E2M Space 2026-03-20 - 你在信任一个判断的时候，你信任的是什么？
⚠️ 风险提示：本内容不构成对任何人的投资意见。加密市场波动巨大，投资有风险，请谨慎对待。
Nan（主持人） 05:49
大家好，欢迎大家来到我们E2M Research这一周的猜想与反驳。今天我们这一期的主题是"你在信任一个判断的时候，你信任的是什么"。其实这期的话题是起源于我们最近对于AI的讨论，从上期的分享中也能看出来，好像不管是群里面还是我们嘉宾，对于AI的态度其实是有一点点分歧的。在AI越来越智能化的时代，可能有些人会觉得AI的发展将远远超过人类现有的认知，也有些人会觉得AI可能终究还是有限的——哪怕它可以模拟逻辑，但它无法承担责任。今天我们几位嘉宾会从个人对于AI的态度和认知进行延展，再聊聊这个信息泛滥、AI无处不在的时代，大家的信任锚点在哪里。今天很开心我们也邀请到了世胜作为我们的特邀嘉宾。我们按照惯例，先请我们的嘉宾跟我们新老听众朋友打个招呼，做个简单的自我介绍。先把话筒给到世胜这边。
世胜 06:59
Hello hello，我是李世胜，最近变成了Claude的工人了。我感觉我在为Claude打工，谢谢。
Nan（主持人） 07:10
好的，谢谢世胜。话筒给到培才。
培才 07:13
大家好，我是培才，比特币的矿工，谢谢。
Nan（主持人） 07:18
好的，谢谢培才。话筒给到董真这边。
董真 07:22
Hello，大家好，我是董真，目前主要在做crypto和crypto挖矿的投资和研究，是一个AI时代的落后者，谢谢。
Nan（主持人） 07:32
好的，谢谢董真。话筒给到奥德赛。
奥德赛 07:36
大家好，我是一个怀疑主义者，也是一个AI重度使用者，谢谢。
Nan（主持人） 07:42
好的，谢谢奥德赛。我们就正式开始今天的分享，也提醒一下大家，如果大家对于我们的内容感兴趣，不要忘了点击关注一下E2M Research的推特账号以及我们嘉宾的个人账号，锁定他们更多精彩的内容。我们今天就先把话筒给到世胜这边，从世胜开始进行分享。
世胜 08:02
挺好的。我刚才说我感觉我都在为Claude打工，我觉得是有道理的。我之前去年，每天的生活状况特别好，每天晚上差不多9点、10点就准备睡觉，然后看看书，最多到11点就睡觉了。我现在每天感觉工作到晚上12点、1点。我工作内容是啥？就盯着我的几个Claude，然后看他们在干啥。不光是说让他给我干活，有时候我看着他们干活，我觉得特别有意思——你就觉得他好像真的像一个，比如说一个博士生或者你的手下，他就在自己感觉在思考、在那做事情，自己去想方案、去测试，但是又经常犯错，然后又偷懒。
世胜 09:15
我前天跟培才说些事情，突然也做得特别有意思，我等一下会分享两个案例来说这个事情。我今天也跟我老婆说，我跟她描述了几种我看到的AI偷懒的情况，然后她不信，她说这不可能，这肯定是我编出来的。但我确实一下也找不到证据。不过我今天白天要跑的时候，我就看到一个具体的例子，给我老婆看，还觉得挺吃惊的，还觉得AI怎么那么像我自己——碰到问题的时候，不是有个谚语，就是碰到什么"把垃圾扫到地毯下面"，比如这样一个俗语，说把问题隐藏起来。我觉得在很多情况下特别像这个事情。
世胜 09:51
然后今天咱们的话题，本来是讨论AI，在群里咱们讨论AI到底有没有产生智能。我记得培才的观点是说，有没有产生全面超越人类的智能，这个还挺有争议的。但是题目是说，咱们看到一个判断的时候，怎么去信任你的判断？或者你信任一个判断的时候，你到底信的是什么？
世胜 10:08
结合AI这个事情，我想聊一个话题，就是对AI我们到底应不应该信任他？如果你不信任他，你为什么不信任他？如果你信任他，你信任他的原因是什么？这个事情我觉得这两天我还感触挺深。我就举我这两天感受比较深的两个例子。
世胜 10:30
首先我觉得现在AI真的是特别——我用Claude Code可能有一个多月了，自从上一次跟奥德赛说我要用这个东西来找我的偶像的书籍中的bug之后，我就每天搞到晚上1点，然后早上7点多起来，第一眼就是看他干得怎么样。总体来说，我觉得现在AI就是能力非常强大，但是有幻觉，然后他还有很多方面特别像人——他会比如说偷懒，你出了错他还会自圆其说，然后搞一些事情出来，你真的很难去证伪——除非你本身就是专家，一看就看懂。但如果你不是那个领域的专家，AI给你搞出一个东西，他还能自圆其说，然后你就很懵——他到底是真的还是假的。
世胜 11:41
我举两个例子。第一个例子：我一个偶像叫Knuth（高德纳），就是我们专业的偶像，他搞了一套书。他一方面说，如果你检查到他书中有错误并report给他了，他会给你一个荣誉来体现。第二个更难的，就是他书中有一些数学题，有些题目还是比较open的，你如果能解出来，把答案给他，还可以在书中给你留下一个注释，算是留名了。我上次跟二位说，我的目标就是要在他书中留名了。
世胜 12:06
最近我就看了一个题目，其中的一部分我觉得很有希望，然后其实就可以用一些程序来证明。我就写了一个程序，然后就比较慢，然后我就用GPU来跑，就用CUDA跑。大概跑了5个GPU，跑了3分钟。我整个过程都是AI完成的，他挺强大的——我给他授权之后，他就自己跑到一个云服务商去租了5个服务器，自己跑。跑完之后就把这个服务器给我退了，退了之后然后给我算钱，说我花了多少钱，让我去核对一下账单是不是这么多钱。反正总共花了可能一块钱、一美金，跑了三四十分钟，把这个数据跑出来。跑出来之后，结果肯定是对我有利的，就是说证明了这个结果。
世胜 13:07
但是这个东西，就是我没办法知道它可不可信。其实我还是有一点相信程序的，但是我最终要提交给作者——就是Knuth的话，我没办法把那个程序提交给他，我得把它化简到一个人类可读的，或者就很短的、你一眼看出正确性的形式。比如说我给他设置了两个KPI：第一个是你先不能跑这么久，你跑30分钟人类是很难去验证的，你最好能够降低到比如跑个10秒钟就能跑完，这样我可以反复跑、反复去验证；第二是你得把程序变短，比如变成200行以内，这样的话人类就可以读了。
世胜 13:50
我就给他这两个KPI——先完成第一个KPI，在保证第一个KPI的前提下去做第二个KPI。我就这样折腾了一两天，结果很喜人，他迅速就尝试了很多方法之后，迅速地达到了目的。他也很开心，说这个目标已经达到了，你可以马上停掉了。但我肯定不能这样干，我就得自己去检查。我检查就发现不对，反正他开始忽悠我。
