好资源和短想法
用最低限度的开始，给自己最大的养成空间 [by 北鸮]
https://sspai.com/post/78434
https://sspai.com/post/78434
整理假期拍摄的照片之前，不妨读读这些关于摄影的技巧和理论 [by 少数派编辑部]
https://sspai.com/post/75837
https://sspai.com/post/75837
新年新开始：从为什么到写什么，带你重新认识日记 [by Lars漫步]
https://sspai.com/post/86356
https://sspai.com/post/86356
▶️ 台灣團隊闖入矽谷最強加速器！Heptabase 是如何做出世界級筆記軟體的？ft. 詹雨安 ｜EP054｜強者我朋友｜志祺七七Podcast #youtube
https://www.youtube.com/watch?v=BBPAc5Dy9EQ
https://www.youtube.com/watch?v=BBPAc5Dy9EQ
#数据库
我司小伙伴的文章最近频繁上Hacker news热门区，这一次是 https://news.ycombinator.com/item?id=39176797
中文版：《当我谈查询优化器时，我谈些什么 (1)—— IR 设计》
英文版：《What I Talk About When I Talk About Query Optimizer (Part 1): IR Design》
我司小伙伴的文章最近频繁上Hacker news热门区，这一次是 https://news.ycombinator.com/item?id=39176797
中文版：《当我谈查询优化器时，我谈些什么 (1)—— IR 设计》
英文版：《What I Talk About When I Talk About Query Optimizer (Part 1): IR Design》
全局 AI Copilot
现在 AI Copilot 越来越舒服，响应也很快，成熟太多了。图示是我使用 Glarity AI 在 RemNotes 中处理一些单词和内容记忆，比起 RN 自带的 AI 舒服很多。记忆的本质在我看来是神经连接，刻录和提取过程，AI 在辅助记忆过程中可以与你对话和提供各种意义连接，更多的触发神经亮区，达到记忆效果。
之前都介绍过，不过这种全局 AI Copilot 目前确实非常实用了。弥补了太多软件没有加持 AI 的不足，尤其常用工具和笔记软件，划取使用体验极好。搜索、解释、翻译、总结，太多工作流程中的轻量 AI 使用场景，而这就是全局副驾驶的功能作用。加上条，目前我阅读系统、记忆系统都可以很好的融入这些，但真正写作和处理文本时，GPT3.5 API 很受限，深度补充/思考发散/溯源求证都需要更好的模型，这个时候直接用 GPT4 和 Perplexity 会好很多，多模型交叉使用和佐证是使用 AI 条例之一。
目前体验最好的个人感觉还是 Glarity，非常干净优雅，以前分享过的 Sider/ Monica 现在也非常强了，功能都非常丰富，比如全局输入框调用（我之前叫做 Notion AI 系插件），现在基本都有，按需使用。
相关链接
0 通用生产流范式（General Workflow Paradigm）
1 AI 影响我阅读文章的方式
2 阅读输入工具的 Combo丨翻译、总结、全局和 AI
3 Chat-GPT 全局网页侧边栏插件丨调用重器
#AI #RSS #SRS #TfT
现在 AI Copilot 越来越舒服，响应也很快，成熟太多了。图示是我使用 Glarity AI 在 RemNotes 中处理一些单词和内容记忆，比起 RN 自带的 AI 舒服很多。记忆的本质在我看来是神经连接，刻录和提取过程，AI 在辅助记忆过程中可以与你对话和提供各种意义连接，更多的触发神经亮区，达到记忆效果。
之前都介绍过，不过这种全局 AI Copilot 目前确实非常实用了。弥补了太多软件没有加持 AI 的不足，尤其常用工具和笔记软件，划取使用体验极好。搜索、解释、翻译、总结，太多工作流程中的轻量 AI 使用场景，而这就是全局副驾驶的功能作用。加上条，目前我阅读系统、记忆系统都可以很好的融入这些，但真正写作和处理文本时，GPT3.5 API 很受限，深度补充/思考发散/溯源求证都需要更好的模型，这个时候直接用 GPT4 和 Perplexity 会好很多，多模型交叉使用和佐证是使用 AI 条例之一。
