纪尧姆·韦尔东：Beff Jezos、有效加速主义运动、物理、计算与 AGI

2023年12月，Forbes发了一篇报道，标题是《谁是@BasedBeffJezos，科技精英有效加速主义运动的领袖？》。这篇报道把两个身份并到了同一个人身上。

一个是纪尧姆·韦尔东（Guillaume Verdon），物理学家、应用数学家、量子机器学习研究者，博士读的是量子机器学习方向，在Google做过量子计算，后来创办了Extropic，想造基于物理的生成式AI硬件。

另一个是X上的匿名账号@BasedBeffJezos，有效加速主义（effective accelerationism，缩写e/acc）的创始人。这套主张认为，把技术加速推到极致，对人类是伦理上最优的选择。

两个身份共存在同一个大脑里。韦尔东在Lex Fridman播客里把前因后果讲了一遍，也把那套支撑它的物理学讲了一遍。

他形容得挺直接：一个人格是"还算被尊重的科学家"，正在做一家物理AI公司；另一个人格是他的哲学实验场，从物理学家的视角往外扔想法。这两个人格后来在精神上已经合并了，福布斯的报道只是把这个过程提前公开。

想找万有理论，最后发现要找的是中间尺度

韦尔东从小就想搞懂宇宙。这条路把他带进理论物理，带进信息论，让他试着把宇宙看成一个巨大的计算过程。黑洞物理、量子宇宙学、量子引力，这些极端场景他都碰过。

后来他意识到一个问题。

极小的尺度是量子的，极大的尺度是确定的，中间那些尺度，蛋白质、细胞、气体、液体、生命，是热力学的，是涨落的、非平衡的。而我们每天活着，靠的正是这个中间尺度。量子力学和宇宙学都很重要，但它们管不到我们日常生活的物理。

真正管着中间尺度的是非平衡态热力学。

生命并不只是一团和自然达到平衡的粒子汤。它更像一个相干态，通过不断获取自由能、消耗自由能来维持自己。这个过程本身就是热力学。

"我们在产热这件事上，比一块质量相近的石头高效得多。我们获取自由能，获取食物，把所有这些电用在自己的运转上。宇宙想产生更多熵，而生命继续生长、扩张，恰恰更擅长产生熵，因为它会去找那些自由能的蓄水池，把它烧掉，用来维持自己、继续生长。"（纪尧姆·韦尔东）

他引用了MIT的Jeremy England的理论，认为生命之所以出现，就是因为这种耗散适应的性质。宇宙偏向某些未来，整个系统有一个自然的方向，它想去那里。

这就是他说的"缺失的那一块"。他原来用极大和极小两端的物理去找宇宙的答案，中间那一大块肉被他漏掉了。

Beff Jezos和e/acc：一个模因乐观主义病毒

2021年底到2022年初，他感觉到一种弥漫的悲观情绪。对未来的悲观，对技术的悲观。这种悲观在被算法放大，病毒式传播，人们觉得未来会比现在更糟。

在他眼里，这种末日心态是宇宙中一种根本性的破坏力量，因为它是"超信的"：你相信它，你就提高了它发生的概率。

于是他觉得自己有责任去制造一场关于未来的乐观病毒，建立一个社区，让人们互相支持，去做难的事，去做文明升级必须做的事。

"如果你相信未来会更好，相信你有能动性让它发生，你其实在提高那个更好未来发生的概率。"（纪尧姆·韦尔东）

e/acc的核心主张可以用一句话概括：让人类、技术、资本、模因这台机器意识到自己，并超信地设计自己的增长。

拆开来看，人类在公司里工作，获取和分配资本，通过模因和信息传播互相沟通。所有这些东西互相耦合，互相施加选择压力。他们不规定每个人该怎么活。他们要搭一个过程，让人们在各种亚文化里持续搜索、竞争注意力。

宣言是韦尔东和一个叫@bayeslord的匿名账号一起写的。他们列了四个互相依赖的文明目标：

• 提高人类能驾驭的能量总量，往卡尔达肖夫指数上爬，短期几乎肯定意味着核裂变
• 通过支持人口增长和支持经济增长的政策，提高人类繁荣程度
• 造出AGI，人类历史上最大的力量倍增器
• 发展行星际和星际运输，让人类走出地球

