”朱东波”的朋友的文字，觉得不错，有几个点表达得比较到位:
1. 很多(有用的)概念都是封闭系统下的产物，由此容易陷入”过早优化”(premature optimization)陷阱。
1.1 更确切的说，是基础概念及在应用过程中衍生出的庞大的概念簇(conception cluster)
1.2 这些不同的概念在既有的认知系统几乎无处不在，包括假设，判断标准等。
2. 很多概念具有非常大的重力，因此容易形成认知惯性，并吸纳/消耗(大量的)能量投入。基本表现是人们常常执迷/陷困于自身的（可能是狭窄的）认知中。
3. 但在更大的时间维度下，在边界(boundary)被进一步拓宽/打破的，更具开放性的系统下，在新的连接方案(常常是真正新的概念系统)下形成的理念/视角，常常会形成更高视角的”二向箔”。
3.1 在这种不断扩张边界的进程中，尤其是Emo. part所感知到甚至常常被厌恶/避免的”不确定性”，其实是不可避免甚至应该是被拥抱的。(当然这其实是人性的，因为人们本能的会倾向于避免这种不确定性失重的感觉/感受)
3.1.1 听到一句很好的话: Courage is not the absence of fear, but rather the judgement that something else is more important than fear.
===
Agatha christie 曾说”恐惧，就是因为知识不完备”。有的时候人们有克服恐惧的勇气，本质是因为意识到拓宽边界获得新知识之后的回报，将远大于摸老虎屁股可能带来的损失。
===
1/11/2022
意识到过去几年自己在不同领域的一些意想不到的进步，本质都是因为有闲暇时间，所以就可以东摸摸，西碰碰，摸索出来一些新的发现，有效提高自己的能力，改善自己的学习或生活环境。
让自己有很多闲暇时间，本质等于给自己去杠杆。整天忙得昏天黑地，本质等于满仓投机，这样就没有任何冗余，来应付未来注定要发生的各种意外事件.
朋友圈里看到有个常见的词叫“搞钱”, 窃以为这种思维存在框架性的错误。如果你做事的效率和别人差不了太多，再怎么搞也搞不了多少钱。但如果你可以把你做的事在各个层面规模化扩展化，能不断重复引用，在更大规模的用户或读者群上分摊成本，日积月累，那么你的效率自然越来越高，钱就自然来了。
如果效率没有比别人有明显的几倍以上的优势，实际操作上很大概率就是在自欺欺人的瞎搞.
回复@人在冏途后的自信与洒脱:way out of money call option, 没有到期日，或者说至少几十年后才会到期。 :)//@人在冏途后的自信与洒脱:大量闲余时间的产生类似于给自己买了个深度虚值看涨期权。因为有了时间冗余，产生了知识冗余和思想冗余，进而引发了财富冗余（财务自由）。
不太一样，大部分 VC 即使看到真正好的 deal, 也拿不到份额。能够拿到的， 往往又都是别人看不上的，这里面要获得超高的回报，好比大海捞针。 IRR 那些狗屁都是骗外人的 //@辰一伯:做VC是不是相当于get paid to 东摸摸西碰碰
世界是个巨大的 fitness landscape (适应度地形)，我们本质都是在上面做各种 stochastic gradient descent (随机梯度下降) 计算的小爬虫而已。区别在于，有的爬虫接触数据多，维度高，计算效率高，因此长期的实质性进步更快。有的热锅上的爬虫，看上去很忙爬得很快，但只是在团团转，做无用功而已。
===
1.13.2022
最近三个月涌现的一些 Defi 2.0 的创新，目测大多是一些类似于传统金融里的 cdo, cmo 之类的拆东墙，补西墙的游戏。通过精心设计的复杂的风险转移链条，来给参与者一个存在金融永动机的幻觉，但本质并没有在效率上实现提高，或者解决一个真实的市场需求。
===
1.14.2022
同样一件事情，如果有时间压力，就会非常痛苦烦躁; 如果没有任何时间压力，洗碗，叠衣服等等家务，也可以感觉和冥想没有太大差别，还可以顺便把事干了。
同样是运动，比如游泳，如果老惦记着要计时，就会觉得不爽，变成了一个任务。如果随意一些，没有时间压力，就可以玩很久而不觉得枯燥。
类似的还有旅游，如果跟着导游每天赶路，算时间，填鸭式的旅游，总是感觉哪里不太对，心情没有那么舒畅。但如果更随意一些，则会回味无穷，乐此不彼。
提高生活质量的一个角度，是把有时间压力的活动，尽量压缩到日常的 10%以下。这样可以保持比较长久的内在动力.
