Know Thyself
昨天骑车到巩义康百万庄园附近一游，这个庄园背靠邙山，门前过了马路就是伊洛河，河上有座桥叫“康桥”，顺着伊洛河有条三色彩虹路，骑车十多公里可以到达河洛汇流景区(伊洛河汇入黄河的地方)。 摘录维基百科上一段话：民间还有“头枕泾阳、西安，脚踏临沂、济南，马跑千里不吃别家草，人行千里尽是康家田”的顺口溜，康氏家族一度富甲三省，人称“百万富翁”。 八国联军攻入北京后，慈禧先是逃到西安，等李鸿章签完割地赔款的条约后，慈禧经过巩义前往北京，在巩义时由康家接待，离开时康家送给慈禧一百万两白银。 在时代的关键转折点，…
过去几十年，经济高速发展，让那些销售出生的人活得很滋润，也让那些研究技术的人非常苦闷。
一个形象比较好的销售，在积累一定的客户后，不需要太多经验，就能轻松获得不低于技术专家的收入。
在一线城市工作过的女孩，见识了各种世面，看不上技术男，感觉没人配得上自己是很容易理解的。
在经济趋势扭转以后，渠道虽然还很重要，但是如果没有技术基础，还是很难发展下去的。
随着人们消费越来越理性，直播带货甚至AI主播的出现，让单纯通过渠道赚钱变得越来越困难，未来技术会越来越重要。
我认为当年康家能够富裕起来，跟他家所处的地理位置有很大关系！背靠邙山、前邻伊洛河，距离黄河十多公里，地理位置的优势让他能够接近从洛阳、西安、开封过来的大客户，又不容易因黄河泛滥或战争受到太大冲击。当河运逐渐被铁轨替代时，地理优势也就不那么显著了。
一个形象比较好的销售，在积累一定的客户后，不需要太多经验，就能轻松获得不低于技术专家的收入。
在一线城市工作过的女孩，见识了各种世面，看不上技术男，感觉没人配得上自己是很容易理解的。
在经济趋势扭转以后，渠道虽然还很重要，但是如果没有技术基础，还是很难发展下去的。
随着人们消费越来越理性，直播带货甚至AI主播的出现，让单纯通过渠道赚钱变得越来越困难，未来技术会越来越重要。
我认为当年康家能够富裕起来，跟他家所处的地理位置有很大关系！背靠邙山、前邻伊洛河，距离黄河十多公里，地理位置的优势让他能够接近从洛阳、西安、开封过来的大客户，又不容易因黄河泛滥或战争受到太大冲击。当河运逐渐被铁轨替代时，地理优势也就不那么显著了。
👍2
Know Thyself
李录的书单中包括一个印度裔美国人的两本书The Future of Freedom和The Post-American World，前一本2003年出版，后一本2008年出版。 我把后一本看了几个章节，其中关于中国的描述我认为很客观，只是一些内容也许有点过时了。 我想看看他最新的观点，于是又找到一本2024年出版的Age of Revolutions，今天把这本书看了一大半。 我发现X上我关注的Dalio, Gates, Musk, Bezos, Altman都关注了他。
就像书上说的，随着社会的高速发展，人们生活品质比一百年前好很多，但也普遍更加孤独了。
我不想跟别人一起散步、骑车、吃饭，因为我无法忍受别人的很多言论，当然他们也难以接受我的很多观点。
我也不想看抖音、Telegram、微信、小红书、YouTube上推送的同质、低劣的内容。只有长篇的博客和高品质的书，才能让我感觉没有浪费时间，但是优质且感兴趣的内容很难找。
我很想要从大多数网络平台中消失一段时间。
我不想跟别人一起散步、骑车、吃饭，因为我无法忍受别人的很多言论，当然他们也难以接受我的很多观点。
我也不想看抖音、Telegram、微信、小红书、YouTube上推送的同质、低劣的内容。只有长篇的博客和高品质的书，才能让我感觉没有浪费时间，但是优质且感兴趣的内容很难找。
我很想要从大多数网络平台中消失一段时间。
🥰12🤔5❤4👍3
https://x.com/oran_ge/status/1815997989955240296
最近Meta又在搞大新闻，发布了Llama 3.1的8B、70B、405B三个版本的大模型，还有一篇论文。
昨天我把论文大略翻看了下，训练模型用了16000个80G显存的H100显卡。
训练成本那么高，居然完全免费！而且据说最小的那个模型，只要16G内存就能运行，我终于可以体验本地运行的大模型了。