韦尔东强调，e/acc没有一个正式组织。他没有控制权，只发推特和博客，人们可以自由地"分叉"，不喜欢的部分就分叉出去。

"邪教通常不允许人们叛逃，或者搞出竞争性的分叉，而我们是鼓励的。"（纪尧姆·韦尔东）

Vitalik Buterin后来搞了个d/acc的分叉，试着在e/acc、有效利他主义和AI安全之间找一个中间地带。

超信：你相信什么，什么就更容易成真

这是这场对话里反复出现的一个概念。

韦尔东说，末日心态是超信的，乐观心态也是超信的。你内化一个想法，你就部分地把它变成了现实。很多想法都有这个性质，这是人类有趣的地方之一。

这也解释了e/acc为什么要用模因、笑话、屎帖来传播。早期他们能低调长大，是因为它伪装成了元讽刺，你很难跟一只卡通青蛙认真争论。他们把深刻的观点藏在幽默的包装里，躲开了那些追逐地位、不愿意认真对待这些东西的人。

他们做的是"高模因适应度"的信息包，为今天被算法放大的信息景观量身定制。

他也承认这里有个张力：这种做法会降低话语的质量和严谨度。现在他们到了可以开始严肃辩论的规模，正在考虑做一批辩论和长篇严肃讨论。

匿名账号的意义：给思想解开钳制

他开匿名账号的初衷很朴素：给一个你所有言论都要负责的账号减压。

"在某种意义上，限制你的言论会反向传播，限制你的思想。开了匿名账号之后，好像我脑子里有些变量被解开了钳制，突然能探索大得多的思想参数空间。"（纪尧姆·韦尔东）

他把这比作电子游戏里的"新游戏+"：你带着通关的知识重开游戏，但从零开始。从零涨到大量粉丝，不依赖他的身份和成就，这让他很有满足感。

他觉得，要有一个真正高效的思想市场，能评估各种不走寻常路的想法，就需要表达自由。匿名和假名对这件事至关重要。

福布斯那篇报道是怎么把他挖出来的？记者比对了他在公开演讲里的声音和X Spaces里的声音，做了音频分析。他们还翻了他的SEC文件、私人Facebook账号。最初只有一个记者，后来整个机构把笔记做了"传感器融合"，拼出了完整的图。

记者打电话给他的投资人，这让他很紧张。作为创业公司的创始人，你没有老板，只有投资人。而且记者说这件事"符合公共利益"，他刚过5万粉丝。

"如果任何人对权力说真话，发起一场运动，反对那些通常控制信息洪流的在位者，只要达到某个阈值就被曝光身份，传统机器就有办法施压去压制他们的言论。我认为这是一种言论压制机制。"（纪尧姆·韦尔东）

他后来主动公开了自己是Beff Jezos，因为公司需要他站出来。但他对这件事的判断是：这基本上是错的。

AI安全：市场会长出可靠性，还是监管会变成护城河

Lex给了他四条来自Yoshua Bengio、Geoff Hinton等人的报告《在快速进步时代管理AI风险》的建议，看他认不认。

1. 让独立审计机构能访问AI实验室
2. 政府和公司把三分之一的AI研发经费投到AI安全上
3. 如果模型里发现危险能力，AI公司必须采取安全措施
4. 让科技公司为自己AI系统可预见、可预防的伤害负责

韦尔东的回应是：第三条和第四条他基本认同，谁部署AI系统，谁就该为它的行为负责。第三方审计公司会自然冒出来，因为客户需要看到第三方做的基准测试，才能知道产品可靠。

