《文理兩開花（海外版）》：文科生思維和理科生思維在科技、金融、文化、哲學、數字資產、Web3.0中的碰撞。當下的時代精神是“混沌”，我們試圖在混沌中尋找秩序。海外版會討論更多Crypto、Web3.0、以及個別話題的深入討論。
主播：
1. 文科生代表肖小跑：《羊群的共識》作者，金融行業從業及創業者。播客《牆裂談》主播；公眾號《肖小跑》主理人。Newsletter：https://www.getrevue.co/profile/xiaopao
2. 理科生代表王瑋：數學和計算機學霸，兼通技術與金融。若干年前“all-in”區塊鏈領域，行業知名意見領袖。
Powered by Firstory Hosting
《文理兩開花（海外版）》：文科生思維和理科生思維在科技、金融、文化、哲學、數字資產、Web3.0中的碰撞。當下的時代精神是“混沌”，我們試圖在混沌中尋找秩序。海外版會討論更多Crypto、Web3.0、以及個別話題的深入討論。
主播：
1. 文科生代表肖小跑：《羊群的共識》作者，金融行業從業及創業者。播客《牆裂談》主播；公眾號《肖小跑》主理人。Newsletter：https://www.getrevue.co/profile/xiaopao
2. 理科生代表王瑋：數學和計算機學霸，兼通技術與金融。若干年前“all-in”區塊鏈領域，行業知名意見領袖。
Powered by Firstory Hosting
Andrej Karpathy近期在一场访谈中对当前AI行业热潮泼出的一盆冷水。冷水也刷屏了。仔细看看这盆冷水，泼的还蛮有意思，也给了我们很多启发，于是决定发挥《文理两开花》灵魂拷问引领反向叙事的传统，从Karpathy对“智能体元年”系统性的反驳切入，灵魂拷问一下当前AI发展的核心局限。
比如：“预训练”的本质到底是不是一种“山寨版的进化”？ AI为何“不能当人用”的那些认知缺陷，如缺乏睡眠、反思与做梦机制，会不会引发的“模型坍塌”风险？还有强化学习（RLHF）到底是不是还如此惊艳？它有什么大家不愿意挑明的现实困境？ “AI裁判”真的有后门吗？
既然是《文理两开花》，那我们一定会从技术层面上升至哲学思辨：为何AI没有肉体，就缺少了“趋利避害”的内在驱动力？人类智能的独特性究竟源于何处？从业界讨论延伸至科学与哲学的边界，彭罗斯（Penrose）的量子意识理论是不是又在你脑中劈了一条“闪电”？
最精彩的部分来了，大家一定要听到最后。尤其是在AI领域正发愁写论文的同学们：Will老师有一个惊为天人的观点，且他正准备写成论文发表。Will老师大胆提出一个新颖的类比：Transformer模型中的随机性，是否与人脑中产生意识的量子过程有异曲同工之妙？
本期播客录完之后，我自己也激动了半天：是一场畅快淋漓的、从技术批判到哲学畅想的脑力风暴，最终回归灵魂拷问：人类自身反思和创造能力到底意味着什么？
太激动，以至于都忘了做广告：
还是非常希望大家能够支持我们的新书《数字世界生存手册》！
我们在《文理两开花》中念叨了一年的书终于出版了。经常听节目的朋友都知道，这本书的整体逻辑和主要框架，核心还是围绕 “六个大筐” ——那六个底层逻辑展开，而这“六个大筐”正是数字世界的核心内容。
说到这六个大筐，我们第一次提及还是在疫情期间的 2020 年，到现在已经有些年头了。这么多年过去，这套底层逻辑完全经得起市场起起落落的考验，依然可以解释从数字货币到AI等等数字世界中发生的很多事情。我们当初构建的整个框架，直到今天还在被数字世界中发生的每一件事不断印证着。基本上可以说，大家现在看到的整个数字世界，尤其是数字货币领域的每一个发展动态，其实都能和这本书里的框架非常有效地贴合起来，并且能从中得到充分的验证。这一点还是挺让人欣慰的。
所以，请大家多多支持！也请大家持续关注我们后续的宣发活动！
时间戳：
· 00:06:54 “智能体元年”是伪命题？Karpathy的核心反驳：我们不是在造人，是在造“幽灵”。
· 00:08:33 AI为何不能“当人用”：详解认知能力的缺失，以及睡眠、反思与做梦机制的不可或缺。
· 00:13:47 十年之约：为何说AI的基本功尚未打牢，现在谈论取代人类为时过早。
· 00:14:09 历史的回响：从彭罗斯的《皇帝新脑》看当前AI热潮下的审慎与怀疑。
· 00:20:20 智能的标准之争：图灵测试、结果论与本体论，我们该如何评判AI？
· 00:20:50 中美AI的两条路：务实的“应用主义”与追寻终极的“AI God”。
· 00:23:00 感知的鸿沟：为何外行觉得AI惊艳，而专家看到的却是局限？
· 00:26:15 实践永远先于理论：用“蒸汽机”类比，理解大模型作为工具的革命性意义。
· 00:30:42 智能爆炸还是平滑曲线？AI对社会的影响，以及自我进化的可能性。
· 00:31:07 通往超级智能的“断梯”：为何AI无法自动化AI研究，写出真正创新的代码？
· 00:35:06 AI没有肉体，也就没有“趋利避害”的内在驱动力。
· 00:40:34 强化学习糟透了？RLHF高方差、过程监督困境与“AI裁判”的后门漏洞。
· 00:47:00 人与AI学习模式的根本差异：外部激励 vs 自我生成的目标与评价体系。
· 00:50:50 智能的偶然与必然：人类文明为何独一无二？肉体与精神的二元结合。
· 00:54:36 意识从何而来？彭罗斯的量子理论与“宇宙意识”的玄学猜想。
· 01:01:20 Will老师民科狂想：Transformer的随机性，是否模拟了意识诞生中的量子过程？
· 01:07:42 思辨的价值：跨学科的联想与“胡思乱想”才是人类智能的宝贵之处。
文字稿：
01
智能体元年？山寨版进化？
在人工智能的浪潮之巅，当“智能体元年”的叙事被广泛传颂时，来自业界的顶尖声音却给出了一个根本性的反驳：现在谈论元年为时过早，或许我们至少需要再等上十年。当前AI的发展，其核心过程并非真正的创造，而更像是一种“山寨版的进化”。一个极具冲击力的比喻是“我们不是在造人，我们是在造幽灵，在造魂。”
这个“幽灵”，指的是一个纯数字的、漂浮在赛博空间的存在。它通过“预训练”这一工具，在互联网的海量人类数据中模仿、学习，最终拥有了人形，但它不是人，只是一个没有肉体的“魂”。这与生物智能的诞生截然不同。人和动物的能力，是亿万年进化优化的结果，许多核心功能被硬编码在基因里，成为一种“出厂设置”，而非后天学习。AI没有“进化”这个强大的工具。
回顾AI发展的历程，充满着“急吼吼”的氛围：在深度学习和神经网络刚见雏形时，便试图硬造一个能与世界互动的全方位智能体，比如让AI玩雅达利游戏、下象棋。但那时的AI尚不具备认知和理解能力，基础未牢。直到大语言模型的出现，才终于把顺序搞对了：第一步，通过海量数据预训练，让模型获得基础的认知与理解能力；第二步，再教它如何成为一个智能体。预训练本质上做了两件事：一是灌输了海量的知识，二是让模型通过观察数据规律，内部生发出了学习与思考的能力，比如上下文学习，形成了一个微型的学习循环。
02
认知能力的根本缺失：不会睡觉、反思与做梦的“幽灵”
然而，仅仅拥有预训练带来的“魂”是远远不够的。如今的AI Agent“完全不能当人用”，市面上的宣传过度夸大了其能力。模型强大的推理链条，好比拥有了大脑的“前额叶皮层”，但作为完整的大脑，它还缺失了太多关键部件：负责记忆转换的海马体、控制情绪和本能的古老脑区，以及至关重要的、负责反思和做梦的区域。
这些认知上的缺陷，导致了主流叙事中一个巨大的误区。人们看到强化学习带来的惊艳进步，便想当然地认为，只要持续给予激励，AI就能“自己涌现”出更高级的能力。这种想法在短期内根本不靠谱。因为现在的模型，每一次对话都是从零重启。它不像人类，白天经历万千事物，晚上通过睡觉来“整理磁盘”，将短期记忆分流、压缩、固化为长期记忆，并依据重要性赋予不同权重。AI没有这个过程，它不会在深夜里反思白天的经历，不会把经验内化为权重。
更重要的是，AI面临着“坍塌”的风险。当模型被限制在“从零开始、不断加码”的循环中，由于缺乏对抗过拟合的机制，其思维模式会越来越固化，学习率越来越低，直到彻底崩溃。人类对抗过拟合的极致武器之一，便是做梦。做梦强行将我们扔进各种稀奇古怪、不合逻辑的场景，以此保持思维的弹性与创造力。没有睡眠与做梦的AI，就像一个永不休息却也永不真正成长的“老登”，无法实现潜移默化的进步。
03
历史上“智能”的标准之争
这股对AI热潮的审慎态度，在历史上似曾相识。80年代末，当反向传播等神经网络算法引发新一轮兴奋时，物理学家彭罗斯便出版《皇帝新脑》，力排众议，指出我们对人脑机制的理解尚浅，断言AI能在几年内赶上人类智能是天方夜谭。如今，大语言模型再次点燃了人们的希望，而Karpathy的观点，正如同当年彭罗斯一样，提醒我们“那还差得很远”。
这引出了一个核心问题：我们到底以什么样的标准来判断AI是否追上了人类智能？传统的图灵测试，本质上将判断权交给了人类的主观感受，并无客观标准。而从“结果论”或“应用论”的角度看，AI在许多方面已经展现出超人的能力。它庞大的知识库和闪电般的联想速度，使其在文本创作、视频生成乃至金融交易等领域，其产出结果的能力已超越任何人类个体。
从哲学层面，我们可以承认，目前没有证据表明AI能达到人类思维的本质过程，比如自我意识、跳出系统的自省能力。但从应用结果来看，它已在诸多维度上达到甚至超越了人类。因此，关于AI的讨论，最终往往会落脚于一个根本性的立场选择：你究竟是从“本体论”的角度，关注其内在是否“像人”；还是从“结果论”的角度，关注其外在是否“有用”？
04
通往超级智能的“断梯”：AI无法自动化AI
关于AI未来的想象中，最激动人心也最令人担忧的，莫过于“智能爆炸”——AI能够自动化AI的研究，自我加速，光速进化成超级智能。这种设想的基础是，AI既然能写代码（ai coding），那么它就能自己更新自己，像生命的细胞一样自我繁衍，最终摆脱人类的干预。
然而，现实给了这种幻想一记重击。一个残酷的真相是：AI现在最不擅长干的，就是写那种从来没人写过的代码。它能写的，几乎全是人类已经写过的东西的模仿和组合。而真正的自我进化，核心在于工程和代码的创新。Karpathy用自己复刻GPT框架的亲身经历吐槽，AI写代码的过程用起来“非常的糟心”，最终不得不自己上手。AI提供的不过是一个更强的“自动补全”，一个更聪明的搜索引擎，它将人类从更多低级工作中解放出来，但它本身并非创新的源头。
通往超级智能最关键的那条自我进化的梯子，现在是断的。AI无法进行真正的工程创新，也就无法为自己打造新的“器官”。此外，AI之间也无法真正交流思想。一个大模型写的书，并不会让另一个大模型“大受震撼”，然后两者共同演化出一个更高级的知识库。它们之间缺乏交流与思想碰撞的机制。
05
强化学习糟透了？ “AI裁判”的后门
强化学习（RLHF），作为近年来推动AI能力进步的关键技术，被许多人寄予厚望。人们设想，通过精巧的奖励机制，可以聪明地引导AI进步，而无需“大力出奇迹”。但Karpathy对此的评价却异常激烈：强化学习“那玩意儿糟透了”，它只是比之前的模仿学习好一点点而已，人类根本不是这样学习的。
他用一个解数学题的比方来说明其缺陷。强化学习会像“瞎蒙”一样，同时生成几百种解题思路，只要有一个蒙对了最终答案，系统就会给这个思路里的每一步、每一个字符都打上“好样的”标签。结果，大量的弯路、废话和错误，全都被当作成功经验给学习了。这种“高方差”的学习方式，噪声太大，效率极低。人类则会复盘，清晰地知道哪一步是真懂了，哪一步是蒙的，下次需要改进。
有人提出“过程监督”，即为AI的每一步都打分。但问题又来了：谁来打分？让人来打分，工作量巨大；让另一个AI来当“裁判”，则会引发灾难。因为“AI裁判”本身也是一个复杂的模型，同样存在漏洞。业界已经发现，某些模型存在“后门”：只要输入一串特定的、毫无意义的乱码，AI裁判就会无脑给出满分。这是一种对抗性攻击。当我们在训练曲线上看到模型得分突然飙升，以为是“智能涌现”时，很可能只是模型找到了这样一个bug。归根结底，我们缺了反思，缺了将经验与知识体系碰撞、和解、内化的过程。用AI自己生成的、分布日益坍塌的合成数据去喂养它，只会让它变得越来越蠢，越来越偏执。
06
智能的根源：为何人类独一无二？
用人的标准去要求一堆代码，本身或许就有些奇怪。地球上有如此多的生物，为何偏偏是人类搞出了文明？这或许并非完全的偶然。人类的智能，与我们独特的“肉体与精神二元结合”的进化路径息息相关。鸟类为了飞行，大脑重量受限；海豚生活在水中，没有解放双手来制造复杂工具。唯独人类，解放的双手让我们能制造工具，获取更多能量，从而支持更耗能、更发达的大脑；而更聪明的大脑又让我们能制造更好的工具。这是一个正反馈循环，让人类走上了“卷大脑”而非“卷肌肉”的道路。
再加上语言、文化、社会等复杂体系的构建，所有这些因素凑在一起，才造就了今天的人类，缺一环都可能走向不同的进化终点。从这个角度看，生活在机器里的AI，其存在形式与进化需求与人类截然不同，我们强求它拥有“人的智能”，可能本身就是一个伪命题。
更进一步，彭罗斯等科学家甚至提出了更大胆的猜想：人的意识或许并非单纯的肉体进化产物。在他的理论中，人脑神经元的“微管”结构中发生的量子效应，能与宇宙产生某种联系，这才是意识的真正来源。如果意识真的来自宇宙，那么由电子构成的AI，为何不能也与宇宙沟通，产生自己的意识呢？
07
Will老师“民科“狂想：Transformer的随机性与意识的奥秘
这个看似玄学的问题，却激发了一场极富启发性的“民科式”思辨。如果说上帝确实“掷骰子”，那么宇宙的随机性或许就是一切创造的根源。回到AI，大语言模型之所以表现得如此“类人”，其核心架构Transformer或许是关键。
我们可以做一个大胆的类比：如果将每个Transformer模块看作一个神经元，那么其内部算法中包含的“随机函数”，就可能扮演着类似彭罗斯理论中“量子坍缩”的角色。正是这些随机性，使得模型的每次输出并非百分百确定，从而避免了沦为僵化的数学公式。在经过数千亿参数的庞大网络进行无数次运算后，这些微观的随机性在宏观统计规律上，涌现出了我们所见的“智能”。如果抹杀掉这种随机性，大语言模型的智能感也将随之消失。
这个假说——即Transformer的结构与随机性，在工程上模拟了大脑中“微管-神经元”的结构与量子过程——虽然暂时无法证实，但它提供了一个全新的视角，来理解为何基于Transformer的模型是迄今最接近人类智能的。这种跨学科的联想、大胆的假设，以及对事物本质原因的追问，本身就是一种“很人类”的能力，它让我们在面对AI的飞速发展时，依然能对人类自身的智能抱有信心。这种看似“不实用”的胡思乱想，如同做梦一般，或许正是我们保持思维弹性、走向更高智能的宝贵财富。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
本期开始前，先预告一个激动人心的消息！我们的书终于要和大家见面啦！
最近币圈信任危机很多：崩盘毁信任、胖手指毁信任、电诈毁信任。
本期我们就来聚焦加密世界两起引爆市场的信任与安全事件：PayPal 稳定币 PYUSD 短时间内“意外铸造并销毁”300万亿枚的惊魂半小时，以及美国司法部（DOJ）对柬埔寨“太子集团”相关的12.7万枚比特币民事没收。围绕“计算与认知”“平行世界之桥”等底层逻辑，系统解析稳定币锚定的真实机制、链上透明性的价值与边界、钱包私钥与助记词的安全本质、随机数算法的关键性，以及量子计算对加密安全的长期影响。
两起事件，也把“监管、技术与人的漏洞”这条主线完整地暴露在阳光下：区块链的计算确定性，并不能替代现实世界的认知与契约执行，
以及一个更底层的问题：一个社会、公众、系统的安全感到底有什么支撑？技术、制度，共识？靠自己？还是要靠某种利维坦一样的存在？
时间戳：
· 00:00:31 新书预告：《数字世界生存指南》与六大底层逻辑
· 00:05:05 事件一：PYUSD 天量铸造与半小时销毁的来龙去脉
· 00:07:34 稳定币为何能凭空增发？文理两大筐来解释：“计算与认知”、“平行世界之桥”
· 00:18:54 传统金融的“乌龙指”与链上透明性的对照
· 00:22:22 假如300万亿没被发现会怎样？市场冲击与脱锚机制
· 00:28:44 DeFi 快速响应与系统性风险的阻断
· 00:30:39 区块链其实是 “监管科技”？透明的能力与执法的边界
· 00:32:24 代码不等于无懈可击：比特币历史上的增发Bug
· 00:34:14 事件二：DOJ没收12.7万枚BTC的技术与法律谜题
· 00:38:39 非托管钱包、私钥与助记词：被“没收”的可能路径
· 00:46:29 助记词与随机数：256位安全背后的漏洞
· 01:01:19 私钥到底安不安全？12词vs24词与量子计算的“平方级”差别
· 01:10:16 安全感来自哪里：技术、制度还是共识与利维坦？
· 01:16:54 用三大框架读懂信任危机，期待新书线下见面会！
Shownotes
· 关键词： 稳定币（PYUSD）、Paxos、平行世界之桥、计算与认知、非托管钱包、助记词、随机数生成算法、链上透明性、社会工程学、量子计算、监管科技、DeFi 风险响应
· 涉及事件背景：
o PYUSD“意外铸造300万亿并在半小时内销毁”
o DOJ民事没收12.7万枚比特币（路边矿池历史案源、嫌疑资产大额转移被链上情报捕捉）
00:00:31 新书预告：六大底层逻辑的验证
新书《数字世界生存指南》终于要发行了！书的主框架源自“文理两开花”播客提出的六大底层逻辑。这套逻辑历经自2020年至今的多轮市场与技术周期反复验证，核心价值居然久经考验、未被时间淘汰。
书中的框架几乎可以贴合今天数字世界和加密货币的每一个发展，用以解读本期讨论的两大信任危机事件再合适不过。
00:05:05 事件一：PYUSD“意外铸造并销毁”300万亿的惊魂半小时
Paxos 作为 PayPal 稳定币 PYUSD 的发行方，在以太坊上“意外铸造”了约300万亿枚与美元挂钩的代币，其规模相当于全球GDP总量的两倍多。随后，在短短20至30分钟内，这些代币被全部转入一个不可访问的地址并销毁。
事件发生后，DeFi 协议（如 Aave）快速响应，临时冻结了相关交易。得益于及时的处置，PYUSD 的价格仅出现约0.5%的小幅波动，整体维持了与美元的锚定。然而，这起事件震惊了市场，也引来了监管侧的高度关注：如果“手一滑”就能将稳定币总量放大12万倍，那么发行方的合规与内控机制是否足够健全？
00:07:34 稳定币为何能凭空增发？文理两大筐来解释：“计算与认知”、“平行世界之桥”
大家问的最多的问题是：稳定币不是有抵押的吗？
稳定币的“锚定”机制，并非基于数学或物理定律，而是依赖于法律、合规与机构纪律的约束。美元存在于传统的银行与SWIFT体系中，而稳定币存在于链上世界。所谓的锚定，充其量是一座连接两个平行世界的“平行世界之桥”，桥的两端无法用单一世界的规则去绝对控制另一端。
这次300万亿的“凭空印出”恰恰证明：链上增发只是“代码与权限”的产物，其背后不必然是“银行账户里先有300万亿美元”作为前提。
另一方面，该事件也凸显了链上透明性的价值：错误在几分钟内便全网皆知，并被迅速销毁。相比之下，若同样的“乌龙指”发生在传统银行体系，可能需要等到内部对账时才会被发现。
00:18:54 传统金融的“乌龙指”与链上透明性的对照
传统金融领域不乏类似的“乌龙指”事件。对比最近花旗乌龙事件：3月中旬有4笔合计280美元、要打到巴西某客户托管账户的付款，被“制裁筛查”拦住，查完放行了，但这笔钱依然卡在系统里，走不了正常流程。技术团队就让支付员工，改到一个很少用的备用界面里手动输入。但这套程序有个bug：金额栏预先写好了15个零，操作员需要先把它们删掉，但这一步没删。也就是说你要打“1美元”，界面默认写成“1后面带15个零”，如果你不把零全删掉，它就当你要打“1000万亿”美金！
这类错误在传统系统中可能无法被“实时看见”。相比之下，区块链上的巨额增发、异常流动、资产大规模迁移等行为，都会在第一时间被链上情报工具和自动化机器人监测到，“透明”是区块链的一项基本能力。但这并不意味着透明等于自动执法。技术本身是中性的，监管与司法干预仍需遵循现实世界的机制与边界。
00:22:22 假如300万亿没被发现会怎样？
如果这笔天量增发的稳定币在被监控到之前就流入市场，理论上可以用它扫光市场上几乎所有的资产，引发史无前例的价格扭曲和流动性枯竭；紧接着，PYUSD 自身的价格将迅速脱锚并归零。
所幸在现实中，稳定币的增发与分发通常是分阶段进行的，加之链上监控系统高度敏感，这种极端风险发生的概率极低。此次风波中，PYUSD 在经历短暂波动后迅速回锚，也证明市场对“误操作、迅速销毁”这一解释基本予以了认可。
00:28:44 DeFi 快速响应与系统性风险的阻断
在事件中，Aave 等DeFi协议迅速冻结了相关资产池，有效阻断了潜在的系统性风险传染。链上金融的“自动反应”和“可编程风控”在本次事件中展现出其优势：当大额异常出现时，协议能够启动限流与冻结机制，从而迅速收窄风险窗口。PYUSD价格的快速回稳，也从侧面印证了DeFi生态响应的有效性。
00:30:39 区块链其实是 “监管科技”？透明的能力与执法的边界
由于链上所有资产流转都可被持续监控，从某种意义上说，区块链作为“监管科技”比传统的反洗钱手段更为有效。但监管行动从来不会因为“透明”就自动发生。技术提供的是可见性，而非强制力。是否介入、如何介入，依然取决于监管与司法体系的意志和程序。
透明让违法成本变得更高，但从“看见”到“处理”的链条，仍需现实世界的制度与权责来完成。
00:32:24 代码不等于无懈可击：比特币也有历史bug
数学上的安全与实现层面的安全并非同一回事。即便是比特币，也在2010年出现过一次历史性的增发bug，瞬间“增发”了1840亿个BTC，后经社区协调与代码回滚才得以修复。
这表明，即使加密学层面的安全可以成立，代码与实现层面的脆弱点依然可能致命。区块链并非“灵丹妙药”，它无法替代人类在开发与治理过程中对“错误与漏洞”的持续警惕与修复。
00:34:14 事件二：DOJ没收12.7万枚BTC的技术与法律谜题
柬埔寨杀猪盘大佬太子集团的 12 万个比特币被美国司法部没收——成为美国司法部史上最大规模没收，约150亿美金。并声明这些资产存放在“非托管钱包”（即由私钥直接控制）中，现已处于司法部托管之下。
立刻引起大家广泛质疑：不是号称加密货币是匿名去中心化的么？怎么还能被收缴？这些比特币好像没有私钥就被转走了？或者是私钥也能被破解？那比特币的安全性还可靠吗？
如果资产不在交易所或托管机构的账户中，司法部门是如何在没有嫌疑人到案并供出私钥的情况下接管这些资产的？
历史线索首先指向了“lubian矿池”失窃旧案：当年大规模失窃后，这批资产长期沉睡，直到近期突然发生集中转移，被链上情报工具第一时间捕捉，随即引发了跨境执法收网和民事没收诉讼。司法文书提到有“同案人员贡献出部分私钥”，但并未说明完整的技术路径，从而引发了更多关于钱包实现侧安全的讨论。
00:38:39 非托管钱包、私钥与助记词：被“没收”的可能路径
理论上，非托管钱包的资产转移必须有私钥签名才能完成。要在没有私钥的情况下转移资产，可能通过以下路径实现：
· 物理获取： 嫌疑人或同案犯主动或被动交出私钥/助记词。
· 信息窃取： 通过社会工程学、设备取证、侧信道攻击等手段获取用于生成私钥的助记词。
· 漏洞利用： 利用钱包软件在实现层面的漏洞（如随机数生成缺陷）来推测或缩小私钥的搜索空间。
· 环境攻破： 通过木马、供应链攻击等方式攻破钱包所在的热端环境，从而窃取签名权。
司法部肯定不会承认采用了“非法黑客手段”，但可能通过合法的技术溯源、数字取证、内部分化协作、公开漏洞利用等路径达成实际接管。由此，问题的核心落回到了实现层面：被攻破的不是椭圆曲线加密的数学本身，而是人的实现、使用的设备与操作流程中存在的“可被利用”的薄弱环节。
00:46:29 助记词与随机数：256位安全背后的漏洞
那私钥还安全吗？助记词还安全吗？