给自己太多时间压力 (或者被外人诱导，默认接受其人为施加的时间压力)，就是减少自己的选择权。这种坏习惯积累久了，会有一天把自己置于没有任何选择的地步，从而造成无法挽回的重大损失。
===
1.15.2022
绝大部分线下面谈，只能强化现有思维框架，最多在里面调整一些参数而已。但思维框架不对，摄入信息和数据再多，也没有用处，本质是一种类似空转的浪费。
思维框架的调整，需要反复推敲琢磨，和相当长时间的独处，否则很容易被周边人的既有思维框架的隐形压力带偏。
真正有洞穿力的思维模型，往往需要大量跨越较大时间空间的数据和信息积累，才能抽象出真实的一般规律。线下面谈见到的多数人，其思维模型都是基于有限时空的数据拟合，底层逻辑往往似是而非，但在其经验内的有限数据可以拟合得非常好，所以和他们接触多了容易被带偏。
从信息输入角度看，线下沟通效率偏低，只是一种辅助手段，而且大部分人交浅言浅，都带着面具，线下沟通是浪费时间。真正思维模型的提炼，需要大量和长时间的积累才能慢慢浮现。
回复@三块零钱:再深挖一下，人只有自己主动改变信息输入输出管道时，才能真正改变自己。//@三块零钱:应该说，人只有自己改变的时候才会改变自己
===
1.18.2022
看了一些研究资料，细胞自噬和癌症之间存在一种矛盾的关系。
在癌症的早期，细胞自噬会压制肿瘤的生长和癌症的恶化 ;
但是如果癌症突破临界点，开始扩散，细胞自噬反而会对癌细胞的生长繁衍起到促进作用。
细胞自噬好比人体的 quality control (质量监督) 部门。大吃大喝，无节制的饮食，意味着对身体的健康没有任何监督，而且随着年龄的增长，细胞自噬的效率也会慢慢减弱，这样”缺乏质量监督 + 质量监督能力变弱” 的双重效果，导致人体老化速度，在后期会不断加速.
===
1.19.2022
目前普通健康男性，寿命预期 85 岁 ；
如果保持良好锻炼，睡眠，间歇性断食习惯，这个预期可以到 95 岁；
未来几十年会有更好更便宜更快的监测手段，实时检查 DNA, 血糖，还有各种其它生理参数，提供有效的对于各种疾病的实时预警，这样可以再增加五年，预期寿命到 100 岁；
更好更科学的大分子药物补品，促进长寿基因，再增加五年，到 105岁 ；
未来五十年涌现的新的改造表观基因组的技术，人造器官更换的技术，等等，再增加十年，到 115岁。
之后可能就会达到抗衰老的“第二宇宙速度”, 就可以永生了.
除了 David Sinclair 的 Lifespan 以外，Melissa Grill-Petersen 编辑的 Codes of Longevity – Be ageless- live limitless (2020年出版) 是我看到的迄今为止最全面客观，不故弄玄虚，又相对较通俗易懂的关于抗衰老研究的书籍。
严格按照保险公司的统计表来说，目前日本从零到 63岁之间的男性，预期寿命为 84-85岁 (50%的人会超过这个水平。年纪大的群体，反而整体预期寿命会稍微长一点，因为他已经活过那么多年了。如果已经 70岁了，有一半预期会活过 86岁。
看过一个日本官方的保险公司统计数字，男性过 80岁以后，每年死 5%，然后死亡几率逐年迅速增加，到 92岁之后，每年死 20%。培养良好习惯，要提早布局。
抗衰老研究的最大瓶颈，目前在于缺乏便宜的实时测量工具，可测量各种复杂的 DNA 的参数。就像人工智能领域从五十年代开始到 2012年才真正大突破，依赖于 2008年之后涌现的强大gpu 算力 ;
抗衰老研究最终的本质突破，需要依赖极为便宜同时又比现在强大若干个数量级的 DNA 测序工具.