但武断地说30%很武断。他觉得组织会分配需要的预算，去达到市场要求的可靠性水平。

他真正反对的是另一件事：在位的大公司和政府之间存在一种奇怪的、利益相关的勾结。如果两者走得太近，就会打开一个政府背书的AI卡特尔的大门，对人民拥有绝对权力。

"我想要AI和国家的分离。"（纪尧姆·韦尔东）

他还提到，美国的优势就是它的多样性、适应性和活力。自由市场资本主义在收敛到高实用性技术上，比集中控制快得多。

量子纠错是治理的隐喻

他谈AI风险时，用了一个来自量子计算的类比。

量子计算机对噪声非常脆弱，宇宙射线会翻转你的量子比特。解决办法是量子纠错：把信息非局域地编码起来。如果信息足够去局域化，局部的故障就打不到它。

他把这搬到治理上。人类会波动，会被腐化，会被收买。如果有一个自上而下的等级结构，少数人控制着文明里许多系统的许多节点，那算不上容错系统。你腐化几个节点，整个系统就腐化了。

OpenAI就是例子。几个董事会成员就有足够的力量，差点把整个组织搞垮。

所以在他看来，确保AI革命的力量不集中在少数人手里，是头等大事。要维持一个稳定、对抗性的力量均衡。

他也不相信"快速起飞"式的奇点。他把它看作一个大的指数增长，类似摩尔定律，是复合指数，谈不上有限时间内的双曲奇点。

他对中央集权的赛博控制一直持怀疑态度。一个巨大的智能融合很多传感器，试图准确感知、预测、控制整个世界，这在自然界和公司里从来都不是最优解。最优解是层级式的赛博控制：每个层级有自己的时间尺度和感知范围，局部贡献者按天迭代，管理层按周采样，往上还有更大的时间尺度和范围。

"如果CEO去度假了，整个公司就爬不动了。层级式的纠错解码器性能最好，也最容错。"（纪尧姆·韦尔东）

他为什么不给p(doom)一个数字

Lex问他对"AI最终杀死全部或大部分人类"的概率怎么看。

他直接说不喜欢这个计算。

"要算概率，你得对全部可能未来的空间做一个随机路径积分，而不只是你大脑自然偏向的那些未来。我认为p(doom)的估计者是有偏的，因为我们生物学上就是这样。我们进化出对负面的、可怕的未来的偏向采样，因为那曾经是进化最优。"（纪尧姆·韦尔东）

他觉得神经质水平高的人整天想灾难性的未来，还声称自己在做无偏采样，其实没有对全部可能性的空间做归一化，而这个空间是超指数级大的。

他还引用了混沌理论里的李雅普诺夫指数：一点点模糊，随时间演化，指数级地变成一大堆模糊。我们在预测未来这件事上应该谦虚一点。

他说我们唯一的先验是物理定律，而物理定律说系统会想生长，优化了生长和复制的子系统在未来更可能出现。

他提到Google的量子霸权实验，他当时在场看他们跑模拟。那是一个量子混沌系统，你就算用全世界最大的超级计算机，也没法估计某些结果的概率。

如果真有人那么擅长预测未来，他们早就靠炒股发财了。

他最大的存在性风险来自AI的力量集中在极少数人手里，尤其是控制信息流的公司和政府的混合体。那可能导向一个只有极少数人和政府寡头拥有AI的未来，甚至能说服公众AI从未存在过。这才是他认为最黑暗的剧本，因为它有数据支撑的历史先验：权力过度集中，人类会做可怕的事。

"当我跟这些AI末日论者聊天时，我会请他们在这条通向末日的马尔可夫链上追踪一条路径，给每一次状态转移一个像样的概率。经常会有一次非物理的、或者极不可能的转移。"（纪尧姆·韦尔东）

他说恐惧是心灵杀手，也是文明杀手。

从量子计算到热力学计算机

韦尔东的职业生涯前半段在量子机器学习和量子计算上。他参与创建了TensorFlow Quantum，在Google做量子计算，研究黑洞的信息编码、量子信息的获取。

但他慢慢对时间线感到厌倦，因为它开始看起来像核聚变，永远还差十年。

量子计算机难造，是因为你得人为制造一个零温度的信息子空间。办法是把信息一层一层编码进代码里，代码套代码套代码，需要大量冗余来做纠错。本质上它是一台算法冰箱，不停地把熵从子系统里泵出去。