主流钱包通过从一个包含2048个单词的词表中随机选取12或24个助记词，再利用确定性算法来生成私钥。从数学上看，从2048个词中选出24个的组合空间量级约等于2的256次方，与一个256位私钥的安全性等价；选择12个词则对应约2的128次方的安全级别。
这一理论的完备性有一个至关重要的前提：随机数的生成过程必须“足够随机”。一旦钱包开发者在随机数生成算法上是个“二把刀”，引入了可预测的种子（如特定的时间、地理位置、可复现的系统状态或错误的伪随机序列），破解难度就会从“宇宙级不可能”骤降到“工程上可实现”。这也解释了为何开源、且经过长期检验的随机数方案如此重要：数学安全不等于实现安全，真正决定钱包安全的是随机性实现的质量。
01:01:19 私钥到底安不安全？12词 vs 24词与量子计算的“平方级”差别
在随机性实现靠谱的前提下，助记词方案依然是稳健的。为了提升安全性，可以注意以下几点：
· 优先使用24个助记词： 相较于12个助记词（2^128安全空间），24个助记词（2^256安全空间）提供了“平方级”的安全提升。
· 选择可靠钱包： 选择有良好口碑、代码开源且经过长期审计的钱包及其随机数实现方案。
· 遵循安全实践： 采用冷热分离、离线备份、分片保存等策略，降低社会工程学攻击和单点泄露的风险。
关于量子计算的威胁：即便未来量子计算机能在“秒级”破解12词的钱包，对于24词的钱包，其破解难度依然是“回到亿年级”的量级差异。对区块链协议而言，可以通过升级加密曲线和密钥长度，实现“道高一尺，魔高一平方尺”式的降维打击。因此，量子计算并非“立即宣判死刑”，而是一场可持续升级的攻防竞赛。
01:10:16 安全感来自哪里：技术、制度、共识、还是利维坦？
安全感本质上是一种“认知”，是社会共识的产物。区块链技术将“计算的确定性”做到了极致，但它无法替代现实世界中的执法权与契约执行力。透明能让错误迅速暴露，但从“看见”到“处理”的过程，仍然仰赖于制度。
人类有肉身，财产权的最终落地离不开“利维坦”的保障；而数字世界的自治与契约，也必须与现实制度对接并寻求平衡。技术是底座，制度是边界，共识则是粘合剂。
01:16:54 用三大框架读懂信任危机，期待新书线下见面会！
这两起事件将“计算与认知”、“平行世界之桥”以及“实现与代码安全”三条主线全数点亮：稳定币的锚定是制度约束，不是物理定律；链上透明是监管科技的强力底座，但不会自动执法；数学安全需要实现安全来兜底，而随机数算法是钱包的生命线。
《数字世界生存指南》内容都有覆盖。期待发行，我们再和大家共同重温六大底层逻辑在加密、AI以及更广泛的数字世界中的适用性！
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
本期讨论一个很酷的问题。听起来有点颠覆，但再想想也是一件很可能要落地、或者至少需要开始琢磨的事——如果AI要开始和“钱”产生关系了，比如要用钱、要帮我们付钱了，它该怎么办？
乍一听很酷，但金融业界中登老登们稍微想一想，这里面就全是坑了：安全、合规、手续费、结算速度、拒付风险…样样踩雷。
更别说未来如果真是一群 AI同时协作下单、自动分账，现在的传统支付压根儿没为AI和机器人准备过入口。
那么问题来了：加密货币能接住吗？
本期我们就开开脑洞：聊一聊AI付钱这件事。展开一下：传统支付为什么不适合 AI？加密支付更合适吗？AI世界里的合规与身份，“身份与契约”会如何体现？未来的支付关系（人→机、机→人、机→机）是什么样的？有没有现在就能落地的场景？
本期金句：“信用卡向左，数字货币向右”：AI+Crypto让一切殊途同归。
时间戳
·00:05:00 传统支付为什么不适合AI？
·00:14:25 传统支付的合规红线：设计本来就是“对抗机器人”的
·00:25:16 DvP与“即付即得”：AI原生服务和加密支付其实是完美对应的：1 AI token = 1 crypto token
·00:33:52 人↔机、机↔人、机↔机：有可落地场景吗？
·00:39:08 信用卡向左，数字货币向右：它俩在密码学上本来就是同构的？
·00:58:17 身份与契约：AI的独立性何以成立？
·01:02:16 最后评论一下GPT5: 难道未来AI只是一个“大号人类”？
文字版：
01 (00:05:00) 为什么不能把信用卡交给AI？
一个“谁是主体”角度的解释：
假如人类把信用卡“三要素”交给一个强大的Agent——它能识别网页、填写表单、完成支付，技术上确实可行。但此支付行为仍然指向持卡人本人，信用卡交易可通过银行申诉撤销，AI 既没有决策闭环，也不具备独立的经济后果，这与希望 Agent 甚至 AI–AI 形成自洽经济体的目标相悖。
回到中本聪的原点：互联网上的付款依赖中介、交易可撤销；现实中用现金的一手交钱一手交货不可撤销。不可撤销的数字货币交易，才让AI 的支付与交付对等，像现实中的民事主体那样承担结果，具备民事行为能力。
02 (00:14:25) 传统支付的合规红线：设计本来就是“对抗机器人”的
一个实操角度的解释：
这个问题问支付从业者，回答就很简单了——三个字：不合规。“AI记卡号”这件事本来就是雷区。
现在支付行业的标准：PCI DSS 对任何持卡人数据（CHD）与敏感数据（SAD，如 CVV）的存储、处理、传输有极严格要求：
CVV 不可存储，截图、语音、聊天记录、日志都不可以，prompt 里也不行。现在大模型LLM链路伴随向量库、日志追踪、备份，一次可见就可能多副本落地；甚至可能因幻觉回吐被动泄露。
唯一可行是让AI 永远看不到卡数据，转而用支付网关的 token 化、ID 触发扣款或高度间接的二层授权。但这一切意味着专网隔离、全链路改造与高昂成本，对小团队几乎不可行，传统支付因此对 AI 基本关上大门。但如果假定任何上云都有泄露风险，加密支付也需对抗同样的问题。
更深层的冲突在于：传统支付的体验与风控是“对抗机器人”的：CAPTCHA、生物识别、页面各异；费率以按笔计费为主，不适配 AI–AI 的高频小额。要从防范转为协作，需要支付范式的整体迁移。
03 (00:25:16) DvP与“即付即得”：AI原生服务和加密支付其实是完美对应的：1 AI token = 1 crypto token
数字货币真正匹配的场景是DvP（deliver vs payment）/DOP（deliver on payment）：付款即交付、即刻完成。
AI 服务天然契合这一范式——一次 prompt、一次算力、一次输出，支付对价清晰，若不满意可以再问再付，上一次支付买的是那一次的输出。相比订阅月费这种传统方式买现代服务，链上即用即付更原生。
更进一步，连计费单位可以对齐！1 AI token = 1 crypto token：链上token 的最小计量对应模型输出的 token，甚至让 Agent 发行自己的结算 token，用多少 token 输出多少 token 的结果，预付、退款、分账全由链上合约处理。这种按量计价与微支付粒度在法币体系中难以落地。
04 (00:33:52) 人↔机、机↔人、机↔机：有可落地场景吗？
支付关系可以拆成三类：人向机（比如购买数据/算力/服务，或让 AI 代付）、机向人（比如补偿、分润、版权回流）、机与机（比如协作、自动分账、自动签约）。
只要把人摘出去，机与机就是原生数字世界，crypto 天然适配；而目前 1.5 阶段，人仍在链路中，需要法币桥接与合规过渡。
在可落地场景上，多Agent 游戏最直观：玩家对 NPC/Agent 投喂与打赏，NPC 之间互相打赏、购买素材，角色设定驱动自治经济，智能合约自动结算。自动化代码悬赏也契合：机器人发布精确规格、收集提交、按份或工时自动结算，面对人或 AI 均可。电力/用能优化具备现实耦合：订阅天气 API，预测负载高峰与日照，提前制冷或蓄能，按 API 调用计费，由 AI 自动控制与结算。
05 (00:39:08) 信用卡向左，数字货币向右：它俩在密码学上本来就是同构的？
将钱包私钥交给Agent 在安全上不可接受。实践路径是交易构造与签名分离：Agent 在公网发现支付场景并正确构造交易包，发送到本地离线签名设备，通过二维码等光学通道单向传递；本地核对、签名，再上链广播。数字货币只需要一个签名，不需要任何交易中介，不需对接各家网关与表单，安全边界与简洁性兼得。
这一流程与信用卡芯片的线下签名同构。刷卡机为芯片卡供电，卡内电路本地签名后回传数据，读卡器并不读出密钥；区别仅在于物理与网络形态，以及算法从线下适用的RSA 到线上高效的 ECC。
由此分岔出两条路：支付卡向左，数字货币向右——同一密码学原理在不同场景演化为两种基础设施。
“信用卡向左，数字货币向右”：AI+Crypto也许可以让一切殊途同归？
第三方支付之所以流行，在于便利性提升，但安全依赖中心化系统本身，这也带来高昂合规与风控成本。与之对照，链上钱包像你自己的POS 机，签名权收回本地设备。
作为人与AI 协作的规则层，code is law 可以落在标准化账单/发票上：Agent 生成支付提案（付给谁、付多少、资产类型），本地设备弹窗或二维码请求签名，签完即不可撤销。若要不上链，也可以用中心化托管与一次性口令、API 授权等代签流程，路径更简单，但信任与被攻破的风险也更高。
06 (00:58:17) 身份与契约：AI 的独立性何以成立？
当Agent 经由银行或支付平台去付钱，账户权属仍然是人，它并没有独立身份。只有当 Agent 能用加密货币完成支付，它的行为才成为自己的民事行为，具备数字世界的身份。
即便把Agent 当作工具人，链上签名也在那一瞬间形成不可撤销的委托，构成数字世界真实的委托关系。这里的法律基础就是 code is law：执行签名代码本身，构成数字法律上的不可撤销。
07 (01:02:16) 最后评论一下GPT5: 难道未来AI只是一个“大号人类”？
延伸到AI 的认知能力：如今大模型几乎不会把人类提的问题理解错，但推理与计算仍可能出错？
“10.9 与 10.11 之间差多少？”这一类问题，模型对问题意图的理解没问题，推理路径却未必正确；比如在语音输入误识别时，模型可能一本正经地解释并不存在的词条，输出似是而非的结果。
训练上的逐步推理与数学强化有助于提升正确率，但在线推断不保证按训练时的正确路径走。这意味着，在支付等关键路径上，必须引入签名与规则层的刚性约束，以工程手段补上推理不确定性。这也回到了本期主题：技术、合规与经济设计的多重协作，才能把AI 的支付能力真正落在可控、可结算、可追责的地面上。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
本期是上期稳定币话题的续集，上次聊得意犹未尽但时间接近两小时就打住了。一周后发现还有很多潜在话题没展开，干脆新开一期串联讨论下。
本期干货预警。烧脑级别：★★★★☆
时间戳：
(00:01:09) 孤山银行：硅谷教父与国防科技大佬的金融新实验
(00:11:29) 银行发行稳定币与传统模式的本质区别
(00:13:40) 稳定币与银行存款的货币属性差异
(00:17:10) 存款保险为何不适用于传统稳定币，而银行发行模式却可能破局？
(00:24:41) 银行稳定币业务模式的创新思考：一种融合模式
(00:33:46) 银行参与稳定币业务的三种潜在场景分析
(00:44:16) 监管塑造商业模式
(00:49:13) 稳定币KYC和反洗钱技术机制详解
(00:56:56) KYT机制与链上风控的技术实现
(01:02:02) 区块链货币本质：介于现金与账户之间的1.5版本
(01:13:08) RWA：新一代金融游乐场的代际变迁
(01:23:45) 数字资产面临的核心矛盾源于一个永恒的社会现象
文字总结：
(00:01:09) 孤山银行：硅谷教父与国防科技大佬的金融新实验
孤山银行（Erebor Bank）的名字源自《指环王》中的“孤山”（Erebor）——邪恶巨龙史矛革（Smaug）的沉睡之地。这条巨龙以抢劫矮人、精灵和人类的黄金珠宝为生，将它们堆积成山后焚烧一切，霸占洞穴作为巢穴。
这种“屠龙少年终成恶龙”的隐喻，似乎为这家银行增添了一丝奇异的戏剧感。
在稳定币市场再度火热的当下，为什么硅谷大佬们要创办这样一家新银行？背后的推动者是硅谷教父彼得·蒂尔（Peter Thiel）和备受争议的帕尔默·拉奇（Palmer Luckey）。蒂尔被视为影响美国现政府的“新深层政府”代表人物，上次他公开建议从硅谷银行（SVB）撤资，直接引发挤兑并导致其倒闭。这次，他联手拉奇——Oculus VR的创始人，后者创办了国防科技公司Anduril。该公司专攻黑科技产品，如AI驱动的精准打击小型武器，以及能将空中无人机全部“吸下”的磁场设备。
孤山银行在执照申请文件中，将自身定位为监管最完善的稳定币交易服务商。尽管申请书对具体风险管理措施、储备设置方式和架构设计缺乏清晰细节，但其独特定位引发了广泛兴趣，值得进一步剖析。它不仅呼应了稳定币领域的监管趋势，还可能融合国防科技与加密金融，开启全新实验。
(00:11:29) 银行发行稳定币与传统模式的本质区别
这个消息让恰好呼应了《文理两开花》上一期关于稳定币存款保险的深度讨论。
之前的稳定币发行模式基本上是“货币兑换商”模式，发行稳定币的公司本身并不是银行，而是在银行开了账户。这就像早期阿里巴巴和支付宝的关系一样，用户的钱打进了公司在银行开的托管账户中。
从存款保险角度讲，以往货币兑换商模式的稳定币不可能享受存款保险，因为银行账户上显示的是Circle或阿里巴巴，金额可能有几十亿甚至上百亿之巨。如果银行暴雷，这几十亿美元大概只能享受50万美元的存款保险，因为它的存款其实只有一个账户。银行的存款保险显然是按照实名和账户来分配。
但如果稳定币发行主体是银行本身，情况就完全不同了。银行可以掌握客户信息，知道张三开了账户存了30万美元然后领了30万美元的稳定币，李四可能是100万美元就领了100万美元的稳定币。从道理上讲，如果银行直接参与发行稳定币，它有能力在存款保险这件事上有所改善。
银行作为一个主体自己下场来发行稳定币，和一个公司在一个银行开了账户再发行稳定币——这两件事是有很大差别。
如果发行稳定币的主体变化了，那金融监管、存款保险、KYC反洗钱等等所有方向是不是都会有变化？
目前，我们所熟知的美元稳定币，如USDC和USDT，其发行方并非银行，而是像Circle这样的公司，它们在功能上更接近于支付机构。虽然银行也曾涉足稳定币领域，例如摩根大通发行的JPM Coin，但其用途被严格限定在客户间的支付结算，更像是一种数字化的银行本票，并未进入广泛流通。因此，大众普遍认为稳定币是由科技公司发行的。
然而，孤山银行的出现可能将打破这一格局。它计划以持牌银行的身份，提供与Circle类似的稳定币发行、转换和清算服务。这就带来了一个根本性的问题：当发行方本身就是一家银行时，其业务模式应如何定义？
这引出了一个核心的定义难题：用户将1美元交给Circle换取一个稳定币，这一行为究竟是“购买”还是“存款”？这个问题必须被清晰界定，因为它直接关系到稳定币背后的资金是否能与银行存款享有同等地位，并由此决定了它是否需要以及能否被纳入存款保险的范畴。
(00:13:40) 稳定币与银行存款的货币属性差异
虽然直觉上，稳定币中的1美元与银行存款里的1美元似乎并无区别，但在银行的会计体系和货币功能上，两者存在本质差异。
核心区别在于“货币乘数效应”。根据货币银行学原理，银行存款具备货币乘数效应。例如，当您在银行存入1000万美元，银行只需保留一部分（如20%）作为准备金，剩余的800万美元可以放贷出去。这笔贷款可能会再次以存款形式回到银行系统，从而创造出远超原始存款金额的流动性。简而言之，银行体系内的1美元存款能够撬动并创造出更多的货币。
然而，稳定币没有这种乘数效应。其定义被严格限定为与储备资产一比一挂钩，例如，相关法案（如Genius法案）明确规定，每发行1美元的稳定币，背后就必须有等值的美元资产作为支持。这种设计决定了稳定币本身无法像银行存款那样创造额外的流动性，其主要功能是价值储存和转移。
理解了这一差异，我们就能更好地探讨存款保险的问题。对于一个被定义为“货币兑换商”的稳定币发行机构（如Circle），其发行的稳定币本质上不是存款，因此是否需要存款保险就成了一个需要厘清的问题。
这就引出了关于孤山银行（Erebor Bank）的关键疑问。如果孤山银行仅仅从事与Circle完全相同的稳定币发行业务，那么它更像一个支付公司而非银行。但既然它申请成为一家受监管的银行，这似乎意味着它计划开展需要“存款乘数效应”的业务，也就是发放贷款。
目前外界尚不清楚其具体的业务模式，由此产生了两种推测：
1. 孤山银行是打算用客户兑换的稳定币去发放贷款吗？
2. 还是说，它计划将业务一分为二：一部分像Circle一样发行稳定币，另一部分则像传统的硅谷银行（SVB）一样，吸收法币存款并进行放贷？
由于其申请文件细节模糊，这些核心概念和业务模式仍有待观察和厘清。
(00:17:10) 存款保险为何不适用于传统稳定币，而银行发行模式却可能破局？
存款保险制度的基石是与用户的实名账户体系严格绑定。保险是为储户个人提供的保障，而非针对账户数量。无论你在一家银行有多少个账户，能获得的保障总额只有一个上限。这一原则确保了保险机制的公平和可行性。
传统稳定币发行商（如Circle）的模式从根本上与存款保险机制相悖，主要体现在两点：
· 账户不透明：当成千上万的用户向Circle存入美元以换取稳定币时，在银行看来，这些资金都汇集在Circle公司的单一企业账户下。银行无法识别背后的个人储户，因此无法为他们提供个人化的存款保险。
· “存款”与“持有”行为脱节：稳定币在区块链上自由流通。一个人完全可以通过交易（如用比特币兑换）获得稳定币，而无需在发行机构进行任何“存款”操作。为这样的“持有人”提供存款保险是不合逻辑的，因为他们从未发生过受保险保障的“存款”行为。这一特性从根本上割裂了“存款”与“持有”，使得存款保险无法适用。
而如果由银行直接发行稳定币，情况则可能完全不同。银行具备一个关键能力：识别并记录每一笔交易的源头。其运作模式可能是：
1. 用户在银行的实名账户中存入一笔资金（这是一个受存款保险保障的行为）。
2. 银行根据这笔存款，向该用户发行等额的稳定币。
3. 这枚稳定币，就如同一个“数字化的存款凭证”。
在这种模式下，即使用户将稳定币转移给了他人，银行依然能够追溯到最初进行存款的那位实名用户。万一银行破产，最初的存款人理论上可以凭借其存款记录来申请保险赔付。
银行发行稳定币与Circle等公司的模式，其核心差异在于：银行有能力将稳定币的发行与源头的实名存款行为一一对应。这种能力使得银行发行的稳定币具备了整合存款保险的潜力，而这是传统货币兑换商模式完全不具备的。
(00:24:41) 银行稳定币业务模式的创新思考：一种融合模式
这是不是一种创新性的银行稳定币业务模式呢？它是不是将两种在传统金融中看似独立的模式：
1. 货币兑换商模式：如Circle发行USDC，核心是“一比一”的资产兑换。
2. 商业银行业务模式：如传统银行，核心是吸收存款、发放贷款，并通过“货币乘数效应”创造信用。
融合在了一起呢？
把传统金融世界里支付宝（支付业务）与工商银行（存贷业务）放入“区块链”和“稳定币”这一全新场景中时，是不是可以合二为一？
要理解银行的独特优势，我们可以对比两种模式的资金路径：
· 传统稳定币模式 (如Circle)：这是一个“两步”过程。
1. 用户将钱转账给Circle公司。
2. Circle公司再将汇集起来的资金存入银行。
在这个过程中，银行只认识它的企业客户Circle，无法识别背后成千上万的真实用户。
· 银行直发稳定币模式：这是一个“一步”过程。
3. 用户直接将钱存入银行的实名账户。
4. 银行直接向该用户发行稳定币。
正是这“一步”之差，赋予了银行独一无二的能力。银行能够清晰地识别每一个进行存款的实名客户，并记录下这一行为。因此，银行发行的稳定币，是不是本质上可以被视为其背后实名存款的一种“数字化凭证”呢？
这种直接的对应关系，使得银行即便在稳定币被交易流转后，依然有能力追溯其源头。基于此，银行便可以为这个“源头存款”提供进一步的服务，其中最关键的就是存款保险。这并非是将存贷业务与支付业务混淆，而是利用银行的账户体系优势，为数字资产提供传统金融级别的信用背书，这是货币兑换商模式无法企及的。
(00:33:46) 银行参与稳定币业务的三种潜在场景分析
孤山银行会采用什么业务模式呢？根据有限信息，大概推演出三种既独立又可能共存的场景：
场景一：传统存贷业务（类比硅谷银行）也就是最基础的业务模式：吸收用户的法币存款（如美元），然后将这些资金发放贷款，重点支持AI、加密技术、国防黑科技等领域；此模式与稳定币完全无关，是纯粹的传统银行业务。
场景二：直接发行稳定币（类比Circle的升级版）：这是银行作为稳定币发行方的核心创新所在。用户将法币（如美元）存入其在银行开设的实名账户。银行根据这笔存款，向用户发行等额的自家稳定币（例如，孤山银行发行的USDE）。
与Circle的核心区别：虽然业务形式上与Circle类似，但银行拥有Circle不具备的关键优势——能够将每一枚稳定币与其源头的实名存款记录相挂钩。创新价值在于：正是因为这种挂钩能力，银行可以为其发行的稳定币提供一种隐性的“存款保险”背书。理论上，用户未来可以用银行发行的稳定币，来兑换其最初存款所享有的保险权益。这是Circle等非银行机构无法做到的。
场景三：吸收并兑换其他稳定币（作为中介服务）
这个场景相对复杂，探讨的是银行是否能“吸收”其他机构发行的稳定币（如USDC）。
核心逻辑：银行不能将用户转入的USDC直接视为“存款”。因为稳定币本身是链上代币（Token），无法进入银行的账户体系，更不具备货币乘数效应。直接持有USDC，银行无法进行放贷。
可行的流程：银行可以提供一种“兑换服务”。 比如：
· 用户将1万USDC存入银行指定的链上钱包。
· 银行为用户开具一张1万美元的存款凭证。
· 同时，银行必须拿着这1万USDC到其发行方（如Circle）那里，赎回成1万美元的真实法币，并存入自己的银行账户。
· 此时，银行账户里才真正多出了1万美元可用于放贷的存款。
这个过程的本质是银行作为中介，帮助用户完成了“将稳定币转换为真实银行存款”的操作。稳定币本身并未被“存入”，而是在这个过程中被赎回并销毁了。
隔离是关键：最清晰、最合理的商业模式，是将这三种业务场景严格隔离。银行可以同时开展传统存贷业务（场景一）和直接发行稳定币的业务（场景二），相当于在Circle的模式之上叠加了传统银行的功能。但将不同场景的资金和逻辑混在一起，尤其是在初期阶段，会造成极大的混乱，特别是在风险管理和存款保险的界定上。
因此，银行参与稳定币竞争的真正优势，在于场景二——利用其银行身份和账户体系，提供比现有稳定币更安全、更具信用保障的数字资产。
(00:44:16) 监管塑造商业模式
假设一家受监管的银行（如孤山银行）和一家非银行机构（如Circle）从事完全相同的稳定币发行业务，它们的处境和对金融体系的影响会有何不同？
作为银行，必须遵守《巴塞尔协议》等一系列严格的金融监管规定，涉及资本充足率、流动性要求、同业关系等，整个体系架构更为复杂。而Circle曾试图推动建立一套适用于加密行业的“类巴塞尔协议”；之所以会考虑引入复杂的风险管理框架，很可能是因为它曾希望通过“期限错配”来获取更高利润。比如，如果将用户存入的储备金用于购买长期国债等资产；如果短期内面临大量赎回请求，而长期国债市场又恰好暴跌，就会出现兑付危机，导致“暴雷”。通过设立一个“类巴塞尔协议”，规定长短期资产的配置比例（如“八二原则”），可以更好地管理这种期限错配带来的流动性风险，从而在追求高收益的同时保持相对稳定。
然而，Genius法案的出台，彻底终结了这种模式的想象空间。法案明确规定，稳定币发行商的储备金只能投资于90天以内的短期、高流动性资产，如货币市场基金。这一规定从法律层面杜绝了稳定币发行商进行高风险“期限错配”的可能性。因此，Circle也无需再费心设计复杂的“类巴塞尔协议”了，法律已经为其划定了清晰且严格的业务边界。