未来的一个可能趋势是高复杂度的 biomarker (生物标记物) 测试器材像手机一样便宜和普及，大家可以实时精确测试各种行为或药物对身体细胞组织的作用，全球大规模共享数据，迅速找到延缓甚至逆转衰老的正确方法。而不再依靠昂贵缓慢的临床测试。
按照一些生物学家的说法: dna 好比硬件，序列好比操作系统，表观遗传学里的 DNA 甲基化和组织蛋白好比软件，软件里面有各种 app 来实现不同的操作。有人认为抗衰老的关键，在于减缓和逆转 DNA 甲基化，从而逆转和恢复各种 DNA信息的缓慢丢失。
和量子力学似乎没有一毛钱关系。是不同尺度的现象。//@Finch陈至锋:到这层面，可能要触及或濒临量子力学了。
===
1.20.2022
健康，投资，还有很多复杂的社会现象，是多维度，多层次的。讨论分析的时候，首先要界定是在哪个维度，哪个层次，有哪些隐含假设，否则不可避免的鸡同鸭讲。
简单化的说 “某某东西越多越好 ; 因为 a , 所以 b “, 而不界定维度和层次，那么这些论断和经验，迁移到别的维度和层次时，不可避免的要出问题。
所以不必和不同维度和层次的人争论，但要能大致理解，为什么他可能会有和你截然不同的经验和论断。
比如很多人坚信房地产是好的投资，但流动性丧失时可能几年也卖不出去，资不抵债，欲哭无泪; 很多人天天念叨间歇性断食会有胃病和胆结石，但对于大部分健康的人其实没问题; 很多人担心激光手术不安全，但这种手术有三十多年的历史，有问题的只是少数，等等。
人们思考问题的时候，会有一个潜在的假设，就是自己目前的状态，默认的状态，是合理的。
任何改变默认状态的行为，即使有一丁点风险的概率，也容易被认为整体很危险，就会导致人们不愿意偏离自己的”默认状态”。 这属于一种”不作为的倾向”， inaction bias。
这种倾向，是好是坏，要具体问题具体分析，不可一概而论。如果自己对目前的默认状态很不满意，行动的收益远大于风险，当然要倾向于行动。
所以很多人不愿意改正自己的不良习惯，说多少道理也不愿行动。只有到病入膏肓时，才被迫幡然醒悟。
很形象贴切的描述 //@B43CD生生不息:今天治疗师跟我说，很多人和自己的感受断开的，头脑过于发达。只有到外界全部崩塌的时候才会去求助。其实也没疗好，但过了那个崩溃点（感受阀值，刺激度较强），他们就又没感受了。我遇到很多人问他们身上什么感觉，呼吸怎么样，回我的都是一堆堆的分析和自己的策略.
提高调整纠错的能力的一个重要维度：
要从事流动性好，通用程度高，虚拟程度高的事业。
流动性不好的事业，意识到犯错时，无法纠错。房子有价无市，好几年也卖不掉；一级市场的天使投资和风险投资，钱投出去第一天，可能就是在手上的最后一天，之后就再也拿回不来了。
通用程度低的工作和服务，一旦失去现有客户，很难找到新的市场和应用，因此被迫中止，之前的努力无法重复利用，完全白费。
硬件生产商，意识到犯错误时，调整成本极高 ；日本人和德国人的软件开放能力不如美国人，这体现在很多家电日用品的控制系统，虚拟程度低，使用界面上设计了很多拙劣的硬件按钮，无法修改，无法迅速软件升级；
虚拟程度低的组织，如果要做整改，涉及到仪器，厂房，人员团队的整改， 成本极高，即使意识到需要纠错时，也很难立刻行动，而大多选择硬着头皮撑下去。
缺乏感知和评估能力的几个体现：
1) 对外摄取信息渠道少而片面，久而久之形成恶性循环，对于不同类别的信息或新思维模型有强烈抵触情绪。把垃圾信息占据全部注意力，误认为是生活充实的体现。
2) 获取高价值信息成本高/耗时长/或者根本不可能,不愿积累，缺乏积累，永远无法突破信息茧房。
3) 因为读书少而缺乏长时间跨度的历史观和大局观，套用错误的格局去解释短期的现象，比如养了一千天后被拉出去屠宰的火鸡，坚信饲养员是他的朋友。而且可以振振有词的拿自己一千天的经验，来铿锵有力的反驳规劝者。
良好的感知体系，很像特斯拉显示屏上可以迅速在地图上放大缩小 (zoom-in / zoom-out) 的功能, 可以同时迅速理解大格局和你所处局部的微观细节。
===
1.21.2022
可以从这个角度看法律，它本质是这样一个东西: 大家概念上以为它是一种事前 (ex ante) 的约束，但实际操作上它只是一种事后 (ex post ) 的约束。如果你发现被别人欺负了，被侵犯了合法权利，事后的约束无法执行，就会很愤怒。
智能合约的作用，是把很多理论上的事后的约束，通过编程变成事前的硬约束.