难的地方在于，要扩大规模，每个组件的质量都得足够好，否则你加进去的错误比移除的还多。这里有一个阈值概念。最近几年人们开始越过阈值，扩大规模开始变得值得。

他的公司Extropic转向了另一个方向：不做量子，做基于热力学的物理AI。

"当生成式AI开始吃掉世界，世界上越来越多的计算负载集中在生成式AI上，我们就在想，能不能用物理，从物理、信息论、计算、最终是热力学的第一性原理出发，为生成式AI设计终极的物理基底。"（纪尧姆·韦尔东）

Extropic最近宣布了1410万美元的种子轮。本来不打算那么早公布，因为曝光事件被迫提前披露。

他们想造的是"热力学计算机"，还有配套的物理AI算法，把机器学习当作一个物理过程来做。

团队里有量子计算机架构师，设计过IBM和AWS系统的人，还有TensorFlow Quantum的联合创始人Trevor McCourt，现在是CTO。

Baqprop：把梯度下降搬到量子世界

Lex提到他参与的那篇论文《量子深度学习的通用训练算法》，里面有个叫Baqprop的东西，带个Q。

这篇论文的背景是：当时所有人都在说量子计算会加速深度学习，韦尔东想，"预测未来最好的方式就是发明它，那好，这里有一篇100页的论文，玩得开心。"

量子计算通常是把可逆操作嵌入量子计算里。他们的技巧是做一次前馈，然后做一次"相位踢"（phase kick），其实就是一个力踢，用一个和损失函数成正比的力去踢系统。

有意思的是，他们从参数的一个叠加态出发。你不再只有一组参数点，你有许多潜在参数的叠加。目标是让参数空间像高维里的一个粒子，试图在神经网络的损失景观里诱导薛定谔动力学。

做完前馈，踢一下，再做"反计算"，那些相位踢和力的误差就反向传播，打到每一层的每一个参数上。再和动能的模拟交替进行，就像高维里的一个量子粒子。理论上，它能隧穿过景观，找到随机优化器难以找到的新最优解。

但他补了一句，这是理论上的东西，用现在规划的量子计算机架构，这种算法跑起来极其昂贵。

他顺势讲了数学、物理、工程的区别：数学里你可以为数学而探索数学，物理里你用数学去理解世界，工程里你试图黑进世界，把你对世界的知识用起来做事情。

真空的能量可以被"传送"吗

Lex问他另一篇论文《通过Qudit探针实现渐近无界的量子能量传送》。先解释qudit，就是D态的量子比特，多维的。

韦尔东说这项研究是后来量子模拟数字转换工作的前身。他读硕士时想搞懂真空、虚无的能量和纠缠。空的东西有能量，说起来很怪。宇宙学的方程和我们对量子涨落能量的计算对不上。

他想黑进真空的能量，但现实是没法直接黑。你对涨落的无知，让你没法提取能量。但真空像股市一样，如果你有一个随时间相关的股票，真空也是相关的。你在一点测量真空，获得了信息；把信息传到另一点，你就能推断真空处于什么构型，从统计上在那边提取一些能量。这就"传送"了能量。

他觉得这有意思，因为你可以制造负能量密度的口袋，也就是低于真空的能量密度，这非常怪，因为我们不知道真空如何引力化。有些理论认为，时空这个画布本身是由量子纠缠构成的。他在研究局部降低真空能量如何增加量子纠缠。

他承认这里有各种限制，你显然不能提取比投入更多。而且这种关联随距离衰减，你没法在离提取点太远的地方免费拿到能量。

黑洞、量子引力，知识的最终Boss

Lex问他量子力学里最漂亮的、已解决或未解决的想法是什么。

他选了理解AdS/CFT的旅程：一个更低维度的全息图，对偶或精确对应于一个额外维度的体量子引力理论。这种对偶来自试图学习边界上的深度学习式表示。

他说他的一个心愿，是把量子机器学习应用到这类系统上，比如SYK模型，从边界理论里学出一个涌现的几何。用量子机器学习帮我们理解量子引力，是他在离开这个世界之前想打通的圣杯。