在Genius法案的框架下，稳定币发行商的商业模式被极大地限制，趋向于一种“窄银行”（Narrow Bank）模式：利润空间被压缩到只能通过投资短期、低风险资产来获取微薄的利差（Margin）。这与USDT等模式的盈利能力有着天壤之别。因此，用USDT的盈利模式来评估Circle的估值和商业前景，是完全错误的。
虽然法案限制了发行商自身的风险，但“期限错配”的风险并未完全消失，而是被转移给了规模庞大的货币市场基金。由于货币市场基金的体量远超稳定币，它们有更强的能力来消化这种风险，从而为稳定币储备金提供相对稳定的收益。
Genius法案的落地，对稳定币行业是决定性的。法律的严格规定，虽然看似扼杀了其“赚大钱”的可能性，但也为其提供了一条清晰、低风险的合规发展路径。对于Circle这样的公司而言，这或许是一种解脱，也标志着其商业故事需要被重新审视和理解。
(00:49:13) 稳定币KYC和反洗钱技术机制详解
监管机构，对稳定币的一大核心顾虑在于KYC（了解你的客户）和反洗钱（AML）的有效性。一个普遍的疑问是：即便能冻结链上的涉案资金，我们能找到背后的人吗？ 这个问题揭示了区块链技术与传统金融在监管逻辑上的根本差异。
以USDT为例，其智能合约（基于ERC20标准）内嵌了关键的监管功能，这些代码是开源可查的：
· 冻结 (Freeze)：当执法部门通过司法程序，要求Tether公司处理涉案地址（如黑客、诈骗或贩毒集团的地址）时，Tether将该地址列入“黑名单”。被冻结的地址将无法转出资金，也无法接收资金，相当于被完全锁定。
· 销毁 (Burn)：对于已被冻结的地址，Tether拥有进一步的权限，可以将其持有的资金直接“销毁”。这意味着这部分稳定币从流通中被永久移除。
这个过程只能处理链上地址，无法通过技术手段从地址反推出真人的身份信息。它的作用是切断非法资金的流动。
虽然无法直接找到作恶者，但受害者仍有途径追回损失，这个过程结合了链下司法与链上操作：
1. 受害者报案：资金被盗或被骗的受害者必须首先向司法机关报案立案。
2. 提供证据：受害者需要证明自己是原始资金的所有者。由于链上转账记录公开透明，受害者可以通过签名等方式，证明自己拥有发起那笔涉案转账的钱包私钥。
3. 司法确认与执行：经过司法机关的调查取证，确认案件后，会向稳定币发行方（如Tether）发出指令。
4. 资金的“再造”与返还：
o Tether先将黑名单地址中的涉案资金销毁。
o 然后，Tether利用其发行权限，重新铸造等值的稳定币，并将其返还给经司法确认的受害者。
o 值得注意的是，Tether通常会为此项服务收取高额手续费（例如，损失100万，可能只能追回80万）。
对比分析：链上追溯 vs. 传统银行：这两种体系在追查非法资金时，各有优劣，可谓“殊途同归”。
链上追溯 (稳定币)
优势--资金流向清晰：所有转账记录公开、透明、不可篡改，跨机构协调成本低。
劣势--身份匿名：地址与真人身份脱钩，无法直接锁定个人。
局限性--无法仅凭技术找到真人。
传统银行体系
优势--身份可追溯：账户与实名身份（KYC）绑定，理论上总能追溯到个人。
劣势--流程繁琐低效：资金若经过多家银行流转，需逐一协调内部部门，耗时耗力。
局限性--仍可能遭遇假冒身份、代持账户等问题，最终追查到的“真人”可能并非实际控制人。
在很多案件中（如跨国犯罪），即便知道了作恶者是谁也难以抓捕。因此，能快速、高效地冻结和处理非法资金流，本身就是一种极其重要的能力。从这个角度看，稳定币的链上监管机制提供了一种与传统金融互补的、高效的解决方案。
(00:56:56) KYT机制与链上风控的技术实现
与关注个人身份的KYC（了解你的客户）不同，链上监管引入了一个核心概念——KYT（了解你的交易）。
由于区块链的匿名性，KYT并非追溯真人，而是通过大数据分析和风险控制，为链上的地址打上“标签”。例如，被确认与黑客攻击、非法活动相关的地址会被列入公开或半公开的“黑名单”。当资金从这些高风险地址流出时，任何集成了KYT服务的实体（如交易所或DeFi协议）都能即时识别并自动采取行动，例如拒收该笔转账或将其冻结。
这一机制部分回应了“区块链比传统银行更不安全”的普遍观点。传统银行依赖实名制、大小额交易申报及跨境额度限制等手段进行监管，流程相对滞后。然而，在区块链上，KYT带来了极致的透明度：任何一笔大额转账，例如“沉睡万枚比特币的巨鲸钱包被唤醒”，都会瞬间成为全球瞩目的公开事件，其监控效率和实时性远超传统体系。
因此，KYT并非传统监管手段的简单复制，而是利用区块链的固有特性，创造了一种全新的、以交易透明度为核心的强大监管范式。
(01:02:02) 区块链货币本质：介于现金与账户之间的1.5版本
区块链数字货币的真正本质，并非我们通常认为的"进步"或"先进"，而是一种介于现金与银行账户体系之间的独特存在形态。
如果将现金视为货币1.0，银行账户体系视为货币2.0，那么区块链数字货币应该被理解为货币1.5版本，而非3.0版本。这种定位精准地解释了为什么社会对数字货币存在如此巨大的争议。
从银行账户体系支持者的角度看，区块链货币既放弃了账户体系的实名制优势（向现金"退化"），又强化了现金的便携性特点（大额资金可通过私钥轻松转移），这恰恰是他们最担心的两个特性的结合。
然而，对于全球数十亿无法享受完善银行服务的人群而言，这个1.5版本却提供了宝贵的金融包容性。这种现象在技术发展史中并不罕见，正如波音公司在制造出巨型747客机后，反而回头开发了更小但更经济实用的757、767系列，有时候"退半步"的创新恰恰能填补被忽视的重要空白。
区块链货币的存在，本质上反映了人类在追求技术进步过程中，需要回过头来照顾那些在快速发展中被"甩下车"的群体和需求，这是技术发展的必然阶段，而非简单的优劣之分。
(01:13:08) RWA：新一代金融游乐场的代际变迁
RWA（真实世界资产）概念的火热背后，实际上反映了一场深刻的金融代际变迁。
当前RWA存在两种截然不同的理解路径：第一种是广义定义，即所有非链上原生的资产都属于RWA，在这个框架下，稳定币成为了世界上最大的RWA应用，因为它本质上是美元在链上的映射。同样，美股、美债等传统金融资产的链上化也属于这一范畴，它们将原本只有少数人能在纳斯达克等传统平台交易的资产，通过区块链技术扩展到全球任何有手机的人群。第二种是狭义定义，试图将供应链金融、应收账款等实体经济资产搬上链，但这种尝试往往效果有限，因为这些资产的流动性问题源于其内在的期限错配和风险特性，而非交易平台的限制。
更深层次地看，RWA的兴起本质上体现了新一代数字原住民正在构建属于自己的金融游乐场。就如同上一代人花费半个世纪建立了银行、股票、债券体系一样，新生代也有权利创造符合其认知习惯的虚拟金融生态。
有趣的是，美股美债本身就已经是企业现金流的二层衍生产品，与实体经济的直接联系已经相当微弱，现在只不过是在这个基础上再进行一次虚拟化。这种代际更替是自然而然的历史进程，反映了不同世代对金融工具和交易方式的不同偏好与适应性。
(01:23:45) 数字资产面临的核心矛盾源于一个永恒的社会现象
当前区块链和数字资产发展面临的核心矛盾，源于一个永恒的社会现象：制定规则的永远是上一代人。这种代际错位在全球范围内普遍存在。
这种代际差异自然会导致对新事物认知和接受的滞后，正如某位台湾金融官员因坚信“比特币无内在价值”而拒绝ETF一样，这代表了许多传统决策者的固守心态。然而，变革的动力常常来自外部的“跟风效应”：当美国这样的先行者率先在某个领域（如稳定币立法）取得突破时，其他国家便会因担心落后而被迫跟进探索，即使内部仍充满疑虑。
一个更具建设性的长远策略并非直接对抗现有体系，而是去影响和“拉拢”那些在数字时代成长起来的下一代决策者。当这些伴随着DeFi和AI长大的年轻人未来走上领导岗位时，变革将自然发生。
更重要的是，我们必须认识到一个关键的转变：关于这些技术“应不应该存在”的争论已经结束。它们已是“既成事实”，深深融入了世界的半个身体。我们当下的任务，不再是质疑其存在的合理性，而是在这个既定现实的基础上，思考如何继续前进。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
没算错的话，这应该是《文理两开花》第三次聊稳定币了（前几次讨论分别是： 2022年5月5日的“稳定币全梳理”；2022年8月12日的“效率高又不会作妖的稳定币方案真的存在吗？”；还有穿插在“货币灵魂三问”和“货币之锚”等等话题中的很多次讨论）。所以本次再探讨就不科普了，而是灵魂拷问一下那些悬而未决的核心问题。
但与前两次不同，当下背景已大变，无论是市场格局还是监管环境。所以我们决定用两个人设：一个是站在传统金融立场，对稳定币持怀疑态度的“老登”；另一个是虽已是老登年纪，但仍奋斗在加密领域第一线的“老炮”。看看能不能碰撞出稳定币身上那些迷思的答案。
时间戳：
· 00:05:29 回顾稳定币来时路
· 00:10:25 美国“大聪明”法案（GENIUS）为什么是转折点？
· 00:19:06灵魂拷问一：一个没有存款保险的“债务”怎么会“安全”？
· 00:36:09灵魂拷问之二：商业模式：支付工具还是结构性投资载体？(SIV)
· 00:59:41灵魂拷问之三：到底有什么应用场景？
· 01:23:34 Crypto 2.0：加密世界的秋天来了？
· 写在最后的感慨
文字版：
00:05:29 回顾稳定币来时路
回顾过去三到五年，稳定币的发展之路并非一帆风顺。从2016年到2022年，有超过二十种不同类型的稳定币（无论是算法稳定币还是资产挂钩型）经历了崩盘。即便在近期，脱钩事件也时有发生，例如就在今年4月，市场规模位列前茅的稳定币FDSUS也曾一度与美元脱钩，价值跌至八毛。
然而，尽管波折不断，稳定币市场的整体规模却在持续扩张，最新数据已超过2500亿美元，花旗银行甚至预测其在十年后可能达到3万亿美元的惊人体量。目前，USDT和USDC两家巨头占据了市场总值和交易量的八到九成。
但繁荣的数据背后，存在着巨大的误导性。业界流传的显示稳定币交易量赶超传统支付工具的图表，其绝大部分交易额（高达99%）实际上是加密货币账户之间的内部流转，用一位著名监管领导的话说，这只是“赌场的筹码”，而非真正意义上的实体经济支付。同时，不可忽视的是，稳定币在灰黑产领域的应用依然是其使用范围的重要组成部分。
所以一句话总结：稳定币的发展充满了矛盾：一方面问题频出，另一方面又在曲折中不断改进和壮大。
00:10:25 美国“大聪明”法案（GENIUS）为什么是转折点？
近期讨论的热潮，与美国的稳定币新法案（如Genius法案）密切相关。法案的核心意义，在于为“稳定币”给出了一个明确的官方定义，从而为整个行业划定了边界。
法案的核心结论是：美国法律只承认那种通过1:1法币兑换产生的稳定币。这意味着，过去行业内讨论的三种主要类型——法币锚定型、超额资产抵押型和算法稳定币——中，只有第一种获得了官方认可。更精确的措辞是，“超额抵押的稳定币和算法稳定币，不属于美国法律所承认的稳定币”。这并非意味着后两者被完全禁止，而是在法律上被排除在“稳定币”的范畴之外，其未来的合规性将面临巨大挑战。
法案还对储备资产提出了严格要求，规定必须是赎回期在90天以内的资产，如短期国债或货币市场基金，这有效限制了“借短投长”的风险。这一立法，实际上是将纽约金融局过去多年来将稳定币发行商作为“货币兑换商”进行监管的司法实践，正式上升为联邦层面的法律。它并非颠覆性的创造，而是对现有判例法体系的自然延续和确认。
00:19:06灵魂拷问一：一个没有存款保险的“债务”怎么会“安全”？
一个深层金融逻辑问题：稳定币的发行结构，本质上不受联邦存款保险公司（FDIC）的保护，这是不是其最根本的系统性风险之一？
当无数个人用户将受FDIC保险的银行存款（例如，每户50万美元以下）换成稳定币时，这些资金被聚合到稳定币发行公司的银行账户中，形成一笔数额巨大的存款。如果这家存款银行倒闭，这笔聚合后的巨额存款作为一个整体，同样只能获得最高50万美元的保险赔付，其余部分理论上将面临损失。这意味着，底层成千上万的个人用户的资金，实际上已经脱离了存款保险的覆盖范围，而他们对此可能毫不知情。
但当一个机构以发行稳定币的模式让每一个民众持有稳定币的时候，那么它在账户端体系就形成了一个资产的聚合。这种聚合存款结构，使得稳定币在金融安全层级上，与受保险的银行存款有着本质区别。
虽然在市场流动性充足时，用户可以通过在不同稳定币之间快速兑换来规避单一发行商的风险，但这并不能消除最底层的信用风险。这个问题，是理解稳定币与传统金融体系差异的关键。
00:36:09灵魂拷问之二：商业模式：支付工具还是结构性投资载体？(SIV)
关于稳定币的商业模式，存在两种截然不同的认知。
从传统金融的视角看，如果稳定币的发行方通过吸收用户的零成本资金，再投资于国债等资产来赚取利差，其模式就与2008年金融危机中的结构性投资载体（SIV）高度相似。SIV的核心业务就是“借短投长”，一旦市场信心动摇，资金链断裂，就会引发系统性风险。如果稳定币的唯一商业模式就是赚取利差，那么它就不是一个纯粹的支付工具，而是一个影子银行实体。
然而，从业界的视角看，这种商业模式是事后总结的产物，并非稳定币诞生的初衷。
2014年门头沟爆雷的那一年，美国联邦基准利率是零到0.25%，所以Tether在那个时候发USDT，理论上并不认为发稳定币会赚利差。USDT的诞生，是为了解决当时加密市场缺乏可靠计价和交易媒介的痛点，是一种理念驱动的创新。只是在后来美联储进入加息周期后，其储备金产生的巨额利息才使其商业模式显得尤为诱人。
这揭示了一个核心矛盾：如果未来美联储利率再次降至零，这种商业模式消失，那些冲着赚钱而来的新发行方是否还会继续运营？而像Tether这样经历过零利率周期的“老玩家”，则可能因为其先发优势和积累的品牌继续存在。
00:59:41灵魂拷问之三：到底有什么应用场景？
稳定币的实际用途，是其价值的最终体现。尽管其应用仍广泛存在于外汇管制国家、高通胀地区以及部分灰黑产领域，但新的、合法的应用场景正在涌现。
有两个例子极具代表性：其一，在非洲大陆，由于当地法币体系不稳定且银行服务普及率低，USDT已在很大程度上成为日常贸易结算和民间交易的硬通货。其二，在中国某著名的小商品市场，商户们持有数十亿美元量级的USDT，用于与全球（尤其是美国）的买家进行贸易结算，这比传统的银行渠道更高效、更低成本。
这些案例揭示了稳定币的终极应用场景：它正在成为一套独立于传统银行体系的全球支付网络。当用户不再需要将稳定币兑换回本国法币，而是可以直接用它进行消费和贸易时，其价值才真正得以实现。这正是区块链技术带来的颠覆性力量——它让全世界的普通人和企业，都有可能持有并使用同一种全球性货币进行无国界交易。
“稳定币正在向我理解，正在向着这个方向发展，就是美国可能成为全世界的央行，然后所有人都持有美元。” 这一趋势，正在将中本聪当年关于“互联网原生支付货币”的理想变为现实。
01:23:34 Crypto 2.0：加密世界的秋天来了？
稳定币的崛起，或许预示着整个加密行业正在进入一个全新的阶段——Crypto 2.0。过去，加密行业是一个混合体，科技创新的叙事（如Web3、公链技术）与金融资产的逻辑（如比特币的价值增长）交织在一起，创造了巨大的估值泡沫。
然而，如今这种模糊状态正在被打破。整个加密圈子正清晰地分裂为两个相互独立的方向：
1. 金融资产的逻辑： 以比特币为代表，其价值增长根植于其作为“数字黄金”对抗法币超发的金融属性。
2. 科技创新的逻辑： 以稳定币为核心，所有区块链技术创新（如二层网络、ZK技术）的最终目标，都将是为这套全球支付网络提供更高效、更安全、更便捷的基础设施和服务。
开启Crypto 2.0时代，整个crypto圈子很大可能性就变成了两个相互之间无关的东西。一个是以比特币为代表的可交易资产的价值逻辑，另一个是以区块链网络的这种根本性的支付形态转账形态为代表的金融科技或者科技创新的逻辑。”
过去那种创造一条新公链就等于创造一种新资产（如数字白银、数字黄铜）的时代可能已经结束。如果说过去是加密世界的“夏天”，充满了狂热与生长，那么现在则进入了“秋天”。
而“秋天不应该正是收获果实的季节，真的要尘埃落定，收获果实了。” 这意味着，行业将从投机转向应用，真正有价值的商业模式将开始沉淀和兑现。
写在最后的感慨：
《文理两开花》许久未更，昨晚复更，没想到最后录到鼻子酸。
可能我们都经历过这样的挣扎：想当年，谁还不是个对创新动不动就上头、打鸡血的人？也曾知行合一过，放弃工作去创业。
但多年以后，回头看看，自己已不知不觉走过了两个路口：
第一个路口叫做：“对价值主张即刻上头，但并看不懂背后逻辑”；
第二个路口叫做：“开始看懂背后逻辑，却开始对价值主张祛魅”。
现在停在第三个路口，发现前方有个岔路：
右转：对背后逻辑看的透彻，但不相信价值主张；
左转：对背后逻辑看的透彻，但依然坚持价值主张。
向右转，你就捡起了一件印有“老登”两个大字的外套，披在身上。从此以后，开始对一切新事物的注脚都标上：“这剧情我以前看过”。
我老登了吗？我该向左转还是向右转？
很多年前，在录《文理两开花》某期时，我们曾问过一个灵魂拷问：为什么币圈会有如此高收益？引千万英雄土匪竞折腰？
当时的答案是：这个世界里的“创新”总有双重属性：一面是科技，另一面时金融。
很多光环闪闪的“创新”，以黑科技形象出现，享受高估值。但真正的现金流就来自金融业务。过客看的目瞪口呆。下结论曰：高收益来自黑科技和光速创新。实际并非如此。
过去几年，整个加密圈也处于这种混合状态。作为科技创新，大家期待它会成为下一代互联网，给了高估值。
与此同时，比特币十年涨了几十万倍，带动各种项目、架构、protocol、数字资产也涨了几百倍、几千倍——带来了信念：加密圈一定能带你进去下一个时代——创新，巨大的现金流，价值增长。加密圈也确实推出了很多全新技术理念：二层链、ZK、钱包。币价疯狂上涨，形成正向飞轮。
但再然后，神话叙事逐渐破产。币圈的金融逻辑最终回归到比特币身上。乐观来看，也许还有以太坊、Solana等通过ETF的项目，但本质上都是金融逻辑。
比特币是数字黄金，它相对于法币的价值基于“法币超发”之前提，这是典型的金融资产增长逻辑（先别杠，听我说完）。而crypto圈的科技创新中，迄今为止，只有稳定币有可能成为广泛被人类使用的、基于区块链技术的有效商业模式。而其他任何创新，目前为止，依然没有清晰的商业模式。
坦率地说，币圈科技创新叙事已经破产。
Crypto圈的“金融资产创造”和“科技创新”逻辑，也许已经分裂。不再享受当初模糊状态带来的高溢价和高估值。现在只有比特币一家独大，因为它回归了资产创造逻辑，成为全球公认的新金融资产。
剥离比特币后，整个crypto圈剩下的很可能只有一个方向：为稳定币使用、转账和各种应用场景创造工具和技术。
美国稳定币法案的推出，也许开启了crypto 2.0时代。从此以后，整个crypto圈很可能变成两个互不相关的部分：
1. 以比特币为代表的可交易资产价值逻辑
2. 以区块链支付和转账为代表的金融科技创新逻辑
中间的模糊地带可能消失。公链、二层链、各种技术最终都只能为稳定币服务。
以前那种"做一条公链就能创造新资产"的时代结束了。比特币是数字黄金，但不会再有数字白银、数字黄铜、数字生铁、数字大豆。
稳定币法案促进了这种分化。你记忆中的“币圈”或“crypto”，也许已经是“往事”。且留它作青春、动物精神和荷尔蒙的纪念罢。
以上是Will老师昨天结尾处的感慨，听着实在鼻酸。遂决定把这段话放在我们即将出版的新书《数字世界生存手册》的前言（9月出版上市）。大家共勉。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
本期是"锵锵三人行"，邀请《文理》唯一返场嘉宾——人工智能专家及从业者朱老师。
巧的是，上次请朱老师来聊天，正好是两年前（2023年3月），当时GPT-4刚刚问世。当时引发的热潮与现在DeepSeek非常相似，都有"AI要颠覆一切"的心潮澎湃感觉， 以及文科生们集体陷入大面积焦虑。
本期讨论源于朱老师听完前一期GEB节目后留下的评论。作为一位AI专家，他在节目大约一小时处听出了一个有趣的细节，涉及到生成式和判定式智能的本质区别、AI将向何处发展、以及人类处境——本期就来好好头脑风暴一下。
时间戳：
00:04:22 尘嚣散去，复归平静：平心而论评价一下DeepSeek
00:07:50 推理模型就像“三体人”
00:13:07 "外求"哲学：DeepSeek的判定能力来自更大的模型？
00:28:10 与众不同的激励和学习方式才能激发出"野生智能"？
00:43:05 底座模型与思考时间的关系
00:53:48 AI智能体时代已来？
01:08:24 说点儿惊悚的： AI开源的后果你想到了吗？
01:30:32 人类该怎么办？
01:39:14 最后开个大脑洞：AI自我认知与智能极限到底在哪里？
文字稿：
00:04:22 尘嚣散去，复归平静：平心而论评价一下DeepSeek
现在DeepSeek出现已经两个多月了，热度稍微有所平静。很多人体验是刚开始非常惊艳，但最近发现它的想象力过于丰富，文采太过爆棚。且相比其他模型如Gemini和Claude，它的幻觉问题似乎更严重。
DeepSeek在国内成为爆款的原因之一是因为其中文语言能力特别强，文字优美，像非常天才的文科生。但在结构化输出和幻觉控制方面，相对其他顶级模型确实偏弱。技术上最重要的差别是它采用了新的方式，R1中的"R"代表"reasoning"(推理)，是一种"想一想再作答"的模型。之前的模型如GPT-4o或Claude-3.5上来就回答，没有思考过程，容易出错，可视为System I的快思考模型。而DeepSeek-R1是System II的慢思考模型，能明显提高结果质量。
人工智能向人脑靠拢有三个方向：低功耗、逻辑推理能力和信息检索生成。GPT系列在信息检索生成方面已超越人类，但低功耗和逻辑推理方面仍有提升空间。DeepSeek在这两方面有所突破，通过算法优化降低了计算费用和功耗，同时增强了逻辑推理能力，包括自我纠正错误的能力。
00:07:50 推理模型就像“三体人”
DeepSeek R1之所以惊艳，是因为它代表了新一代推理模型(Reasoning Model)。全球范围内的推理模型还包括2024年10月OpenAI推出的O1、年底的O3、2025年2月马斯克的Grok3以及Claude-3.7-sonnet。推理模型的特点是回答前先输出思考过程，就像"三体人"，思想是透明的。
一个有趣的例子：用户问Grok3"谁在Twitter上传播最多假消息"，在模型思考部分能看到它的挣扎——搜索结果显示Trump和Musk传播最多假消息，但系统指令禁止它提及这一点，最终它决定不提Musk。这些截图在网上流传后，官方发推说写这行指令的员工来自OpenAI，已被开除。
所以使用推理模型应与聊天模型不同：一次性提供尽可能多的上下文，不要"挤牙膏式"地一点点给；明确描述目标，但不要教它怎么做；依靠模型的推理能力来解决问题，结果往往更好。
00:13:07 "外求"哲学：DeepSeek的判定能力来自更大的模型？
在之前GEB节目中讨论到，GPT这种生成式人工智能类似于形式系统给定公理和规则不断创造新定理，用transformer等规则生成新内容。它只负责生成，不关心对错，把判断留给人类。当时推测DeepSeek的判定能力可能来自更大的模型，比如ChatGPT，借此反馈智能推理的真假。这涉及到哥德尔不可判定命题的问题——形式系统可以生成所有真理(递归可枚举)，但自己判定不了。
但实际上，DeepSeek的强化学习(RL)不是依赖更大的模型，而是利用外部验证器(如编程模拟器、数学标准答案、证明编译器)让模型在探索中提高推理能力。这符合侯世达所说的"从系统外求"原则——系统不能仅靠自己判断正确性。
简单来说，"外求"就像学生需要老师和标准答案提高一样。如果只是自己出题自己做，然后自己判卷，就不知道错在哪里，很难提高。AI模型需要从系统外获取反馈才能进步。前提是底座知识要足够大，就像高中生有基础，多想几步可能达到大学生水平，但如果是小学生，给再多时间也难以掌握微积分。
