23年末总结：关于学术、社会人、AI的一些思考

大家新年快乐。到年尾了，恰逢我刚刚走出了一个低谷，对一些问题更加想明白了些，不如写文总结下对学术圈的一些思索。最近真是开心与郁闷并存，开心是因为稍微理清了一点想了好几年的问题的思路，如果在这种状态下离开学术圈我是没有遗憾的，也收获了“用几年时间想一个问题是怎样的体验”的感受；郁闷是因为理清之后就觉得自己之前为什么没想到、为什么没找到这些literature，以及理清的东西似乎不太能发paper。如果之后能找到好的application更好，就正大光明的留在学术圈；如果找不到的话，希望自己去其他圈子可以在维持抽象思考能力的基础上往实业的方向发展发展吧。

正文开始之前先叠一波甲。首先本文的前半部分不太适合初入学术圈的热血青年们，比较劝退（这是因为前半部分写于低谷期）。我认为年轻人不用做太多规划，先依照自己的热情进行一波exploration，等到自我怀疑了再来思考路径比较合适。一是有些幸运的人一生也不用重新思考路径；二是在做之前思考太多比较劝退。我读博的时候非常害怕教书/presentation/当TA等等，我那时常常想博士毕业之后要教课可怎么办，这样纯属自己吓自己，因为那时硬实力软实力心态都没达到，害怕是正常的；等我博士毕业真正要教书的时候，实力比读博的时候进步很多，这时再思考一下、调整心态才是正确的时机。其实职场的设计就是这样，让你一步一步进步、进步到相应的阶段再去承担相应/稍高一点的任务，所以不用在实习的时候就害怕自己做不了老板要做的事，新手村操着满级怪的心，担心的太早了。

做学术的motivation

我们先从做学术的motivation讲起。我很多亲戚要不就是劝我、要不就是带有奇奇怪怪的崇拜态度，他们总觉得我做学术是为了人类为了社会，可能他们对“科学家”都带这样的滤镜，但其实我们自己心里知道，带如此远大motivation的人很少，而且很难坚持。从行为到目标，中间的过渡越少越容易坚持，过渡越多、任何一段的问题都会导致整个pipeline走不通从而产生负反馈。以人的default setup举例，人工作是为了钱、钱是为了享受，享受本身就是目标，这个链条只有两段，所以不难坚持（出问题的原因只有两个：工作赚不到钱/钱买不到好的享受。那么只要自己的能力可以赚到一些钱，并且这些钱可以满足自己的欲望，此链条就会产生正反馈，再加上中间的自我进步带来的增益、工作带来的其他精神层面的正反馈，这条路并不难走通）。但如果是为了人类/社会/国家这样宏大的目标做学术，那么做学术是为了有成果、成果可以转化为人类/社会/国家进步的燃料、看到这些宏观结构的进步中与自己有关的点而感到自豪与自我实现，这里有三段，并且在这么一个探索未知的领域每段难度都很大，做学术很长一段时间没有令人满意的成果再自然不过、有了自己满意的成果却发现没人用也是应用数学让人诟病的问题与常态、即使自己的领域有点社会价值却发现自己在其中的作用微乎其微而产生挫败感也太常见了，因此这个链条并不是常见的有用的motivation。很多人做研究只是为了满足自己的好奇心、求知欲，这样的motivation链条短很多：做学术是为了解题，想到解法的一刻直接满足好奇心和求知欲，因此这种motivation比较常见，我博士老板、现在的老板、包括我自己开始进入学术圈都是因为这个原因，颅内gc不是随便取的名字，很难找到什么享乐能与Eureka时刻相提并论了，相信这也是很多人想做学术的最初原因（现在不会还有人相信做教授的工资高待遇好放假多受人尊敬且自由这种鬼话吧。。。）。换句话说，这里的人都是会在思考中得到快乐的，包括理解和抽象带来的智识上的快乐、不断见到新东西的快乐、探索无人之境的快乐与成就感、看到自己的成长与不可替代感的快乐，费曼就是追求思考乐趣的绝佳例子（而且我认为从思考中获得快乐是人hardwire的快感源泉之一，就像从运动中可以得到快乐一样，因为我看到我precalc的学生，即使成绩不好也在理解的那一刻会Aha。只不过很多人的发展方向导致他们的工作无法提供思考的乐趣）。当然还有很多人留下来的原因是为了tenure过之后的种种福利，但我个人认为，在职业早期为了“跳过龙门后的福利”而坚持这个链条更长，且像在新手村思考满级怪一样不是合适的时机：不论在哪个行业，经过种种筛选后留下的核心人员都会享受很多福利，而留下的非核心人员都会承担相当的压力。因此，我认为说“为了tenure福利留下”的人更深层的原因是因为转行带来的压力大于继续这个自己挺擅长职业的成长压力。