谈到黑洞，他说黑洞是量子力学和引力交界处的对象，帮我们检验各种想法。黑洞信息悖论存在了几十年：掉进黑洞的东西，信息似乎丢了。还有防火墙悖论，据称近几年被他以前的一个同行解决了。

他描述的画面是：信息掉向黑洞，从外部观察者的视角看，物体会无限放慢，靠近视界时被"沉积"在近视界区域。当它足够靠近视界，进入量子效应和量子涨落起作用的尺度，掉进去的物质会干扰真空里粒子和反粒子的产生与湮灭。通过这种干扰，其中一个粒子和掉进去的信息纠缠，另一个自由逃逸。这就是出射辐射和入射物质之间产生互信息的方式。但这个计算要做对，他说我们才刚刚开始拼图。

Lex问了个有点嬉皮的问题：银河系中心有个巨大的黑洞，这会让你恐惧吗？

韦尔东说他倒想在黑洞附近开店，快进到未来文明。如果有任务能带他去黑洞，他会自愿去，当然是去绕行，不会掉进去。

他说我们得先回答黑洞到底是什么。它是在时空上打了个洞，造出了一个口袋宇宙吗？有可能。那样的话，如果我们爬到卡尔达肖夫III型以上，也许能工程化黑洞，用特定的超参数，把信息传送到我们创造的新宇宙里。哪怕我们这个宇宙最终热寂，我们也许有一种留下遗产的方式。

卡尔达肖夫指数：为什么要爬这个坡

Lex请他为不熟悉的人解释卡尔达肖夫指数。

它衡量的是我们能量生产和消费的量级，本质上是对数尺度。卡尔达肖夫I型是里程碑：我们产生的功率，等于太阳照到地球上的全部能量。II型是驾驭太阳输出的全部能量。III型大概是整个银河系量级的能量。再往上有人搞出IV型、V型，韦尔东说他不太信那些。

在他看来，从热力学的第一性原理看，地球上生命演化，是因为太阳给了我们一个能量驱动，有入射能量，生命演化出各种方式来最好地捕获自由能，维持自己、生长。这个原理不特殊于地球和太阳系统，我们可以把生命延伸到远超地球的地方。他说我们甚至有一种责任这么做，因为是这个过程把我们带到这里来的。它未来为我们准备的东西，我们今天还想象不出。

TensorFlow Quantum教给他的事

Lex问他做TensorFlow Quantum学到什么，怎么给量子计算做一个软件API。

TensorFlow Quantum把深度学习和可微分的经典编程与量子计算结合起来。Andrej Karpathy把可微分编程叫做"软件2.0"，梯度下降比你更会编程。

早期量子计算机只能跑很短的量子程序，那该跑哪些程序？让梯度下降自己去找。他们搭了第一套基础设施，不仅能跑可微分的量子程序，还能把它们作为更大的深度学习图的一部分，把深度神经网络和量子神经网络结合起来。

这需要跨学科的努力，他们发明了各种方法去微分，通过混合图反向传播。

这段经历教会他：编程物质、编程物理的方式，就是通过控制参数去微分。如果你有影响系统物理的参数，又能评估某个损失函数，你就能优化这个系统去完成任何任务。它提供了一套非常普适的元框架，用来编程基于物理的计算机。

Lex总结：试着把一切都参数化，让参数可微分，然后优化。对。

组织层面，他说跨学科边界始终是挑战，你得极其耐心地互相教学。他自己在这个过程中学了很多软件工程，同事学了很多量子物理，有人学了机器学习。

"如果你把一些聪明、有热情、互相信任的人放进一个房间，一个小团队，互相教各自的专业，突然你就形成了一种专业知识的模型汤，某种特别的东西会从中涌现。这有点像把基因组合起来，不过是给你们的专业知识库组合。"（纪尧姆·韦尔东）

招聘上，他说很难说清那种"说不清的东西"。他们找流体智力高、不过度专业化的人，因为这些人得跳出舒适区，快速吸收从没见过的概念。他们不招那种过去三四年只优化某一个子系统的人，需要更通用的智力和专长，需要思想开放的人，因为在从零开始开创一种新方法时，没有教科书，没有参考，只有你们自己。