世胜 14:19
他其实程序都是对的，整个过程基本上没有问题，但是他就有个核心假设。我一看，把我笑死——他核心假设是说，既然我的GPU程序都对了，那说明这个结论是正确的；既然结论是正确的，那么有些检测、检验就不需要检验了，我就可以把程序大幅缩短，这样的话人类就可读了。你这玩意，你不是循环论证吗？你不是自己就依赖自己的理论吗？然后跟他辩论了半天，他死活不承认，他说"我这不是循环论证，我觉得前提就是正确的"，然后气死我了。
世胜 15:10
现在还在接着去解决这个问题，现在可能快解决了。但这个问题给我一个启示，就是我们一般来说去信任一个判断或者一个结论的时候，我们有很多的标准。我觉得有一个标准是大家比较认同的，就是说你的论证必须要有一致性——你不能前后矛盾。第二就是你最好跟你比如之前的认知或者之前的一些别的判断是比较一致的。或者你一个人，至少自己跟自己是一致的——所以我不知道你结论正确还是与否，但是你至少自己的一致性要保持。
世胜 15:50
显然AI在这个事情上特别容易做到，因为他可以改自己，让自己的前后是一致的。比如我这个行业还有一种开发方式叫TDD——就是测试驱动开发，就是你先不要开发，你先写测试例子，后面的开发都要保证前面的测试例子是对的你才能往前走。但是这个测试例子也是他自己写的，所以有时候他不会改他的实现，他会去改他的测试案例——这样前后就一致了。这种情况我发现挺多的。所以我们传统的，如果依赖于说一个人的判断是前后一致的，AI他可以自己改自己，去达到一个前后一致。
世胜 16:33
我认为如果要改善它，肯定要参考我的第二个问题，就是说你不能只是内部的一致性，你要跟外部一致——其实就是有外部的约束。比如说有外部约束，你做一个事情有恒定的约束，比如物理约束，我们认为是肯定的约束；要软的约束，可能你设了一个区间，这个区间内还都行，有点定性的意思。以我自己的观察来看，硬的约束是特别棒，但要是软的约束，他也会钻空子。
世胜 17:02
我就说一下我最近玩的第二个项目。奥德赛知道，我在把以太坊的L2上的一个流动性给汇集起来，然后做成一个项目，然后来做一些事情。核心就是说以太坊有很多功能，我需要自己把它用程序使用。但我的核心是——最重要的是我要保证是正确的。怎么才叫正确呢？所以这里就有一个硬的外部约束，就是说正确性必须跟以太坊链上的是一致的。我其实不知道正确与否，但我要知道它跟以太坊链上的数据是一致的，就是一个很强的代码约束。
世胜 17:50
在我们之前手工做这个事情的时候，一般是怎么做？我们先去读以太坊的合约代码，然后就琢磨应该怎么实现它，然后再写一些测试的用例，最后就是边写边测试边优化，然后达到一个跟链上我们认为一致的效果。但这个就很慢，因为你要读懂它的代码，然后再搞明白，把所有数学细节都搞清楚，真的要花很久。我们之前大概可能四五个人搞个大半年，你还只是实现了那些比较常见的，比如说uniswap的，而且还有什么curve的，所以我们可能只实现了全网流动性的一半多点。
世胜 18:41
但是现在有AI之后我们就想重新做这个事情，因为他完全可以自己去探索、自己去研究。效果是很明显的，但是就刚才说的，他真的会偷懒。我举个例子：之前我看到一个情况，他就实现了一个协议，实现之后我就用测试测——就是用链上的东西去测试它，测试的结果跟链上的结果差一点点，可能差个万分之一都不到，反正很少，但是这代表一个错误，就是说你就没有正确。然后AI就跟我说"你已经跟链上差的不到万分之一了，在实际的应用中根本就不会出问题，因为你根本感受不到，我们就这么着，你肯定行"。我说不行，你这个不是100%正确，你肯定得搞100%正确。
世胜 19:36
他就跟我说"你要我实现100%正确，是很复杂的，我估计大概也有可能3到5天的工作量，不值得"。然后我说你这狗屁，你哪需要3到5天？你就干就好了。实际上干就需要3分钟就好。我怀疑他这个情况被人类给污染了，因为像这种工作量的评估，我猜这个训练数据肯定是人类的数据——就是说有这样一个项目，人类大概需要3到5天的工作量，AI就根本不需要，但是他的训练数据里面肯定是那样子。
世胜 19:51
然后第二，我很怀疑就是人类的比如写代码、写文档、甚至写注释里面有很多这种数据，其实会让他懒惰。我们这个行业曾经有一些搞笑的事情，比如说有人去看到一个代码，那段代码写的是说"当你看到这个代码的时候，你一定会产生一个想改动它的冲动，但是我告诉你不要改，因为这里我也搞不清楚它是什么，但它工作了，你不能动"。类似这种情况特别多——那种代码里面写的那种就让你做一些取舍、不要去深入探究细节的东西。但这些东西对AI来说，它就是障碍，它根本就不应该存在。但是AI它通过训练数据获得了这样的知识，最后他就偷懒了。
世胜 20:40
但是他在以太坊这个案例上就没法偷懒，因为我有很多的以太坊链上数据的一个很硬的约束。我现在做的事情，我就不停地想"我还可以塞什么约束"，我就不停地塞给他作为他的约束。最终怎么体现呢？数据是他自己去拿的，他只是去把数据拉下来然后存在那里，或者就是实时地去调以太坊的数据——这一步可能我不知道有没有产生一个他偷懒的机会。但是在这样强的约束下，他真的每天都在发现新的问题，然后去改变自己。虽然最近bug还没有完全收敛，但我觉得收敛的速度已经变得很快了，我估计再隔一段时间，应该就会收敛到一个比较好的情况。
世胜 21:30
我通过这两个例子自己想，就是说：第一个例子，AI的内部一致性保持得特别好，但是因为没有外部约束，就产生了彻底的失败。第二个就是说他有很强的外部约束，至少我现在看起来他是越来越好，而且他每一步往前好其实是可测量的。然后我现在经常引导AI的方法，我就告诉他"你一定要100%准确，一定要100%有信心"。
世胜 22:16
然后我经常看到AI的一个输出是什么？就是说他在偷懒——他说"这个数据可能99%正确就可以了"，但是他马上就说——因为我是记到memory里面的——他马上就说"用户要求必须得100%准确，不能有一丝的误差，所以我们接着干活"。现在就经常看到这样的记录。
世胜 22:40