我先是从官网下载8B版本的模型，大约15G，但是我不知道怎么在本地运行。在conda中安装好各种依赖，最后提示“Runtime Error: use_libuv was requested but PyTorch was build without libuv support”，我不知道哪个版本的torch有这个选项，通过pip安装也是相同的错误。
我知道通过Hugging Face应该也可以下载运行，而且不需要自己踩坑，但是我不想重复下载。
最后发现也可以使用ollama一键运行，这个软件跟docker有点像，但我试图导入本地模型时用了很长时间一直没有结束，因为相关文档比较少，我也不确定是否支持本地导入。最后我考虑重新下载一遍，但是在Windows中不论是否使用代理都因网络问题很难下载下来。
最后到Linux下用代理把模型下载到本地，发现只有4.34G，测试没问题后又复制到Windows系统中。
在Linux下没有使用独立显卡，CPU占用比较高，在Windows下使用8G独显运行最小的模型也没什么压力。
最近Meta又在搞大新闻，发布了Llama 3.1的8B、70B、405B三个版本的大模型，还有一篇论文。
昨天我把论文大略翻看了下，训练模型用了16000个80G显存的H100显卡。
训练成本那么高，居然完全免费！而且据说最小的那个模型，只要16G内存就能运行，我终于可以体验本地运行的大模型了。
我先是从官网下载8B版本的模型，大约15G，但是我不知道怎么在本地运行。在conda中安装好各种依赖，最后提示“Runtime Error: use_libuv was requested but PyTorch was build without libuv support”，我不知道哪个版本的torch有这个选项，通过pip安装也是相同的错误。
我知道通过Hugging Face应该也可以下载运行，而且不需要自己踩坑，但是我不想重复下载。
最后发现也可以使用ollama一键运行，这个软件跟docker有点像，但我试图导入本地模型时用了很长时间一直没有结束，因为相关文档比较少，我也不确定是否支持本地导入。最后我考虑重新下载一遍，但是在Windows中不论是否使用代理都因网络问题很难下载下来。
最后到Linux下用代理把模型下载到本地，发现只有4.34G，测试没问题后又复制到Windows系统中。
在Linux下没有使用独立显卡，CPU占用比较高，在Windows下使用8G独显运行最小的模型也没什么压力。
X (formerly Twitter)
orange.ai (@oran_ge) on X
在电脑上运行 llama 3.1 ，超级简单，五分钟搞定：
第一步，到 ollama 官网，点击下载
第二步，打开终端，输入：ollama run llama3.1
第三步，输入问题，开始自由自在地玩耍吧
llama 3.1 中文比 llama 3 要好。
安全方面模型还是比较容易攻破的。。
第一步，到 ollama 官网，点击下载
第二步，打开终端，输入：ollama run llama3.1
第三步，输入问题，开始自由自在地玩耍吧
llama 3.1 中文比 llama 3 要好。
安全方面模型还是比较容易攻破的。。
👍3❤1
可汗学院的创办人今年出版了一本书《Brave New Worlds: How AI Will Revolutionize Education(and Why That's a Good Thing)》，在这本书的末尾，作者认为未来AI助手会帮助人们自动化完成招聘、求职、求偶的需求。
今天在推特上看到一个帖子，一位工程师申请Canonical的Ubuntu开发工作时，被要求回答几十个问题并整理成PDF格式。前些天在Hacker News上看到一篇博客Panic! at the Job Market，两个都是在讲职场的问题，供需不匹配正变得越来越严重。
在信息大爆炸时代，人们的大脑就像被DDoS攻击的服务器一样，对于环境的变化很难及时做出响应，变得越发麻木。我认为未来AI助手会帮助我们解决大多数人类社会已经解决了无数遍的问题，把我们从麻木的状态中拯救出来，让我们有可能专心解决人类祖先从来没有闲暇和资源思考的问题，让我们能够享受生活。
