Nothing in life is as important as you think it is when you are thinking about it.
— Daniel Kahneman
卡尼曼的这个洞见很深刻。当你想一件事的时候，不自觉地会放大它。同样，那有没有可能在不想它的时候会低估呢？
控制自己在想什么，我们可能需要这种能力。因为你在想一件事，它会影响你对它的重要性的判断。
Happiness is complicated, but if you simplify it into things like a loving family, health, friendship, eight hours of sleep, well-balanced children, and being part of something bigger than yourself, you realize how limited money’s role can be.
— The art of spending money by Morgan Housel
要做自己喜欢的事情，才能做出成绩来，这个倒是没问题。可是让我困惑的是，很多人在面临当下的局面时，并没有可选择的余地，甚至不知道自己其实可以选择。
在没有选择的前提下，他怎么能确保自己正在做的事情就是自己所热爱的呢？ 要么强迫自己爱上这件事，要么找个理由说服自己，要么就只是忍受。
所以，他不是不懂“去做自己热爱的事情”这个道理，而是很可能从一开始就没有这个选择。更可悲的是，他甚至不知道自己有做出选择的能力。
原因在于人的本性、惰性，或者说人自身的某些特性，本来就很难改变。
高纬度的祝福
深度神经网络的规模达到一定的程度的复杂度之后，最优的区域可能呈现出平坦的、大面积的区域，也意味着找到最优值的方式并没有随着网络规模的变大而变大，某种程度上反而变得简单了。
即使是用梯度下降这种只要求局部最优的算法，也能取得非常好的效果。
我读到上面内容的时候的第一个反应是面对复杂的局面，特别是超级复杂的局面，反而找到最优值的方法更为简单，而且也不是很高深的道理。
- 投资复杂不复杂？
- 创新复杂不复杂？
- 市场竞争复杂不复杂？
- 人际关系复杂不复杂？
我觉得应对它们的「算法」，可能是非常简单的。
People are not rational. They are rationalizing.
Once you understand this simple fact, all the oddest human behavior will suddenly make way more sense.
— Billy Markus
所以跟人争论一个观点是否正确，可能没有意义。因为你不确定你争论的是事实，还是只是在宣泄各自的情绪主张。
努力使自己处于熵增的环境，使自己在环境中沿熵减的方向努力。
要真正理解一个概念，你必须在某种程度上自己"发明"这个概念。理解并非源于被动的内容消费，而是源于一个主动的、自我导向的创建和调试过程。
– François Chollet
近期 AI 编程的感悟：
- 工程师要以架构师视角看之前的工作，花时间做组件解构、组件交互、迭代目标，而不是写具体的代码。
- 注重软件工程的方法论，借助软件工程方法学可以约束 AI，进而提高生产效率。
- 代码数量不再是考核指标，应该考核软件架构设计 Prompt、自我迭代的自动化程度（基于闭环控制实现）。
Returns for performance are superlinear
Choose work you have a natural aptitude for and a deep interest in. Develop a habit of working on your own projects; it doesn’t matter what they are so long as you find them excitingly ambitious. 选择你有天赋和浓厚兴趣的工作。养成为自己的项目工作的习惯；只要你发现它们雄心勃勃，它们是什么并不重要。
Work as hard as you can without burning out, and this will eventually bring you to one of the frontiers of knowledge. 尽你所能地努力工作，不要精疲力尽，这最终会把你带到知识的前沿之一。
These look smooth from a distance, but close up they’re full of gaps. 从远处看，它们看起来很光滑，但近距离观察，它们充满了缝隙。
任何事情都有最佳的模式
- 良好的商业模式，即不受周期的影响、需求持久、市场够大
- 能够形成飞轮效应的成长与收获
- 能够发挥 Scaling Law 的模式