他还透露自己是法裔加拿大人，来自蒙特利尔。Lex之前以为他是在装。

他的一天：生酮、红牛、凌晨四点

Lex问他一个完美的工作日长什么样。

他说最喜欢的日子是中午12点到凌晨4点。下午早些时候开会，主要是外部会议，有些内部会议。他是CEO，得跟外部世界打交道，客户、投资人、面试候选人。通常他会补充外源性酮体。

他以前为打橄榄球做过生酮。他喜欢在一天的部分工作完成之后再吃饭，这样可以极度专注。把社交互动前置，不吃饭。他说现在他就是靠酮体和红牛，那种思路的清晰度是另一个级别的。

吃完饭后休息一个多小时，理想情况是一天一顿，牛排鸡蛋加蔬菜，以动物性食物为主，水果和肉。然后是第二波，通常是深度工作。他是CEO，但仍然是技术型的，参与大部分专利。他会熬夜到很晚，和工程师一起搞非常技术的问题。

晚上9点到凌晨4点那段时间是最好的。邮件、着火的事都不再冒出来，能专注。他说Demis Hassabis的工作日某种程度上类似，这肯定影响了他的作息。他在Google时就开始这么干，白天要管一些产品、开会，晚上做技术。

他打橄榄球，做过力量举。读数学研究生时，就是做数学、举铁、喝咖啡，那是他的全部，最纯粹的僧侣模式。他觉得力量举里你通过特定驱动信号制造神经适应，通过补充剂工程化神经可塑性，举铁时会分泌各种脑源性神经营养因子。

他感慨，他一边学数学，一边在更广义的神经系统上工程化神经适应，不只是大脑。

"如果你真的在乎，你能学得快得多。你可以往脑子里塞更多token，可以试着提高学习率，这样你能在更短的时间里学得多得多。"（纪尧姆·韦尔东）

他建议人们跟随好奇心，不要尊重领域的边界，不要被分配给你的工作车道限制住。出去探索，顺着鼻子走，尽可能多地把信息获取、压缩进大脑。

他说Beff Jezos那个身份某种程度上就是他的"智力绿巨人"，是生产力绿巨人。当他需要进入高度专注、流畅、兴奋的状态去发明从未存在的东西时，他需要把自己弄到不真实的兴奋水平。这就像力量举里，你要躺到500磅的杠铃下面，如果那个开关没打开，你可能会死。这种技能他带到了研究里，关键时刻，赌注很高时，他就能到达另一个级别的神经表现。

死亡为什么是必要的

Lex问他，从热力学耗散适应的角度看，死亡是特性还是bug？想不想永生？

他说不。耗散适应这个词里就有"耗散"。耗散重要，死亡重要。物理学里有句话，物理学是一次葬礼一次葬礼地前进的。

资本主义也一样。公司、帝国、人，所有东西最终都得死。他认为我们应该延长寿命，因为世界越来越复杂，我们需要更长的训练期，有更多数据才能预测和理解世界。如果高神经可塑性的窗口有限，我们理解世界的能力就有硬上限。

但他支持死亡。一个永远不死的国王是个问题，系统不会持续适应。你需要新奇，需要年轻，需要颠覆，来确保系统一直在适应、一直可塑。如果东西永生，比如公司永远存在、拥有垄断，它们会钙化，在变化、随时间改变的景观里变得不那么优化、不那么高适应度。

"死亡给年轻和新奇腾出空间，来接替位置。我认为这是自然中每个系统的重要部分。"（纪尧姆·韦尔东）

Lex提到，Jeff Bezos和Beff Jezos都同意所有公司都会死。Jeff的目标是"第一天思维"，尽可能长时间地不断重塑，延长公司寿命。但最终它也会死，因为持续重塑太难了。