===
1.24.2022
阻碍效率提高的三个因素:
浪费大量时间找东西，
浪费大量时间等别人，
无法重复利用以前的劳动成果。
最理想的地方一般有下述特点:
查找东西方便，多处备份，实物即使丢了也很容易换新的 ;
潜在合作伙伴很多，如果一个人太慢等不及了，马上可以换下一个 ;
可能不断大规模重复利用以前的劳动成果。
===
1.26.2022
知识越丰富，就越有可能把一些原来分割隔离，看似不相干的知识点连接起来，发现新的不为人知的机会。
比如说，某个新机会的涌现，依赖于一个链条上的十个知识点。对于知识贫乏的人，这个链条和新机会是不存在的；但对于刚好十个知识点都具备的人，就可以比大多数人提前感知其涌现，这种感知会带来大量多巴胺的快感，和强烈的行动动力。
而且在行动过程中，获得更多新的知识和奖励，就对更遥远的地方的可能机会看得更清楚，大脑产生更多多巴胺，形成更强烈的行动动力，这就是一个正反馈循环，直到这个方向的机会的挖掘接近饱和。
当一个人缺乏动力的时候，他需要的不是更多表面形式上的鼓舞，而是更多循序渐进的广泛的知识积累。形式上的鼓舞，而没有真正新知识的积累，很快又会泄气。然后需要更大剂量的鼓舞，才能勉强重新打起精神。
知识积累，在爬坡期遇到的阻力非常大，但这没有捷径。过没过临界点，自己非常清楚。过了临界点，把各种知识点连起来，造成全新的组合，清楚的看到了别人没看到的机会，不需要任何人催促和压力，每天就会废寝忘食的开心的去主动摸索
要提高知识点成功连接的几率：一，多读书，多输入 ；二，灵感来的时候，要能迅速记下来，免得之后遗忘； 三，把自己总结的知识点，常常梳理，反复纸上推演，写出来广泛发表，通过外界评论反馈，增加产生新的有益连接的几率；
===
1.27.2022
八十年代末神经网络理论流行的时候，人们着实激动了一阵子，但是做一次计算迭代，就要好几天，所以实践上进步非常慢，到九十年代很多人大骂 AI 就是狗屎，但是到了 2012年 AI 有突破后，才意识到，神经网络理论没问题，有问题的是迭代速度太慢了。
抗衰老的研究，本身不是问题。有问题的是临床测试太慢太贵，很多理论无法迅速证实或者证伪，迭代太慢。
复杂适应系统的演化特点，不是说有个开关，给它某个输入，灯就亮，或者灭掉。这种简单化的思维模型往往是错误的， 跟江湖医生说吃啥补啥，是差不多的概念。
更多时候它的特点是分层级的，一步步跳跃式的演变。在临界点之内，长期保持某种平衡可控的状态，你从外界输入某种信号或刺激，很长时间看不到明显变化。
但各种外界刺激，积累过某个临界点后，系统会突然失控，迅速发生大规模跃迁，要么上升到一个更高的稳定态，要么突然崩溃到更混乱低级的状态.
技术水平发生实质性的大规模的跃迁，需要的是高几个数量级的新测试数据。如果各种 biomarker 测试，单次成本降到十美元以下，不需要采集那么多血，精确度再提高，可在家里几分钟就获得测试结果，可迅速通过云服务深度分析，可吸引上百万兴趣爱好者参与，那么抗衰老研究将会加速发展，越过临界点。
===
1.28.2022
很多投资者的一个误区是，只是感觉某个资产看上去便宜 (相比于过去的某个心理上的喵定价格)，因此就去买。
但如果他视野更宽一些，意识到还有别的资产，增长速度和潜力远大于目前的市场价格，他就心理上自然不屑再去捡那些便宜了。
信息框架上多用点力，丰富了，物理世界就可以少费很多力气，避免大量无用功 //@TheNous:空间上博弈需要太多的信息框架，固定的空间在时间上博弈相对算力要求低.
===
1.30.2022
随机梯度下降算法，和普通梯度下降算法的区别是:
前者只是用很小的一个(从大数据里面) 随机挑选的子集的数据做训练，因此计算量是恒定的，短期效果可能波动大一些，但长期效果不差。
而且随机梯度下降算法，可以避免普通梯度下降算法，掉到一个局部极值里出不来的陷阱 (俗称 “内卷”)
把随机梯度下降算法的概念再拓展一下：天天盯盘，把自己搞得很累，回报一般会更差，不如每天最多看盘十分钟（交易频率要更低）；一天几个小时看手机，不如每天最多看三次，每次限20 分钟，要不眼睛，脖子，手臂，手腕都会酸疼，变成一个废人。
还有个类似”内卷”的问题，是梯度下降时，最后收敛在一个鞍点 ( saddle point), 不能进一步提高。随机梯度下降算法，对于避免鞍点方面，比普通梯度算法有优势。家长过度干预小孩的学习兴趣和范围，怕输在起跑线上 (而不允许一定随机探索的空间)，多费很多力气，但也会让其发展更容易陷入鞍点的困境。
是这样的，其实只要能够保持不断测试，一直不断突破舒适区在走，即使起点不高，早期踩很多坑，坚持足够长时间，最后发现达到的高度远超你的想象。//@江边书虫:很多人容易掉的坑是：开始要求太高，一旦发现完不成就彻底躺平。
