与「认知」相关的搜索结果

- 汤姆张的“三阶段”模型有一定观察价值，但它把复杂的认知变化简化成了线性进步：很多人从“粉红”到“反贼”再“去魅”，并非必然更清醒，而是可能只是换了一套叙事框架。真正稳定的判断通常不来自“阶段升级”，而来自对具体制度绩效、激励结构与信息环境的持续比较。 - 王海滨那句“中共粗鄙，没有美国精英那么卑鄙”抓住了一种常见感觉：中共的权力运作更直白（宣传、审查、运动式治理），美国精英的运作更依赖制度包装、利益输送与舆论塑造。这种对比有经验基础，但也容易滑向“谁更坏”的道德竞赛，而忽略两者在不同领域的具体代价差异——例如中国在信息与政治权利上的系统性压制，美国在精英俘获、财政与制度信任上的持续侵蚀。 - 更务实的视角是把注意力放在可观察的结果与约束条件上：经济增长质量、创新效率、社会流动性、法治可预期性、个人自由度，以及当权者受制约的程度。目前看，中美都不是理想国，也都面临各自结构性问题；区别更多在于问题的表现形式与修正机制，而不是谁更“卑鄙”或谁更“粗鄙”。

这也是我一直思考的问题，AI发展至今，我认为提高的是认知效率，而不是智力 而提高认知效率的前提是使用者有一定的专业认知，在某个领域有专业认知的人，使用AI可以提高认知效率，提高工作效率，但是这并不意味着非专业人士可以在借助AI在某个领域提升独立思考的能力 如果一个人过度依赖AI提供的结论，自己的大脑却不在主动推理，想象，验证，反思与质疑，那么反而会让使用者的判断能力下降！ 其次，AI虽然提高了效率，提升我们在一定时间内的分析效率，但是在长期时间的积累下，也会让错误的基础总数变多 简单来说，我用AI计算一个问题，将原本分析时间从1小时提升为10分钟，并且将分析成功率从90%提升为98%，确实解决了问题 但是此类问题如果长期计算，因为AI的效率高，原本1小时会出现5个错误，那么使用AI则一小时可能会产生30个错误，长此以往积累下，错误的基础会更多 AI并非是100%正确，这是很多人的误区，更重要的是AI的错误会被规模化广泛传播，这才是致命的！ AI被视为人类新的工业革命，但是也同时引发很多人对行业冲击的压力！ AI代替人类，成为一个很多“普通人”的职业噩梦，尤其是在AI时代的初始阶段，大量初级工作被AI代替，其实也是因为人们对AI过分的信赖与信心导致 但是随着时间推移，人类会发现AI提供的是辅助而非代替，起码现在是如此，而辅助的前提是有需要被辅助的“人” 而当AI越来越多，错误的基础也越来越多的时候，如何判断AI错误？如何纠错？如果修正？这些问题依旧需要有“人”来解决 所以，以目前的视角来看，AI提高的事我们的生产效率，是工业革命，但是却无法完全代替人类，甚至可能因为AI效率的提升，创造更多的岗位 当然对于“打工人”的你我来说，最大的压力应该是——AI高效之下我们的工作压力会更大！

顺便我们把 Next Token 的所有内容都做成了一个 Skill。 你可以安装上以后，让你的 AI 跟 Next Token 的几位主播直接交流，从我们的 9 期播客中汲取认知和挑选案例。 这个对于行业调研和汇报都非常有用：