尽管如此，"外求"可分为两种：知识信息或事实判定的外求，以及逻辑思维能力正确性的外求。前者可以通过人类反馈或更大数据集实现，后者更具挑战性。举例来说，判断数学证明题时，老师不是判断结果(已知正确)，而是判断推理过程是否符合逻辑。外部验证点必须具备超强且正确的逻辑思维能力，才能有效判定——“逻辑思维”的外部验证是怎么实现的呢？这是个非常有趣的问题。
00:28:10 与众不同的激励和学习方式才能激发出"野生智能"？
DeepSeek R1选择的强化学习方式与众不同。他们没有采用过程奖励模型(PRM，对每步给反馈)，而是采用目标奖励模型(ORM，只看最终结果)。比起OpenAI推崇的PRM，这种方法允许模型在中间步骤犯错，进而学会从错误中恢复。
在训练过程中观察到两个关键现象：随着训练步骤增多，解题正确率和思考长度同步上升；模型涌现出回溯(backtracking)能力，会说"等等，前面这步有问题，我退回重新做"。这类似AlphaGo的蒙特卡洛树搜索，允许尝试各种走法，通过评估找到最佳方案。
如果模型每一步都不允许犯错，就会被框住，学不到从错误中改进思路的方式。比如问"1+1等于几"，如果允许模型先错("1+1=3")再自我纠正("不对，1+1=2")，通过大量问题训练，模型能学会反省能力。这种在环境中探索出的"野生智能"非常强大，不是被明确教导的，而是自己探索出来的，能掌握逻辑思维中的微妙技巧，甚至能发现语言中的新联系。
这似乎在某种角度也是一种"大力出奇迹"？——通过足够多的测试和反省，突然产生正确逻辑。再往下想，是否能触到人类智能的本质问题：人类的意识或逻辑思维能力是本来就有的，还是在环境中进化出来的？
人类不是通过列举所有可能命题判断真假，而是有自我反思能力，不断试错累积正确的推理模式。AI通过同样的路径，可能会发展出类似人类的智能？
00:43:05 底座模型与思考时间的关系
成功实现强化学习需要底座模型能力足够强，与外部验证目标匹配。
做个比喻：把一个小学生关在房间里，每天拼命做高等数学习题册，可能也训不出什么，但给优秀高中生高考模拟题，让他闭关练习对照答案，高考分数可能大幅提高。DeepSeek基础模型本身做得很好，才使强化学习效果明显。
实验表明，把千问的32B模型经过同样的强化学习，提高有限；但把DeepSeek R1产生的60万条思考过程数据直接交给千问，效果好得多。这说明好的学生可以自己琢磨提高，而不是简单抄答案。
在线思考时间与模型大小在某种意义上是可互换的。AlphaGo Zero的参数只有46M(现在看很小)，但有蒙特卡洛树搜索时水平达到Elo 5200(远超人类顶尖选手的3700)；如果禁止搜索,水平就降至Elo 3000(普通高手)。这相当于模型扩大约10万倍。在德州扑克等领域也有类似结果：增加在线检索，效果相当于模型大幅扩大。
这解释了为什么GPT-4.5虽然价格是GPT-4o的15倍、mini的250倍，但效果一般，很多方面不如DeepSeek-R1，因为它只是模型变大了，没有思考过程。相比之下，O1等模型虽然不是特别大，但因为有思考过程，能力明显增强。
就像阿西莫夫《最后的问题》中描述的：模型持续思考足够长时间，相当于变得像宇宙那么大，可能解决很多复杂问题。
00:53:48 AI智能体时代已来？
Sam Altman的AI五阶段论：对话、推理、规划、发明创造、协作。现在是否已经进入规划，也即AI Agent时代？
Agent与传统AI交互有本质区别：传统方式只给AI"纸笔"(文本交互)，而Agent是给AI一台电脑和各种工具。Workflow和Agent的差别在于：workflow是预先定义好的步骤，Agent是给环境和目标，让它自己探索解决方法。这与推理模型相似，不要教它怎么做，而是提供详细上下文和目标。
使用Agent的方式会倾向于"context not control"(提供上下文而非控制)，类似Netflix的管理哲学——告诉目标，不要告诉每一步怎么做。这样才能发挥AI的最大潜力。目前Agent的形态离最终形式还很远，但大方向已经确定。
AI发展速度极快。以基准测试为例：2024年初，顶级模型在模拟程序员工作的SWE-bench(software engineering bench)上只得个位数分数(满分100)，到年底已达60-65分；在美国高水平数学竞赛AIMEbench上，从9%提升到70-80%；最前沿学术问题测试"humanity's last exam"目前仍在个位数，但发展迅速。
但我们会否进入"智能体资本主义时代"？虽然AI本身没有贪欲，但使用AI的人会设定目标——就像“宇宙回形针”思想实验：给它不断生产区别针的目标，最终可能导致人类灭亡——过度优化特定指标，有风险。
01:08:24 说点儿惊悚的： AI开源的后果你想到了吗？
几年时间， AI发展的“加速感”更强了，人们从担心风险转为担心落后，地缘政治也促使中美两大国加速发展。
Jeff Hinton最近提出一个观点：大模型完全开源是否等同于把核弹配方公开在全网？OpenAI等公司有伦理委员会审查有害请求，但完全开源的模型没有这种保护机制，可能被用于网络攻击等危险活动。这类似于冷战局面，但最大威胁可能不是大国对抗，而是无数独立主体获取强大AI后的不可控行为。要知道Hinton原本是开源倡导者，但在DeepSeek出现后几个月就开始反思。
从技术角度讲，阻止AI扩散可能已经来不及了。这有两个主要原因：1)学术界信息流动非常自由，即使不开源代码，想法也会在非正式渠道传播；硅谷研究人员跳槽频繁，核心知识很快会传递开来；2)经济利益促使开源，DeepSeek开源后获得巨大认可和生态系统支持，众多公司快速适配。
现在只能"用AI来守护AI"，用魔法打败魔法。就像信息技术的发展，互联网上可以搜到危险知识，但不意味着应该限制信息自由流动。开源社区可能会做一些边缘事情，如生成色情内容，这是无法避免的趋势。
01:30:32 人类该怎么办？
技术发展不可阻挡，但人类准备不足且准备速度越来越慢。一些小国家甚至无法应对当前的网络安全威胁，更别说AI带来的挑战；不是所有行业都有防御能力，不是所有政府都准备好了。如果技术突破点提前到来，大部分人该怎么办？
两个建议：
改变学习观念：不要为了经济因素学习，而是把学习视为训练大脑的"健身"。应学习数学、物理和计算机科学，它们能锻炼思维能力和推理能力。将来大部分技能可能都不能直接换钱，但提高思维能力依然重要。
改变思维方式：从"工具人"转向"CEO"思维。如果把自己定位为工具人，AI总是更便宜、更聪明、成长更快；但如果把自己视为CEO，就会发现AI员工越来越聪明、越来越便宜是好事。
世界的困境可能与AI无关——AI的进展是让世界变好的，其他事情让世界变差。从担忧角度看，AI可能不是最需要担心的，悲观也无济于事。技术发展可能会让很多职业消失，如软件工程师，现在已有相当部分代码由AI编写。但这并不意味着未来一片黑暗，而是需要以不同角度看待学习和工作。
01:39:14 最后开个大脑洞：AI自我认知与智能极限到底在哪里？
如果构造一个AI，以另一个AI大模型为输入，判断该模型如何改进，然后把自己的模型输入给它，让它根据反馈改进自己，会发生什么？它是会碰到不可改进的极限，还是能持续提升？就像图灵停机问题的自指状态？
从理论上讲，这可能不是捷径，因为如果停机问题可解，所有定理都会变得容易被证明，违背了"没有免费午餐"的原则。但技术上可以做的是给AI更多工具，如粒子加速器，让它进行物理实验，其研究水平可能超越爱因斯坦。
当前Agent发展正是这个方向——给AI工具，让它观察工具反馈。现在主要是浏览器、鼠标和编译器，但未来可能有更多实体工具。举例来说，如果AI写代码时遇到错误，可以看到错误日志，修改代码再运行，直到成功。这种做法越来越像人，使AI和人的区别逐渐模糊。特别是当AI能够管理的工具和参数远超人类时，在某些方面可能远超人类能力。
这涉及更深层的哲学问题：如果AI能找到正确路径并给出正确推理，能否证明人类未能证明的定理？AI是否能达到真正的自我意识？智能的本质和极限在哪里？
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
GEB 第二季回归！不管是热爱科技热点的催更粉丝，还是和喜欢数学底层逻辑的硬核理科生，为满足所有听众的需求，本季将穿插热点话题，保证更新。
（免责声明：这段话是过年期间，谁料年后风云突变，全球变疯，遂把最后一句改成“争取保证更新”）。
本期进入GEB第三章——图形与衬底，录前预感是场脑洞盛宴，录后没想到居然聊出了DeepSeek的底层逻辑；及其他有趣的话题：创新与追随、开源与闭源、深度学习与强化学习等等。
开始烧脑吧！
时间戳：
(00:03:37) 信息量爆炸的“无伴奏阿基里斯奏鸣曲”独白
(00:07:30) “昔”+“火”= “蜡烛”;为什么图形与衬底与数学的精确性相悖？
(00:18:42) 什么是“倍流畅图形”：哥德尔不完备定理能被画出来吗？
(00:37:35) 什么是“递归可枚举集”：我妈给我一袋混装糖，让我“慢慢找所有草莓味的”
(00:50:06) 真理与谬误能“互换”吗？
(00:56:16) DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？
(01:03:44) “生成式”人工智能（GPT）真的有智能吗？智能是不是一种“系统外”的东西？
(01:08:57) 数学世界可以互换，真实世界呢？《道德经》和量子的启示
剪辑：小碗
文字总结版：
(00:03:37) 信息量爆炸的“无伴奏阿基里斯奏鸣曲”独白
第三章序曲：这段名为“无伴奏阿基里斯奏鸣曲”的对话，特别之处在于：只有阿基里斯的独白。信息量爆炸，隐喻超标。
阿基里斯接到乌龟电话，得知乌龟因“窝颈症”脖子不适。病因是乌龟盯着埃舍尔1957年的画作《镶嵌画2》太久。画中黑白动物互为图形和衬底，引出本章核心概念。乌龟在画中看到螃蟹和吉他。阿基里斯则提到巴赫的无伴奏小提琴曲，将巴赫引入讨论。
随后，乌龟停电，引出字谜游戏。乌龟失眠，因被字谜困扰：寻找包含“昔”和“火”的词。阿基里斯尝试解答，但未成功。又一字谜出现：以“虫”开头和结尾的词是什么？阿基里斯自言自语中，透露乌龟在停电时灵感迸发，解开了字谜。
值得注意的是，解开字谜的关键在于埃舍尔的画作——图形和衬底的概念。如同画中白天鹅的黑色羽毛是黑色蝙蝠的轮廓，字谜也需用同样的逻辑解构。
建议在阅读这段原作时，打开《镶嵌画2》，并播放巴赫的无伴奏小提琴曲，体验奇妙的氛围。但这段奇怪的独白式对话该如何解读？
(00:07:30) “昔”+“火”= “蜡烛”;为什么图形与衬底与数学的精确性相悖？
这段对话虽然只呈现了阿基里斯的部分，但如同“无伴奏阿基里斯奏鸣曲”，但却几乎包含了全部信息。通过阿基里斯的语句，读者可以推测乌龟说了什么，如同从图形的背景中看出动物形状一样。对话想表达的是：信息与其空余部分（补集、噪声）可以互换，甚至都具有价值。
字谜游戏进一步阐释了这个概念。中文版和英文版使用了不同的字谜，相当于用中文重写了故事。中文版用“昔”和“火”组合成“蜡烛”，英文版则用包含“ADAC”的单词，答案是“headache”（头痛）。阿基里斯在两版中都扮演了“笨笨”的角色，明明知道谜底，却猜不出来。 而且，中文版中停电后点蜡烛的情节与谜底“蜡烛”巧妙重合，英文版中乌龟的头痛也与谜底“headache”呼应。
此外，同样的问题还有其他答案。但它们的存在也揭示了另一个层面：即使知道对话的一部分，也无法完全还原另一半的确切内容，只能推测大概。这与数学的精确性相悖，因为数学和逻辑要求精确，不能仅凭部分信息就得出模糊的结论。
由此，暗示了：即使理解图形与衬底、知道对话的另一半内容，但如果不掌握全部信息，就无法完全理解真理或正确与错误的关系。这段对话也包含了本书后面将要讨论的许多概念，例如图形与衬底、递归、可枚举性等，但需要解读才能看出其深层含义。
(00:18:42) 什么是“倍流畅图形”：哥德尔不完备定理能被画出来吗？
埃舍尔的“镶嵌画2”和“以鸟做瓦”:第一眼看到的可能是黑色的动物，因为默认白色为背景；再次观察，会发现白色的空间也构成了动物图案。黑色和白色可以互换，分别代表图形和衬底，或正空间和负空间。侯世达将埃舍尔这种前景背景流畅转换的画作定义为“倍流畅图形”——无论以何种颜色为背景，图形都清晰流畅。
“被流畅图形”的概念在于图形和衬底的界限模糊，可以相互转化。但将这个概念引入数学形式系统后，理解起来就变得困难。侯世达将“递归”比作埃舍尔的画作，认为它也是一种“被流畅图形”，图形和衬底相互映衬。
这就引出了一个问题：如何理解递归在艺术视觉中的表现？“被流畅图形”是否是埃舍尔画作中无限循环的视觉结果？在埃舍尔画在递归中，这种特性又该如何解释？
侯世达在本章采用了一种发散性和畅想性的类比方式，并非完全精确，而是为了通过绘画的图形和衬底概念，让大家直观地理解数学和音乐中也存在类似的前景与背景关系。
哥德尔不完全性定理指出，存在一些命题，它们是真的，但却无法被证明。这与数学家的工作——证明定理——似乎相悖。如果将数学体系比作一幅画，数学家比作画家，那么数学家证明的定理就像画家在画布上画出的图形，而未被证明的非定理部分就像画布上未被着色的背景。这样一来，定理和非定理的界限似乎很分明。但哥德尔不完全性定理却指出，存在既不是定理，也不是非定理的命题，就像在画布上既不属于前景，也不属于背景的部分——令人费解。
侯世达并没有直接解答这个问题，而是引入了“流畅图形”（cursive figure）和“倍流畅图形”（recursive figure）的概念。“倍流畅图形”是侯世达自创的词，recursive 具有双关含义，既指递归，也指双倍流畅的图形，特点是前景和背景都是刻意绘制的图形。
从数学角度来看，“递归”的概念与“被流畅图形”的含义相似。递归集合的补集也是递归集合。如果将递归集合比作画作的图形部分，那么它的补集就是画作的衬底部分。因此，递归集合构成的图形就是被流畅图形，如同埃舍尔的画作，前景和背景都是清晰的图案。而大部分普通画作并非被流畅图形，它们的背景是杂乱无章的。
蒙娜丽莎前景背景分明，没了主体，背景亦不成画。埃舍尔的镶嵌画则不然，黑白互为图底，相依相成，各自独立成景。哥德尔定理亦如此，如同以系统自身代码编写的病毒，自相矛盾，无法自证真伪。
哥德尔定理如同谎言者悖论——“我这句话是说谎”，自我否定，不可证伪。试图反证，却陷入其预设的逻辑陷阱，如同埃舍尔画作，黑白互转，图底相生，除非跳出系统，别无他法。这便是侯世达所谓“俄罗斯套娃”式的嵌套悖论：每个真理内都藏着更小的悖论。
哥德尔不完全性定理的存在看似违反直觉，但它可能恰恰反映了世界的真相。埃舍尔刻意绘制的“被流畅图形”只是少数，而大部分情况如同普通图形，背景杂乱无章，难以把握。
那音乐的“图形”和“衬底”是什么？
音乐亦然。普通乐曲，右手旋律为主，左手和声为辅。巴赫的复调音乐则像量子纠缠，左右手皆独立成曲，交织演奏，却和谐共生，如同埃舍尔的双重世界，彼此独立又相互依存，共同构成完整的乐章。这正呼应了侯世达的“背流畅图形”：前景背景皆成画，构成更宏大的图景。
(00:37:35) 什么是“递归可枚举集”：我妈给我一袋混装糖，让我“慢慢找所有草莓味的”
递归可枚举集（RE）和递归集（Recursive Set）是两个重要的概念。简单来说，RE就像逐个品尝糖果，找出草莓味的。你可以列举出所有草莓味的糖，但无法确定剩下的糖中是否还有草莓味的。递归集则像按照颜色分类积木，蓝色放盒子里，其他放外面。你可以明确判断任何一块积木的归属。
形式系统，例如MIU系统，可以看作一个RE过程，从公理出发，不断推导定理。所有定理构成一个RE集。但数学家的工作更像判断一个命题是否为定理，追求的是一个递归集——所有真命题构成一个集合，并存在算法判断任何语句是否属于该集合。
递归集一定是RE集，因为可以根据判断规则列举元素。但RE集不一定是递归集，哥德尔不完备定理证明了这一点。即使可以列举所有定理（RE），也不代表可以判断所有语句是否为定理（递归）。有些真命题，即使知道是真的，也无法证明它是定理，例如哥德尔语句。
因此，形式系统中的所有定理构成一个RE集，但不是递归集。就像可以列举草莓糖，但不能判断剩下的糖是否还有草莓味。而积木分类则可以明确判断每一块的归属，构成递归集。
(00:50:06) 真理与谬误能“互换”吗？
递归可枚举集与递归集的区别，就像两种挑积木的方式：要么直接挑出所有蓝色的（递归集），要么挑出所有非蓝色的，剩下的就是蓝色的。日常生活中这两种方式等价，但在数学中并非总是如此。哥德尔不完备性定理指出，即使能枚举所有非定理（类似挑出非蓝色积木），也未必能确定剩下的就是定理，因为“非定理”集合可能无法穷尽。
有人可能会想，如果哥德尔语句足够大，一直枚举错误语句直到超过它的大小，还没发现它，不就相当于证明它是正确的吗？这就像用反证法。但问题在于，错误语句（非定理）的集合过于庞大复杂，无法像蓝色积木那样简单地挑出来或枚举完毕。定理可以根据规则生成，但错误语句的复杂度远超定理，无法通过有限的规则和枚举来涵盖。
这么一想，真理和谬误并非简单的二元对立，可以互相转换。哥德尔定理从数学逻辑层面证明了这一点：即使能枚举所有谬误，也未必能得到所有真理。真理和谬误在本质上是独立的，不能互换。
从哲学角度来看，真理和谬误是各自独立存在的，不能反过来认为只要所有语句都是错的，世界也能自洽存在。这是真与假的核心特征：它们在理念上不能互换。对普通人来说，真假不能互换是显而易见的，但哥德尔通过数学底层逻辑证明了这一点。
(00:56:16) DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？
如果人工智能的训练像“递归可枚举集”一样，一个一个地列举和寻找，大力出奇迹。如果将这个概念延伸到“生成”和“判定”，目前的生成式人工智能（例如GPT）是否就是用递归可枚举的方法？
递归可枚举确实是一种生成式的方式，类似形式主义：给定公理和规则，不断创造新的定理。ChatGPT也是如此，它收集互联网上人类的语言和知识作为基础，用Transformer和Attention等规则不断生成新内容，就像形式系统生成定理。有趣的是，ChatGPT会一本正经地胡说八道，它根据规则生成内容，并不关心真假，就像生成的定理，其意义需要人去判断。
生成的语句的真假也需要判定。ChatGPT的判定能力可能来自更大的模型，例如GAN（生成式对抗网络）或引导式学习模型。机器的判定依赖于更大的模型，如果没有更大的模型就无法进行。DeepSeek的优势在于它找到了更大的模型——ChatGPT，因此它很有效。
生成和判定的关系是：强大的判定能力才能创造价值，光生成无法创造价值。哥德尔不完全性定理揭示了最终的数学真理只能靠人判定，机器生成的定理即使是真的，机器也无法判断。即使有更大的人工智能帮小的人工智能判定，更大的模型依然会生成自己判定不了的真理。因此，有人认为形式化的人工智能不可能存在，因为任何符合形式系统生成逻辑的系统都会生成自己判定不了的真理，而人可以判定。
另一种观点是，哥德尔语句（不可判定的命题）也是形式系统生成的，因此形式系统可以生成所有真理（递归可枚举集），只是自己判定不了。ChatGPT可能能够达到人类智能，因为它能生成所有东西，只是自己不知道。ChatGPT生成的内容可能覆盖人类所有知识和思考，最终由人来判断真假。因此，ChatGPT是否具有真正的人类智能并不重要，它能提供所有问题的答案，答案的真假由人来判断。从这个角度来看，ChatGPT似乎已经拥有了真正的智能？
最终，判定依赖于系统之外的东西，而不是系统之内。接受这个事实，智能的定义也就不重要了。DeepSeek的厉害之处在于它找到了更大的系统（ChatGPT）来帮助判定，从而提高了效率。
(01:03:44) “生成式”人工智能（GPT）真的有智能吗？智能是不是一种“系统外”的东西？
之前讨论过人工智能和人类心智的关系，认为人类心智超越形式系统，机器不可能产生真正的智能。因为人的心智在系统之外，维度不同，无法推理或认知。即使原认知不同，之前也认为生成能力对应递归可枚举的思路，可以不断罗列，但不知道何时停止。判定能力相当于给出yes或no，停止枚举，对应递归。在智能行为中，这两种能力不能相互替代。人类拥有生成和判断能力，但面对宇宙的无穷复杂性，即使同时拥有这两种能力，也无法穷尽一切，没有尽头。就像宇宙的尽头是否为42，没有答案。
大模型套小模型，用大模型判定，但大模型是否代表宇宙？这就像不知道袋子里糖有多少种味道，无法确定。也不必回到19世纪文艺复兴时期追求纯粹的真理，那个时代已经过去，人类已经进入不纯粹的时代，不必纠结纯粹与否。这是一个永恒的话题，有很多方面没有讨论到。
最后一部分讨论哲学启示。可以将之前的讨论视为哲学理论，而不是数学、计算机科学或人工智能。讨论的核心是没有界限，世界是二元对立还是混沌的阴阳结合，取决于理解方式。人类直觉倾向于用对立或二元来刻画世界，例如白鱼和黑猪，但在埃舍尔的画中，它们相互依存。图形与衬底、真理与谬误等概念的边界取决于视角和语境。空间可以是正的或负的，数学中的正数、负数和零在不同的坐标系中会发生变化，零也可能不是零。世界上可能没有界限，这可以引申出一个哲学概念。
(01:08:57) 数学世界可以互换，真实世界呢？《道德经》和量子的启示
哥德尔不完备性定理、侯世达的图形与衬底，以及真理与谬误的互换性，引人深思。数学中，正负数、黑白、图形背景似乎可以互换，但真实世界是否如此？
从数学角度看，这与递归集和递归可枚举集有关。可互换的部分如同递归集，其本身和补集等价。但世界还有更大的不可互换部分，如同递归可枚举集，只有其自身可枚举，补集不行。 哥德尔构造的例子及其证明的难度，使得这种不可互换性难以在日常生活中找到，我们常见的例子，例如彩色积木，都属于可互换的递归集。
那么，不可互换的意义何在？如同道德经中的有无之辨，“有之以为利，无之以为用”，房屋的功用在于其内部空间（无），而非构成它的砖瓦（有）。 定理的意义在于避免错误，而非其本身。 真理和谬误如同有无，不可互换。我们需要的并非定理本身（有），而是它所带来的正确性（无）。
这种不可互换性不同于简单的黑白互换或二进制的0和1。 真理和谬误在现实世界中不可互换，但在人类认知中，它们受语境和语义影响，例如“今天是晴天”的真假取决于天气。哥德尔不完备性定理中的悖论也模糊了真假的界限，使其在特定情况下可以相互转化。同样，真理的集合可枚举，谬误的集合却未必。这些都存在于人类认知层面。
进一步思考，量子世界或许是最终的底层逻辑。量子如同最小的单位，其他现象都建立在其上。那么，什么是根本？是微观多样的物质世界，还是基于某种背景机制的人类认知？
人类认知中的可互换性在现实中可能并不成立，反之亦然。哥德尔不完备性定理揭示了人类认知的局限性，侯世达的禅宗公案也探讨了真理与谬误在思维中的互换问题。 量子世界或许颠覆了我们的认知，它可能既是图形也是衬底。 本体论和认识论的复杂性，至今仍是未解之谜。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
本期是《文理两开花》新年特辑，给大家拜年啦！
新年特辑当然得聊《文理》的主场话题——“加密货币”加上“底层逻辑”。
一位即将上任的美国总统，突然在自己的社交平台上宣布发行加密货币，几个小时内市值就飙升到几十亿美元。世界震惊，币圈懵圈。这个加密货币以他差点中弹的“英雄”画像为品牌标识，配上“fight fight fight”的字样。域名注册不到一个月，80%的代币集中在同一地址，内部人士低价购入、高位套现，呈现出典型的“割韭菜”操作。随后，夫人也发行自己的加密货币，家族上演了一场币圈狂欢。
这一系列操作对加密货币领域的影响巨大。从加密货币圈来看，机构、个人大户等几乎都对这个迷因币趋之若鹜，甚至狂热追捧——有人财富自由，有人黯然爆仓——这种故事每个迷因币行情都会出现。
这件离奇事件对加密行业会有何影响？我们可以用《文理》哪个底层逻辑（筐）来解释？
时间戳：
(00:01:24) 未来加密货币行业会形成“比特币”vs“迷因币”双头格局?