今天上午使用pip安装了Open WebUI，实现了在多个设备访问ollama本地Llama 3.1 8B的需求。我认为未来企业内部都会搭建一个本地大模型，这样既能保护隐私，又能极大的降低沟通成本。员工们通过与内部的大模型交互，来及时、准确的获取信息，完善本地的知识库。员工不需要写工作总结或者日报、周报，不需要加无数工作群，只要跟大模型闲聊几分钟，就能在自己权限之内了解公司的状态，也能让领导和同事随时了解自己的工作进度。
有一段时间，我对未来非常悲观，在看了Ray Kurzweil的《The Singularity is Nearer: When We Merge with AI》后，虽然谈不上乐观，但也能比较平静的看待很多问题了。AI和机器人技术的快速发展，可能会让摩尔定律适用于其它领域，造成物价的持续快速下跌，最终货币失去意义，因为每个人都可以各取所需。
今天在推特上看到一个帖子，一位工程师申请Canonical的Ubuntu开发工作时，被要求回答几十个问题并整理成PDF格式。前些天在Hacker News上看到一篇博客Panic! at the Job Market，两个都是在讲职场的问题，供需不匹配正变得越来越严重。
在信息大爆炸时代，人们的大脑就像被DDoS攻击的服务器一样，对于环境的变化很难及时做出响应，变得越发麻木。我认为未来AI助手会帮助我们解决大多数人类社会已经解决了无数遍的问题，把我们从麻木的状态中拯救出来，让我们有可能专心解决人类祖先从来没有闲暇和资源思考的问题，让我们能够享受生活。
今天上午使用pip安装了Open WebUI，实现了在多个设备访问ollama本地Llama 3.1 8B的需求。我认为未来企业内部都会搭建一个本地大模型，这样既能保护隐私，又能极大的降低沟通成本。员工们通过与内部的大模型交互，来及时、准确的获取信息，完善本地的知识库。员工不需要写工作总结或者日报、周报，不需要加无数工作群，只要跟大模型闲聊几分钟，就能在自己权限之内了解公司的状态，也能让领导和同事随时了解自己的工作进度。
有一段时间，我对未来非常悲观，在看了Ray Kurzweil的《The Singularity is Nearer: When We Merge with AI》后，虽然谈不上乐观，但也能比较平静的看待很多问题了。AI和机器人技术的快速发展，可能会让摩尔定律适用于其它领域，造成物价的持续快速下跌，最终货币失去意义，因为每个人都可以各取所需。
👍10
前一段时间，我在研究LaTeX和数学时，恰好媒体在持续热炒“中专数学天才姜萍”。虽然我没有十足的证据证明造假，但是概率告诉我十有八九是假的。于是我做了这样一个表格，发到了小红书上。
今天测试了下阿里的通义千问qwen2:7B小模型，在我多次提示的情况下，它也很难正确计算假阳性的概率。
这让我想起，前一段时间在S
今天测试了下阿里的通义千问qwen2:7B小模型，在我多次提示的情况下，它也很难正确计算假阳性的概率。
这让我想起，前一段时间在S
late Star CodeX上看到的一篇博客《Statistical Literacy Among Doctors Is Lower Than Chance》，说的是很多医生的统计学素养完全不及格。
文中提到42%的医生正确回答了下面这个判断题： “True or false: the p-value is the probability that the null hypothesis is correct“
第二道题是有5个选项的选择题，26%的医生回答正确： Ten out of every 1,000 women have breast cancer. Of these 10 women with breast cancer, 9 test positive. Of the 990 women without cancer, about 89 nevertheless test positive. A woman tests positive and wants to know whether she has breast cancer for sure, or at least what the chances are. What is the best answer?
