老钱日日谈
订阅
老钱日日谈微信公众号二维码
关注该公众号

会员可查看最新的全部文章

^__^ • 5 / 08
不瞒大家，使用AI时，常有一种蚍蜉见青天的无力感。比如昨天的文章发布后，我让AI去读了Big Picture网站中，VIX指数26年的日频数据，6654个观测点。然后让它输出一些洞察结论，结果每一条都让我汗颜——ta好厉害，我好喜欢~ 很多人说，品味是人最后的自留地。对此，我内心很不同意。如果品味不过是个人的小数据库、小模型而已——真能有什么不同吗？如果用香农的信息论来解释，信息是数据的内禀属性。比如VIX的6654个数据，里面包含的信息量，跟谁来分析、用多少算力分析都无关。但现实显然不是这样的，算力有限才是我们每个人的天然约束。同一组数据对不同算力的观察者，信息量不同。这意味着，我和另一个观察者，看同一组数据、同一份财报所能提取出的「结构性信息」注定不同。我们面对同样的客观事实，但各自的模型不同，得出的结果也注定有差异。智力优越感并不来自算力，而是面对同样的局面，能看到不同的结构。相比无限算力，算力有限的观察者反而需要更丰富的模型。某种程度而言，这反倒是一种祝福。打个比方：有一种经典的模拟游戏，规则很简单，就那么几条。如果我有无限算力，知道规则之后暴力求解就行了，根本不需要理解。而我作为人类认知者的处境是：我当然不可能暴力模拟世界的所有细节。但也正因如此，我被迫发展出了品味、判断、直觉、框架这些更深层的「认知」，然后靠这些东西，去涌现出些许洞察。再举个例子：推理小说作者在创作时，往往会先选好凶手，再编故事，所以作者根本不需要推理，只需要排布。但读者就不一样了，读者要猜出凶手是谁，就得从蛛丝马迹中，反向归纳。他可能比作者还累。生成一个故事很容易，但理解一个故事更费token。换言之，归纳（理解）在本质上比演绎（生成）需要更多信息。这就是人的认知活动的本质：用有限算力，从世界中归纳出结构。这个过程中创造的信息量，可以超过世界本身的生成程序。如果我们能从结果去反推过程，其实会得出更深刻的理解。但人生显然没法这么来，每个人的人生都是一个独一无二的观察顺序——先经历了什么，后感受了什么，成败悲欢，这些决定了一个人的认知和想法。我想说什么呢？智力优越感不在算力，在AI面前算力狗屁不是。但个人的品味，在AI面前不应妄自菲薄。品味是观察者的函数，不是数据的函数。它是我，一个算力有限，经历独特的观察者，从世界中提取结构的独特视角。
^__^ • 5 / 06
假设你被迫参与了一个游戏：入场费很高，赢的概率很低。赢了奖励也没多大。输了还会损耗身体、时间、自尊、家庭关系和未来选择权。那么，在这样的游戏里，继续全力下注，反而可能是不理性的。这不涉及努力有没有意义，关键是，这场游戏是否值得玩？如果你某种程度上不得不参与，那么躺平或者quiet quit，是一个很合理的策略。当然如果能换个游戏更好。更重要的问题来了：现实中，如何识别哪些游戏具备上述特征？应试教育算不算？出国留学呢？职场竞争呢？无意争论，大家内心都有自己的想法，但是可以说几个识别游戏的思路：第一，奖励到底是啥？很多游戏奖励的不是钱，也不是自由，是一个符号。符号当然有价值，但要追问一句：它能不能改善我的真实处境？第二，谁在非对称地赢？一个游戏最值得观察的未必是赢家故事，而是谁能无论输赢都赚钱？如果有人旱涝保收，而你承担全部波动，那你大概率不是玩家，更像筹码。第三，失败者去哪了？一个健康的游戏，失败也能积累经验、能力、资产和选择权。而一个坏游戏，失败后只留下年龄、债务、疲惫和自我怀疑。前者叫试错，后者是消耗。第四，退出以后还剩啥？如前面所说，好游戏即便没赢，也会留下可以迁移的东西。坏游戏只训练你适应它本身，一旦离开，发现什么都带不走。用这四条一筛，游戏大致分四类。复利游戏：低投入、低胜率、高赔率。单次成功概率不高，成本低，长期可能滚出复利，这类最值得寻找。 Life is long gamma, make something small, low and grow.在AI时代这尤其容易，因为办法都可以交给AI代劳，重点是想法。期权游戏：高投入、低胜率、高赔率。可以参与，不能All in到没有退路。这种适合找到了自己天命、不计后果走向命运的人。输赢无所谓，重要的是奔赴本身。警惕区：高投入、低胜率、低赔率。最好别参加。如果不得不玩，策略应是少投入，保留体力。基本盘：中等投入、中等胜率、中等赔率。比如稳定工作、指数投资、健康管理、稳定关系。他们不性感，但是能提供底座。一旦没有底座，容易被迫参加坏游戏。所以不必陷入语言的迷雾，「你好悲观啊」「禁止躺平」，用别人随口而为的标签往自己身上贴。回报足够高的理性游戏，千金难买我乐意的感性游戏，都值得玩。乐观与否是底色，躺平与否是姿态，选择游戏是战略。私信回复：游戏，看图。