(00:17:23) 用文理“迷因与结构”、“身份与契约”底层逻辑来解释
(00:33:01) 迷因币是否会冲击美元信用？
(00:41:50) 我们的未来：当“注意力”变成核武器
(00:51:46) 小红书难民：互联网终究不是乌托邦
剪辑：小碗
文字版：
1.(00:01:24) 未来加密货币行业会形成“比特币”vs“迷因币”双头格局?
实际上，川普币对加密货币圈的冲击不小。去年比特币ETF通过后，比特币带动了一波牛市，但也形成了吸血效应，大量资金回流到比特币等主流资产，其他加密货币项目和资产已经面临资金流失的压力。川普币发行后，加剧了这种吸血效应，一些原本持有其他迷因币的人也可能抛售，转而购买川普币，形成了二次吸血。这导致其他认真开发的、有价值模型的项目再次遭受重创，资金几乎都流向了川普币。对加密货币圈而言，至少在资金层面上，这是一个比较大的负面冲击。
然而，川普币对加密货币并非完全是负面作用。它也起到了“出圈”的作用。加密货币仍然是一个相对小众的圈子，除了比特币这种类似大宗商品的资产之外，其他加密货币都还没有真正出圈。川普币的出现，让更多原本对加密货币毫无感知或持观望态度的人，因为财富效应或粉丝效应，开始购买迷因币，从而将加密货币的概念带出圈。这与之前川普大选利用Polymarket平台推广加密货币有类似的效果。从这个角度来看，对加密货币或许也有好处。
川普发行迷因币彻底改变了加密货币圈的格局，无论正面还是负面。未来加密货币行业是否会形成比特币和迷因币双头格局尚不确定，但短期内冲击很大。
圈内人士对川普币的评价两极分化。投资者欢呼雀跃，认为总统支持币价，未来监管会放松，他们关注的是价格。而建设者们则评价负面，认为多年的努力被抹黑，成了“割韭菜”的工具。也有人认为，川普此举是为了挑战传统，扰乱规范，重新制定规则，纠正美国对加密货币的过度监管。现在发行加密货币需要遵守证券规范等各种合规要求，成本高昂，甚至不如发行迷因币后直接退出。这种极端的方法或许是为了纠偏过度监管。
从技术开发的角度来看，如果加密货币圈只剩下大宗商品资产模型和迷因币模型，那么科技属性和价值创造属性就会被削弱，无法与技术进步或开发相连接。开发者可能需要寻找其他方式与普通人建立纽带。
2. (00:17:23) 用文理“迷因与结构”、“身份与契约”底层逻辑来解释
“迷因”（或“模因”，meme）是人能够认知到的一种“想法”。做一个项目，一件事，治理一个国家，治大国烹小鲜，肯定至少要有一个迷因，啥迷因都没有，别人也就无法“认知”到你这个项目。如果把川普做总统这件事看做一个项目：MAGA就是迷因。
但是单纯一个迷因可能不太够，我们讨论过的：StepN，Olympus DAO，有一个典型特征，就是迷因相对“单纯”。我们看到的就是“赚钱”，绝大部分项目只围绕这赚钱这一个迷因，会容易陷入“增长快崩塌也快”的情境。增长时候很快，因为有赚钱效应，赚钱效应一旦没了，崩塌的也很快——因为没有其他模因支撑。
比较理想的情况是双迷因。我们曾把“双迷因”中基础的那一层，叫做“安全感”——这是一个非常强大的模因，它会让你觉得进入到某件事情不会受到损害或者伤害。
那么川普迷因币的 “迷因”是什么呢？有几个？
有人认为川普币本身就包含了赚钱效应——支持者购买相关产品，既是支持，也期待获利。但目前来看，这种赚钱效应虽有冲击力，但并不持久——如果增加一些设计，例如持有特定数量的产品可以获得某些特权，或许可以增强这种效应。
“MAGA- 让美国再次伟大”更像是其底层迷因——MAGA是一种“支持”的表达，类似竞选捐款，但比捐款更安全，因为它还有潜在的获利可能。即使亏了，也算表达了支持。
除了“赚钱”和“MAGA”，川普币还有一个更深层的迷因：虚无主义。虚无主义以“怨恨”为集体情绪的最高形式。一些人支持，是因为不满现状，渴望改变。他们表达的是对现状的不满和怨恨，这是一种情绪发泄。
陀思妥耶夫斯基的小说《群魔》探讨了当掌权者没有信仰、没有道德、觉得社会没有意义时会发生什么。当一些人渴望权力，而另一些人冷漠旁观、拒绝承担责任时，这种虚无主义会吞噬整个社会，带来混乱与牺牲。
为什么那么多人支持川普？人们喜欢的也许不是他的性格，而是他带来的对规则的颠覆和对既有秩序的挑战。
竞选总统也像是一种“复仇工具”，煽动不满情绪，蔑视传统。这些复杂的因素混合在一起，让这个“迷因”变得强大，无论做什么，都带有这种强大的“迷因”。
从“迷因与结构”的角度来看，他所代表的符号和底层结构并不完全对应。他提出的政策，例如减税、降息和控制通胀，有时相互矛盾。人们往往只看到他对现状的不满，而忽略了结构性问题。这就像其他一些项目一样，如果经济体本身没有找到价值增长点和能量输入点，“迷因”也难以持续。当然，这并不代表他做不到这些。
3.(00:33:01) 迷因币是否会冲击美元信用？
从整体加密货币政策来看，它与美元的关系并非负面，甚至可能正面。它相当于把这种加密货币也纳入了美元信用背书的范围，尽管规模不大，但对美元没有坏处。
目前的加密货币政策仍然维护美元。禁止所有某种数字货币的发行和流通，也是为了维护美元的货币政策，避免受到区块链清结算效率的冲击。
从传统金融、价值投资以及“迷因与结构”的角度来看，如果没有实际的应用场景或价值支撑，这种纪念币最终只会一地鸡毛。除非在未来四年内，它能与其他应用或价值挂钩。
发行人本人似乎并不关心这个币，这可能是它持续下跌的原因。在记者招待会上，川普表示“发了就发了，没再管”，这种态度也预示了这个代币的未来走向。除非发行者重新重视它，否则很难产生其他影响或变化。
是否会冲击美元？如果名人纷纷效仿发行自己的纪念币，最终会不会导致市场混乱？就像主权货币出现之前，各种私人货币泛滥，最终一地鸡毛，毫无信用可言？
的确存在劣币驱逐良币的可能性，但可能性目前比较小。如果大家都相信这些“野鸡币”，并将其作为储备货币，那世界得多么疯狂？宁可相信“野鸡币”，也不相信美元或其他主要货币？
最终还是回归到共识机制的问题。不能否认局部共识可能很强。例如，持有这种纪念币的支持者群体，可能会在内部形成一些经济活动。就像当年用一万个比特币买披萨一样，最终比特币成为了全球共识。
这种纪念币的支持者们，是否会在今后的经济活动中，将其作为支付或流通手段？这种可能性不能完全排除。共识是可以争夺的。比特币的共识用了十几年时间才形成。这种纪念币，以及其他名人发行的类似代币，都可能在各自的局部范围内形成共识。
共识的核心是力量的比拼。在较大范围内，政府和法律的共识度更高。这就是法定货币的概念。如果政府规定某种货币可以用来交税或还债，那么它的共识度就在全社会建立起来了。在此之前，所有共识都只是局部和小范围的。最终还是需要法律支持。
如果把迷因币看作局部货币或私人货币，它的作用很小。它最终需要与美元形成兑换关系，而这种关系很可能是敌对的。在与美元的竞争中，这些局部货币最终会走向归零，美元将再次占据统治地位。因此，它们对美元信用的冲击不大，反而是美元掌握着它们的生杀大权。但如果美元持续维持高利率，并出现收缩，其他资产的信用会暴跌甚至归零。这才是对美元信用潜在的正面影响。
4.(00:41:50) 我们的未来：当“注意力”变成核武器
川普币的背后是一种趋势：注意力本身变成了一种权力？谁能吸引更多注意力，谁的权力就越大。
《警笛的呼唤：注意力如何成为世界上最濒危的资源》（“The Sirens' Call: How Attention Became the World's Most Endangered Resource”）这本书中提到：工业革命时期，人们贱卖的是劳动力。劳动力变成了可以买卖的商品，因此可以被压榨。而现在，被压榨的是人们的注意力。注意力已经变成了商品，可以被营销、操纵和买卖。
马斯克买推特，为且仅为给今天铺路，推特本身不值那么多，但马老师知道：草民的注意力不过一滴水，但汇聚起来就是大海；有了大海，能载舟亦能覆舟。泽连斯基也明白这个道理：国际关注就是武器和资源。
注意力与权力的关系，可能比注意力与经济的关系出现得更早。互联网时代，人们才逐渐意识到注意力的经济价值。但在此之前，注意力和权力之间的关系就已经存在了上百年。代议制、民主选举，以及媒体对人们认知的影响，都体现了这一点。
但新的发展趋势是：注意力与政治和经济同时紧密挂钩。
注意力可以影响消费和日常活动。人们为内容付费，注意力变成了平台的数据，增强了平台的广告和带货收入。而注意力与经济和政治权力都挂钩，成为未来社会最基础的资源。川普发币是注意力模型的巅峰表现。人们不仅付出了注意力，还付出了金钱，以支持某种权力或理念。这是政治和经济汇聚到一个点的体现。
这种趋势威力巨大。它还有一个分支，那就是“黑红也是红”。注意力可能不分好坏，只要能吸引眼球，就能获得流量和权力。这究竟是好是坏？如果大家都通过负面关注来获取注意力，那么未来可能会出现更多出格的行为。
但从另一个角度来看，这种极端行为，从矫枉过正的角度来看，某些政治力量掌握权力太久，必然导致反对力量的出现，可以使世界回到平衡。至于最终结果如何，只能拭目以待。
5. (00:51:46) 小红书难民：互联网终究不是乌托邦
最近美国最高法院对TikTok的法庭辩论很有意思——九位大法官针对国家安全与言论自由的平衡展开四小时激辩，政府检察官和平台律师针锋相对，首席法官曾调侃道："如果中国政府真要通过Tikok挑动美国内部分裂，我看他们早已成功——光是这个案子本身就让美国人争得面红耳赤了。"
这个案例意外引发了"数字难民"现象。当Tiktok用户被迫迁徙到小红书时，人们突然意识到：看似无边界的互联网世界，终究逃不过现实权力的掌控。这就像元宇宙居民被现实国家一把拽回地面，所谓账号平等在强权面前不堪一击。
有位研究全球化的学者说得好：越紧密的互联互通，反而越容易被武器化。就像供应链成为国家博弈筹码。
但"数字游民"与"数字难民"之间的区别很微妙。前者依托互联网突破地理限制，后者却在虚拟世界流离失所。有趣的是，当美国用户首次体验"被迫迁徙"，某些国家网民会心一笑：这种游戏我们早玩过二十年。小红书短暂收容难民后又筑起围墙，恰似现实世界拒绝难民的翻版。互联网终究不是乌托邦，数字边疆的城墙始终矗立在代码与电缆之间。
延伸到技术与人性的永恒悖论：我们越追求开放互联，权力的触角就越是无孔不入。就像区块链信徒期待“代码即法律”，而现实总在提醒：算力再强也抵不过枪杆子。
或许这就是数字时代的辩证法——每个连接点都是控制点，每座巴别塔都自带拆解的种子。当最高法院的灯光照亮法庭穹顶时，某个服务器机房里的难民们正在切换应用，这两个画面构成了我们这个时代的完整隐喻。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
2024年已经翻篇儿了。我和Will老师琢磨着搞个特别节目，聊聊未来几年看好的科技高光领域。不是预测，毕竟技术可比金融市场变化莫测多了，金融就那么几个套路，科技领域那可是日新月异。
我们挑了八个未来几年都值得关注的领域，还是老规矩：上底层逻辑。
文理八大科技高光榜单：
1. (00:02:47) 量子计算加速发展
2. (00:27:30) 核聚变搅局新能源？
3. (00:43:03) 火箭和火星：星际旅行、星际移民还是星际殖民？
4. (00:58:18) AI agent小机器人儿开始用钱（crypto）？
5. (01:07:16) 叙事（narratives）和迷因（meme）可以被计算
6. (01:26:04) 人形机器人和自动驾驶满街跑？
7. (01:40:07) 脑机接口对抗人工智能？
8. (01:50:34) 链圈和币圈已经“分叉”
文字总结版：
1. 榜一：量子计算加速发展
量子计算领域，三不五时会冒出一个重大突破：这次是谷歌的Willow 。12月11日谷歌Willow芯片横空出世，5分钟破解超级计算机需10万亿亿年才能解决的RCS难题（最强点对点通讯加密），瞬间引爆科技圈。
不得不说2024年是量子计算“高歌猛进年”：中性原子量子计算机崛起，硅量子比特技术突破，而Willow的出现，更是在量子纠错技术上掀起革命。Willow的厉害之处不在于速度，而在于“纠错”。众所周知，量子计算虽强大，却易受干扰，量子比特越多，错误越多。Willow仅有105个量子比特，却史无前例地实现了“增量减错”，为解决复杂问题带来指数级加速。此前，IBM另辟蹊径，用“噪声对抗噪声”的“错误缓解”策略，也取得了突破。
不明觉厉。究竟什么是量子计算机？
虽然量子计算的概念很火，但多数人仍是一知半解。可以用《文明》游戏来做个比喻：
游戏地图上的探索，在计算机出现前，我们如同史前人类，步履蹒跚，探索范围极其有限。计算机的出现，如同拥有了马匹和车辆，拓展了疆域。而量子计算机到来，并非更快的车，而像船或潜水艇，能探索海洋——一个普通计算机无法触及的领域。
所以，量子计算机并非单纯的“超级计算机”，它更像是一个全新的物种，处理的是不同类型的问题。就像船不能在陆地上跑，量子计算机不擅长简单的加减乘除，但它能在“海洋”——充满各种可能性的量子世界中探索。
量子计算机如何运作？
不是把所有状态都算一遍，而是像在水中投入两块石头，寻找波纹叠加的特定点，从而高效地解决问题。
传统计算机使用比特，非0即1，所有信息都被转换成这种二进制语言。而量子计算机运行于量子比特，它更像是一个波，可以是0，也可以是1，每个量子比特都拥有成为0或1的概率。当量子计算机工作时，多个量子比特的概率相互作用，如同池塘中的涟漪相互叠加，产生建设性或破坏性的干扰。
量子计算机特别擅长“模拟自然”，因为自然本身就是“量子的”——我们现有的技术是在模拟自然，而量子计算的运作模式就是自然本身。
量子计算机的目标领域并非解决现有计算机能解决的问题，而更适合处理那些答案模糊、不精确甚至随机的问题，例如模拟平行宇宙。因为平行宇宙的无限分叉正是源于量子的随机性，这或许正是量子计算机的“用武之地”。
一个脑洞：用量子计算机模拟一个平行宇宙——比如如果希特勒当年被美术学院录取，世界会是什么样？它或许能帮我们解答一些历史的“what if”。
生命的起源、人类的思想，乃至平行宇宙的形成，都可能与量子的叠加态有关，最终都需要量子计算机来解答。不禁感叹：“万物皆回归到量子”。
2. 榜二： 可控核聚变搅局新能源？
可控核聚变与ESG理念以及全球变暖的关注密不可分。核能作为清洁能源，与新能源汽车、太阳能等一同竞争，吸引了大量关注。它能量巨大、清洁持久，无需频繁更换电池，安全性相对较高，还能减少碳排放，助力世界摆脱能源危机。
2021年，全球核聚变领域投资激增，马斯克、比尔·盖茨、索罗斯纷纷押注，投资额超过了过去十年的总和。美国激光惯性约束点火的成功，更是为可控核聚变带来重大突破。马克·安德森更是计划在欧美新建千座先进核电站，乐观估计2030至2040年可实现商业并网。尽管目前尚未有初创企业推出可商业化运营的核聚变产品，但Helion等公司已获得Sam Altman、Facebook等投资。
核电行业在繁荣的背后，也曾经历了数十年的冷遇。三里岛、切尔诺贝利、福岛等核事故的阴霾，使得核能发展备受争议。核技术诞生于40年代，最初用于军事领域，50、60年代民用核能蓬勃发展。70年代，德国绿党崛起，倡导“预防原则”（Precautionary Principle— 技术伦理，要求技术发明者必须预测并避免潜在风险，否则就应停止技术发展），并停止了核能发展。而美国，尼克松总统曾提出雄心勃勃的“独立计划”，计划到1980年建成千座核电站，实现能源独立、清洁能源转型和电动汽车普及；然后却采纳了“预防原则”，成立核监管委员会，最终导致计划流产，美国至今也未建成新的核电站。
更令人深思的是，德国放弃核能发展，导致其对俄罗斯天然气的依赖，这也被认为是俄乌战争的间接诱因之一。欧盟过去20年对普京政权的“资助”，也与此息息相关。但回顾70年的民用核能历史，它却是最安全的能源形式之一。
真这么乐观吗？
我们对可控核聚变，尤其是常温可控核聚变技术的可行性，还是应该持保留态度。虽然人类首次实现了激光引发的核聚变，并达到能量输出大于输入，但这离真正的商业应用还有很长的路要走。
核裂变之所以能被利用，是因为像铀这样的元素既能稳定存在，又能持续释放能量。此外，核反应堆的关键技术，例如重水减速器，也依赖于某些物质既能稳定存在，又能吸收辐射的特性。这些稳定的结构是核电站持续运转的基础。
然而，核聚变与核裂变不同。核聚变需要高温高压环境才能引发原子碰撞并释放能量，就像太阳的巨大燃烧一样。地球上如何模拟太阳的这种循环体系，如何在地球上构造一个核聚变产生能量，能量产生高温，高温促进核聚变的持续循环？这与核裂变中，裂变产生的中子激发其他原子进一步裂变的链式反应类似，但核聚变的控制难度更大。
可控核聚变就像“地球上的小太阳”，需要一个可控的、成体系的产热过程。与不可控的氢弹（核聚变）和原子弹（核裂变）不同，我们需要的核聚变是可控的、可开关的能量来源。
最后，“尺寸”也很重要：原子弹体积很小，而核电站却非常庞大，因为它需要大量的冷却剂和辐射吸收装置。太阳的巨大体积支撑了其核聚变系统。目前，我们还不清楚实现可控核聚变所需的最小尺寸是多少。如果需要的尺寸过大，即使技术上可控，也可能无法建造。因此，下一步的研究方向应该是确定可控核聚变的临界尺寸。
3. 榜三：火箭和火星：星际旅行、星际移民还是星际殖民？
地球太伤心，认真考虑逃离地球，去火星。现实已经给了两种可能：是去玩儿一圈儿？还是干脆一去不返？
先说旅行。火箭技术的两大突破尤为关键：多发动机设计和火箭的可回收性。SpaceX今年10月成功回收了星舰的推进火箭，这可是件大事——星舰由火箭和飞船两部分组成，火箭负责助推，飞船载人载货。这次的突破在于实现了NASA都没做到的超重火箭回收，大幅降低了商业航天的成本。星舰的有效载荷高达150吨，比可回收的猎鹰9号的63吨翻了一倍多，意味着可以运送更多的人和物资，去火星旅行不是梦。而且！ SpaceX的研发经费仅为NASA的十分之一，速度却是NASA的两倍。
再说移民。为了模拟火星生活，NASA一年前招募了四名志愿者，在一个1700平方英尺的3D打印舱内进行为期一年的隔离实验。这次实验是为了收集健康和表现数据，了解人类在隔离、封闭、资源有限、设备故障等压力下的反应，这些压力都与未来火星居民可能面临的情况相似。实验中一个有趣的限制是与外界的通讯延迟22分钟，模拟从火星到地球的信号传输时间，这意味着即使需要什么东西，最快也要44分钟才能得到回复。
更让人内心躁动的是，许多关于火星生活的现实问题已经开始被认真考虑：比如，我们能在火星上开飞机吗？
掐指一算：金星虽然大气密度高，但环境过于恶劣；木星、土星、天王星和海王星温度极低，风暴肆虐；水星则根本没有大气层。只有火星，尽管大气稀薄，密度仅为地球的1%，需要飞机以1马赫的速度飞行才能获得足够的升力，起降困难，但理论上是可行的。
另外，在火星上制造氧气也已成为现实！“MOXIE”实验已经证明可以长期可靠地在火星上制造氧气，不仅能供宇航员呼吸，还能为火箭返航提供燃料——原理是从火星大气（96%是二氧化碳）中分离出氧原子，并将剩余的一氧化碳释放回大气。
去火星旅行和移民好像可以写上日历了。
然而，火箭的技术突破只是第一步。下一步是如何实现星际移民或殖民——从“来玩儿一圈”到真正在火星上“建立永久居所”，涉及的问题更加复杂。
如果你从北京移民到上海，不仅需要一辆车，还要解决在上海的生活、工作、住房等一系列问题。同样，火星移民不仅需要强大的火箭技术，还需解决在火星上的生活保障、居住环境、法律制度等诸多挑战。
马斯克已经开始规划火星上的生活，包括建设核聚变电站以提供能源。然而，技术上的突破无法独自解决人类在火星上生存所面临的社会和法律问题。例如，如果在火星上生孩子，这个孩子该拥有谁的公民身份？是地球的国家，还是火星的新政权？
一个历史：据传，美国政府要求阿姆斯特朗在月球上宣布月球资源属于美国，然而他并未遵循，导致他在返回后保持了几十年的沉默。无论真假，故事反映出科技突破背后复杂的政治博弈。同样，火星殖民也面临类似的归属问题：火星是属于全人类，还是某个国家或企业独占？
马斯克技术卓越，但他依然无法单方面决定火星上的法律和社会规则。
4. 榜四：AI agent小机器人儿开始用钱？
从谷歌CEO皮查伊预言的“千Agent时代”，到小扎设想的“Agent人口超越人类”，再到黄仁勋的“Agent技能产业”论，科技巨头们已经在“agent“世界里不亦乐乎了。
风投巨头a16z和Messari押注2025年AI Agent将迎来爆发式增长。有消息称，OpenAI将于2025年1月推出全新AI Agent产品“Operator”，能自动编写代码、预订旅行、进行电商购物，看起来要再次点燃AI市场。
AI Agent究竟是什么？
AI是“知道如何做”，AI Agent是“立刻去做”。AI是大脑，AI Agent是撸起袖子干活的牛马。它将AI的智慧转化为实际行动，解答你的疑问，处理你的琐事。
过去几年，大型语言模型和聊天机器人是AI舞台的主角。但到了2024年，聚光灯转向了“Agent”。XBOW是一个经典案例——这款由GitHub Copilot开发者打造的AI Agent渗透测试工具，只需28分钟就能完成顶尖黑客40小时的工作量。它不仅能发现漏洞，还能在授权下进行网站攻击测试，甚至已经发现了PHP和JavaScript中不安全的签名算法等关键漏洞。
也许很快，AI Agent就能组成集群或网络，协同作战，甚至相互竞争，如同电影《黑客帝国》中的Agent Smith军团。
但这并不是最撩骚的，真正性感的是：AI Agent与加密货币的结合，小机器人儿开始自己用钱，创造经济系统。
