智能是空间性的
对智能的度量
可以通过
对空间复杂性的度量来计算

模式识别是人类智能的特征
Pattern is predictable sequence
序列非常重要，没有序列“因果”就难以建构
时间 是 空间 的 折叠
生物性 是 某种 空间关系
在 时间性序列 里的 嵌套

如何从系统的角度来构建知识体系
- 作为知识对象的 elements
- 知识对象之间的 structure
- 服务于专有领域的 function

知识对象零散的分布在媒介之中，人们主要通过书籍和论文收集这些对象
知识的结构隐藏在专家经验中，一线专家往往难以言表，但又实际使用这些心智图示。
而最难以把握的，则是知识的 function，不同的人从不同的视角去“盲人摸象”，大家各执一词认为自己的知识体系是“有益的”。

科研者出来创业的理由是科学范式（paradigm）转移完成带来的研究性工作的收缩，此时研究者红利下降，工程师红利上升。

范式转移的自然延展是：problem → knowledge → solution → engineering

VLA ➕ 快慢思考的工程化需要经验数据，这意味着没办法仅仅依靠逻辑推理就能拿到圣杯，那么快慢思考的“风洞实验”是什么？

修复的越快代表恢复能力越强，一个人的生命力体现在恢复力上，一个国家的生命力也一样。

以智能维度划分的行业阶段： L0 工业机器人；L1 单一任务解决者；L2 固定场景多任务解决者；L3 固定场景通用任务解决者；L4 多场景通用任务解决者。

人形与非人形机器人的决策点在于具身智能所处的环境是为什么主体打造的，如果是手工劳动密集场景，则人形更优。

现阶段的技术共识：端到端＞分层架构；现阶段的技术方案：端到端≈VLA

高阳对具身智能架构的理解：端到端产品 = 具身大脑 + 机器人 Body。
具身大脑 = VLA 模型 = 互联网数据预训练 + 遥操数据微调 + 强化学习 = 100 亿有效数据 + 1 亿遥操数据 + 千万级强化学习数据

叠衣服是 L1 阶段具身智能的试金石：柔性材料带来的状态数爆炸让手搓变得不可能，模型必须要理解连续的真实世界。
下一步“L2 阶段”的挑战：机器人的泛化性提升难题

人的肌肉记忆是某种强化学习数据
非共识：想要实现具身智能的 GPT-3.5 时刻，需要 4-5 年
遥操也存在 scaling law

身心之争：只做大脑，缺乏操作身体的能力。只做身体缺乏最大的价值——通用性带来的底层革命与成本的非线性下降。

如果一个人很高产
说明你看到的
是他的产品而不是他自己

当然，人很早之前就消失了
而且越来越多

模型蒸馏容易变成“邯郸学步”
你无法从他人压缩后的理念中学会
如何处理这个世界的复杂

在生成式内容变得触手可及的年代
对业务一窍不通的人也能装作很懂

因为过去的时代对于工作能力的衡量
源自于对人们思维链的衡量
（文档就是思维链，仅限于白领类工作）

这是一种新的企业流行病

现在的问题是
组织里每个人的思维链都被无限放大
每个部门都能
分分钟输出几千上万个字的文档
那么真正需要重视和执行的思想就开始变得驳杂、混乱、无序

这会让组织经历高热然后破溃

人类内耗的根源在于行动链的紊乱
行动链往往导向三种反馈
追求愉悦（Pleasure）
追求心流（Flow）
追求信仰（Believe）

当尼采说上帝已死之后，人类失去了第三种行动链
当外部信息流取代了内在信息流后，人类就逐渐失去了第二种行动链
当这两条长链缺失时，愉悦回路就会占据大脑，让人们被产品化为 DAU——
Lust（陌陌）、 Gluttony（美团）、 Greed（拼多多）、 Sloth（抖音）、 Wrath（微博）、 Envy（小红书）、 Pride（知乎）

累、疲惫、倦怠都源自于，无法观照本心，
这里的本心不是思维链（CoT）而是行动链（CoA）。
不连续的行动链，破坏了认知系统内在的逆熵过程，导致系统内的秩序被不断破坏，而远离自然的人类，又无法在自然风光里排出多余的精神垃圾。

解决内耗最好的办法，是学习祖辈习惯身体上的劳动。

不要害怕别人抄袭你，要害怕他们不再抄袭你

可视化的本质是“空间化”
空间化意味着
1. 信息可以被储存在外部
2. 信息可以被非线性表征

这两点对于理解复杂知识，都非常重要

空间化的背面是序列化，即语言性表征
人总是更容易接受序列化的信息
这种更容易消化信息的倾向
暗示了人脑的底层机制也许真的是一种对称结构

这的确是个好方法，更长尺度的观测，可以查阅以前的科技媒体，查看当时的主流观点与后续事实之间的差异。
譬如看看 2000 年时代大众软件，电脑报对于软硬件的预测是否与事实相符
在多大程度上背离了主流观点，为什么 //@吾阅读书: 把时间回退到ChatGPT-3（2020年）之前的那一两年，搜索观测那时的人类对ai的应用想象。