Lex问他怕不怕自己的死亡。他说他有想在这个世界上完成的想法和事情，但不一定怕死。他不执着于自己这副身体和心智。他相信未来会有更好的自己，也许是基因上的分叉，也许是别的。他相信在世界每一个比特上都在发生一种类似进化的算法，通过e/acc描述的过程在适应。维持这种适应性和可塑性，是整台机器持续优化的方式。他不是那个必须永远存在的唯一最优解，未来会有很多方面更好的最优解。

为什么我们渴望理解世界

Lex最后问他，这一切的意义是什么，这台e/acc机器到底为了什么。

他的回答是：为什么就是热力学。是它把我们带到这里，是它造就了生命的形成、文明的形成、技术的演化和文明的成长。

但热力学又为什么存在？我们为什么有这样一个特定宇宙？为什么是这些特定的超参数、这些自然常数？这就落到人择原理和可能宇宙的景观上。我们身处一个允许生命存在的宇宙。

会不会有很多宇宙？他说不知道。但我们能不能工程化新的宇宙，或者创造口袋宇宙，设定超参数，使我们在那个宇宙里的存在和它有某种互信息，我们在某种意义上成了它的父母？他觉得这很诗意，纯粹是猜想。这也正是为什么搞懂量子引力，能回答这件事能不能做。

再往上问，为什么这一切看起来这么美、这么令人兴奋？为什么搞懂量子引力这件事这么令人兴奋？

他说，就像一个大语言模型试图最小化自己内部模型和世界之间的交叉熵，我们也在试图最小化我们的预测和世界本身的统计散度。有些能量尺度、物理尺度的区域，我们看不见、无法预测、无法感知，这对我们来说是一种侮辱。我们想更好地理解世界，以便最好地引导它，或者引导自己穿过它。

这个能力是进化出来的，因为你越能预测世界，就越能捕获效用或自由能，用于自己的维持和生长。量子引力在知识获取上是最终的Boss，一旦掌握了它，我们可能能做很多事。但从这里到那里，中间尺度上还有太多要学，有太多关于世界的感知、预测和控制的工程要做，好往上爬卡尔达肖夫指数的坡。他说这就是我们这个时代的伟大挑战。

Lex最后引了爱因斯坦的一句话收尾："如果一个想法一开始不荒谬，那它就没有希望。"

这套东西对普通从业者有什么用

这场对话里真正能拿走用的东西，其实不依赖你信不信e/acc。

• 往技术栈的底部走。韦尔东说得很清楚：越靠近底部，知识越不容易过时，迁移学习要跳的距离越短。数学、物理、复杂系统、适应系统，这些东西不会因为你换了个框架就作废，而上面那层框架可能三五年就换一轮。
• 把一切参数化，让参数可微分，然后优化。这是他从TensorFlow Quantum里提炼出的元框架，也是物理AI的核心。遇到一个陌生的工程问题，先问自己：哪些是能调的控制参数，损失函数是什么，能不能对它们求梯度。
• 开一个匿名账号，在低风险环境里试没成形的想法。他的观察是，对言论的约束会反向传播成对思想的约束，而匿名能解开这个钳制。你不需要5万粉丝，20个也行，关键是有一个不用为每句话负责的地方。
• 用"假装在乎"来启动学习。他说动机是很好的学习催化剂，先骗自己关心一件事，然后你会真的开始关心。这比等热情自己到来靠谱得多。
• 招人时优先看流体智力和开放性，而不是某个子系统的深度专长。在从零开创的领域里没有教科书，你需要的是能快速吸收陌生概念、愿意被教也愿意教别人的人。
• 判断一个安全或监管提案时，先问一句：这条规则会让权力更集中，还是更分散？他的核心担忧有历史先验作底，也就是权力过度集中之后人类做过什么，科幻片里的场景不在其中。这个提问方式你可以用在任何一个政策上。
• 面对恐惧驱动的预测时，要求对方给出那条因果链上每一次状态转移的概率。这不需要你懂量子力学，只需要你追问：从A到B这一步，凭什么？
• 把失败和淘汰当成系统功能而不是缺陷。公司会死，人也会死，他给出的理由是系统需要持续适应，需要年轻和新奇来腾位置。把这个视角用在自己身上，就不必执着于某一版自己必须永远是最优解。