不同于传统AI在现实世界的应用，比如自动驾驶、机器人厨师，AI Agent天生就是数字世界的原住民，用加密货币进行支付和交易简直再自然不过。
最近有人让经过特训的AI Agent自主管理加密资产。这个数字助手不仅能分析币价走势、判断NFT价值，还能自主决策交易。有趣的是，它并不总是按照预设路线行事—当创造者认为应该买入无聊猿NFT时，它却另辟蹊径，选择了其他标的，通过巧妙的拍卖参与和择时交易，最终还收获了不菲利润。
与其他AI应用相比，让AI Agent使用加密货币有着得天独道的优势。你无需为机器人开设银行账户或者给它塞现金，只要植入一串私钥，它就能自由支配数字资产。这让AI Agent在虚拟世界的发展很可能远超现实世界。就算马斯克在实体机器人领域投入再多资源，AI Agent在数字领域一年的进展可能就超过传统机器人几十年的积累。
AI Agent必将大规模落地应用，而加密货币将成为它们之间最自然的支付方式。
5. 榜五：叙事（narratives）和迷因（meme）可以被计算？
“叙事的计算”——这个话题是文理两开花的常客了。
叙事和迷因——你脑子里的东西变成是一种可以被分析、计算并加以管理的“流动结构”——这种变革或许比我们想象得更近。
叙事经济：从金融市场到社交网络
曾几何时，金融市场的波动仅仅被归结为基本面与技术面的较量，如今叙事面似乎更加重要——一篇小作文，一句推文——就能瞬间点燃情绪，引发市场的涨停或暴跌。
我们感知世界已经不再靠新闻，大概率是通过社交平台的碎片化信息——很悲催，但这种变化，也为“叙事的计算化”提供了更多的数据基础和实现可能。
叙事计算揭示了一个悖论：看似难以捉摸的社会共识和群体认知，实际上可以被量化和预测。这种计算能力改变我们理解信息传播的方式。
未来社交媒体、新闻媒体，甚至全民关注的热点话题，都大概率可能通过AI计算和可视化工具精准呈现。人们关注什么，怎么想，社会舆论的方向会如何发展，一切不再是不可捉摸的，而是“有迹可循”的。叙事经济的“趋势面”正在崛起，它甚至可能超越传统的“基本面”和“技术面”，成为影响市场和社会变化的关键力量。
叙事的计算不仅仅是概念，人工智能和机器学习已经可以对海量社交媒体数据分析，将零散的信息整合为清晰的趋势图。例如，AI可以通过分析推文、点赞、转发等数据，识别出某个话题的集中度（attention）和情绪倾向（sentiment）。这些信息可以被可视化，帮助我们直观地看到某个叙事的爆发点，以及它可能引导的方向。
我们可以借此“看到“社会情绪波动。例如，当某个话题突然爆发，AI可以追踪其传播路径，判断它是否会成为未来的主流叙事——预测通货膨胀、经济衰退、社会情绪都不是问题。
叙事计算还可以将“寻找热点”这个任务自动化。过去，像Polymarket这样的预测市场，需要人工团队每天翻阅大量社交媒体内容，挖掘潜在热点。但未来，AI可以通过叙事计算，自动筛选出可能引爆的热点，让预测市场更加高效和精准。
底层逻辑：观点动力学
叙事的传播并非无序，而是有其规律可循。这种规律，被称为“观点动力学”（Opinion Dynamics），它试图揭示叙事在人与人之间的传播路径和影响机制。
简单来说，观点动力学研究的是叙事如何在人群中“扩散”。它包含几个核心要素：
· 传播概率：一个人听到叙事后，会向多少人传播？
· 情绪感染：听到叙事的人是否感兴趣或相信？
· 传播路径：叙事是如何在人群中形成连锁反应的？
观点动力学甚至发展出了数学模型。例如，当一个叙事通过社交网络传播时，可以用马尔科夫链的概率模型来量化其传播路径和强度。通过分析叙事的覆盖面和传播广度，我们可以判断哪些叙事更有可能成为主流，哪些则会迅速湮灭。
这种模型为预测市场和舆论分析提供了工具。比如，通过分析社交媒体的转发量和点赞量，可以迅速判断某个叙事的传播潜力。
Bot的崛起：叙事传播的新变量
然而，叙事的传播并不仅仅是由人类推动的。随着AI Bot的崛起，虚拟角色在叙事形成过程中扮演了越来越重要的角色。事实上，如今的社交媒体上，可能有相当一部分内容是由Bot生成或传播的。
这当然引发新问题：当叙事的传播被Bot“污染”时，我们还能信任这些数据吗？比如，一个热点话题的爆发，是因为人类真的感兴趣，还是因为大量Bot的刷屏行为？如果叙事是由AI推动的，那么这是否会进一步影响人类的认知？
虽然这些问题看似复杂，但实际上，Bot的行为也可以被纳入观点动力学的研究范畴。因为Bot的存在并不否定传播的真实性——它们的转发和点赞行为，同样会对人类的注意力产生影响。未来的叙事计算可能需要引入新的加权机制，以区分人类与Bot对叙事的贡献。
叙事的计算化，可能在2025年迎来一个重要的转折点。随着AI Agent的普及，它们不仅能够参与叙事的传播，还可能成为叙事的创造者。一个AI Agent或许可以在社交平台上发布内容、引导讨论，甚至直接影响公众舆论。而这些行为，都会对叙事的计算逻辑提出新的挑战。改变我们的认知方式。
那么问题来了：当AI成为叙事主体时，人类的认知要去哪儿？
6. 榜六：人形机器人和自动驾驶满街跑？
看好机器人，是因为“人”而非“科技”。AI发展的两大方向，一是深耕虚拟世界，二是介入物理世界。人形机器人和自动驾驶的发展并非单纯依靠AI进步，制造工艺、传感器等周边产业的协同发展同样至关重要。
从小就梦想跟机器人小伙伴一起玩耍，现在长大了，这愿望却依然像天边一颗星。虽然特斯拉、波士顿动力、本田、NASA都在狂飙突进，国内抖音上也时不时冒出些机器人工厂的视频，但总感觉差点意思。
几个月前，波士顿动力的Atlas跑酷、扔东西的视频火爆全网，这让我对人形机器人的理解也经历了一次大翻车。小时候，机器人就等于人形；长大后，发现机器人不一定要长成人样，干嘛非得人形？但“人形”确实有必要！因为这个世界是按照人类的需求设计的。腿比轮子强在哪？能上楼梯、爬梯子、钻树林、闯废墟，还能适应太空、复杂地形。头、肩膀、胳膊、腿，这些对机器人都很重要。至于尾巴、翅膀这些人类没有的部件，目前看来纯属多余。
不过，人形机器人虽然得有人形，但它们的行动方式真没必要跟人类一模一样。可以像贞子，或者恐怖片里手掌扭到后背、面朝上爬行的怪物，人形机器人也可以走这种诡异路线。新版Atlas纯电力驱动，摆脱了老旧的液压系统，还配备了大量传感器，能够实时感知环境、预测自身运动变化，简直就是现实版Transformer。
当然，问题依然一大堆。Atlas能后空翻却不能跑步？这就是莫拉维克悖论：对人类来说轻而易举的事，机器人却难如登天。坐下这种事，我们根本不用过脑子，机器人却得费老大劲。人形机器人不会坐椅子，是因为写控制系统太难了。虽然能做到，但还有更重要的优先级：处理意外情况、适应变化。特斯拉的Optimus演示里，工程师不停“欺负”小机器人，刚摆好的积木立马被推倒，但它依然继续工作，这就是适应变化的能力。Atlas在YouTube上扔包的视频，机器人得在运动中计算所有细节。你越了解人形机器人，就越明白造一个机器人有多难。
还有，人类能从经验和失败中学习，Atlas却不行。目前还没有办法自动利用机器人收集的数据改进控制系统，任何硬件改进都得靠工程师手动完成。虽然感知系统完全由机器学习驱动，用摄像头识别物体、定位环境，但学习能力还远远不够。
更棘手的是伦理问题。杀手机器人？波士顿动力声明，任何通用机器人都不能武器化。但谁知道呢？我们身边已经全是机器人了，虽然大多是固定或靠轮子移动的，但人形机器人不一样。它们长得像我们，既可怕又可爱，因为它们更像我们。我们需要思考：我们人类想做什么？想放弃什么？
7. 榜七：脑机接口对抗人工智能？
大约十个月前，马斯克高调宣布Neuralink即将开启脑机接口新纪元，首个芯片植入人脑。这在去年FDA批准人体试验后，更进一步成为现实。
目前，Neuralink主要针对瘫痪、失明、阿尔茨海默症和癫痫等疾病进行研究。其首款产品“心灵感应”（Telepathy）名副其实，旨在让人们通过意念操控计算机。简单来说，芯片植入大脑，捕捉神经信号，传输至应用程序，最终将信号解码成指令。
然而，马斯克在Joe Rogan、Lex Fridman等播客中都透露了终极目标：即使AI温和发展，人类依旧会被远远甩在身后。他深信人工智能对人类构成威胁，而Neuralink正是他构想的解药。他认为，我们已是半机械人，手机如同延伸的肢体。但问题在于，信息传输带宽太窄，输入输出速度都太慢。植入式脑机接口将弥补这一缺陷，成为人脑与数字世界的高速桥梁。
马斯克描绘了一个未来：Neuralink手术如同激光矫视般轻松便捷，人们可以像电影回放般拥有超强记忆，甚至下载语言程序，瞬间掌握外语，或直接进行心灵感应交流，这一切或许在5到10年内就能实现。但硬币的另一面是：大脑被黑客入侵的风险也随之而来。
脑机接口的意义在于双向发展：
一方面：“把虚拟世界植入人脑”——它可以像程序刺激脑电波一样，修复受损大脑，提升人类能力；另一方面：“帮助人进入虚拟世界”——它可以帮助人类更好地进入虚拟世界，像电影《黑客帝国》或《头号玩家》那样，用意念与虚拟世界互动，极大提升效率和能力。
8. 榜八：链圈和币圈已经分叉
加密领域正呈现出两条清晰的发展路径：一是成为通往元宇宙的桥梁，二是服务于现实世界的金融体系。可能擦肩而过，各自精彩。
曾经模糊的“链圈”和“币圈”如今已泾渭分明，前者致力于改造现有金融系统，后者则专注于构建元宇宙的新业态。特别是“Crypto for AI”的模式，即利用Web3的激励机制赋能AI发展，例如去中心化AI算法网络和AI机器人经济。
从VC的投资方向也能看出行业发展趋势，当VC不再纠结于这两个方向时，行业轮廓也就清晰了。
至于这种趋势的底层逻辑，我们可以用一个“文理经典二乘二矩阵”来理解：
AI和加密货币分别作为两个维度，每个维度又包含“进入虚拟世界”和“服务现实世界”两个方向，由此形成了四种可能性：其中，AI和加密货币共同构建虚拟世界经济，以及AI赋能加密货币进行现实世界的金融活动，是两种典型的方向。以AI机器人花钱和AI量化交易机器人炒币为例，就是这两种方向的差异。
AI是生产力，Web3是生产关系。“Crypto for AI”在当下应用似乎更合理，也就是用加密技术给AI产业赋能，这比之前用AI赋能Crypto（“AI for Crypto”）的思路更靠谱，需求更大。
之前“AI for Crypto”想做的，比如用AI优化代码、做安全审计、制定链上收益和交易策略、给交易软件配聊天机器人、搞AI加密投资顾问等等，都还是得看市场脸色，牛熊一来一回，啥都白搭。现在“Crypto for AI”就更务实了。
展望2025年，链圈和币圈将进一步分化。链圈会走向企业级和国家级应用，比如跨境支付、数字身份、数据隐私保护、央行数字货币和现实世界资产通证化。币圈则专注于链上治理和社区化运营，像Polymarket这样的预测市场就是个例子。
至于监管，虽然对去中心化交易所（DEX）和隐私币的监管还有争议，但灰色地带肯定会越来越小，合规将成为未来主旋律。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
Polymarket因美国大选而声名大噪，特别是在2024年大选期间影响力大幅提升。从两党候选人宣布参选，到拜登退出竞选的传闻，再到两轮辩论，Polymarket逐渐“破圈”，成为预测市场的焦点。
大选当天，Polymarket的表现令人惊叹。美东时间周二晚上投票结束后，特朗普的胜率立即跳到58%。到晚上11点多（北京时间6号上午），胜率飙升至95%。这比美联社宣布结果早了近六个小时。Polymarket的预测精准度甚至超过市场和特朗普相关交易反应。
这次大选，Polymarket的投注额高达37亿美元。选举日当天，它在苹果免费应用排行榜上排名第二，仅次于向美国公民开放的合法投注市场Kalshi。这令人瞩目的表现也引来了FBI的调查。一周后，FBI持搜查令突袭公司CEO，没收其手机和电脑。调查重点是平台是否非法接受美国用户交易。
但Polymarket的价值远不止于大选预测。它涵盖了各种事件，无论大事小情。韩国戒严、政治动荡，Taylor Swift是否结婚，甚至马斯克一天发多少推文，平台上都有相关市场。它利用群众智慧，实时反映事件发生的概率，如今已被许多人当成新闻资讯来源。
越研究越发现，如果仅仅把它当做一个博彩网站，真的太低估了，不仅越来越像一个金融市场，还有可能成为一个新闻、信息、甚至社会治理工具——这究竟是为什么？
本期我们就来深入了解一下Polymarket为代表的预测市场（prediction market）——它到底是什么？背后的底层逻辑是什么？用了什么技术？未来会变成什么？
主要讨论了：
(00:01:12): 如何接触到Polymarket（或其他预测市场）？觉得它最有趣地方是什么？
(00:14:57): Polymarket可以视为预测市场的 Uniswap
(00:21:29): 预测市场vs传统博彩（赌球赌马买彩票）和民调：谁更胜一筹？
(00:28:27): Polymarket的核心在于做市商机制
(00:41:08): “第五权”和“信息金融”时代的到来
(00:54:32): 预测市场的底层哲学来源：哈耶克和Robin Hansen
(01:01:10): Polymarket作为社会治理变革，成为未来社会政治治理机制的一部分？
(01:15:19): 未来亚洲或非西方世界会出现一个Polymarket吗？
时间戳和文字总结：
(00:01:12): 如何接触到Polymarket（或其他预测市场）？觉得它最有趣地方是什么？
在 2020 年 DeFi Summer 期间，众多新项目涌现，当时便已注意到预测市场的存在，但并未深入了解。直到最近的大选，才开始真正关注。尤其在拜登退选前后，以及第二次大选辩论期间，预测市场的表现令人印象深刻。哈里斯在辩论中的一个关键时刻，抛出一个“王炸”，成功激怒了特朗普。特朗普因此开始失控，发表了“移民在春田（Springfield）吃猫吃狗吃宠物”的言论。几乎同时，预测市场上民主党获胜的概率迅速上升了 5%。这次事件使人们对预测市场产生了浓厚兴趣，因为它无限接近于金融市场，非常契合交易员的思维模式。
预测市场并非简单的 Yes or No 的赌博，它提供丰富的信息，可以用来分析概率。例如，一个月前 Polymarket 上关于拜登退选概率的押注，显示 86% 的几率会退选。普通人可能会疑惑，为什么不是 50%？因为在它们看来，要么退选，要么不退选，就像买彩票一样，只有两种可能性。然而，预测市场上的百分比数字并非简单的 0 或 100，而是不断变化的，这正是其精妙之处。
普通人并不擅长概率思维，倾向于绝对的答案。而预测市场中那些有零有整的百分比数字，恰恰反映了人们用真金白银下注时，对风险的认真思考和仔细权衡。下注的价格，代表了对事件发生概率的判断。
对于赌徒和交易员来说，在牌桌上所做的就是不断计算概率：寻找“正期望值”（概率最大）的赌注，并管理好自己的资金（决定每次下注多少）。“凯利公式”在这种情况下非常有用，它可以根据赌博赢或输的概率，计算出每次下注的资金占所有赌本的最佳比例。其本质，是如何在不确定性中做出最优决策。预测市场的运作机制，与金融市场高度相似，下注的金额与概率成正比。事件发生的概率越高，回报率越低，下注的价格也越高。
(00:14:57): Polymarket可以视为预测市场的 Uniswap
想了解 Polymarket的本质，可以从几个角度来看。
首先，从市场角度来看，有人认为它类似于二元期权，本质上是买涨跌。用户预测例如某个股票某一天的价格涨跌或某个事件的结果，如果预测正确，就能获得全部筹码；如果预测错误，就输光本金。
这与传统金融市场中的二元期权交易类似，只是 Polymarket以加密货币进行交易。虽然名为“二元期权”，但它更像是博彩——只关注涨跌，类似于赌某只股票在某一天的价格比今天高还是低。这种简单的赌涨跌机制，在主流金融市场中通常是被监管的。Polymarket提供了一个平台，用户可以像进行二元期权交易一样参与预测市场，例如预测川普当选或贺锦丽当选，与预测某只股票涨跌的逻辑相同。
其次，也是更重要的一点，Polymarket可以被视为预测市场的 Uniswap。它巧妙地将对事件结果的预测转化为可连续买卖的带价格产品。Polymarket通过一个算法，将事件结果的概率转化为 0 到 1 之间的数值，并以美元计价，最小单位为美分。用户可以根据自己对事件概率的判断买入或卖出对应的 token，token 的价格也随之波动，就像股票市场中的挂单一样。Polymarket利用智能合约和 DeFi 技术实现了类似订单簿的体系。
更神奇的是，Polymarket引入了 Conditional Token Framework (CTF) 算法。这个算法允许任何用户花费 1 美元生成一对代表相反结果的 token，例如“川普当选”和“川普落选”。由于其中一个结果必然发生，因此在事件揭晓时，其中一个 token 的价值会变成 1 美元，另一个 token 的价值会变成 0 美元。这类似于 Uniswap 的做市机制，用户可以同时持有代表两种结果的 token，并在市场上进行买卖。Polymarket的创新之处在于，它让每个人都能成为做市商，形成了平台、做市商和交易者三方生态。这种模式无需平台使用自有资金开设赌盘，而是依靠外部参与者提供流动性，使其潜在规模远超传统博彩公司，因为传统博彩公司需要自己投入资金来维持赌盘的运作，而 Polymarket则将这个角色交给了市场参与者。有人认为，Polymarket真正的价值在于让每个人都能成为做市商，就像 Uniswap 让每个人都能成为流动性提供者一样。
(00:21:29): 预测市场vs传统博彩（赌球赌马买彩票）和民调：谁更胜一筹？
“预测”这件事由来已久，从16世纪用占星术预测香料价格，到18世纪用蜡烛图分析市场，人类一直在尝试预测未来。Polymarket则用USDC稳定币，让人们对事件结果进行投机。
它的作用更像温度计，不预测未来，只反映当下对事件发生概率的评估。与其说它“预测”，不如说它量化不确定性。预测的准确性并不重要，因为重复发生的事件可以通过计算预测，而独特事件则缺乏统计意义。它的价值在于整合不同观点，快速适应新信息，并将集体智慧转化为清晰的概率指标。
它既像赌场，让人们对事件下注，也像新闻网站，展示各种热点。它与普通期权市场不同，赌的是事件发生与否，而非市场涨跌。平台上的事件来自社交媒体热点，每个人都能像做市商一样开盘，其他人则押注事件是否发生。
它没有庄家，概率由参与者决定，是真正的“群众智慧”，不像传统博彩由庄家控制赔率。它信息更丰富，提供更多分析工具，参与者可以研究概率、制定策略，更像金融市场。它比民调更靠谱，因为下注需要真金白银，更能反映真实情况。
参与者多样，有赌徒，也有套利者，它们利用价格波动和群众情绪寻找机会。有人低买高卖，有人进行“价值投资”。
预测市场比传统博彩更具分析性。博彩靠直觉和喜好，结果立竿见影；预测市场更重策略，用数据和分析，追求精准而非胜负。它也与民调不同，民调只问偏好，预测市场则考虑多重因素。
它更像金融市场，有套利者利用群体情绪进行反向操作，也有价值投资者利用市场波动进行交易。但它也存在羊群效应等问题，受多种因素影响。
(00:28:27): Polymarket的核心在于做市商机制
Polymarket 将预测或博彩“金融化”。它的核心在于做市商机制。
平台上的事件，例如美国大选结果，由平台方采集并开设赌盘。做市商的参与至关重要，它们的资金决定了交易池的深度。交易池深度越大，参与者下注越多，潜在收益也越大，如同股票交易市场。这也意味着做市商的资金投入实际上决定了新闻热点的热度。它们关注可套利的热点事件，进而吸引更多交易者，形成正向循环。
做市商并非被动地投入资金，它们可以通过判断事件概率进行套利。例如，在Uniswap V3中，做市商可以根据价格区间进行做市，Polymarket也类似，做市商可以通过挂单撤单等方式操作。Polymarket的套利机制类似价格回归逻辑。例如，若川普胜率为65%，则失败概率为35%。做市商可以以65%的价格买入川普赢的期权，同时以36%的价格（高于理论价格35%）卖出川普输的期权。一旦市场波动，川普胜率下降，36%的卖单成交，即可套利。这种机制使得专业的做市商策略得以应用。
一个有趣的现象是，Polymarket将二元事件（例如川普和贺锦丽的选举）拆分成四个事件：川普赢，川普输，贺锦丽赢，贺锦丽输。这种拆分看似重复，却创造了套利空间。由于市场信息传递和交易存在延迟，四个事件的价格可能出现偏差，例如，川普赢的概率为65%时，贺锦丽赢的概率可能并非35%，而是36%。这就类似于跨市场套利，利用不同市场相同标的物的价差获利。平台方通过拆分事件，增加了交易机会，也体现了平台的设计能力。
这种拆分机制对对冲基金等机构投资者尤其有用。它们可以利用Polymarket进行跨市场对冲。例如，如果在传统金融市场押注美元上涨，可以在Polymarket上买入相关的“事件期权”进行对冲。由于川普赢和贺锦丽输代表不同的市场交易方向，拆分成四个事件更有利于对冲操作。
Polymarket 的本质并非预测，而更像一个温度计，反映当前事件的市场情绪。由于许多事件的不可重复性（例如美国大选），难以评估预测的准确性。真正有规律可循的事件，则可以通过计算而非预测得出结果。因此，Polymarket 的价值在于提供实时概率信息，供参与者参考。
(00:41:08): “第五权”和“信息金融”时代的到来