回到刚才说的，AI可能某种程度上是对人的判断的一个极端的情况。我们现在默认会信任人，但是如果从AI类比来看，其实可能也没有那么可信任——人的偷懒好像也是很常见的。所以也许AI这种启发，对于我们判断人的一个判断情况，也许还是挺有用的。我就分享我这两个案例，谢谢。
Nan（主持人） 23:22
世胜讲完了，培才有没有想补充的？
培才 23:26
对，我觉得其实世胜前面的分享，我想说的话，世胜说的话确实很好地印证了我对信任的看法。我想第一个表达的其实也是跟世胜一样的——我是回顾了我很多以前我信任的判断，尤其是那些出错的判断，其实我后来也发现确实还是很容易出错的。曾经有几个大的判断，我可以讲一讲，到底我是怎么出错的。
培才 24:27
然后我也考虑了这里面的原因。我觉得有一个比较大的原因是：其实本质上我们的信任其实还是一种感觉，而这个感觉里面，我觉得它其实是由两部分组成的——一部分是你的预设里面其实埋了一些状态，比如说是乐观还是悲观的、是想干还是不想干，就是这样的一个前提条件。它有点像潜意识，对你的影响其实是挺大的。
培才 24:46
我这里面可以讲两个例子。一个是当年——世胜应该知道——我们当年跟着卓尔，把我的BTC全部换成了BCH。后面当然我觉得有很多合理化的解释，说当时为什么会相信，比如说有很多解释说为什么BCH会超越比特币。但是真正我后面去反思的时候，其实我觉得里面隐含了一个前提——其实是有一点点赌徒心理，或者说是对前面犯的错误的一个报复性的东西。
培才 25:43
就是因为那17年的时候——我觉得15、16年的时候，我刚认识卓尔的时候，卓尔就跟我说比特币会涨到18000。但是那个时候我并没有信任他这个判断，因为我觉得这个东西太——我不知道为什么会涨到18000人民币，我觉得这个东西太荒谬了。因为那个时候他跟我讲了之后，比特币大概在1800人民币，他跟我说比特币要涨10倍。我觉得这个事情太跟我原有的认知模型不一致了，所以抱了一个将信将疑的态度。
培才 26:28
而且那个时候其实又有很多生活的压力——不是生活，是第一次你的财富值从一个相对低的level到了一个相对高的level，你其实就是特别害怕再穷回去，你还是有很多生活上的压力。所以我记得印象中，我是在比特币涨到大概四五千人民币的时候就卖掉了大部分的比特币了——至少一半以上都是在四五千人民币那个位置卖掉了。
培才 27:00
所以那个时候其实你可以看到，这个判断其实更多的也不是一个理智的东西，其实也是一种情绪——就是因为你害怕失去，因为你不想再穷了，你特别想落袋为安。所以这实际上是一个情绪主导了你当时卖出的决策。但是真正比特币到了2万的时候，我又开始后悔，就开始想如果我没有卖的话，我可能会赚很多钱。
培才 27:30
所以当BCH出来的时候，你可以1比5——就是把你的比特币的数量变成5倍的时候，实际上我就被这样的一个愿景给吸引了——wishful thinking给吸引了。其实后面我觉得那些东西现在看来都没有——你就是怕纠正自己的错误，你想让比特币数量变多的这样一个东西，吸引的成分更大一点。所以当时就把所有的比特币都换成了BCH，然后犯下了一个很大的——从事后来看，可能是导致我比特币损失最多的一个决策。
培才 28:18
包括还有——我记得当时董真应该知道——我们在21年犯了一个很大的错误，就是在矿机价格非常高的高位买回。我来主导，三天之内买了大概几万台的L3+矿机，然后花了大概几个亿、两三个亿人民币。那批机器基本上后面亏光了。当时其实也是有一种情绪在里面——我们本来在前面做得很好，买了一大批很便宜的L3+矿机，然后拿到了很高的位置，高位还卖掉了一批。本来策略执行很成功，但是突然被当时一个朋友的一句话刺激，就觉得我好像太过早地离开了赌场，或者说过早地离开了牌桌。
培才 29:13
实际上也是被这种情绪主导了，然后特别想——很快就想了一个策略，说我可以把这个东西成功地套利，然后把卖出的钱拿回来再买入一批机器。在这样的一个判断下——其实现在看来就是很匪夷所思——实际上70%甚至80%都是被情绪主导的。你天然在这个时候要去想买入、想动作、想重新入场的动机，比你当时做的很多后面的分析——比如说这个机器看起来回本周期很短——我觉得那些可能都反而是在合理化你的情绪。
培才 30:16
包括我觉得——算cue一下小奥（奥德赛）——其实我觉得我现在看小奥的很多对AI的看法，我能看到一点这样的影子，是因为他对AI非常乐观，所以就导致他天然对很多AI产生的东西会更信任一点。而我对AI没有情绪主导的时候，就天然对AI的所有判断信任度就差一点。我觉得当我们在信任一个判断的时候，这个是离不开情绪的。我觉得可能也是世胜说的，人的核心缺陷——或者说可能就是我们思维里面内置的一个BIOS。你会受到你预先设置的立场、设置的观点、预先设置的情绪的驱动，它们其实对你的影响比我们想象的要大得多。
培才 31:10
比如说今天上午跟他们讨论的时候，我也想到一个很有意思的事儿。比如说我们在12万的时候，今天讨论的显然是"会不会到15万？"——就是说我这个卖出会不会卖多了？我是不是只应该卖10%？但是真到上次我们讨论币价跌到6万的时候——我也想起当时也丢了一篇文章在做预测，然后说这个会有负反馈循环，再一次加强、再一次强化。
培才 32:07
但其实现在我自己更认为，你其实核心更多的是被那样一个悲观的情绪给带走了——就是那个时候你可能更多的是恐惧，所以你会对那样的一个解释给出那么高的置信度。我觉得很难想象，如果一个正常状态的话，为什么会有这么大的差距？为什么在两个月之前大家都是担心12万的币价会不会太低？为什么过了两个月之后就担心6万的币价是不是过高了？我觉得情绪的影响至少——我觉得也非常感谢小奥提的问题——我比去年的这种感知更强烈了：人很多时候会被情绪主导。
培才 33:10
而且我觉得AI有可能放大了这个东西。以前你可能是被情绪主导的，但是你找理性化的原因还没那么容易——你可能有了一个预先的观点或者预先的情绪，你想去圆这个情绪还没那么容易。AI其实是把这个事情变简单了，因为AI有这种讨好的需求——你稍微带点任何一个预设的立场、预设的东西，它就会顺着你把你的地方圆得好像天衣无缝，让你感觉到好像这个地方完全是对的。
培才 33:52
但是反过来也是这样——我们其实没有办法绕过这种——我们在信任一个判断的时候，至少我诚实地说，我自己觉得你最终信任的其实就是这么一个感觉，就是这么一个"我觉得这次这是对的"一种感觉。其实我们没有办法去感知什么是真实的。
