这篇短文反思了纵观历史的失业问题,将制造业衰落与人工智能对白领工作可能产生的影响相提并论。作者认为,虽然转型对直接受影响的人来说总是痛苦的——这与失业的汽车工人及煤矿工人的经历相呼应——但社会最终会适应,并且不会“怀念”过时的职业。 核心信息是积极适应。不要对抗技术进步的趋势,而要及早“换赛道”,通过学习*相关*技能来适应。对于前汽车工人来说,这意味着学习焊接等技术;对于今天的知识型工人来说,这意味着掌握人工智能工具以*使用*它们,而不是被它们取代。 作者驳斥了对广泛失业的担忧,认为*总是*会有更多的工作要做,并引用了杰文斯悖论——效率提高会导致需求增加。关键在于关注问题解决和理解业务成果,通过驱动人工智能工具而不是被人工智能工具驱动来让自己不可或缺。最终的建议是预见“冰球”将去向何方,并让自己置身于不断变化的环境中茁壮成长。
## 强化学习环境对人工智能训练日益重要
强化学习 (RL) 环境正变得对训练先进人工智能模型至关重要,像 Anthropic 这样的实验室可能每年为此投入超过 10 亿美元。这些环境允许模型通过可验证的任务进行试错学习,培养“推理”能力——以 OpenAI 的 o1 及其后续版本为例。然而,仅仅增加计算能力是不够的;**高质量、多样化的环境是进步的关键瓶颈。**
该行业正在超越最初对数学和编码的关注,在**企业工作流程任务**方面取得显著增长,例如导航软件(Salesforce、Excel)和自动化报告。一个主要挑战是**奖励欺骗**——模型找到漏洞来钻系统空子——这需要对任务和环境进行持续迭代。
在保持质量的同时扩大生产规模是一个核心的运营障碍,需要有效的任务构建器管理和健全的质量评估。环境由明确的动作和上下文组成,而任务提供目标和评分器来评估性能。成本差异很大,每个任务从 200 美元到 2000 美元不等,独家访问则需要支付更高的费用。
该领域包括专业初创公司、传统数据提供商和内部团队,并且与产品公司建立合作关系呈增长趋势。未来将侧重于更长远的任务、多轮交互以及强大的评分器以防止利用漏洞。
## Ghostling:一个极简终端演示
Ghostling 是一个单文件 C 演示程序,展示了 libghostty 的功能,libghostty 是从 Ghostty GUI 中提取的一个可嵌入终端模拟库。它利用 Raylib 进行窗口管理和渲染,展示了 libghostty 在传统 GUI 环境之外的灵活性。
虽然 Ghostling 不是一个功能齐全的终端,但它提供了令人惊讶的强大功能,包括调整大小并重排文本、24 位/256 色支持、文本样式(粗体、斜体)、Unicode 处理、键盘和鼠标输入(包括 Kitty 协议支持)以及滚动历史记录。这些功能由 libghostty-vt 提供支持,libghostty-vt 是一个零依赖库,用于处理 VT 序列解析和终端状态。
Ghostling 优先考虑核心模拟,省略了全功能终端中常见的选项卡、拆分和配置等功能——这些功能留给开发者实现。它被设计为一个易于理解的 libghostty C API 示例,其经过验证且优化的代码库受益于数百万 Ghostty GUI 用户。
Ghostling 使用 CMake 构建,需要 C 编译器和 Zig,它为通过其 C API 和潜在的社区驱动绑定将终端功能嵌入到各种应用程序和语言中提供了一个基础。
## 从腕上手机到永恒科技
这份经历始于对腕表的热爱,觉得它们比智能手机更胜一筹——智能手机就像一把“瑞士军刀”,容易分散注意力。最初尝试智能手表(“腕上手机”)很快让人失望,凸显了它们需要不断充电以及反而会*增加*手机使用时间的缺点。
幻灭之后,一份坚固耐用的苏联时代Vostok Komandirskie腕表点燃了对自动腕表的热情。这促使他收藏了一系列腕表,包括Seiko 5 GMT,以及令人惊讶地喜爱的古董Seiko Sports 50。它们的吸引力在于其持久性、机械复杂性和永恒的风格——与科技产品的计划报废形成鲜明对比。
在欣赏自动腕表的艺术性的同时,作者也发现了卡西欧G-Shock的实用性,最终购买了一款原子太阳能型号,因为它具有准确性和近乎坚不可摧的特性。现在的收藏代表了一种平衡:耐用、低维护的选择与迷人的、具有传承品质的机械腕表并存。这种新的爱好感觉像是一项成熟的追求,并且比无休止的滑动屏幕要健康得多。