其实我读博时期的小伙伴们都是有热情有理想的，那为什么留下的比例很少、并且越来越少呢（一起读博的上下几届留下来的可能1/5～1/10左右，我估计最终留下的比例更小），我认为是边际效应 + 僧多粥少。学术圈僧多粥少是众所周知的转行原因，但我认为这不是需要解决的问题（一个大家都说要解决但一直没解决的问题大概率不是个需要解决的问题），而是这个职业的特征。最初的学术是有才能之人的游戏，他们以自己无比适合的天赋点减少付出放大收益（让我每天不费力气颅内gc我也干呀22333）；后来更加规范化的科学发展+计算机的出现降低了门槛，导致从业人数增加，直到供需关系发生变化；近些年AI大力发展，一方面AI可以代替一部分科研人力，另一方面AI发展的突破口暂时不在学术圈，进一步降低了需求，因此学术圈待遇提不上去、美国这边各种非科研因素加重（我就不细说了懂的都懂）、表面的自由之下是自愿之卷和无work-life balance的职业文化、人和人的智商距离比人和狗都大这一事实带来的自我怀疑沮丧和心理压力，这些变化都是有其原因的。一个原因是人力供大于求带来的卷，另外是上面提到的种种压力对于身居高位/醉心学术的人来说是享受而不是痛苦（普通人可能会抱怨假日依然要满脑子学术，毫无work-life balance，而适合学术的人只会觉得脱离了admin和杂事的纯粹学术时间是最好的奖赏，开会旅游和放假的机制也是为这些人准备的。产生好idea的契机是努力思索后的放松时间，只有真正醉心学术的人才会努力思索以至于放松后的潜意识依然会默默消化整理思索的结果最后把好的idea送到表意识，只把学术当工作的人很少有这样的灵感乍现时刻吧）。不过全靠同行衬托，其他行业也都越来越卷，再加上学术圈人员深居象牙塔自我隔离导致人际能力和逆商较差、成功路径依赖+傲慢等一系列因素导致学术圈倒也没有崩溃式人才流失，依然处于僧多粥少的局面。因此我认为学术圈处于缩紧但依然上升的时期，一些学术圈衰退的错觉只是因为industry分走了一部分推动社会发展的科研使命而已，而学术圈曾经是承担所有这样的使命的。以上是宏观角度。微观角度是边际效应，在我们越钻越深的过程中，获得的Eureka时刻越来越少越来越难。吃肉的快乐很容易刷新，电子dy的快乐边际效应挺严重但也可以刷新，但是思考的快乐不一样，当你想通一个思路时过几天再去思考一样的东西是无法获得一样的快乐的，一个东西想明白就变得trivial了起来，我甚至认识有朋友想明白后会blame自己为什么这么trivial的事情之前还要花这么久去思考。并且，一个过程带给人的快乐是高峰的快乐+结束时的快乐，学术研究高峰的快乐很少很少（我自己一年中的高峰快乐屈指可数），且学术很难有结束的时候，即使短期的结束（比如paper的接收）顺利的话也是一堆痛苦的写纸过程+漫长的审稿等待+与reviewer的扯皮，毫无快乐可言。因此，如果把生活所有的希望和乐趣全部寄托在学术上，除非非常天才适合做学术的人，否则会很难持续下去。