两道都回答正确的医生只有12%👍2
Know Thyself
前一段时间，我在研究LaTeX和数学时，恰好媒体在持续热炒“中专数学天才姜萍”。虽然我没有十足的证据证明造假，但是概率告诉我十有八九是假的。于是我做了这样一个表格，发到了小红书上。 今天测试了下阿里的通义千问qwen2:7B小模型，在我多次提示的情况下，它也很难正确计算假阳性的概率。 这让我想起，前一段时间在Slate Star CodeX上看到的一篇博客《Statistical Literacy Among Doctors Is Lower Than Chance》，说的是很多医生的统计学素养完全不及格。…
https://youtu.be/lG4VkPoG3ko
昨天在学习P-value和概率时，看到3blue1brown再次提到了博客中的案例。虽然描述略有不同，但都得出了类似的结论。
在评论区中，一位医生说，现实更加复杂(糟糕)，医生手头并没有准确的统计数据，检测设备的准确率也没那么高。可能会出现给疑似患胰腺癌的病人做手术后，发现并不是癌症。对于一些特定的患者，可能会出现检测结果100%是假阳性的情况，因为他们有一些奇怪的突变蛋白。太难了！
昨天在学习P-value和概率时，看到3blue1brown再次提到了博客中的案例。虽然描述略有不同，但都得出了类似的结论。
在评论区中，一位医生说，现实更加复杂(糟糕)，医生手头并没有准确的统计数据，检测设备的准确率也没那么高。可能会出现给疑似患胰腺癌的病人做手术后，发现并不是癌症。对于一些特定的患者，可能会出现检测结果100%是假阳性的情况，因为他们有一些奇怪的突变蛋白。太难了！
今天早上出去锻炼，听到几个老人闲聊，了解到其中一位老人感觉难受，但也说不出怎么难受，只是心里不好受，头偶尔有点晕，但是血压不高。去医院检查也没啥大毛病，只是心肌缺血、脑供血不足。
她认为根本原因可能是牙齿不好，导致啥也不敢吃，从来不吃菜，甚至连西瓜也不能吃。
她的女儿说给她报销看牙的所有费用，让她儿子带着去看，但她儿子好不容易才开始上班，只能再等等。
民以食为天，未来人们应该会特别愿意在健康、有营养的食品上花钱，可以考虑向这个方向努力，争取研究出不黏牙、不伤害牙齿、口感好、有营养的食物。
她认为根本原因可能是牙齿不好，导致啥也不敢吃，从来不吃菜，甚至连西瓜也不能吃。
她的女儿说给她报销看牙的所有费用，让她儿子带着去看，但她儿子好不容易才开始上班，只能再等等。
民以食为天，未来人们应该会特别愿意在健康、有营养的食品上花钱，可以考虑向这个方向努力，争取研究出不黏牙、不伤害牙齿、口感好、有营养的食物。
👍1
Know Thyself
前一段时间，我在研究LaTeX和数学时，恰好媒体在持续热炒“中专数学天才姜萍”。虽然我没有十足的证据证明造假，但是概率告诉我十有八九是假的。于是我做了这样一个表格，发到了小红书上。 今天测试了下阿里的通义千问qwen2:7B小模型，在我多次提示的情况下，它也很难正确计算假阳性的概率。 这让我想起，前一段时间在Slate Star CodeX上看到的一篇博客《Statistical Literacy Among Doctors Is Lower Than Chance》，说的是很多医生的统计学素养完全不及格。…
看了点历史书，我感觉在大多数人的认知水平跟不上时代发展、信息严重不对称(难以快速分清是非对错)的社会中，残酷的政治斗争几乎是不可避免的，引导舆论非黑即白的打击反对派的人胜率要远高于花更多时间明辨是非的人。
郭循投降蜀汉，与大将军费祎同席饮酒，费祎喝醉后被刺杀。像曹操这种猜疑心重的人，或者像司马懿韬光养晦，反而能够长久。
大家常常骂资本家，企业家跟政治家很像，需要在信息不对称的情况下快速决策，出现假阳性的可能性非常高，但是只有这种惊弓之鸟才能在商战中适应并生存下来。