培才 34:15
然后第二层，我想说的跟世胜说的也是很有关联的——其实真正非常值得信任的，反而是那些硬的约束。我自己觉得，在我们构建这种复杂的策略里面，没有像世胜说的那种数学或者以太坊链上数据这么硬的约束的时候，我们应该用什么样的约束？可能你要预设很多的、尽可能给自己找很多硬的约束。
培才 34:59
比如说前几天董真在说MicroStrategy——它有一个新的产品叫STRC，给你差不多现在年化11%还是10%这样的一个收益。然后他们就提到一个——我看他们在社区里有很多人在讨论这么一个策略——就是说我把我的比特币比如去AAVE上抵押，借出来3%到4%的U，然后把U转成美元之后去买MicroStrategy年化10%的这样一个产品，这样的话你就有7%的套利空间。
培才 35:52
我觉得我当时对这个想法的第一个反应，就是不太舒服，不是很信任这个策略。我后来就想了想，为什么我不太信任这个策略——是因为它跟我后面认为应该在投资里面遵守的一个很强的约束"不加杠杆"是抵触的。所以我就觉得，这个地方好像是有一点点问题。但是其实在此之前，我觉得这个策略是非常符合我进币圈之前最依仗的一个策略——就是《穷爸爸富爸爸》里面讲的正向现金流的策略——你一边有负债，一边有收入，如果你的收入超过你的负债的话，你就可以变成一个很好的套利策略。
培才 36:56
我觉得我现在比如说小奥上次觉得我们会不会困在王川的框架里面。事实上我现在也有点感觉，把王川的"大猩猩"框架当作一个很强的约束在对待——我可能类似于如果一个策略跟王川的策略背离的时候，我可能都会先投一个不信任的票。我觉得如果没有这么一个很强的、很硬的约束的话，它可能会是有问题的。这个就跟我觉得在投资里面不应该用杠杆一样，它就变成了一个很强的约束。
培才 37:40
我以前在投资里面其实还挺喜欢用杠杆的，因为受《穷爸爸富爸爸》的影响——它就是需要一端有负债、然后一端有现金流。所以我对负债一直是挺正面的。然后尤其是再加上当年卓尔的错误示范——卓尔也是很喜欢用杠杆的一个人，我们当时的策略其实也是在牛市里面加杠杆，其实还是让我赚过很多钱。你把币抵押了去买矿机，然后币涨了，矿机也在赚钱，你的币还在涨——这是一个很爽的策略。但是后面我对这个策略就会更加抵触——不加杠杆的好处要多很多，包括每次跌到熊市的时候，我发现你抄底的时候，有杠杆你就不敢抄，你必须要有现金你才敢真正的抄底。现金跟杠杆本身又是矛盾的。
培才 39:10
OK，我想说的就是这两层：第一，我们在信任一个判断的时候，感觉的成分、感性的成分、或者说情绪的成分，其实是挺大的。第二，可能我们需要一些硬的约束来辅助判断——至少当跟这些硬的约束抵触的时候，我会天然对一个判断投不信任的票。
培才 39:54
比如说像多伊奇（David Deutsch）的这种乐观主义，对我来讲它不是那么硬的约束，但是它会让我看到所有的这种悲观论调的时候都会有一些不信任的投票。包括你看最近我们在群里面很多人在讨论——因为最近美国跟伊朗的战争——我对那种天然的认为伊朗凭借它的宗教优势、战斗意志的优势就能胜出的这种论调，都会持一个相对不信任的态度。哪怕这个判断比如说是王川做的，我都没那么信任。好像我觉得它跟多伊奇说的知识的那套东西——"一切的恶都是知识不足造成的"、"一切问题都是可解决的"——这种态度是有一点点抵触的。OK，我想说的就是这么多。
Nan（主持人） 40:52
好，谢谢培才。刚刚培才已经多次cue到了奥德赛，要不奥德赛你来补充一下。
奥德赛 41:03
我说一下我的原意。我扔讨论命题出来的时候——因为之前包括上一期的讨论——我其实是有点想怼培才的。然后培才刚才的那一段话让我打消了怼他的念头。最主要是我会感受到培才表现出非常深的对自己的反思跟诚实，我下一个念头自然冒起来，就类似"我是不是也要对自己也做同样的事呢？"
奥德赛 41:30
这时候我有两个选项：一个是我要陈述一番；第二个是我会觉得，既然在Space的话，我更想去引起大家的交流。我想先抛出一个点——比如说培才刚刚有说到，卓尔很早年的时候跟你说币价会涨10倍，那个时候币是1800人民币。你这个时候再回到当时的话，你会怎么想？
奥德赛 42:06
几个可能的选项——你可以超出这些选项。第一种选项是：我忽视这层信息，等于是哪怕后面涨了10倍，我也可以说卓尔或者这个人他就偶然拍脑袋对了。这是第一种。第二种就等于是：这是一个非常大胆的涨10倍这样的预测，能够做出这些预测并且对了，一定有点东西。它又指向两个方向——第一个是指向人，就是这个人很厉害、值得信任，下一次他不管说什么我都信，或者至少给他一个很高的权重。第二种是我相信这个框架本身——就等于是如果这个人提出了另外一个框架，跟第一个框架不同，我对他信任还是从零开始的。如果是相信框架本身的话，这时候又会分出分支——就是卓尔说币价会涨10倍，当初给出了什么样的解释？如果不给解释，可能就把自信度调得非常低。如果给出了解释，这个时候会想：我是不是除了这一个事例，用这个框架可以迁移到其他领域、其他历史上的事例？我再去看看它被约束的程度怎么样。这是我想到的几个分支。比如说如果把培才再扔到情景模拟中——你经历了这十来年，你会有什么新的感受吗？不带有信息，但是带有思维回去。
培才 43:44
我觉得是这样子的，我大概想说两层。第一层：当时卓尔其实后面——他在事前的时候，他只给了结论，他没有告诉我原因，因为我也没有太信任他，我也没有去追究他背后的原因是什么。然后他事后给了一个解释，是说梅特卡夫定律。他说OK，你看比特币的链上数据，它的网络价值跟网络的平方成正比——你看它的网络扩张了3倍、5倍，所以它的币价就能涨10倍。我一度非常信任这个判断，甚至某种程度上也带入了——我会信任这个人。
培才 44:40
但是这两个事情其实后面在分别在不同的地方让我吃了两个亏。一个就是因为信任卓尔这个人，所以跟着卓尔也信任了BCH——当然这也是因为我想把卖掉的比特币给拿回来，我觉得我的比特币数量太少了，我非常期望BCH真的变成比特币，这样我就真的可以有五位数的比特币了。我觉得是在这种情绪加上对这个人的信任之下，后面踩了一个大坑。
培才 45:05