象牙塔中的错觉

近几年我发现我在任何话题的思考总是回归于理想vs现状、理性vs感性的矛盾。而且我越过了几个傲慢组成的坎儿，一个是学科傲慢（数学vs其他实用领域），另一个是个人能力发展方向的傲慢（实干vs社会关系资源整合）。每次越过坎儿之后总会发现傲慢的背后隐藏着能力的缺失，这也是学院派对上街头智慧往往输的惨烈的原因lol 最后发现死守的傲慢背后是并不实用徒留外表的东西，而自己鄙视的东西却是并不好看但真正有用的东西（让我想起caltech conference里Peter J Park的图：beautiful vs useful，见题图），这也造成了我今年某一心态问题的根源。经历了一系列思考后，我发现问题在于象牙塔中的人们很强调“xx领域应当怎样”，而这样的“应当”是种错觉，是和现实不一致的，当人们站在高地抱守“应当”时，他们会丧失弹性，强调一切观念与现实的矛盾都是现实的错，忽视现实之所以（稳定）存在有其背后的原因，想要改变现实不能靠站在高地对现实指责，而应当理清背后的原因、对本质规则进行改变。以下列出一些今年自我纠正了的象牙塔中的错觉。

social 无用

之前有人总结做学术有鸟派和蛙派，一个是连接各学科，另一个是在一个方向不断深耕。其实每个人都应该有这两套思路，只是擅长与否的问题。就像是上次industry panel有人总结说现在我们需要T型人才，在表面上要广，但也同时要有做深的地方。这鸟派和蛙派最初的提出是针对学科研究的，比较technical。但后来我感觉，在人的层面也有这种区分，有人social面很广，而有人只有几个特定的合作者但是合作的程度很深。早些年学术圈总倡导实干比social更重要，近年来大家慢慢也开始value social的能力。只不过学术圈的价值观与身处其中的个人价值观并不一致，大家会一边羡慕social king/queen在学术圈做得风生水起、而一边暗暗觉得他们实际获得比他们应得的高很多而愤愤不平。但其实这种所谓实干对social的傲慢感在社会其他职业上应当早就没有了，只有学术圈这么离地的象牙塔里会存在吧2333. Social的核心是信息交换，信息传播的六度分隔理论中还有一部分，虽然每个人通过六个人就能联系到大部分的人，但大部分联系会通过“信息中转站”、即social king/queen们，他们在社交网的信息交流中是不可或缺的。互联网时代的人们总觉得信息是免费的，网上随便都能搜到，但稀缺信息并不是这么低门槛的，并且检索的花费有时也很高昂。人际网对高价值的信息流动依然起到很大作用，比如O大佬遇到不确定的pde问题直接一个电话打去问Evans了，这种信息获取成本岂是互联网可以相比的。如果是我的话，我需要花很长时间学习特定知识，最重要的是无论我怎么学都没办法达到Evans的直觉啊。。

虽然很social king/queen很重要，也不代表所有人都要变成他们。人的性格在这个维度不一定是高斯的，从mbti和其他的性格测试来看，也许是内向vs外向双峰的，在双峰的distribution下宣扬单峰的单一价值取向并不是一件好事。而且我们在这种宏观价值倾向的宣传下，也要理性思考，人的发展方向应当是向最发挥个人特色和属性的方向，而不是往最熟练的螺丝钉方向走。因此，对于不喜欢social的人，比如我，不需要强迫自己改变模式，而是在情感上去除偏见、在技术上提升自我之后再根据个人属性作出适合自己的战略部署。人类社会之所以发展很快的原因是我们会合作嘛，而且不同人之间优势互补，因此不用太妄自菲薄。同时也不用羡慕别人，别人用某种策略可以以更小代价换得更大收益，不代表我也可以，因为说实话人与人代价与收益的衡量还是挺不一样的。

职业傲慢

除对social king/queen的傲慢之外，另一个傲慢是对职业的傲慢。借用电影圈的话，没有小职业，只有小打工人。任何职业都能玩出花来做到很高档。之前我们鄙视网红，不过我昨天看某视频，里面把网红称为influencer，顿时这种傲慢感就消失了。网红的核心是对大规模群体产生影响力的人，只不过这行业兴起之初门槛和竞争并未标准化，所以很多人可以依照人性的猎奇心理赚快钱。不过，我相信虽然人性有对浅层娱乐的需要，但浅层娱乐来得快去得也快，人对深层满足感的追求也是根植人性的东西，依据这些深层需求制造影响力的人的潜力，绝不是我们对网红的刻板印象框架范围内的。

