shendaowu

@bgm004
@bghtyu
@EngAPI

请问用过 Actions 吗？我之前搜的时候看到说好像 Actions 用多了可能被封。还有就是用 star 和 discussion 可能被封。特别是有疑似刷星的行为。

@spcablast7

我相信道德有神经基础。这方面我好像主要是从哔站上的“何夕夕与书”那里听到的，二手甚至可能是三手知识。不过道德可能也反应了某种比较贴近物理或者说物质的规律，这个在《道德经》里好像就是道。比如类似复杂科学中的整体大于部分之和。道德或者说《道德经》中的德可能是在物理规律（道）的制约下演化出来的必然结果。全是观点，没有论证。

你说的那个“映照自己的内心”的理论我无法接受。我记得按照罗大伦对《道德经》的解释，较向善的人就没有天生的，人天生善恶的神经基础都有，只有不断修行才能趋于至善。而恶人都是有回头的潜力的。善人要尽量感化恶人。我怀疑我的善根可能主要是受小时候看的《好孩子画报》影响，也许也受到了我姥爷的影响。当然如果你说这是个比较普遍的规律我认可，但是我不会认为它是一个不可挑战的规律。

@allinQQQ 至少罗大伦的《道德经》讲解没让人彻底放弃私利，只是让人别以满足自己的私利为目标。以帮助更多的人为目标，私利自然会被满足。不过私利的满足要节制，不能无限地放纵，特别是不能去追求那些有害的享乐之类的。并且无我利他的过程一般健康、体验和成长会更理想。

@catazshadow #28

关于均值回归在某些对解释的定义下不能作为解释的回答： https://www.zhihu.com/question/366386685/answer/983253228 。我也就看个大概，好像太专业了。但通过这个回答我比较确定均值回归根一般正经的解释坐一桌很可能不合适。

关于涌现可能可以部分预测： https://www.zhihu.com/question/2011539651022833404 。我估计你问的可能主要是上面那个，为了节省你时间我还是顺便给出这个吧，万一你想知道这个呢。

@catazshadow

你对均值回归是什么看法？跟涌现类似吗？

我之前纠结过均值回归作为一个解释的合理性。因为我感觉这东西不能指导行动，而且根本就不知道什么时候会回归。我在知乎上问了一下，确实在某些定义下均值回归不能作为一个解释，或者说不能作为一个原因。

我今天才偶然意识到涌现跟均值回归有类似的地方。问你也是想确认一下是不是不只我一个人有类似的困惑。其实从我之前问的那个关于均值回归问题有一百多个关注应该就能看出来有很多人感兴趣了。我不太清楚我为啥想问你这个，可能是表达欲？

不过我感觉涌现跟均值回归有一点不一样的地方，就是涌现是可以在一定程度上预测的。就算不能准确预测结果，某些时候也许可以预测可能出现涌现现象，就算不知道具体可能出现什么现象。我前几天在知乎上问过一个相关的问题，目前还没有靠谱的回答。

@catazshadow 据我所知涌现这个词在 AI 大火起来之前很久就存在了。我看了一下维基百科涌现的英文词条的历史，2002 年就创建了，也不是其他的意思。你感觉涌现哪里定义不准确了？难道是因为我是通过看复杂系统的书了解的涌现，所以才感觉不到不准确？或者你是从这个词被滥用的角度来说的？就像逻辑和认知？

@shendaowu 对齐，不是对其。

@shendaowu 说错了。整合更多的数据的思维模型。整合所有数据的思维模型理论上好像也无法存在。

我认为目前来看有价值的创造力基本都是定向的，就算是艺术也有美这个目标。随机就能创造出有用的新东西的时代应该早就不存在了。一方面低垂的果实已经被摘得差不多了，另一方面东西的种类已经非常多了，随机碰到有用的组合的概率应该很低了。低垂的果实指比较容易被发现或者说创造出来的新东西。两个概念一组的创造可能就已经很难了，如果再考虑三个主要概念一组的创造，难度还会上一个台阶。排列组合我都忘得差不多了，我只记得这个要用到阶乘。所以我认为随机基本是不可行的，人脑关于生成有价值的创造可能会有很多辅助的“硬件”。就算是过去的时代我也怀疑不是存粹的随机，可能只是随机的成分能大一点。

我隐约记得我好像在什么地方看到说真随机在理论上是不可能存在的，好像是会导致无限的熵还是什么来着。我不想去确认了。

虚拟与现实的问题我之前扯过。我认为主要是因为现实是涌现的，而虚拟或者说理性不是涌现的。或者就算有涌现也不多，而且就算涌现了也跟现实不一样。现实中有很多理性甚至是感性也预测不了的东西，只能通过无法预测的情况不断给思维模型打补丁才能提高预测和控制的精度。或者特别幸运的话，出现一个能整合所有数据的更简洁的新思维模型。现在的 AI 都是训练好了就基本不会改变了，无法持续学习。据我所知主要是因为训练的费用太高了。而且好像还有训练失败，需要重来的风险。好像还有一些其他的原因，比如对其之类的。好像还有只要一直训练就一直有模型废掉的风险？我问了一下 DeepSeek ，感觉基本差不多，不一样的地方我基本看不懂，我不详细了解了。