Gemini 4 Carbon 写作确实牛逼 让它总结了 Next Token 过去 9 期 30 条 AI 领域的核心认知： 1. Token 就是新货币；买一台本地机器跑模型，本质上是在家里铸币。—— 橘子 2. AI 没有泡沫，只有受制于物理基建的供给不足。—— 歸藏 3. 在 AI 时代，别羞于承认自己是卖 Token 的——你不卖 Token，还能卖什么？—— 橘子 4. 好应用不必让用户每次打开都烧 Token；用品味把大量 Token 一次性凝结成无数人能反复消费的作品，边际成本才会降下来。—— 向阳乔木 5. 对大多数人来说，Vibe Coding 不是生产力，而是自由度最高的创造类游戏；充进去的 Token，就是新时代的游戏充值。—— 歸藏 6. 只要 AI 把一件事的起跑线拉到六十分，六十分就是零分。—— 橘子 7. 当一件事靠一句话就能搞定时，凭什么它是你的壁垒，又凭什么它是我的？—— 歸藏 8. 软件和游戏正在网文化：平台不再卡发布，只卡推荐；谁都能上架，但没流量就无人看见。—— 歸藏 9. 按昨天的标准做出来的东西，今天 99% 都只算自用工具；市场扩大了一百倍，但依然只有最头部的 1% 配叫商业产品。—— 杨攀 10. 产品未必是一个 App；只要跑通“发现需求、创作、分发”的闭环，一篇文章、一档播客也是产品。—— 歸藏 11. 当开发只要十分钟、打包签名却要半小时，真正的瓶颈就不再是智能，而是旧世界的交付规则。—— 橘子 12. 过去是软件把 Agent 塞进自己的界面；未来是软件放弃自己做 Agent，主动变成 Agent 调用的插件。—— 杨攀 13. 传统软件思维喜欢把每条路径写死；AI 原生思维只留一个循环，把剩下的交给模型。—— 杨攀 14. 软件上的按钮越少，离 AGI 越近。—— 橘子 15. 面对超级助理，人只该负责说话，不该负责管理会话；需要人手动翻找线程，只说明模型还不够强。—— 橘子 16. 工具随时会换，上下文必须归自己所有——劫持所有 Agent 的记忆，把过程和产物沉淀回自己的仓库。—— 歸藏 17. 人类团队正在向一人闭环演进，别反过来让多 Agent 学人类开会内耗——人类在走向 AI Native，别让 Agent 退回 Human Native。—— 橘子 18. 上一代生成模型在卷“理解”，死磕最后百分之一的物理还原；新一代模型赢在“创造”，一句话把意图编排成完整的故事。—— 歸藏 19. 输出格式不报错，只代表不用重试，不代表判断正确——别把“结构稳定”偷换成“没有幻觉”。—— 杨攀 20. 不能调工具、不能动电脑的所谓 Skill，本质上还是一段提示词润色。—— 歸藏 21. 今天限制模型上限的往往是人自己——你写进提示词里的前提假设，恰恰锁死了模型的发挥空间。—— 杨攀 22. 注意力是今天最稀缺的资源；开源的提示词、Skill 乃至软件，唯一的商业价值都是成为流量入口。—— 橘子 23. 跟模型拼技术注定会输；唯有人与人之间建立的信任与个人品牌，不会被技术进步吃掉。—— 橘子 24. 品牌的本质，是用真名、露脸和沉没成本作抵押，降低别人相信你的成本。—— 向阳乔木 25. 所有生意都在建立信任：To B 让企业信你，To C 让大众信你，To A 让 Agent 信你的信源；三者皆无，就只剩悦己的 To Me。—— 橘子 26. 在公网上主动留下关于自己的真实一手信息；你不定义自己，AI 的幻觉就会替你定义你。—— 歸藏 27. 今天最不缺的就是没有性格的内容；持续输出有变化但一致的“人味”，才是稀缺品。—— 歸藏 28. 还按设计、前后端、QA 切岗位的算不上 AI 原生组织；真正的 AI 原生组织里每个人都是全栈闭环的一人公司，而且它是磨合生长出来的，不是 HR 设计出来的。—— 歸藏 29. 大厂把员工拆成稳定的螺丝钉，也就亲手杀死了长出全局架构师的土壤——架构感是操盘练出来的，不是分工分出来的。—— 歸藏 30. 帮企业做 AI 转型，最该做的不是改造基层流程，而是去培训一号位。—— 向阳乔木 以上内容来自：@oran_ge @op7418 @vista8 @ericyangpan @nexttokentv

这家伙在 Polymarket 体育市场已经赚了 883 万美元 帖子发出后的 24 小时内，又净赚了 25.8 万美元。 他覆盖的赛种非常广：NBA、NFL、UFC、英雄联盟、网球、足球、欧冠和国家联赛都有涉猎。 仓位分布上，大部分资金集中在 40–80 美分区间，只有约 7% 放在 95 美分以上的“锁定”价位，累计交易了 13,656 个市场。 从交易特征来看，大概率是高频算法配合人工判断的混合打法：深厚的体育认知 + 自动化执行。 我暂时没法还原他的具体设置（说实话我自己也很好奇），但真正夸张的是这套打法的实际效果。 个人主页与当前持仓： 昨晚的主要利润来源： - 森林狼 +24.5 万美元 - 指挥官 +20.4 万美元（另加胜平负 +8.8 万美元） - 佩古拉 +14.6 万美元 - CS2 猎鹰 +10.8 万美元 - 英格兰对阵克罗地亚 +7.8 万美元 无论这是纯机器人、纯人工，还是两者结合，都是目前预测市场里效率表现最突出的案例之一。

十几年前在旷视，当时的 CV 领域有一个很典型的现象：拿着锤子找钉子！ 我的 CV 模型跑分很高、我的人脸\物体识别很强，我就觉得世间万物都可以用 CV 赋能一遍！啥？这个公司觉得 CV 不够落地？那一定是他的认知不够！ 十几年过去了，Agent 创业团队们也走到了看谁都像钉子的时候。

不知道大饼跌破日线Ma120以后还在做多的人怎么想的，77000下来又跌10%，还是阴跌走法，无反弹一路下杀。 旅游路上就在想，绝大多数人能赚钱就是因为赚的认知的钱，但是亏钱返贫往往是亏的周期的钱。 万事万物都有周期，没有永恒不落的太阳，只能谨小慎微，行情无情，他总是有自己的情绪，可不敢恨。

老黄 @JensenHuang 现在想翻盘，只剩一招： 宣布自己认知性别女，同时是同性恋，只喜欢女性， 这样两段出轨就成了两段同性恋情； 再补上亚裔移民、学沃伦测出原住民血统、吃全素， 白天认同自己是塑料袋，晚上认同自己是武装直升机。 $NVDA 董事会再敢赶他走，那就是歧视！ 🤬