目前体验最好的个人感觉还是 Glarity，非常干净优雅，以前分享过的 Sider/ Monica 现在也非常强了，功能都非常丰富，比如全局输入框调用（我之前叫做 Notion AI 系插件），现在基本都有，按需使用。
相关链接
0 通用生产流范式（General Workflow Paradigm）
1 AI 影响我阅读文章的方式
2 阅读输入工具的 Combo丨翻译、总结、全局和 AI
3 Chat-GPT 全局网页侧边栏插件丨调用重器
#AI #RSS #SRS #TfT
但是，我更擅长处理和培育。
这是我 5 座笔记花园，现在最坚固的核心笔记系统，如同我「通用生产流范式」一样稳固。
更重要的，我现在专注 Intelligence Amplification（智能放大）概念，将 AI 协助「思考」处理为 Synthesis Notes（整合笔记），我更想称它为「综述笔记」，它只辅助建议/补充/综述，而不侵入我的文本表达，即表达方式和润色。当然你现在能学到太多借助 AI 快速写作的方式，只提供想法，AI 侵入文本为你表达。这是去灵魂的写作，不过好的写作本来就少，所以 AI 足以广泛被滥用。
其它几个笔记以及我提到的 Instant Notes 不再介绍，都是被检验过的内容。而这里我新提到基于 AI 的 Synthesis Notes，你需要注意：它是笔记，不是作品，它只是工具，而非思考本身。基于这点，我们才能谈 IA 智能放大方式，谈好的写作。
#PKM
这是我 5 座笔记花园，现在最坚固的核心笔记系统，如同我「通用生产流范式」一样稳固。
更重要的，我现在专注 Intelligence Amplification（智能放大）概念，将 AI 协助「思考」处理为 Synthesis Notes（整合笔记），我更想称它为「综述笔记」，它只辅助建议/补充/综述，而不侵入我的文本表达，即表达方式和润色。当然你现在能学到太多借助 AI 快速写作的方式，只提供想法，AI 侵入文本为你表达。这是去灵魂的写作，不过好的写作本来就少，所以 AI 足以广泛被滥用。
其它几个笔记以及我提到的 Instant Notes 不再介绍，都是被检验过的内容。而这里我新提到基于 AI 的 Synthesis Notes，你需要注意：它是笔记，不是作品，它只是工具，而非思考本身。基于这点，我们才能谈 IA 智能放大方式，谈好的写作。
#PKM
仰卧起坐脖子疼？聊聊如何找对健身发力感 [by 阿帅的健康笔记]
https://sspai.com/post/86361
https://sspai.com/post/86361
做好新年计划，你可以先从制定年度预算开始 [by ErMuss]
https://sspai.com/post/86327
https://sspai.com/post/86327
真情侣，不记账：用支付宝荷包 + 飞书多维表格建立消费记录与分析系统 [by 中杯冰拿铁]
https://sspai.com/post/86274
https://sspai.com/post/86274
一个软件工程师的 2023 电子 DIY 总结
📜 分享这篇万字长文「一个软件工程师的 2023 电子 DIY 总结」给大家～
🧰 这篇文章是由 JiWei 做的 2023 DIY 综合总结。文章涵盖了他复制和创造的各种项目，提供了他的学习过程和面临的挑战的洞见。这些项目涉及简单到复杂不等，包括硬件编程、电路设计和各种技术集成
频道：@RollerRolling
📜 分享这篇万字长文「一个软件工程师的 2023 电子 DIY 总结」给大家～
🧰 这篇文章是由 JiWei 做的 2023 DIY 综合总结。文章涵盖了他复制和创造的各种项目，提供了他的学习过程和面临的挑战的洞见。这些项目涉及简单到复杂不等，包括硬件编程、电路设计和各种技术集成
频道：@RollerRolling
Architecting Life
万字长文，一个软件工程师的 2023 电子 DIY 总结
在去年这个时候，总结了一下 2022 年重新拾起电子 DIY 的经历《一个软件工程师的 2022 电子 DIY 小结》，翻了翻嘉立创 PCB 订单，今年也打了不少板子，虽然也有一些是取消的订单，但是总
最近几天都在读这篇文章，作者是大名鼎鼎的 Stephen Wolfram，就是创建数学软件 Wolfram 的那位。
此文从 GPT 开始谈起，实际上回溯了神经网络的主线发展历程，从最基础的权重计算，讲到 n-grams 最终到 transformer 的 attention 机制。
虽然我多年前就学习过神经网络，但是有很多细节更多的是知其然不知其所以然，这篇文章读来让我有醍醐灌顶的感觉，把关键的部分的意义都讲清楚了。