我不够努力

咱们小时候往往会把任何事情的不成功归因为我们不够努力，但现在我们发现并没有那么简单。有时候是潜力上限的问题，不是不够努力。这就像跑步，我就没见过有没受过伤的初跑者，我们初跑者跑不了那么快那么长不是因为不努力，受伤基本上都是因为太努力，跑量超过恢复上限，然后就伤了。所以，在成长的路上，有时制定策略、寻找资源、调节心态都比努力更重要，当你感到自己正在努力且需要花心力维持的时候，就说明上面有些点做得不好了。保持难度适中、在不断的正反馈中开心成长比每天苦大仇深地强调努力要更对路一些。在这一点上，其实我国的教育做的还不错，对比之下欧美与diversity有关的制度就是个反例。我跟很多同事聊过，大家都有同感，不过这就不好多说了。你想毁掉一个人，就帮他一把，把他放到他根本无法达到的位置，在他身处一个周遭人都以匹配能力的正常难度打怪升级的处境时，让他坚信自己比不上别人是因为自己不够努力，然后这个人就会开始自我怀疑内耗并陷入恶性循环了。

学术圈的组织形式与个人心理建设

学术圈需要的能力包括寻找问题和解决问题的能力。寻找问题是很难的一件事，我在博士毕业之前曾经问过导师，但他也没法给出答案。现在我觉得寻找问题需要脚踩地面：真实地了解不同领域大家真正关心的问题，再思考自己的特长在其中可以有什么contribution。这时候就需要多多联系“信息中转站”了。这也是我想转行的motivation之一。解决问题的能力其实是博士培养的重点，但博士培养往往太强调个人能力本身，忽略了“现代社会很难有一个人能独自解决的问题，因此互相合作乃必不可少的一环”这一事实。PI的作用是组织起一帮可以互相合作的人组成团队解决问题，搭配团队成员的技能属性，为团队拉资源，提供主要方向及motivation。因此PI不一定是专项能力最强的人，而应当是最有领导力的人。这件事在象牙塔里的人往往看不清。（btw学术圈的人不喜欢social的原因不是social没用，而是这群人不会social，social的场合很多都是是尴尬但要硬上。而且由于圈子本身的偏见，老板也不会认真教这件事，这和industry相差很远。我和同事们今年时不时会聊到学术圈与industry，我们一致认为，学术圈在很多方面都落后industry，用同事的话来说就是“科学的组织方式”。以实用主义为纲，抛弃傲慢与偏见，承认并培训包括social、工作与合作规范、代码规范和pipeline等各种技能，从大规模software engineering的接口规范到大规模人力组织形式的接口规范，应用数学的学术圈在这点上的组织与培训基本是零）。另外就是，教授的evaluation是几方面综合的，只要不违规，看的是总分。在这几方面里美国学术圈更看重拉funding的能力，所以其实很多教授都不喜欢教书、也有很多人不喜欢带博士生，所以读博找到尽心尽责而又懂得指导的导师（像我导师一样）并不是理所应当而是非常幸运的事情。当然不是说“应该这样”，而是说在这样的体制下“事情就会如此发展”，如果想要改变环境则应当改变体制与规则（就像是水paper也是规则下的必然结果）。以上的讨论基本解答了我看到的很多博士生的误解：1. 老板什么都不懂瞎指挥（这个的问题的解法不应该是“认为老板应该专项比学生厉害”，而是“在默认老板确实不太懂的情况下，他的领导力是否引出团队1+1>2的效果”）2. 老板的mentorship不应该这么差。