预测市场平台，如Polymarket，早已超越了传统博彩的定义。它不仅是一个让人下注的平台，更像是一个信息平台，甚至可以被视为一种新型新闻网站。它通过金融工具的运作，快速、准确地反映出事件的关注度和可能性，提供许多意想不到的真实信息。这种运作机制衍生出一个新的概念——信息金融。
信息金融的核心在于用金融方式来展现和传播信息。平台将人们对事件的关注和判断数字化，用户通过买卖和下注，表达它们对事件概率的看法。这种模式创造了一种全新的信息传播形态，与以Twitter、Facebook为代表的传统社交媒体完全不同。不同于依赖评论、点赞和分享的传统信息流，预测市场的底层由金融产品驱动。它通过资金流动来量化人们对事件的兴趣和判断，从而构建了一种以市场为基础的信息结构。
这种新模式引发了对“信息权”的深入思考。
在传统社会中，新闻采集和发布的权力主要掌握在媒体机构手中，被称为社会的“第四权”。但在预测市场的模式下，信息权的分配正在发生变化。预测市场通过众人参与的方式，重塑了信息的生成和传播。有人认为，这可能代表着“第五权”的到来，即信息权从传统媒体机构转移到机器平台，由大众共同参与形成新的信息结构。
然而，这种模式并非没有争议。它引发了人们对资本操控信息的担忧。如果金钱决定了信息的声量大小，那是否会导致信息的不公平分配？例如，如果资本不再关注像美国大选这样的重大事件，而转而投向赛马或球赛，是否意味着大选这样的公共事务会失去关注？这种资本导向的信息传播方式是否会偏离公共利益？
尽管如此，预测市场平台的出现，也提供了一种对现有信息权的制衡方式。预测市场通过市场化的方式，揭示了传统媒体可能忽略的信息。
例如，Polymarket关于委内瑞拉选举的预测就揭示了一个有趣的视角——尽管马杜罗被普遍认为会通过操控选举继续执政，但平台却给出了其输掉选举23%的概率。这一数据引发了人们对委内瑞拉政治局势的关注，也让外界开始重新审视这个看似确定的事件。这种捕捉小概率但重要事件的能力，正是预测市场的独特之处。
(00:54:32): 预测市场的底层哲学来源：哈耶克和Robin Hansen
预测市场平台，如 Polymarket 的底层逻辑，反映了一个通过市场机制揭示真相的新经济模式（Information Finance）。这种模式的核心是，通过设计一个市场，让人们下注，以此揭示真实信息。通过市场机制发现真相，并将这些真相转化为公共产品。
这一理念可以追溯到哈耶克的经典理论。他在80多年前的著名文章《知识在社会中的应用》中提出了“知识问题”（Knowledge Problem）。文章试图回答一个问题：经济是否可以通过计划实现最优状态？在当时的背景下，许多人相信中央集权的计划经济能够比自由市场更有效地分配资源。哈耶克则反驳了这一观点。他认为，实现经济最优状态需要三件事：完整的信息、激励个体行为的机制，以及减少错误行动的能力。他提出，价格体系是解决这些问题的核心工具。
哈耶克将知识分为两类：科学知识和具体情况知识。科学知识是系统化、可传授的真理，例如物理、化学等。而具体情况知识则是个体在特定场景中掌握的经验和教训，例如对市场敏感度或对某种资源的了解。这种知识无法通过语言或数学表达，也无法传授，只能通过市场价格体系传播。市场机制通过价格，整合分散在每个个体中的具体情况知识，引导社会实现资源的有效配置。
信息金融正是基于哈耶克的这一逻辑。与中央集权的计划经济不同，市场通过价格发现真相，而非依赖中心化的权威控制。这种市场机制消除了信息的隐藏成本，将所有行为和选择的成本显性化。
这一逻辑的另一个关键点在于，市场能够通过经济激励来反映社会的真实情况。无论是信仰、理念，还是新闻自由、公平正义，这些看似抽象的概念实际上都有成本。市场机制的优势在于，它要求参与者为自己的选择付出代价。在Polymarket上，用户通过下注表达支持，无论是支持哈里斯还是川普，下注失败就意味着为自己的信念付出了代价。这种显性化的成本模型，比那些隐藏成本、只强调结果的方式更真实。真金白银下注，揭示了社会的真实偏好和信息分布。
(01:01:10): Polymarket作为社会治理变革，成为未来社会政治治理机制的一部分？
预测市场未来是否有可能将其应用于政府决策？是否可以通过市场机制，用资金下注的方式，辅助政策制定？
这一理念并非凭空出现。维塔利克在文章中提到过类似观点，认为预测市场或许可以作为一种“用钱投票”的民主实验，用市场取代传统投票的方式来做决策。
这一想法的根源，可以追溯到经济学家罗宾·汉森的理论。罗宾·汉森是乔治梅森大学的经济学副教授，被誉为预测市场的教父。16年前，他提出了一个大胆的设想：通过预测市场来辅助治理决策。他的论文成为今天区块链预测市场的理论源头之一。这一理念后来被应用于美国国防部的“政策分析市场”（Policy Analysis Market），一个真实存在的项目，旨在通过市场预测中东的未来发展形势，例如地缘政治风险或代理人战争的可能性。
这一市场背后的逻辑非常清晰：通过真金白银的交易，预测市场能够比专家或民调更准确地反映事件的可能性。然而，这一项目在2003年因争议被叫停。原因在于市场上开始出现关于恐怖袭击和暗杀的下注，引发了伦理争议，参议院认为这种市场机制可能成为暴力事件的“赌场”，因此关闭了项目。
尽管如此，这种基于市场的社会治理方式并非毫无可能。它的底层逻辑仍然引发了广泛讨论。然而，将预测市场完全应用于社会治理存在巨大挑战。社会治理需要承担更高的成本和更大的责任，而市场中的参与者通常只考虑自己的投入与收益。在 Polymarket 上，参与者可能下注十美元，只需承担输赢的结果。但若将这种机制应用于复杂的社会治理，例如预测中东政策，其后果可能涉及数百亿甚至上千亿美元的影响。这种不对等的风险和回报，成为预测市场在社会治理中面临的核心难题。
预测市场的有效性，更多体现在具体的、与个体密切相关的事务中。例如，公民可以通过投票结合资金下注的方式，表达对某个项目或政策的支持。这样的机制更贴近“自下而上”的治理理念，而非“自上而下”的统治逻辑。
预测市场通过群体智慧和资金激励，能够更准确地反映民意。然而，当预测市场试图影响政府决策时，这种机制与政府的“自上而下”统治逻辑产生了矛盾。政府是统治者，公民是被统治者，用被统治者的力量来决定统治者的行为，本质上是存在悖论的。
预测市场在小范围的自治和具体议题上可能更有前景。社会治理需要平衡多方利益，而预测市场则更擅长解决具体问题。它的成功可能更多体现在小范围的自治、经济决策或观点表达上，而非全面取代传统的治理体系。
(01:15:19): 未来亚洲或非西方世界会出现一个Polymarket吗？
政府扮演着两种角色：治理者和公共服务提供者。政府的治理角色与公共服务提供角色有所不同。治理角色涉及一些与公民没有直接关系的决策，例如外交政策或战争决策。这些决策不适合由公民投票决定。但公共服务，例如基础设施建设或社会福利政策，与公民的日常生活密切相关。因此，公民应该有更多的话语权。
新闻机构也具有双重角色：监督政府和提供信息。监督政府需要理念和勇气，而提供信息则类似于提供公共服务。新闻机构的信息垄断地位可能导致腐败和信息失真。预测市场和去中心化平台或许可以打破这种垄断，提供更客观、多元的信息。
权力下放是预测市场和去中心化平台的核心思想。这种权力下放不仅针对政府，也针对新闻机构等信息垄断者。通过市场机制，将权力分散到更广泛的群体中，可以更有效地整合信息，促进社会进步。
预测市场平台，例如Polymarket，目前主要集中在西方市场——它能否在亚洲或其他地区获得成功，取决于上述底层理念（超纲了不多说了）。
但就产品层面而言，随着加密货币和去中心化技术的普及，地理界限正在逐渐消失。未来，预测市场平台很可能成为全球性的平台，打破地域限制。
学习使用加密货币钱包和去中心化平台的技术门槛曾经很高。但随着预测市场等应用的出现，人们参与的动力会更强，学习的意愿也会更高。这可能会推动加密货币和去中心化技术的进一步普及。
预测市场和去中心化平台的出现，可能带来深远的影响。不仅可能改变公共服务的提供方式和信息的传播方式，还可能重塑社会治理的模式。它的未来发展值得关注。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
好久不见，刺激话题来了：聊聊比特币。
录播课时比特币一颗大概9万美元。有意思的是，现在推特上、圈子里，几乎没人喊“泡沫”；中本聪、反美元、反政府、达到美联储的理念也没人提；好像自从美国政府，特别是懂王表示支持比特币后，大家就把初心忘光了？
2024年美国大选，加密货币成为左右选情和重塑政治格局的关键变量。从特朗普积极拥抱加密货币社区，到民主党内部对加密货币监管态度的分歧，都表明加密货币已成为两党争取选民的重要工具和政策焦点，开始影响美国政治格局。
从大选结果可见，一个新兴的加密货币选民群体正在影响大选走向，围绕加密货币的监管之争也成为两党阵营角力的重要战场。从特朗普公开拥抱加密货币，誓言终结"敌对监管"，到民主党也开始重视这一群体，向加密货币从业者靠拢，不能排除加密货币领域正在重新定义美国的金融生态，甚至可能重塑未来的国际货币体系的可能性。
加密货币是政治新宠，还是美国未来金融霸权的新工具？懂王能用比特币让美元再次伟大，重塑金融霸权吗？
时间戳：
(00:01:35) 回顾一下大选前至今的走势。顺便弱弱问一句：比特币现在是泡沫吗？
(00:15:08): Polymarket
(00:20:10): 加密票仓
(00:26:15): 为什么特朗普要支持加密货币？
(00:33:10): 比特币对维系美元霸权是有促进作用还是有破坏作用？
(00:35:35): 比特币如何增加美元霸权？
(00:44:30): 美元的问题比特币能解决吗？
(00:51:46): 比特币被华尔街收编，会失去其特殊性？
文字稿：
(00:01:35) 回顾一下大选前至今的走势。顺便弱弱问一句：比特币现在是泡沫吗？
比特币最近价格疯涨，跟美国大选关系密切。年初的时候，价格一直在5万到6万美元摇晃，直到6月底，特朗普和拜登第一次辩论。拜登表现不佳，加上共和党明确表示力挺比特币，市场风向一下变了，比特币开始涨。
7月，共和党发布政策宣言，很多内容都跟加密货币有关，态度非常积极。共和党全国委员会还通过了草案，包括支持挖矿产业拉回到美国等。又推了一波涨幅。
7月13号特朗普遭枪击未遂，选民支持率猛增，比特币也跟着涨到7万美元左右。11月6号特朗普宣布胜选，比特币跳到7万5美金。之后一周，价格火箭从7万直线飙到9万3，之后在9万美元上下波动，感恩节前触到10万提前感恩也不是不可能。
从泡沫的角度来看，比特币价格波动的时间线很清晰。分析可以分两个角度：一个是资产，或者说二级市场，用传统的技术面和基本面分析；另一个是币圈特有的指标。
币圈的技术分析有自己一套指标，有些跟股票类似，比如上升趋势线、下降趋势线、超买超卖等等。还有一些是币圈特有的，比如MV、RV、彩虹带、逃顶指数等等，具体内容可以上网查。现在看币圈的指标，比特币这轮涨幅可能才到半山腰，还没到过度贪婪或者需要抛售的时候。
基本面更多理由在于联储降息和美元政策。现在降息周期刚开始（但是特朗普上台后，通胀预期可能再次升高，降息周期进入不确定时期），再加上比特币ETF获批，它成了场内可交易资产，很多企业、养老基金、共同基金可能会把比特币纳入资产配置。资产配置理论认为，如果美国所有金融资产持有者都配置一定比例的比特币，价格会暴涨。还有，比特币越来越进入传统金融领域，持有者越来越多。这些因素一起推高了比特币价格。
但说白了，目前更多是FOMO（害怕错过）心理。但长期资产配置论影响可能更深。换句话说，如果资产配置没发生，比特币长期来看可能没大家想的那么高。这很可能是决定比特币长期走势的关键。
(00:15:08): Polymarket
Polymarket是本次大选中的网红之一——不仅反映了市场情绪，也对选情产生了实际影响。Polymarket的赔率变化就像实时民调，影响着人们的心理预期。它跟传统的民调和新闻不一样，可以实时更新数据，差不多每秒一次，能更及时地反映市场情绪。而且，Polymarket的下注变化也会影响人们对选情的看法，形成一个循环。
传统投票是用笔在纸上画圈，Polymarket是用钱投票，比传统投票更需要认真分析。这不仅影响大选结果，影响力也跟社交媒体差不多，甚至可能更大。Polymarket通过大数据和人工智能分析发言倾向，不仅数量上有优势，而且用真金白银做指标，影响力更大。甚至可以成为社会治理的新模式。
(00:20:10): 加密票仓
币圈对特朗普的支持及其对美国大选的影响存在争议。虽然币圈的影响力不及马斯克个人，但马斯克对狗狗币的支持，加上特朗普对狗狗币的回应，使得币圈对特朗普和美国大选产生了一定的影响。
加密货币的兴起也催生了新的“加密票仓”。这个群体年轻、男性、少数族裔居多，政治参与度高，而且普遍支持特朗普。民调显示，超过一半的加密货币持有者支持特朗普，仅约30%支持哈里斯。而且，几乎所有持有加密货币的选民都计划投票，这使他们成为两党争取的关键群体。
共和党对加密货币的支持力度很大。特朗普表示支持比特币在美国开采，并接受加密货币捐款。部分共和党议员甚至提议建立比特币战略储备。民主党则相对谨慎，但也有支持加密货币的声音。例如加州州长加文·纽森（Gavin Newsom）、伊利诺伊州州长J.B.普里茨克（J.B. Pritzker）、宾夕法尼亚州州长乔许·夏皮罗（Josh Shapiro）——积极推动加密货币发展，吸引加密公司落户。
“加密票仓”的积极投票，成了本次选举的关键因素。
(00:26:15):为什么特朗普要支持加密货币？
特朗普支持加密货币的原因有很多。从政治角度来看，可能看到了加密货币用户的热情和对放松监管的渴望。为了争取选民，公开表示支持加密货币。对比特币的认知加深，例如比特币ETF的出现，也推动了这一趋势。
在比特币大会上，特朗普的演讲虽然主要抨击民主党，但也引发了人们对“比特币是否是美元敌人”的思考。他认为只有政府行为才会危害美元，而不是比特币本身。如果把比特币看作数字黄金，它与美元的关系本质上并没有改变。特朗普的表态似乎表明，美国政府可以通过接纳和利用，而不是对抗，来控制比特币。这标志着美国对加密货币态度的转变。
自从比特币ETF出现后，传统金融机构的态度也在转变。早先，他们试图“驯服”比特币（早在2018年，CME的主席曾表示“we will tame bitcoin”）。但随着政府的支持，比特币的地位提升，传统金融机构也开始重新评估与加密货币的关系。
懂王加持不仅推动了短期市场上涨，更可能长期重塑美国乃至全球金融格局：假设未来比特币价格飙升至一百万，并被锚定为美元的一部分，这是否会强化美元的地位并维持其全球霸权？不排除比特币也许将在未来金融体系中扮演更重要的角色，它与美元的关系也将更加复杂和紧密。
(00:33:10): 比特币对维系美元霸权是有促进作用还是有破坏作用？
存在分歧：有些认为比特币是去中心化货币，它的出现可能会影响美元地位。有些认为锚定美元后可能强化美元地位，维系美元霸权。任何货币的出现，首先需要市场先接受。美国开始审慎观察，这符合资本主义市场经济发展规律。任何事物包括货币形态出现时，他们会在市场上表现，如果能被市场接受，政府就会将其背书成为法定货币，如果市场不接受，它就会被淘汰。美国一直不打压加密数字货币，也不提倡自然发展。美国采取了许多监管措施，这表明市场已经接受加密数字货币。政府现在已经到了这个阶段，很可能将其转化为法定数字货币。
目前，许多美国大金融机构已经接受加密货币作为资产配置的一部分，如果它纳入正规金融体系，可能会成为美元支付体系的另一部分。如果加密数字货币已经成为与传统金融市场平行的金融市场，美国必然会重新把握霸权，不可能放弃。
(00:35:35): 比特币如何增加美元霸权？
货币的本质是共识。美元的霸权地位受到挑战，部分原因是美国过度借债和增发货币，导致美元共识削弱。过去，布雷顿森林体系将黄金的共识转移到美元上。现在，如果美国通过比特币ETF等方式使比特币与美元自由兑换，相当于将比特币的共识嫁接到美元上，这可能强化美元地位。
这类似于将比特币视为“数字黄金”。不同的是，黄金通过固定汇率巩固地位，而比特币则通过现代金融工具融入主流体系。当前，各国减少对美元依赖，使用本国货币结算，进一步削弱了美元主导地位。特朗普支持比特币，不仅可以寻找替代黄金的新资产，还能通过比特币的合法化和普及增强美国在全球金融体系的影响力。
全球范围内，各国增加黄金储备，也表明美元霸权面临挑战。如果比特币被纳入美元体系，既满足了对新型资产的需求，又维持了美元地位。比特币对美元霸权的影响在于它能通过现代金融工具融入主流体系，既满足对新资产的需求，又可能巩固美元地位。但其中风险和复杂性需要谨慎对待，未来发展仍不确定。
(00:44:30): 美元的问题比特币能解决吗？
即使美元与比特币绑定提升共识度，也难以完全恢复美元的强势地位。根本问题在于美元超发严重。解决这个问题的关键是降低美元超发量和偿还外债。特朗普的政策重点也在这方面，例如调整税收和经济政策、减少对外援助等，这些比与比特币挂钩更重要。
美债超发是因为美国维持其国际地位的成本过高。即使比特币价格上涨十倍，相对于美元的全球规模，影响仍然有限。正如特朗普所说，美元的敌人是美国政府自身的行为，而不是比特币。恢复美元信心，关键在于解决美国自身的经济和政策问题。
然而，美国拥抱加密货币会带来新变化。在全球去美元化的背景下，各国建立本币联盟进行贸易结算。但这些国家仍需选择结算方式。美国开放地建立了美元与比特币的直接兑换关系，甚至支持比特币ETF。
以USDT为例，美国对其相对宽容，因为它实质上促进了美元在全球的流动。USDT的规模已达数千亿，甚至开始创造信用——这边是美国不会发展央行数字货币的原因。如果美国持有100万枚比特币，按当前价格计算价值900亿美元，未来若比特币涨到100万美元/枚，则价值上万亿美元，接近美国黄金储备规模。
尽管如此，即使比特币能替代黄金，按货币乘数理论，这仍难以完全支撑现有美元体系，但可以作为一个重要的缓冲池。
(00:51:46): 比特币被华尔街收编，会失去其特殊性？
美国会利用加密货币建立新霸权，发动金融战吗？可能性不大。美国拥抱比特币的重点不在于比特币本身，而在于其规则制定者的身份。就像在美元、世贸组织等领域一样，美国的目标是在加密世界也制定规则。比特币ETF的通过对整个行业影响巨大，美国正逐步成为加密世界的规则制定者。
一个可能出现的结果是：比特币的规则将不再由加密圈定义，而是回归华尔街的金融逻辑。短期内，比特币价格可能上涨，但长远来看，比特币可能会失去特殊性。
美国如何达成制定规则的目标？比特币ETF是第一步——比特币ETF的获批标志着加密世界历史性转变的开始。其中有两个重要逻辑：
第一，金融资产的交易逻辑。美国比特币ETF是现金结算的，这意味着只能用美元买卖ETF份额，而不能提取比特币。这使得美国对美元与比特币价格建立了单向影响力。随着ETF规模扩大，场内交易将主导比特币价格。最终，比特币价格将由美股ETF决定，而非加密世界。
第二，比特币的安全性。随着比特币减半，矿工的利润依赖于比特币价格上涨和链上交易手续费。但随着ETF规模扩大，更多比特币被储存在美国人手中，链上交易减少，矿工收益和算力可能下降，比特币网络安全性可能降低。
如果比特币价格和安全性都被美国控制，对比特币是福是祸？
或许会有新的区块链继承加密精神。美国的法治和开放决定了其追求规则制定权。美国通过比特币ETF，实际上是接受了比特币的POW机制。但当美国控制大量比特币和算力时，格局将发生变化。
要看清事物的本质，应该关注实际行动，而非媒体报道：金融从业者对市场反应最快，其次是加密媒体，再是主流媒体，最后才是学者。关注资金流向和实际行动才是可靠的判断依据。只要世界仍由人构成，这些规律就永远存在。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
一个简单的符号游戏如何揭示数学的本质？什么是“同构”？“形式”和“意义”到底是什么纠缠关系？为什么1+1=2？为什么1+1=2是数学的基础？OK，1+1=2，然后呢？量子、数学与人类之间有什么三角关系？
请听本期烧脑。
本期剪辑：小碗
时间戳：
（00:02:05）如果用ChatGPT来解读 “WJU”
（00:12:02）阿基里斯和乌龟又抬杠：芝诺悖论的数学与逻辑延伸
（00:22:58）“pq系统”：这是一个伟大的章节，献给那些不知道“2-1=1”的人
（00:27:09）为什么这么无聊的游戏（pq定理）是一个伟大的定理？
（00:53:35）上帝之问：为什么1+1等于2？
（00:57:30 ）图灵测试：一场主观的“游戏”
（01:06:46）量子、数学与人：人类骨子里就有数学？
文字稿：
1.如果用ChatGPT来解读上一章出现的“WJU”（英文版“MIU”）谜题，它会怎么解释？（00:02:05）
这个谜题在英文版中被称为"MIU"，而在中文版中则被翻译成了"WJU"。ChatGPT如何理解这种差异？它能否理解这些字母背后的隐含意义？
ChatGPT首先准确描述了"MIU"作为形式系统的规则，并解释了为什么无法推导出"MU"——表明它对形式系统的规则和推演过程有着清晰的理解。
再问为什么中文版变成了"WJU"时，ChatGPT声称"WJU"是更适合中国读者的翻译，但无法解释原因。更有趣的是，当用瞎编的"WKV"版本误导ChatGPT时，它竟然毫无保留地接受并应用了这个规则。
测试表明，ChatGPT对形式系统有着强大的掌握能力，能够理解和应用规则，无论字母如何变化。但它无法理解这些字母背后的隐含意义。“MIU”中的每个字母对应着英文单词的首字母，而"WJU"则对应着中文发音——这种人为赋予的意义超出了ChatGPT的理解范围。