人们说“勿谈政治、勿谈国事”，也是有一定道理的。在需要快速决策的问题上明辨是非是要付出很大代价的，非要这么做几乎不可能把握住机会并且很容易让自己处在危险的境地。
未来的AI时代，政治斗争注定会空前的激烈。
不论是苏格拉底被民主投票处死，还是文明的希腊被蛮族吞并，或者蒙古人征服欧亚，都能给我们启发。
郭循投降蜀汉，与大将军费祎同席饮酒，费祎喝醉后被刺杀。像曹操这种猜疑心重的人，或者像司马懿韬光养晦，反而能够长久。
大家常常骂资本家，企业家跟政治家很像，需要在信息不对称的情况下快速决策，出现假阳性的可能性非常高，但是只有这种惊弓之鸟才能在商战中适应并生存下来。
人们说“勿谈政治、勿谈国事”，也是有一定道理的。在需要快速决策的问题上明辨是非是要付出很大代价的，非要这么做几乎不可能把握住机会并且很容易让自己处在危险的境地。
未来的AI时代，政治斗争注定会空前的激烈。
不论是苏格拉底被民主投票处死，还是文明的希腊被蛮族吞并，或者蒙古人征服欧亚，都能给我们启发。
👍5❤1
https://x.com/KobeissiLetter/status/1820438281844039760
之前日元负利率，美元长期高利率，人们通过两个货币的利差套利。
但是在日元利率上升，美元有降息预期的前提下，日元对美元汇率上涨一点，这些人就都爆仓了。
之前日元负利率，美元长期高利率，人们通过两个货币的利差套利。
但是在日元利率上升，美元有降息预期的前提下，日元对美元汇率上涨一点，这些人就都爆仓了。
👍1
《明朝那些事儿》中有句话：清朝名臣鄂尔泰曾经说过一句话：大事不糊涂，小事必然糊涂。
人的精力是有限的，人们必须做出选择。选择在大事上糊涂还是小事上糊涂，会造成完全不同的结果。
明清政府都知道自己的管理能力有限，所以才会严格约束下面的百姓，禁止通商、出海，鼓励臣子内斗，试图让所有人来适应自己的制度。
但是邻居蒙古、日本的资源有限。大国不通商，小国也不会坐以待毙。只能通过抢来谋求一条生路。
后来的鸦片战争以及最近的贸易战，则是英美与中国持续的贸易逆差让其无法承受。中国管理者不去体谅他们的难处，他们只好向国外输出鸦片或者通过操纵汇率努力引爆别国的泡沫以转移代价。
作者在书中还说：在中国历史上，共同创业的人大都逃不过“四同”的结局：同舟共济——同床异梦——同室操戈——同归于尽。
人的精力是有限的，人们必须做出选择。选择在大事上糊涂还是小事上糊涂，会造成完全不同的结果。
明清政府都知道自己的管理能力有限，所以才会严格约束下面的百姓，禁止通商、出海，鼓励臣子内斗，试图让所有人来适应自己的制度。
但是邻居蒙古、日本的资源有限。大国不通商，小国也不会坐以待毙。只能通过抢来谋求一条生路。
后来的鸦片战争以及最近的贸易战，则是英美与中国持续的贸易逆差让其无法承受。中国管理者不去体谅他们的难处，他们只好向国外输出鸦片或者通过操纵汇率努力引爆别国的泡沫以转移代价。
作者在书中还说：在中国历史上，共同创业的人大都逃不过“四同”的结局：同舟共济——同床异梦——同室操戈——同归于尽。
😢5❤1👍1
今天认真看了一章 Introduction to Robotics，然后又快速浏览几章，感觉其中的运算过于复杂了。
矩阵运算、逆运动学、雅可比……自然界的生物控制系统似乎没有这些计算。
生物在视觉、触觉、听觉的辅助下，在先天继承的模型下根据自己特定的条件和场景迁移学习一段时间后，就能获得比较好的表现。
未来的机器人如果标准化了，可能也会通过深度学习训练来提高它的运动表现，而不是经过复杂的让人头大的运算来获得精确解。
https://youtu.be/ET-MmoeSvXk
Deep Learning and Transfer Learning. This is the way!