说个关于人际的题外话：刚刚我去和许久未见的朋友吃饭，席中聊到相关话题，有两点感触很深。首先，在social的时候明确目的很重要，目的是获得信息还是推销自己。如果是前者的话，只要获得信息，并不用多想自己在别人眼中什么样，所以即使自己做得不好也不需要尴尬。而且层级差太多的话，别人转头就忘了，一点也不尴尬。我觉得只要想明白这些，在学术圈的social力应当算在上游了。。。另外，学到一些处理上级怒气的方法论：在上级发火的时候，首先不赞同不反对地接受其情绪，只要认真听，不需要道歉也不需要反驳，表达出“我听到你了”这样的意思，别人的怒气值就会下降。然后再就事论事地进行理性处理，如果自己有错就要道歉+补救；如果不认为自己有错/没搞明白，一定不能盲目认错，应当以一种柔软但坚定（不卑不亢）的态度询问，弄清事实后再作处理。因为就像是被开罚单/被指控时一样，认错即为“此事就是我的错”的盖棺定论，认了之后对方就不会再多思考了，即使不是我的错也会变成我的错，并且他会觉得自己发火是正当的因为错都是我的。我觉得学生和社会人的区别是对价值的判断：学生往往会把自己看上去的正面形象视为很高的价值（比如看上去善良、正当、宽容、慷慨、乐于助人等等），而社会人则会更value一些更实际的价值，并不把自己的形象看得那么重要，即使树立形象也是为了其后更深层次的一些利益；学生往往把他人的情绪看得太重，比如老板发怒时学生会认为最重要的事是平息对方怒火，或者在人际交往中把“让对方心里舒服”这件事看得太重；而社会人会把所有东西作为筹码，在与对方的“对抗”中争取到己方最大的利益，因为社会人面临的博弈往往很难双赢，对方心里舒服意味着自己利益受损，是很亏的一件事。分析“从象牙塔出来的人的行事方针如何变化”不仅很有用，而且很有趣：它反映了人群在不同竞争压力下较优策略的区别。

回归正题，继续聊聊如何调节心态。在学术圈这样的大环境下，再加上学术本身并不是简单的工作，学术圈从业人员会抑郁是很正常的事。我在读博的时候，包括现在博后的时候，无数次的心态低谷。我们常常说要跟自己比，不要跟别人比。即便如此，我也常常怀疑自己：我是不是走在正确的道路上、我是不是应该多花点时间在xxx上、我是不是没在自己的优势点努力、我是不是已经达到我的能力上限。我认为解决心态低谷的方法，除了随着时间推移而更加相信自己之外，最重要的是养成“在迷茫时保持成长（而不去想成长的方向是否正确）、以及不要自我放弃”的心境。因为迷茫就说明自己的能力不足以分析方向是否正确，这时只有不断往前走才能到达可以分析的境地，而到了之后自然而然会有思路，柳暗花明又一村。另外，常常觉得自己很悲惨、把所有事情都归因在客观环境上，会导致自认自己能掌控的部分很少，不利于改善自己的处境。

其实人一生中经历多次低谷和迷茫期也很正常。当然，在难度匹配的环境中成长是最快也是最开心的，但这多罕见啊！在有足够“为自己创造难度匹配的台阶”的智慧之前，迷茫和低谷在所难免。人的成长也有很多影响因素，一是人生中的智力体力浮动，二十多岁是上限，之后就一路下降，这是先天决定的，无力改变；二是领域内积累，最开始入行时最难，有一定积累（包括技能积累/信息积累/人脉积累等）之后就像开窍了，指数增长原地起飞；三是一些短期内的波动，包括环境影响、各种突发事件什么的，对这些来说心态很重要，要学会能量的调节，包括心理能量和身体能量，身体能量比较直观，心理能量（学术圈常说的不要burn out）在你发现自己总想着彻底躺平的时候就要意识到平衡有点问题了。所有人在初入职场时都会suffer一段时间，我听过有人称其为二次出生，因为领域内并没有什么积累、对自己的状态也没把握、不会调节心态、硬实力软实力也都处于初级阶段，大部分人在实习时会经历这“二次出生”，学术圈比较晚熟，可能在读博到博后不等。这个阶段每个人都不同，短板也都不同，我认为大的方向上保持成长+不弃疗的心态，细节上具体问题具体分析，依照“只抓主要矛盾”的方法论，剩下的交给时间吧。我不相信运气，短期小规模可能运气占大比重，但长期宏观上来说统计学规律会回归的。“抓主要矛盾”是任何事情的原则，人的思考带宽有限，抓的点太多容易心态爆炸丧失重点。举个例子，我博士导师是个很好的人，他曾经给过我很多很多建议，而我基本是照单全收，但由于与人有关的建议太稀碎，从如何read between the line、到每个人的性格特质、到做slides不要放thank you page，把这些建议记在脑中且时不时过一遍太占带宽，反而导致我有段时间非常谨小慎微。但后来我发现只需要抓主要矛盾就行了，在主要内容稀碎的时候记得最后不要放thank you page根本毫无意义，之后我就顺畅了很多。尤其人际交往也有基本原则，抽象出几条基本原则，具体情况分析出最重要的部分，其他都可以relax一点，在心态/思考带宽与做事的完美程度之间找到平衡很重要（btw我今年的关键词应该是“平衡”，换句话说就是中庸之道吧），太过追求完美很耗神且收益不大，并无必要。这种“抽象以节省带宽”的能力会在下面再做讨论，这也是一条通用的思路。