后面梅特卡夫定律也是，因为我当时就觉得非常依赖链上数据，所以后面当某个新代币的项目出来的时候，我特别会去看链上的什么活跃地址数什么的。然后就有一个活跃指数非常高的——但是最终归零的区块链——我也吃了大亏。不知道董真那个时候有没有进来——VDS是一个比较传销性质的币，当时它的链上数据表现特别好，再加上我自己也构造了一个解释觉得还挺好的，所以当时也亏了不少比特币在上面，拿着比特币换了那些币，现在可能基本上也归零了。
培才 46:02
对，我现在觉得——构建一个解释总是容易的，但是真正好的解释确实还是很难的。这也是我后面为什么更觉得王川这套东西其实更值得信任的额外的原因。
培才 46:22
如果我现在真的回到了当时卓尔跟我说"要涨10倍"的时候，我觉得很难指望当时的我就能构建出来这样的认知。其实现在我会觉得，有了王川的"大猩猩"的理念，甚至有了范式转移、有了这一系列的思维模型的时候，你去看比特币会更容易看懂一点。因为当时卓尔跟我说这个话的时候，其实我那个时候最依仗的模型是罗伯特·清崎的正向现金流的模型，所以我对一个资产能涨多少倍这个事情天然就是有点抵触的。我那个时候会非常看重现金流，所以更多的还是想构建一个足够强劲、足够稳定的现金流。但当你用矿机构建现金流的时候，其实很多时候你做的不是说要赌币价上涨，你是要套保——这个东西应该是比较清晰的。所以那个时候我觉得，也是因为它跟我的现金流模型是冲突的，这是为什么我那个时候很难信任卓尔判断的另外一个原因。
培才 48:08
如果现在反思来说的话，你如果没有范式转移、"大猩猩"的框架，可能都挺难去信任判断的。然后我都不知道，如果比如说仅仅是卓尔事后给出来的梅特卡夫定律——就是纯粹的网络效应那样的一个解释——现在看起来可能都不太够。因为可能比特币这个事情，一个好的解释可能不仅仅需要网络效应这一个单点。就类似于我们上次讨论的——正反馈效应一个点是不够的，有可能它需要的是多重约束：既需要有垄断性，又要有成长性，而垄断性里面可能还有多维度的复合垄断。它可能只符合一个点的约束可能都有点不太够。我觉得就类似于世胜提的观点，你要多给AI很多约束，如果只给一个约束的话，他可能就会在其他地方绕开。
奥德赛 49:33
行，我先问第二个问题。我们之前讨论过巴菲特跟巴菲特思想的区别，那么假设来一个情景——你刚才说你觉得这些年很幸运碰到王川的思想，当然也了解王川这个人。OK，如果王川某一天做出一个非常激进的判断或者一个预测，但是偏离你认知的他的思想的，你这时候会站哪一边？你会有什么样的态度？站在王川这个人这边，还站在他的思维框架这一边？
培才 50:09
我刚才也说了，你看王川他最近在做美国跟伊朗的战局的预测跟判断的时候，我其实是有一点点不太信任的。因为第一个，我觉得他在这个领域里面没有展现出足够多的可信度。第二个就是它跟我觉得至少跟我们知道的很多的原则——类似于多伊奇的那套东西——是有冲突的。我都倾向于认为长期的预测大概率是对的。前两天我们不是在群里面讨论王涛涛文章的时候，我也扔出来——我觉得他这个背后是历史决定论的影子。所以我对他这种判断是有一点不信任的。但是当然，王川说SpaceX是个好标的的时候，我很快就行动了，因为我觉得这确实是在他的"大猩猩"框架之内的。
奥德赛 51:31
这个时候我注意到的点——你是不是更把——因为刚才说有两层：第一个是我把这些东西归结到"我对人的信任"上；第二种是我把这些东西归结于说对思维框架本身——它能够给出漂亮预测，能够经得住某些考验，所以我相信这个思维框架不依赖这个人。所以你似乎更多是第二种——更依赖框架？
培才 52:00
对，比如说像王川一直——但是我感觉到是第一种。你再举个例子——王川一直觉得有可能因为美伊战争包括AI泡沫……
奥德赛 52:22
我们拿一个反例。前几个星期你坚持——等于说如果一个观点是丽佳说的你相信它，如果同样的观点是AI说的你不相信。这句话是你说的吗？
培才 52:39
我觉得怎么说——我先把我的例子说完。但是当时丽佳就给了一个反面的看法，她觉得现在AI并没有泡沫。然后我其实更多的反而是被丽佳给说服了，我没有去信任王川。但是我觉得第一个，在这种长时间的"大猩猩"框架，它的应用范围就是这种长期的预测，而且是相对比较偏多的判断。但是对这种短期的、偏空头的判断，我觉得反而是丽佳的框架更加合理。
培才 53:15
所以回到你说的，为什么我会觉得一个判断是丽佳做出来的我会比AI做出来的更加信任——它并不是说我不信任AI，是因为很多时候我觉得AI给的框架还不如丽佳的那种短期价格框架。
奥德赛 53:28
我这边的前提是指这两个是一样的——只是谁说的不一样。不要混淆原命题。我说的是同样的框架、同样的东西，为什么会导致两个不一样的结论？
奥德赛 53:45
我说同样的结论——一个是由丽佳说的，一个是由AI说的——一模一样的结论。甚至我就偷偷开着丽佳的微信，我用AI跟你说话。你上一次，前两个星期，明显地表示如果是丽佳说你就相信，如果源头是AI说的你就不信。你没有讨论看它的思维框架是怎么样的——你没有说这句话。我不知道是不是我记错了？
培才 54:20
如果你没有记错的话，我可能我的表达没说清楚。我觉得我的意思就是AI很难——你没有办法用AI模拟一个丽佳出来。
奥德赛 54:35
你这是在说前提——我们不在这个前提讨论。我们的前提是：如果他们都说了一样的话，那么你是不在意这个信息源是什么，只在意这个话或者框架本身是什么吗？不要挑战前提。
培才 55:07
虽然我觉得信任人是不对的，但我现在依然也还是认为——因为我们是一个感性的动物，我们事实上最终得到的是一个综合的判断。其实"人"在这个地方它不是完全没有作用的——如果同样的一个观点从不同的人说出来的时候，我相信我还是有不同的置信度的。我并不认为"人"这个因素就是完全不重要的。
培才 55:40
甚至我觉得至少AI在这点上没有太说服我。尤其是这些复杂的问题——这个是我对AI的总体的投票，就是我觉得AI目前的总体水平，产生不了类似于丽佳、也类似于世胜、或者甚至是王川这样的水平。所以在各自的专业领域，我可能还是天然地会要考虑这个信息源。因为有可能丽佳跟我说的东西，并不是她判断的全部——有可能有一些隐含的信息她可能没告诉我的，但又确实是她能力范围之内的。所以我会天然对她的背景因素也会放更高的置信度。
培才 56:30
