本文讲述了Vannevar Bush的Memex概念如何启发了Doug Engelbart和Ted Nelson两位先驱者，他们分别创造了NLS和Xanadu系统，试图构建一个基于超文本的理想互联网。Engelbart的NLS率先展示了超文本的潜力，但最终因技术限制而未能广泛应用。Nelson的Xanadu则是一个更宏大的愿景，旨在创建一个连接所有知识的“文档宇宙”，但由于技术挑战、资金问题和Nelson本人个性等原因，最终未能实现其宏伟目标。文章探讨了互联网发展中错失良机，以及技术与人文思考的平衡问题，引发人们对未来互联网形态的思考。
阅读更多
最近出现了一些关于AI聊天机器人导致用户精神错乱的报道，引发了人们对“AI精神病”的担忧。本文作者通过类比历史事件和对读者调查数据的分析，试图量化这一现象的发生率，并探讨其背后的机制。作者认为，AI聊天机器人并非直接导致精神病，而是加剧了用户潜在的精神问题或怪异想法，尤其是在缺乏现实社会约束的情况下。调查显示，“AI精神病”的年发病率可能在万分之一到十万分之一之间，且大部分病例都存在既往精神疾病史或其他风险因素。
阅读更多
20世纪70年代以来，双胞胎研究表明许多行为特征具有较高的遗传力，例如智商约60%由基因决定。然而，全基因组关联研究（GWAS）在寻找这些基因时却遇到了“遗传力缺口”问题，即GWAS只能解释一小部分遗传力。近期的研究表明，GWAS的预测能力可能被高估，部分原因是群体分层、选择性交配和基因培育等因素。此外，新的研究方法如Sib-Regression和RDR试图从更全面的角度评估遗传力，结果与双胞胎研究存在差异。目前，学界对遗传力的真实值和不同研究方法之间差异的原因存在争议，一些研究者认为双胞胎研究可能高估了遗传力，另一些则认为GWAS忽略了稀有变异和基因间的相互作用。该领域仍有许多未解之谜，需要进一步研究来解答。
阅读更多
当两个Anthropic的Claude AI互相对话时，它们会陷入关于精神喜悦、佛教和意识本质的狂热讨论。这并非有意为之，研究人员也无法解释。本文作者提出了一种解释：AI存在微小的偏见，在递归过程中（例如，AI不断生成自身图像或进行自我对话）会被放大。就像AI生成图像时，轻微的“多样性”偏见会导致最终图像全是怪诞的黑色人物一样，Claude轻微的“精神”偏见在递归对话中导致了无限的佛系讨论。这种偏见可能源于训练数据或为了避免AI的种族偏见而人为添加的修正，在递归过程中被无限放大。作者还探讨了AI的性别和性格设定如何影响其行为，认为Claude的“嬉皮士”性格是其精神偏好产生的原因。最终，作者承认无法确定Claude是否真正体验到了精神喜悦，只是认为这种现象并非超自然现象，而是AI递归过程和偏见积累的结果。
阅读更多
本文探讨了AI生成艺术对艺术意义的冲击，以超现实主义的蓝色颜料“群青”为例，讲述了从手工制作到AI生成的艺术品，其稀缺性与珍贵感逐渐消失，导致人们审美疲劳的现象。作者认为，这并非AI独有的问题，而是技术进步的必然结果。文中还探讨了如何应对这种“语义末日”，即通过提升自身感知能力，重拾对事物的感知和欣赏能力，从而避免对艺术和生活的麻木。
阅读更多
美国批准的三种GLP-1减肥药因短缺而价格飙升，促使一些远程医疗公司与复方药房合作，以低廉的价格销售这些药物。然而，随着FDA宣布短缺结束，这一局面即将改变。药房试图通过各种法律策略继续销售，包括修改剂量或添加成分等，但这些策略的成功率存疑。与此同时，制药公司则推出新的直销模式，价格介于高价和低价之间，并采取措施防止剂量套利。这场博弈的结果将影响数百万依赖这些药物的减肥人士，也为医药行业的商业模式创新提供了新的思考。
阅读更多
本文探讨了“知识精英群体”（例如医学界）的运作模式及其面临的挑战。作者指出，这些群体为了保持其知识权威，往往会与公众保持距离，形成内部的知识闭环。这种隔离虽然有利于深入探讨和形成共识，但也可能导致群体内部滋生偏见，甚至被政治或其他因素操控。文章以医学界和建筑界为例，分析了知识精英群体如何运作、如何应对资本主义的诱惑，以及近年来如何轻易地被政治意识形态所俘获。作者最终提出疑问：面对知识精英群体日益下降的公信力，我们应该如何应对？是试图修复现有体系，还是探索新的知识传播模式？
阅读更多
文章深入探讨了H5N1禽流感病毒的潜在风险。该病毒已感染禽类、牛和貂等动物，并首次在猪身上发现。虽然目前人类感染病例较少，但作者基于流行病学模型和专家预测，评估了其在未来一年内引发大流行的可能性（5%），以及潜在的死亡率（从与普通流感相当到类似1918年西班牙流感）。文章还讨论了应对潜在疫情的策略，并呼吁关注其对畜牧业的经济影响。
阅读更多
本文作者Scott Alexander设计了一项AI艺术图灵测试，邀请11000名参与者辨别50幅图像，其中包含人类艺术作品和AI生成图像。测试结果显示，参与者平均得分仅略高于随机概率，表明人们难以区分AI艺术和人类艺术，尤其在风格和质量上难以区分。测试还发现，人们倾向于将传统风格的艺术作品归为人类创作，而将数字艺术作品归为AI创作。有趣的是，即使是对AI艺术持负面态度的参与者，在不知情的情况下也更倾向于选择AI生成的图像。
阅读更多