关于AI与数学的脑洞

最后聊一波今天的脑洞。本人神经科学/社会学背景为负，所以纯脑洞大家看个乐。如果有懂的朋友欢迎讨论～

今年真是AI大爆发之年，从industry的震撼传到了全世界，当然也震撼了学术圈。艰难思考转型的同时，我也不断思考数学的意义，因为一方面AI理论发展依旧缓慢且不实用，另一方面从实践经验中AI社区得到的直觉是，对大多数问题来说越往NN里加结构加数学结果越不好，用同事的话说人类的直觉（数学/模型）不应当被当作prior放到AI里，AI应该从general结构中得到自己的prior并依照数据更新prior。这也是为什么 the bitter lesson（The Bitter Lesson）一再被提起。数学在AI时代的意义是我不断重新考虑的问题。

如上面几节所说，人类社会其实是一个复杂系统，在人与人的social network中信息不断流动，宏观上的表现是社会不断进步、科技不断革新。每人都在这庞大系统中扮演自己的角色，有人是信息中转中心、有人提供聚集人力与掌舵的领导作用、有人在自己的专业内创造新的信息。宏观上的发展带来系统结构的革新（graph更加dense、距离的定义也从物理距离转向以兴趣/文化为基础的互联网距离）。与之相对应的，大脑也是复杂系统，微观上的神经连接与dynamics带来宏观的思考行为。与人类社会依照人与人的关系产生链接相对应的，神经系统依照神经产生链接、这些链接代表着联想与逻辑。

然而只考虑链接是不够的，不管是人类社会还是人的大脑都自然形成了multiscale结构，它是scale-up的基础。人类社会的人与人的链接基础上产生了各种层次的团体的链接（家庭、朋友圈、公司、国家等）；大脑底层信息链接基础上产生了抽象概念的链接。Multiscale或者说微观-介观-宏观的层级关系的底层是抽象的能力。所谓抽象，是把一类事物按照共同点归为一类，在类（或称集合）的层面上进行思考，仅考虑此类共同性质，而忽略无关细节。这也是为什么“命名”很重要的原因：命名意味着产生了一个类/集合，名字是类名/代表此集合的符号。大家都说命名意味着产生了意义，当一个人的名字被世界忘掉时，他的存在也就淡去了，这是因为名字是某一抽象类别的指代，就像C++里指针一样，指针消失时指代的东西就找不到了。但换个角度说，命名也意味着它与它本身产生了距离，这也是为什么要爱具体的人、不要爱抽象的人，抽象的人已经不是“人”本身了，所以说出伏地魔的名字是打败他的第一步（这一行为把伏地魔与恐惧本身解绑了）。命名之后，集合/类产生，同时产生两个实体，集合本身与集合的抽象，利用这两个实体可以在两个层面思考，例如它的内涵与外延。我认为这是解决自指问题的关键：当我用“我”这个词思考时，我脑海中的“我”和真的我并不是一个东西了，所以这就不是自指了；就像GPT提到“GPT”时，它语言中的“GPT”只是一个词，与真的GPT不是同一个东西。