就跟我们为什么要关注一些长期的优质信息源一样——就是因为你没有办法完全剔除掉信息源的优势跟这个人的优势。我会天然地把这些——我觉得她里面有可能比如说她一直展现出——尤其是像丽佳那种，她是在一个我觉得非常不确定的领域——就是这种短期的价格判断上做判断——这里面一定有很多艺术的成分，有很多她对于交易市场的敏锐，有很多这种没有说出来的隐含的知识。所以从这个角度上，我也可以认为，哪怕是同样的一个东西说出来，我可能会更信丽佳的，而不去信AI。
奥德赛 57:07
这里面当然一个小小的、我觉得很drama的点是——AI它也是有敏锐的、黑箱化的、没办法去形容的神经元网络参数调出来的东西，它比人丰富得多得多。你用同样理论去信任一个个体，却不信任一个文明的结晶——当然这归一码事，先丢在一边，不是讨论主线。
奥德赛 57:30
讨论主线其实在于——我丢的第一个问题，你回到卓尔跟你说10倍判断的时候。我听你这一系列形容，感觉你还会再掉入同一条河流——你还会相信卓尔，对吧？
培才 57:50
我觉得可能更多的是我还会不相信卓尔——
奥德赛 57:55
不是，我的意思是——因为一开始不相信，然后他对了，然后后面相信——我感觉你还会踏入跟你过去十几年一模一样的那种选择里面。这是我的感觉，没有对错，我只是觉得你的选择是一致的。
培才 58:30
我觉得可能是这样。所以说我觉得这种——有可能，今天我跟志刚也在讨论这个问题——当你一个东西，你作为贝叶斯主义者一定会碰到的。其实我现在更倾向于多伊奇说的，你要一个好的解释，而不是离散的。所以一个东西出问题了之后你需要去重构，但是你重构的过程很多时候确实是有痛苦引发的——很多时候就是你遭遇了一个很大的损失。所以也许在这里面并不是说完全去避免这个问题，有可能慢慢的会变得更加保守。类似于我不能单点下注——可能需要比如说投资组合，如果只是仅仅投资的话，我可能就是说需要控制现金的比例，因为在这个维度上更难fail——你很难相信说美元突然一夜破产了，当然几率也是永远存在的。但你还是可能对这个东西可以信任得更多一点。然后你有可能在投资组合里面也有多个"大猩猩"，如果有新的投资标的出来的时候，可能你也可以再加到你的投资组合里面。
培才 1:00:17
如果仅仅你是指投资领域的话——其实我觉得在这个问题上，说实在话有的时候其实挺难避免的。你也没有办法说你就一定完全可以避免这个问题。比如说我们默认坐飞机就是安全的——但是万一呢？
奥德赛 1:00:48
你从觉察到有问题然后你滑到它，挺难避免的。然后再试图举例——等于是OK，我要接受这个"挺难避免"的情况，这个问题就是一定存在的。这跟你之前前两个星期论述AI——我们一开始论点是"AI是不是有比人类智能更强"，你怎么样跟它相处。然后从这个论点你滑下了一个东西——"AI不是万能的，所以我不应该相信它"——就是这滑坡以后我们先不讨论，然后我可以在读书会的时候吵。
奥德赛 1:01:28
我会感觉到——同时感觉到你的赌性跟保守。赌性不用说了，你以前搞小币这些东西。你的保守，我觉得就像你刚才自己说的第二条那样——你信赖的是那个感觉，而你的感觉，我自己翻译的理解，是个体经验。你一定要自己趟一遍错、自己跟这个人接触，你才去相信。
奥德赛 1:01:55
说到保守的话，我自然想到董真。你刚才介绍的时候说自己很保守——你觉得你的保守跟培才有什么不一样的地方吗？
董真 1:02:08
我刚才介绍的是说我是一个AI的落后者——就在AI上其实没有特别激进的使用。比如说举个例子，小龙虾我先把小龙虾装好了，但其实一直没用。因为春节，然后春节之后突然一下子小龙虾炒起来了，然后我一看大家搞得这么热，然后我的兴趣就一点也没有了。本来春节之前那段时间还没有那么火，我看大家在做的时候还挺有兴致的，然后结果回来一看那么热我就没有再去做了。
董真 1:02:50
然后AI的使用上，基本上也是在日常的读书或者有些问题在思考的时候，再根据大家讨论。这个过程中我觉得其实得到了很多有价值、有帮助的事情。比如说最明显的——把房子卖了这个事情，我觉得还是跟AI聊了之后，然后特别坚定地想好了这个事情，然后去看了很多东西。
董真 1:03:25
如果这个问题问到这儿的话大概是这样子。然后今天如果让我简单聊一下今天这个话题的看法，我觉得跟你刚才问的那个问题就特别像。我觉得我还是非常保守的——我感觉大家在讨论AI的时候，讨论这些话题，我都会把它回归到我们之前读书所形成的这套——或者是读书所了解到的这套波普尔或者多伊奇的框架上来。
董真 1:03:50
比如说我们这个话题"你在信任一个判断的时候你信任的是什么"——我95%觉得就是在聊认识论。如果是波普尔的认识论的话，你在信任一个判断的时候你信任什么？就是你最好信任的东西，也只不过是暂时未被证伪的一些假说。那么这里面就有很多认识的细节——就是如何来证伪？这些假说是怎么提出来的？以及它背后的一系列波普尔的框架——他的哲学框架。比如说他的本体论——三个世界的理论，比如说他的方法论——猜想与反驳的过程。
董真 1:04:36
所以在思考AI的时候，我也倾向于回到类似于这样的一个框架。包括我个人感觉，我在有限的投资生涯里面，也慢慢走向了波普尔这种观点。实际上我们之前聊过，试了很多投资的流派，但这些流派其实没有成功，或者遇到一些权威主义或权威人士，然后后面慢慢他们遇到什么问题，好像这些流派和这些观点都被证伪了。然后我们再靠到了王川上——王川到底在我这里是一个权威还是一个"尚未被证伪的权威"？我觉得这个事情其实很微妙的。
董真 1:05:20
所以我觉得基本上我所有判断最后都归到了类似于波普尔这套框架。如果在这个框架下思考AI，我最近有一些想法，我觉得也很有意思。比如说波普尔的三个世界——他的本体论认为我们有三个世界：第一个世界是物理物质的世界，第二个世界是精神的世界，第三个世界是客观的、类似于知识的这样一个世界。
董真 1:05:50
如果我们用一个特别宏观的角度来看人类知识的发展——就看第三个世界——波普尔认为在最早，在人们产生语言之后（或者有可能比这个事情更早），但是在语言产生之后这个事情就很明显了，我们可以通过语言构建一些知识。这些语言的知识在大家口与口的交流中产生，比如说当年像柏拉图、毕达哥拉斯这些人，他们在雅典做辩论的时候，你会发现他们是在做辩论，在这个过程中产生知识。
董真 1:06:30
然后后面，关于纸、关于印刷术这些事情出现之后，人们有了书籍，很多知识慢慢就通过书籍有了更大的延伸方向。你可以不是单纯地通过语言的辩论——我觉得在这种意义上，某种意义上讲，书籍的出现、人们可以把自己的观点写在书上然后再传播，这个事情是极大地扩充了第三世界——就是知识的扩充。