作者还很清晰地阐述了神经网络的几个天然局限，这是人脑能轻松做到而神经网络只能望洋兴叹的：
1. 神经网络不是图灵机，没有计算能力，无法准确地完成任何计算步骤
2. 世界是无穷复杂的（irreducible computation、NP 复杂度），而人类的理论都是简化的近似。AI 只能通过人类的简化理论来学习。
但是这些局限并不是不可逾越的，比如 function calling 就赋予了 AI 图灵机的能力。
关于第二点，涉及到 Polany's Paradox，人类无法描述世界的复杂性。这至少有两个理解方式：
1. 人类的语言没有客观标准，其意义由社会共识所决定
2. 世界的复杂性无法被理论描述
所以，GPT 的成功，实际上并不预示着计算能力的重大进步，而是人类能力的“巨大退步”。GPT 用事实证明了人类的语言能力并不是 irreducible computation，而是背后存在一些简单的规则，而且这个规则被 GPT 学会了。
然而作者也提到，GPT 的技术进步某种程度上只是无数人不断尝试的结果，人们发现通过一些设计能得到更好的结果。但是为什么要这么设计，GPT 是如何理解的？人们仍然一无所知。与其说人们发明了 GPT，也许说人类发现了 GPT 更为合适。
作者还试图构建一个大一统的计算语言，来抽象一切的事物，同时赋予 GPT 可解释性。我直观上觉得，这是否就是当年罗素的分析逻辑？
整理了一篇博客文章: https://blog.laisky.com/p/what-is-gpt/
原文笔记: https://laisky.notion.site/What-Is-ChatGPT-Doing-and-Why-Does-It-Work-6d390e2e44eb40498bd8b7add36bcc94?pvs=4
此文从 GPT 开始谈起，实际上回溯了神经网络的主线发展历程，从最基础的权重计算，讲到 n-grams 最终到 transformer 的 attention 机制。
虽然我多年前就学习过神经网络，但是有很多细节更多的是知其然不知其所以然，这篇文章读来让我有醍醐灌顶的感觉，把关键的部分的意义都讲清楚了。
作者还很清晰地阐述了神经网络的几个天然局限，这是人脑能轻松做到而神经网络只能望洋兴叹的：
1. 神经网络不是图灵机，没有计算能力，无法准确地完成任何计算步骤
2. 世界是无穷复杂的（irreducible computation、NP 复杂度），而人类的理论都是简化的近似。AI 只能通过人类的简化理论来学习。
但是这些局限并不是不可逾越的，比如 function calling 就赋予了 AI 图灵机的能力。
关于第二点，涉及到 Polany's Paradox，人类无法描述世界的复杂性。这至少有两个理解方式：
1. 人类的语言没有客观标准，其意义由社会共识所决定
2. 世界的复杂性无法被理论描述
所以，GPT 的成功，实际上并不预示着计算能力的重大进步，而是人类能力的“巨大退步”。GPT 用事实证明了人类的语言能力并不是 irreducible computation，而是背后存在一些简单的规则，而且这个规则被 GPT 学会了。
然而作者也提到，GPT 的技术进步某种程度上只是无数人不断尝试的结果，人们发现通过一些设计能得到更好的结果。但是为什么要这么设计，GPT 是如何理解的？人们仍然一无所知。与其说人们发明了 GPT，也许说人类发现了 GPT 更为合适。
作者还试图构建一个大一统的计算语言，来抽象一切的事物，同时赋予 GPT 可解释性。我直观上觉得，这是否就是当年罗素的分析逻辑？
整理了一篇博客文章: https://blog.laisky.com/p/what-is-gpt/
原文笔记: https://laisky.notion.site/What-Is-ChatGPT-Doing-and-Why-Does-It-Work-6d390e2e44eb40498bd8b7add36bcc94?pvs=4
Laisky
What is GPT and Why Does It Work?
Blog by Laisky - Exploring code, technology, and life
2024 年高峰期火车票购买指南 [by Xenogeneic]
https://sspai.com/post/86328
https://sspai.com/post/86328
早晚用得上的生活指南：我的第一次拔牙经历分享 [by Lars漫步]
https://sspai.com/post/86201
https://sspai.com/post/86201