从这个意义上说，思考是抽象、在抽象的概念之间产生联系并不断循环的过程，而数学是严谨化抽象的工具。因此，数学的意义来源于抽象的意义。虽然毫无依据，但我相信抽象（复杂系统+multiscale）对智能/涌现是有意义的。之前同事讨论，问我们对“AI即将取代数学家的地位”怎么看，另一个同事表示就像哲学的地位被现代科学取代一样，他对数学被AI取代并不吃惊。我最近有了阶段性的答案。我也不说什么新工具的兴起总会伴随产业革新，而人类总会发展出利用工具产生的更高效的产业这种comments了。重点是，更高效的产业是什么方向，如果要取代的话，什么会取代数学；或者说AI的发展方向在哪。AI会产生很多高效产业，比如更快地解决已有产业的各种问题而提高生产力，其中包括数学问题，这也是AI4science其中一个热门领域，但这是AI的应用，是AI的下游产业，而不是数学的替代品，因为在这个层面上，人类其实把抽象的部分置于AI内部了。我依旧坚持抽象与思考的绝对地位。数学的后代应当是对AI的抽象与思考。从哲学到数学再到智能/复杂系统，抽象与思考的本质并没有也不会发生变化，变化的是思考的问题与工具。问题由道德到自然科学到智能，然而思考智能的语言/工具是什么依旧并不明朗。未来要不就是可以用数学工具理解/思考AI，要不就是产生新的思考AI的非数学工具，这将是数学的替代品。不管现在的问题是AI的hallucination还是人的hallucination，这个时代都是令人激动的。也许现在走的是正确的道路，那么不管数学会不会被取代，我们对智能的理解都将更进一步，这就是AI的第谷时代；也许现在走的是错误的道路，那么我们的时代，正如炼金术之于化学、颅相学之于神经科学，将是开启智能时代的梯子。如果让我选的话，我还是期待是前者（从现在头部科技公司的观察来看也比较倾向于前者）。但不管是哪一种可能，我们都在前进中，只不过前者或许让我们在有生之年可以看到成功和更多有趣的东西、后者可能是积累经验的过程（即便如此我们努力的作用也会在后世显现，因此我依然怀抱信心）。以上说的是纯数的替代品，接下来说两句应用数学。应用数学也是基于思考与抽象的，但不同点在于它以应用为目的，重点落在实用上。应用数学的兴起应当是计算机的产生导致对物理模型的计算大为提高。但在物理让位给AI的当下，应用数学也会让位给基于新的语言/工具而调试AI的学科，或许是工程学/魔法吟唱学/AI心理学。从目前的局势看，头部大厂掌握核心科技，学术圈非常式微，只能做些边边角角的小规模工作，如果这样的形势持续下去的话，我对“应用数学的替代品依然会在学术圈产生”持保留意见。

说完了乱七八糟的展望，我们说说具体实现。虽然我认为抽象是智能的核心，但不了解思考机制如何运作并不影响我们做AGI，因为理解智能并非创造智能的前提。自然界创造人类时，依据的是突变+自然选择的自然法则，突变并不bias to智慧、自然选择选取的也并不是智慧，但智慧就是产生了，它只是副产品。当上文所述的大脑连接/社会网络产生后，这些复杂系统会按照内在的法则演化自身，这样的法则取代自然选择的地位成为了人类进化的规律。同样的，现在人力选择AI与自然选择人类看上去并无不同，人类依据diversity设计AI，再按照人自己的需要选择AI，一旦正确的结构产生，它内部的法则会代替人类的选择规律从而演化自身。

我有同事做AI是抱着产生超人智能的愿望去做的。理性上我并不反对，因为如果真有智能产生，那么从AI与人类这两种智能中我们可能得到更多关于智能的真相，同时这个过程很有可能会继续下去，毕竟归纳法表示有1、有1到2的规律后很多事情都可以继续下去。感性上我也并不担心，我相信人性没那么容易改变，它比技术更深地根植于机体，如果AI的变数带来对人类的威胁的话，那么这更有可能是造成全体人类大团结的契机，毕竟社会实验表明很简单的区别都可能带来文化的分裂、而这分裂严重到一定程度后基本只能通过引入外界威胁才能消除。在全球矛盾愈演愈烈的今天，也许AI的产生会带来这样的外界威胁呢，谁知道呢～

后记

以上就是最近的思考。

过去的一年，感觉艰难，常常自我怀疑。但2023的最后一天，回头望去，依然觉得自己前行了很多。从具体的学术思考、对学术圈的思考，到对人性的思考、心态的调整，再到生活上运动与游玩的规划，方方面面，虽然依然不成熟，但也不算原地踏步。30岁，还挺满意的（很难想象这是两周前还在谷底的我能做出的评价），三十而立对我的意义是迈出学生到社会人的第一步，虽说有点晚，但早晚不重要，开始最重要。

23年初，我跑到Santa Monica beach，对大海许愿，说希望今年待我好点，很难说这愿望究竟实现了没，可能实现了吧。马上要24年初了，我今年的愿望是希望增长智慧与勇气，勇气让我在远离大多数人的道路上可以安心地走下去，智慧让我可以认清目前命运交给我的课题的难度、同时在难度不合适的时候为自己搭上难度适中的梯子。

祝各位武运昌隆！