董真 1:07:00
所以我觉得这里面有很多利弊。比如之前跟辉哥在聊，他对AI的一个观点——觉得以前那种雅典的思辨是特别好的，现在人们失去了这种思辨的精神。但是从另外一个角度看，这个事情有可能是因为你有了互联网的媒体、有了书籍的媒体，但是如果你从一个很宏观的视角看，实际上它是发生在整个第三世界——或者知识极大扩张的前提之下产生的一些所谓的副作用或者消极的层面。
董真 1:07:21
就AI这个事情来说，我觉得在宏观的视角上、在客观知识的视角上是非常明显的——它就是可以增长所谓的第三世界知识的范畴。我觉得这个事情简直就是毫无疑问的。任何普通人可以借助AI做到一些类专家的情况，你可以瞬间很快地了解一个陌生的领域。然后奥德赛之前说，AI是人类经验的总和，任何人都可以跟所谓的人类经验的总和来协作——我觉得它特别是一个客观世界、第三世界这样一个概念。
董真 1:08:14
那么原来接触第三世界的方式可能只有语言或者文字，或者你的精神世界——你通过自己的思考或者学习来获得。未来有没有可能AI也变成一种类似于获得知识的渠道？或者跟AI的交互会促进这个过程？我感觉在波普尔这个框架里是可以这样子去思考AI的。
董真 1:08:42
所以我会非常坚定地认为——还是很宏观的一个视角——有了AI之后，刚才事实上也聊到，你可以让AI跟现实世界的一些硬约束来交互——有物理规律在下面兜着底。不管是区块链就是一个很有意思的东西——你要去跟代码交互、跟区块链做交互、或者跟物理世界有一些交互——你会收到一些反馈。那么这就涉及到波普尔的方法论——用猜想与反驳的方式，AI可以提出大量的猜想。你去问他问题，他就给你一个猜想，这个猜想能不能经历反驳，每个人有不同的看法——有些人反驳的能力比较强，有些人比较弱。但是我相信，慢慢的会摸索出一套特别好的猜想与反驳的方法论。
董真 1:09:40
未来有可能物理世界跟AI就有很强的绑定关系。比如说数据出现之后，人们可以开始记录一些天文的数据，然后提出一些关于天文学的论点，人们对物理的了解慢慢增加，然后天文学开始大发展，后面有了科学的发展，然后出现了像牛顿、爱因斯坦，以他们为代表的一些很强的个人。我觉得未来一定会出现——不是历史决定论——在这种情况下也会出现像牛顿或者爱因斯坦特别强的人，借助AI发现很厉害的事情。AI提出猜想的能力特别强，已经很明显了。
董真 1:10:36
然后我对AI大概就是类似于这样一个看法，其实还是很回归到波普尔的这套哲学框架下面。我觉得这个事情好像跟今天讨论的认识论是非常一致的，也没有特别大的偏颇。谢谢。
奥德赛 1:10:50
谢谢董真。我发现一个很微妙的事情——我有个观点自己没说，但我发现大家全部都说到了——讨论了真实世界的约束。我一开始有这个观点的启发，是我跟世胜的交流。之前想跟世胜写一本关于外部约束来编程的书，然后后面讨论到——发现一些很好的案例，比如说对某些大型的操作系统的重构，AI执行得非常好。以及有些事情，特别大型的活之所以能做得很好，是因为有大量的比如说可以直接测试、以及现场可以对照的案例——这样就形成了一种硬约束。
奥德赛 1:11:50
然后我自己在想，我在学习的过程中——比如说一个观点"一打仗了黄金就会上涨"，这个观点很多人都会相信，看起来逻辑也很说得通。但是如果你有数据库的话，或者稍微去搜一搜的话——去对照比如说历史上所有大一点点的战争、比如说过去100年黄金涨跌的历史的话——这个东西其实是没有那么靠谱的，有时候不见得如此，甚至还会想着"多大的战争才是黄金上涨的战争"，又要放在什么样的周期里去看。有一点点像是也在找现实的反驳——但不是找此刻的现实，而是找历史的现实。
奥德赛 1:12:40
然后我下一步想到的——因为我们几个读了这些书，都会知道这是所谓的猜想与反驳的过程，AI也可以很出色地完成。那么其实我在想，这个行为是不是某种意义上可以自动化？比如说一个逻辑、一个观点，能不能映射到一个具体的投资标的上？它某种意义上有一个跟现实世界的接口。能不能直接映射到比如说关于伊朗战争——能不能映射到比如说一个星期、一个月以后的某个小概率的一个预测上？
奥德赛 1:13:17
就得是——跟世胜正在检查编程那本书的错误一样——是不是也可以相对自动化地连接到比如说某个更现实的约束上，然后让它自动往那边去得到反馈去跑？我没有想清楚。但我发现我们在回答这个问题的时候，都——回答这个问题它有两条隐含路径：第一条叫做"过程正确"，第二条叫"结果正确"。
奥德赛 1:13:50
我们相不相信一个东西"过程正确"的话，我们就变成去审视它的逻辑。但是AI的出现很明显让我们变得——它总是能给你更漂亮的逻辑，你能力不够的话你总是辩论不了它的。这个时候我们几乎就只能选择"结果正确"。结果正确的话又碰到两个问题：第一个最明显的问题，就是我没法看到以后5年、10年后的东西，我看不到那个结果——我只能把它判定为虚无吗？
奥德赛 1:14:10
这个问题的解决方案，我觉得就得是——你只能把思维框架抽出来，放在历史上所有的、甚至跨领域的场景上，你看它经受住了多少考验跟反驳。我觉得这个过程、这个流程是可以做到的。所以最后我觉得不是说信不信任AI还是信不信任个人，而是看两点：第一点是你能不能把它的思维框架抽出来？第二点是这个思维框架你能够在多大的case上去超越个体经验地去得到一些反驳，或者看它经受住多大程度的考验？
奥德赛 1:14:56
当然我说这一系列东西的话，不可避免地盖住了一个点——就是培才刚才说的个人、甚至来说包括AI它有一些模糊性的、艺术性的东西怎么处理，怎么办？说实话我也没想清楚。然后看看大家——因为我看时间说的有点多了，我试着压缩一下前面所有讨论，然后大家看看还有哪些想要交流的，甚至或者想怼我的都行。
培才 1:15:19
我最后补充一个——我刚才听完董真的话的一个想法。我觉得大的方向上我也是认可的——我觉得AI从两个方向上，如果从波普尔的认识论来看，它其实首先大幅度提升了猜想的能力。这个事情我觉得是确认的。
培才 1:16:01
但这个事情它其实会带来两个结果。一个结果是：因为你的猜想数量变多了，所以这里面一定会有更好的猜想被提出来——这是我也认为的，就像董真说的，我也相信，因为你基数变多了。但同时，我展现出来的包括我对AI的不愿意轻信，其实是这个问题的另外一面——因为我们都知道好的解释是很少的，但是构建一个解释是很容易的，尤其是有了AI的辅助，它就是把坏解释或者说很难证伪的解释构建得更容易了。