矩阵运算、逆运动学、雅可比……自然界的生物控制系统似乎没有这些计算。
生物在视觉、触觉、听觉的辅助下，在先天继承的模型下根据自己特定的条件和场景迁移学习一段时间后，就能获得比较好的表现。
未来的机器人如果标准化了，可能也会通过深度学习训练来提高它的运动表现，而不是经过复杂的让人头大的运算来获得精确解。
https://youtu.be/ET-MmoeSvXk
Deep Learning and Transfer Learning. This is the way!
Know Thyself
前一段时间，我在研究LaTeX和数学时，恰好媒体在持续热炒“中专数学天才姜萍”。虽然我没有十足的证据证明造假，但是概率告诉我十有八九是假的。于是我做了这样一个表格，发到了小红书上。 今天测试了下阿里的通义千问qwen2:7B小模型，在我多次提示的情况下，它也很难正确计算假阳性的概率。 这让我想起，前一段时间在Slate Star CodeX上看到的一篇博客《Statistical Literacy Among Doctors Is Lower Than Chance》，说的是很多医生的统计学素养完全不及格。…
昨晚睡觉时我在思考，为什么过于干净的环境反而会增加过敏、免疫排斥反应的几率？
假设人吃进去的食物99.9%都是无害的，而人体免疫系统正确分辨有害食物和无害食物的概率均为95%，那么免疫系统检测到的“有害物质”中有98%实际上是无害的。
如果吃进去的食物90%是无害的，那么假阳性的概率就会从98%下降到32%。
控制免疫系统的应该也是一个神经网络模型，这个大模型是在不干不净的环境下训练的，所以在特别干净的环境下泛化效果不够好。
我们需要适应快速变化的环境，但是我们大脑中的很多核心控制模型都在是过去的环境下训练的，难以在快速变化的新环境中获得较好的表现。这个问题将来应该如何解决，我也不清楚。
假设人吃进去的食物99.9%都是无害的，而人体免疫系统正确分辨有害食物和无害食物的概率均为95%，那么免疫系统检测到的“有害物质”中有98%实际上是无害的。
如果吃进去的食物90%是无害的，那么假阳性的概率就会从98%下降到32%。
控制免疫系统的应该也是一个神经网络模型，这个大模型是在不干不净的环境下训练的，所以在特别干净的环境下泛化效果不够好。
我们需要适应快速变化的环境，但是我们大脑中的很多核心控制模型都在是过去的环境下训练的，难以在快速变化的新环境中获得较好的表现。这个问题将来应该如何解决，我也不清楚。
👍2❤1
https://www.dxy.cn/bbs/newweb/pc/post/50774856
丁香园一个帖子怀疑最新的人民卫生出版社《内科学》教材有错误，截图中的内容分别在第三篇的第四章和第三章。
一本教材是由很多人写的，章末署名的每个人可能只负责那一个章节，所有内容写完后审查的少数几个人即使仔细看，也不会发现其中大多数矛盾的问题，因为每个人都有自己的专长和兴趣点。
这就是医学教材有必要以非营利的方式开源、滚动更新的缘故，那样才能及时纠正其中的大多数问题。
我感觉医学教材应该非营利的发布电子版，网页版像维基百科一样随时更新，少数专家把关自己领域的内容，每年出一个比较权威的PDF版本，每隔5年出一个N审N校的权威纸质版。
https://www.dxy.cn/bbs/newweb/pc/post/50668107
这个是老版本医学教材错误的讨论贴
丁香园一个帖子怀疑最新的人民卫生出版社《内科学》教材有错误，截图中的内容分别在第三篇的第四章和第三章。
一本教材是由很多人写的，章末署名的每个人可能只负责那一个章节，所有内容写完后审查的少数几个人即使仔细看，也不会发现其中大多数矛盾的问题，因为每个人都有自己的专长和兴趣点。
这就是医学教材有必要以非营利的方式开源、滚动更新的缘故，那样才能及时纠正其中的大多数问题。
我感觉医学教材应该非营利的发布电子版，网页版像维基百科一样随时更新，少数专家把关自己领域的内容，每年出一个比较权威的PDF版本，每隔5年出一个N审N校的权威纸质版。
https://www.dxy.cn/bbs/newweb/pc/post/50668107
这个是老版本医学教材错误的讨论贴