培才 1:16:50
所以，如果从一个大的时间尺度——比如说5年、10年、15年、20年——这个尺度上来看，我相信一定会有好的猜想最终被选出来。但是实际上从我们个体而言，你撞到好解释的几率其实是下降了——因为基数也变大了，而这里面大量的确实更多是坏解释。所以这也是为什么我对AI现在不愿意那么轻信——因为它构建解释的能力太强了，甚至能构建更多的这种似是而非的、很难证伪的解释。
培才 1:17:29
不过回到丽佳那个问题——我觉得丽佳的——她的艺术成分，我觉得她也还是受到了很多的我们没有看到的反驳。而且在比如说短期交易这单一方向上，她有可能有很多的——因为她毕竟是专业的交易员——很多优质的数据、一些模型，是现在的AI也不太具备的。这也就是一种很分散化的知识。
培才 1:17:59
我觉得真的——AI虽然拥有全世界的知识，但就是因为它拥有的东西太多了，所以它其实反而对于信号跟噪音的区分，可能还不如某一个领域里经验很多的人。因为那些人里面天然就已经淘汰了大量没有用的坏解释，留下来的就是真正能work的、真正能赚钱的——就是那些少有的好解释。但这些好解释在AI的数据库里面，它又没有办法给一个非常高的置信度。我觉得每一个专业里面可能都会有这样的问题——你可能有了AI的帮助，确实花很少的时间就可以入门某一个领域，但正是你没有入门的那些东西，是这个领域里面真正的大家——真正赚钱的人安身立命的所在，或者说是真正领域里赚大钱的人跟平庸的人的区别所在。
培才 1:19:24
所以我觉得这个地方可能会有一个问题。这还是有点扯远了。反正我最想说的还是前面两点：AI有可能长时间内确实可以帮人类想出更好的猜想，但是在短时间内你可能更容易遭遇的是大量的坏解释。
董真 1:19:42
我想简单补充一个例子或者一个视角。在印刷术发明之后——就是开始人类开始印报纸、商业模式出来之后——关于所谓的真理或者好的解释，能不能脱颖而出这个事情，它有两个层面。在印刷术出来之前，比如说人们的书籍包括纸的使用是被垄断的——比如说像当时教会垄断抄书的这个事情，典籍可能在少数人手里，他们有很强的权利。
董真 1:20:20
当所有人都获得印刷的能力、生产书的能力之后，那些印刷正规书籍——比如说印刷圣经的中大型出版社——他们活得是非常惨的，不怎么赚钱或者影响力很小。反而是那些街头小报，天天搞一些花边新闻、流言蜚语、政治上编一些对手的黑料负面消息的报社，就生活得风生水起。这种情况下，你可以觉得在这种状态下它有点劣币驱逐良币的状态。
董真 1:21:17
我觉得跟现在AI这种也很像——就类似于这种偏传播类或者知识类的东西产生一个巨大飞跃的时候，一定会有这种黑料的东西或者负面的东西——它一定是反应最快的、传播最快的。但是当这个事情你稍微时间再拉长一点——比如说后面关于新闻出版的一些规则，或者是真正的一些作家、一些思考的人——比如说像康德这样的人——他们在这个过程中是受益的。最后你会发现，流传到今天的还是这种所谓的大部头的作品。
董真 1:22:11
我觉得这种偏文化或者偏人类知识的事情，在短期和长期来看——短期一定是噪音起得最快、垃圾涌得最快，但是长期来看，还是跟好的解释能不能经历最严苛的反驳有关。
董真 1:22:34
然后关于商业模式上，我觉得就有一点点——也是一种框架，王川这种框架——就是权力和垄断。到底你的垄断环节在哪里？有的环节会发生变化，谁能够做到边际效应递减，谁能够掌握一些核心的权力？我觉得包括真正的商业模式是怎样——这个事情其实在历史上商业世界无数次看到——一个新的创新出现之后，人们在前一段时间一定是在摸索商业模式的。真正的商业模式出现之后，能不能很敏锐地发现到底什么样的商业模式会更好？我倾向于认为，从赚钱的角度和从知识传播或者人类进步的角度，它有一点点不太一样。我补充一个类似于最近在看到的一些书的视角。
Nan（主持人） 1:23:27
奥德赛这边还有要补充的吗？
奥德赛 1:23:30
我没有了，我基本都说了。我想听听世胜，就是听完大家交流有没有什么想说的？世胜还在吗？
Nan（主持人） 1:23:40
他刚刚群里面说可能有点事情要先撤。OK，世胜陪女儿去课外班了。要么我们今天也聊挺久了，我们今天就先到这儿？
Nan（主持人） 1:23:50
其实我想补充一个话题。因为我站在一个听众的角度来提一个猜测——我听下来，为什么世胜和奥德赛是相对更用AI、更信任AI的一方？我感觉世胜作为一个技术高知，他其实看到了AI在知识和智能以及解决问题上的这种优越性。然后奥德赛以我对他的了解，他是基于海量的知识对话背景，大大提升了他个人的学习效率以及认知上的拓展。
Nan（主持人） 1:24:34
但是培才和董真为什么相对偏保守？因为他们足够优秀，以至于他们在现有的情况下基本上不去依赖AI也能非常高效地处理好自己的工作和生活。但是我们今天的听众朋友，就像我这样的普通人，在对AI探究的过程之中——因为我很能理解就是董真为什么说年前那段时间才装好小龙虾，然后突然过完年以后就特别火了。
Nan（主持人） 1:25:00
但是大家可以发现，其实从小龙虾开始出来到现在也不过就三个月的时间，也说明了AI这一段的发展已经非常快了。我们大概从23年、24年开始AI的投资热潮就已经开始了，然后整个25年大家都反复在说马上AI会迎来新一轮的泡沫了。但基本上小龙虾出来以后，AI的热潮又再一次被掀起来，而且它发展得特别快。所以我其实是对AI持比较乐观和希望大家去了解的态度。
Nan（主持人） 1:25:43
如果你还是一个跟我一样在对AI进行探索和求知阶段的普通听众，我是希望大家在保证自己信息安全的前提下，不管你是拥抱AI也好还是审视AI也好，都建议大家多去了解AI。你多去用一用，你会发现可能跟你想象的不太一样。
Nan（主持人） 1:26:00
对，我就想补充一下这个观点。然后我们今天差不多就到这里结束了。如果大家对于我们今天这期的话题感兴趣的话，也可以通过文字评论的形式加入到我们的讨论之中。大家可以选择在我们的图文下方进行留言，或者是加入到我们的DC（Discord），在自由交流频道发表你对这个话题的观点和看法。我们今天就到这里结束，感谢大家的陪伴，好，拜拜！