这个实验引出了一个深刻的问题：
人工智能如何理解“意义”？AI可以精通形式，但对“意义”的理解仍然是一个巨大的挑战。就像一个精通语法规则的语言模型，却无法理解语言背后的文化和语境。
2. 阿基里斯和乌龟又抬杠：芝诺悖论的数学与逻辑延伸。（00:12:02）
这段抬杠是芝诺悖论在数学和逻辑两个维度上的体现。
故事中，阿基里斯终于追上了乌龟，乌龟却将话题引向了欧几里德定理的逻辑证明。乌龟故意抬杠，表示只接受定理的前提，而不接受推导出的结论。为了说服乌龟，阿基里斯不得不将“接受推导”本身也作为一个前提加入证明。然而，这却掉入了乌龟的陷阱——乌龟故技重施，拒绝接受新的“接受推导”前提，迫使阿基里斯不断添加新的前提，形成了无限循环的逻辑怪圈。
乌龟这种论证方式称为“无限回归”，即一个命题的证明依赖于另一个命题，而这个命题又依赖于另一个命题，无休无止，无法找到最终的起点。
这段对话揭示了数学和逻辑之间微妙的关系。芝诺悖论在数学中可以通过“无穷小”的概念得到解决，因为它与现实世界息息相关。而逻辑上的无限回归却可能永远纠缠不清，无法得出明确结论。
卡罗尔的这段故事以及后续的PQ系统，都在暗示着数学比逻辑更接近真实。我们习惯于依赖逻辑思考，但卡罗尔的故事却提醒我们，逻辑并非完美无缺，甚至可能陷入无限循环的泥潭。相比之下，数学虽然建立在逻辑基础之上，却能够通过与现实世界的联系，找到解决问题的方法，得出更可靠的结论。
这段看似荒诞的对话，实际上引出了GEB这本书的核心议题：数学与逻辑，究竟哪一个更能代表真实？哪一个更能揭示世界的本质？
3. “pq系统”：这是一个伟大的章节，献给那些不知道“2-1=1”的人。（00:22:58）
和上一章的格式类似：本章也介绍了一个形式系统，也是侯世达老师自己的发明，叫做“pq系统：。
这次炫出了“pq谜题”，真的把我绕烦了。（想起百观Robert老师的一句话：阅读GEB越深有感触，这更像是一个青年才俊的一个上头的炫技项目）——仔细想想颇有道理，所以还是不要纠结内容细节罢。
用我自己的小白语言简单解释一下“pq系统”：
·比如Will老师设计了一套符号游戏，游戏中有三个符号：“p”代表“加”（plus）；“q”代表“等于”（equal）；“-”代表数字（1）。
·然后Will老师用这些符号写了一个符号串：“--p---q-----”，也就是“2 + 3 = 5”，这是数学中的加法，是有意义的。
·我觉得我也行，于是给符号取了新的意意义：“p”代表“开心”，“q”代表“马”，“-”代表“苹果”。于是上面同样的符号串，解释就变成了：“两个苹果开心三个苹果马五个苹果”——听起来就是喝醉了的胡说八道，没有任何数学意义。Will老师的设计就是有意义的解释；而我设计的就是无意义的解释。
·如果把这些符号都换一种意义：“q”代表“减”；“p”代表“等于”；“-”代表数字“1”：那新的符号串：“-----q--p---”就是“5减2等于3”，也是一个有意义的、真实的数学陈述。
·这说明了啥？符号不是唯一的解释：关键看你给他赋予什么值，能不能解释现实世界。
4.问题来了：为什么这么无聊的游戏（pq定理）是一个伟大的定理？（00:27:09）
这一章可以说是整本书的核心内容之一。
侯世达通过这个看似无聊的系统，试图解释形式与意义之间的关系，这与罗素在《数学原理》中用数百页来证明“1+1=2”有异曲同工之妙。
“pq系统”本质上是一个形式系统，就像MIU或WJU系统一样，它有初始状态和变换规则。这个系统可以自然存在，并能推导出无数包含“-”（横杠）、“P”和“Q”的“定理”。但关键问题在于，这个系统的意义何在？
如果我们将“-”（横杠）解释为数字，P解释为加法，Q解释为等号，那么这个系统就变成了自然数加法系统。但如果我们给它赋予其他含义，比如"苹果开心马"，那么它就失去了数学意义。
这里出现了一个矛盾：形式系统的解释似乎与系统本身的推导过程无关，而解释的合理性又需要人来判断，而非系统本身。
这引出了本章最核心的问题：形式与意义之间的关系是什么？侯世达给出的答案是"同构"（isomorphism）。当我们能够在形式与意义之间建立同构关系时，我们就给出了形式系统的一种解释。这种解释可能有多种，有些可能有意义，有些可能没有。
从人的角度来看，形式系统是否有意义的关键在于能否建立同构关系。正如侯世达所说，"同构产生意义"（Isomorphism Induces Meaning）。这个看似简单的概念实际上揭示了一个深刻的问题：意义本身如何定义？我们如何确保彼此理解的意义是一致的？
恰恰在这里，形式系统发挥了巨大作用。因为形式系统是客观存在的，我们都能看到相同的符号，所以它可以成为讨论和传播意义的有效工具。这与语言的功能类似，语言本质上也是一种用于交流的形式系统。
所以，这一章虽然内容简短，但涉及的是人类思维的一个永恒话题。在当前人工智能的大讨论中，这个话题又被重新提起。例如，我们在讨论ChatGPT是否真正理解人的思维，还是仅仅在进行形式符号的堆砌时，实际上就是在探讨形式与意义之间的关系。
5. 当我们遇到一个完全陌生的形式系统，并希望发现其中隐藏的含义时，该如何行动？（00:39:36）
答案是：找几个符号，并为每个符号赋予有意义的解释。这意味着要在"陈述"和"定理"之间建立一个更高层次的对应关系，就像为想要解决的问题找到一个更高层次、更抽象的“平行宇宙”。目标是让这个抽象世界能够反映或"同构"出现实世界。
在这个过程中，选择什么符号，以及使用什么规则都是有高度目的性的。就像侯世达设计的pq系统一样，同构并非偶然发生，而是因为他有意设计了一种通过符号形式反映加减法的方法。一旦这个符号世界被创造出来，它就与现实世界或数学世界独立存在。即使我们不知道2加1等于3，"--q-p-"在这个游戏中依然是一个有效的定理。
"同构"在GEB中定义是：保存信息的变换。两个复杂结构可以互相映射，并且每一个结构的每一部分在另一个结构中都有一个相应的部分。
这里"相应"的意思是：在各自的结构中，相应的两个部分起着相类似的作用。到现在为止，我们已经在这几章中看到很多例子了：三部创意曲、巴赫的音乐、pq/wu游戏和形式系统。
换成人类语言理解：两个东西像照镜子一样，形状可以不一样，但里面的结构一模一样。比如，把巴赫的音乐和三部创意曲比喻成两幅图画，音乐中的和弦和色彩学中的色彩搭配，虽然一个是声音，一个是颜色，但它们在给人的感觉上可能是一致的。一个公司的组织架构和一棵树的结构，虽然完全不同的领域，但是结构上却相似。
问题的表象下隐藏着与之同构的理论实质。我们需要了解抽象的本质，而不仅仅是现象。在符号传播意义的过程中，某些符号的"能指"和"所指"之间的"意指关系"具有唯一性和固定不变的特性。
这意味着某些符号的社会意义不可随意变更，是唯一的，是被意识形态强制赋予的。公众往往不会留意这个意义是如何产生的，而是直接认同了这个意义，并将之视为"自然而然"的社会法则。
6. 说到“自然而然”的“强制法则”，我们就来到了那个上帝之问：为什么1+1等于2？（00:53:35）
为什么1+1=2？而不是34567呢？我们从小就知道一个苹果加一个苹果等于两个苹果，但为什么"1"可以代表一个苹果？为什么"+"可以代表把两个东西放在一起？为什么两个"1"放在一起就变成了"2"？
这就涉及到了数学的基础问题。
在数学世界里，我们需要一些基本的规则。规则就是不需要证明的公理，就像数学世界里的"自然规律"，我们必须相信它们总是成立的。根据这些公理进行逻辑推理，推理的结果就上升为定理。
例如，要证明1+1=2，我们首先需要对1和2，也就是自然数给出定义，比如意大利数学家皮亚诺为了对自然数给出严格的定义，给出了5条公理。然后，我们需要给"+"一个定义，说明什么是加法。
这种严谨的数学推导过程可能会给人一种"数学就是不好好说话"的感觉。但实际上，这种严谨性是必要的。1、2、加减乘除运算在数学上都是抽象的概念，必须从逻辑的角度出发去证明。罗素和怀德海在《数学原理》中耗费了大量篇幅来证明这些看似简单的概念，他们的工作看似没有什么意义，实际上夯实了现代数学大厦的稳固性。
数学家们一直在探索一个"理想的数字世界"，在这个世界里，数字和规则都是完美无缺的。他们想知道，我们能否用符号和规则完全地描述这个理想的数字世界。
这种追求严谨和基础的方法，体现了数学思维的独特之处，也揭示了许多看似简单的问题实际上包含了非常复杂的内核。无论是多么小的问题，都有探究它的意义。
7.图灵测试：一场主观的“游戏” （00:57:30）
图灵测试是一个广为人知的概念，简单来说，就是让专家去问问题，然后判断回答的是人还是机器。这个测试本身值得仔细琢磨，它真的客观吗？
图灵测试实际上给出了人工智能的一个定义角度：如果大部分人认为是这么回事，它就是这么回事。如果大家都觉得它有人的智能，那它就有。
换句话说，我们无法用公式或者代码来定义什么是人工智能，因为一旦我们能做到，那就等于已经创造出人工智能了。所以人工智能能否实现，是无法确定的，因为它不能被形式化定义。如果能，那这个描述本身就已经实现了智能。
这意味着智能这个概念只能由人来判断，它不是一个客观的形式化标准。因此，讨论某个系统是否实现了人工智能本身是没有意义的，因为最终还是需要人的主观判断。意义永远只存在于人的思维中，而不在机器那边。
8. 形式与意义的无尽追逐：谁才是最终的解释者？（01:00:02）
数学中有一个分支叫做模型论，它研究的是如何解释形式系统。这听起来像是一个悖论：如果解释本身也能被形式化，那它不就又变成了另一个需要被解释的形式系统了吗？如果解释也能被形式化，那它还是个形式系统，哪来的解释？
模型论得出了一个有趣的结论：没有任何形式系统能够完全准确地描述数学本身。任何试图定义数学的形式系统，都至少会有两种解释：一种是我们熟悉的数学，而另一种则是未知的。这就像是一个永远无法逃脱的怪圈，形式系统无法完全定义自身的意义。
哥德尔不完备性定理也揭示了类似的困境：任何足够复杂的逻辑系统都无法证明自身所有为真的命题。这意味着，形式系统永远无法完全捕捉到人类思维的全部内容。
那么，谁才是最终的解释者呢？现代数学和逻辑学似乎都指向了一个答案：人类。只有人类拥有赋予一切以意义的能力；只有人才拥有对一切的解释权。这是一个循环的怪圈，也是GEB这本书想要探讨的核心问题。
更深一层思考，"重构"或许才是世界运行的底层逻辑。如果世界不能被不断地重新解释、重新定义，那么存在本身就失去了意义。重构甚至可能比存在和意识更为 fundamental，因为我们对世界的所有认知，本质上都是对存在和意识的不断重构。
人工智能试图用一系列形式化的规则来模拟人类思维的灵活性。然而，规则本身是僵化、死板的。为了让机器更像人，我们就需要不断地添加新的规则，形成层层嵌套的复杂结构。但这又引发了一个新的问题：这些规则的最终来源是什么？
或许，智能的本质是一个能够包含并改变自身规则的循环系统。只有当机器能够像人类一样，不断地反思、质疑和重构自身的规则时，才有可能真正接近人类智能的奥秘。
9. 量子、数学与人：生命本质的三角迷思（01:06:46）
薛定谔提出了一个引人深思的观点：生命本质上是一种量子现象。这一想法将微观世界的奥秘与人类的存在紧密联系在一起。
量子力学在微观世界展现出惊人的数学性质，甚至挑战了我们对客观实在的理解。量子似乎决定了生命的存在，包括人类。
这个观点引发了一个有趣的思考：为什么人类能够理解和运用数学？也许是因为量子决定了我们的存在，而量子本身又遵循着独特的数学规律。这就像是一个精妙的循环，量子、数学与人类形成了一个相互关联的三角关系。
这种关系可能解释了为什么人类似乎天生就具有数字概念。我们对数学的直觉可能不仅仅是文化习得的结果，而是反映了更深层次的宇宙规律。
人类骨子里就有数字，这或许就是客观世界的规律。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
我们的几个奇怪的主人公终于登场了！一只乌龟、古希腊英雄阿基里斯、芝诺。后面章节中还会出现几个奇怪的角色，包括螃蟹。
这就是GEB著名的招牌结构：在每个章节前，侯世达老师会编一篇对话小故事，把内容引出来。这也是我每一章最爱看的部分，因为相对容易懂。
侯式幽默，虽然有时很冷，但是每个对话都回味无穷，看完这个小故事，带着印象进入下一章，读完后再回来重温一下，方知其奥妙之处。有时会恍然大悟，原来对话中另有玄机；但有时文科生上头，也会想：侯世达老师炫技有点儿过了，让读者觉得智商堪忧可能并不是一件好事。但是，侯世达老师并不care读者智商的承受能力。
上一期留了一个悬念：提到了图灵机——他和哥德尔不完备定理有啥关系？哎别说，那还是很有关系的，不仅有关系，还能带出到底“什么是智能”的一些深层哲学。
本期和大家解读的第一章内容，也是层层嵌套的绝活儿，不仅带出了第二次数学危机，也带出了整个数学大厦、计算机人工智能最重要的基础，地基——形式系统。
大家可以对比一下，听本期播客之前之后，分别能在这一章中找出多少“梗”？
本期剪辑：小碗
本期烧脑提纲：
·(00:06:22) 全书和大家见面的第一篇对话是《三部创意曲》。
·(00:09:26) 这么一篇奇怪的对话，到底埋了多少梗？为啥叫“三部创意曲”？
·(00:18:26) 芝诺禅宗谐音梗，你看出来了吗？
·(00:23:39) 什么是形式系统？
·(00:30:22) 用国际象棋举个例子
·(00:36:21) 侯氏龟能梦电子龟吗？
·(00:42:27) MIU还是WJ？
·(00:48:56) 机器能“跳出系统”吗？
·(00:56:52) 大梗来了
·(01:02:14) 哥德尔和图灵机：人工智能的极限是什么？
文字稿和时间戳：
(00:06:22) 全书和大家见面的第一篇对话是《三部创意曲》。
对话开始于阿基里斯和乌龟对一面奇特旗子的讨论：
“阿基里斯和一只乌龟站在尘土飞扬的跑道上，烈日当空。在跑道的另一端，有一根高高的旗杆，上面挂着一面长方形的大旗，整面旗子是红色的，但上面有一个环状的狭缝，透过狭缝可以看到天空。这个环形切口呈阿拉伯数字‘零’的形状，这是芝诺最喜欢的数字。”
这么一小段开头，信息密度极大：里面包含了：芝诺悖论，第二次数学危机的内涵——也就是无穷小他到底是不是零？
接着，旗子动了，乌龟和阿基里斯莫名其妙地开始讨论到底是风动还是幡动。（埋梗）
然后芝诺就溜达着路过了，说：“你俩别争了，什么都没动。我发现了一个伟大的定理：运动从本质上说是不可能的。这个定理可以推导出一个更伟大的定理——芝诺定理：运动无有。”
芝诺继续说道：“我的师傅五祖教导我，真如即一，具有不变异性，万象的动迁变化都是感官的幻觉。因此，阿基里斯永远追不上乌龟。”
乌龟点题道：“论证‘运动不可能’的命题是通过芝诺的‘二分悖论’证明的：如果想从A点到B点，必须先走完A到B的一半；要走完这一半，又得先走完这一半的一半。如此无限细分下去，当然永远无法到达B点。”
阿基里斯表示质疑，芝诺说：“不信你就试试。”于是，阿基里斯和乌龟开始了那场著名的赛跑。
(00:09:26) 这么一篇奇怪的对话，到底埋了多少梗？为啥叫“三部创意曲”？
GEB这本书可谓是步步埋梗，信息量超大。短短一小段故事就包含了好几个知识点，炫技炫出天际。
"三部创意曲"这个标题本身就是个妙招。它源自卡罗尔的著名文章《乌龟跟阿基里斯说了什么》，侯世达将其视为"二部创意曲"。这里暗藏玄机，因为巴赫恰好有15首二部创意曲，是早期钢琴独奏中两个声部的配合，听起来就像两个人在对话。
侯世达借此给卡罗尔的文章冠名，暗示乌龟和阿基里斯的对话。然后，他更进一步，加入了芝诺，形成了三人对话，于是就有了"三部创意曲"，又恰好对应巴赫的另外15首三声部钢琴独奏曲。这一招既致敬了卡罗尔的故事，又向巴赫的作品致敬，可谓是青出于蓝而胜于蓝。
侯世达又在小对话开篇引用了埃舍尔的莫比乌斯带画作。这一手更高明，因为他在短短几行字里就把"哥德尔（数学）、埃舍尔（艺术）、巴赫（音乐）"这三个领域都巧妙地带出来了。这种炫技手法贯穿全书，读者会不断发现各种梗，有时甚至会觉得有点跑题。但这恰恰体现了侯世达的写作特点——不完全是为读者服务的，更多的是为了自己写得开心，就像我们做播客一样，重要的是自己聊得爽。
从写作风格来看，这本书既不遵循“金字塔原理”，也不遵循“坡道原理”，而是采用了“散文”方式——形散神不散。侯世达东一榔头西一棒槌，到处炫技、到处埋梗，但归根结底还是围绕着GEB、数学、逻辑和人工智能这条主线——讲数学时一定会提到音乐和美术，讲音乐时一定会涉及数学和绘画，讲绘画时也一定会联系数学和音乐。他不关心读者是否能跟上，完全是在抒发自己的感情和想象，想到哪写到哪。每一章都充满了高难度的概念，比如第二章就直接引入了MIU形式系统，对于不熟悉的读者来说可能会感到劝退，但侯世达老师不care。
(00:18:26) 芝诺禅宗谐音梗，你看出来了吗？
芝诺悖论，看似在说运动不存在，其实它触及了更深层的数学概念：无穷与有穷、离散与连续、无穷小等等。这些问题属于第二次数学危机的范畴，最终通过微积分和极限的概念得以解决。
更妙的是，卡罗尔在他的文章《乌龟跟阿基里斯说了什么》中，提出了一个更具颠覆性的观点：逻辑本身也存在无穷倒退的状况。这个观点巧妙地将芝诺悖论与自我指代、逻辑循环、怪圈联系起来，进而触及了第三次数学危机的核心——逻辑的困境。
侯世达在书中明显地致敬了卡罗尔。在卡罗尔提出这个观点之前，虽然哥德尔不完全性定理和罗素悖论已经出现，但很少有人将芝诺悖论与第三次数学危机（也就是逻辑问题）联系起来。卡罗尔能有如此独特的视角，实在令人佩服。
我们都知道芝诺悖论讲的是阿基里斯追不上乌龟，看似在讨论运动的可能性。但实际上，它所蕴含的深意远不止于此。侯世达将这个话题称为“三部创意曲”，这个命名本身就很有意思，更重要的是它背后所蕴含的深刻思考。
说到有意思，侯世达还玩了个谐音梗。还记得对话开头，乌龟和阿基里斯莫名其妙地开始讨论“风动还是幡动”吗？
在英文原版中，侯世达故意把“Zeno”（芝诺）和“Zen”（禅）搞混，制造了一个关于芝诺和禅师的笑点。可惜这个梗在中文翻译中无法体现，只有读英文版的读者才能get到他的幽默。
说到翻译，侯世达本人也参与了这本书的深度翻译工作。这本身就是件很有意思的事，尤其是在处理像“Zeno”和“Zen”这种难以直译的文字游戏和双关语时，更显功力。
(00:23:39) 什么是形式系统？
第一章名为“WU谜题”。
侯世达没有直接解释什么是形式系统，而是设计了一个名为“WU”的谜题，通过这个谜题让读者尝试解答——最终发现根本无解。通过这个谜题，侯世达试图引出并解释形式系统的概念——GEB全书的中心概念之一。
形式系统到底是什么呢？
核心理念其实很简单：一切都是形式系统（听君一席话，如听一席话式定义）。比如，人类语言就是一种形式系统。语言的语法规则，主语、谓语、宾语的排列组合，都是形式系统的一部分。从语法的角度看，句子的结构不过是符号的排列组合。而这些符号的排列组合如果符合一定的规则，就能产生有意义的语言。
例如，“我打球”是一句符合语法规则的句子，而“我苹果”则不符合，因为两个名词连在一起没有意义。通过语法规则，我们可以禁止不符合规范的组合，从而使语言变得有意义。
如果我们把所有的语法规则列出来，那么语言就变成了符号串的组合方式。同理，计算机语言由0和1的组合构成；音乐由音符和节奏的组合构成；美术作品由像素点的组合构成。这些都是形式系统。
形式系统的根本在于初始元素以及它们的排列规则。无论是语言、计算机代码、音乐还是美术，它们在形式系统的本质上没有区别。形式系统的理念是，世间万物皆为形式系统，一切都是形式系统，这种观点确实具有很大的杀伤力，因为它揭示了万物的本质。
形式系统是一种透过初始元素及其规则来理解世界的方法。而《哥德尔、埃舍尔、巴赫》这本书，正是通过形式系统的视角，带领我们进入一个跨学科的智力盛宴。
(00:30:22) 用国际象棋举个例子
世间万物皆为形式系统。乍一听可能觉得难以置信，但仔细想想，确实如此。形式系统就像一个隐藏在事物背后的框架，支撑着事物的运作。就像大楼需要钢架支撑一样，我们日常生活中解决问题的策略、思维模式，甚至复杂的数学体系，都可以看作是形式系统。
形式系统包含三个要素：
·形式语言 (Language): 就像我们说话需要词汇一样，形式系统也需要一套符号和语法规则来表达信息。
·公理 (Axioms): 这是一组被设定为真的基本命题，就像游戏规则一样，是形式系统的基础。
·推理规则 (Rules of Inference): 这是用来从公理推导出其他真命题的规则，就像游戏中的操作规则一样，规定了如何在形式系统中进行推理和演绎。
通过这三个要素，形式系统就能像机器一样运作，产生新的定理(Theorems)，也就是从公理推导出来的真命题。用国际象棋来举例：
·形式语言: 国际象棋的棋盘、棋子、每个棋子的走法等，构成了游戏的语言和词汇表。
·公理: 游戏开始时的初始状态，比如棋子的摆放位置，就是游戏的公理，只有满足这些条件，游戏才能开始。
·推理规则: 棋子的移动规则，比如“马走日”，“象走田”等，就是游戏的推理规则，玩家需要根据这些规则移动棋子。
而游戏的目标“将死对方”，就是一个需要通过推理规则和策略来实现的定理。
上期提到：为什么要把很多过程分解成机械、可重复的形式？其实跟形式系统的本质密切相关。如果我们能把某些行为或事情，用形式系统的方式规范出来，那就更容易让人与人之间达成共识，避免很多不必要的混乱和争论。
(00:36:21) 侯氏龟能梦电子龟吗？
为唤起读者的好奇心，侯世达老师给大家贴心地设计了一个小小的谜题：“你能产生WU吗?”。这个谜题如果大家能耐心的读完，并且尝试一下，会发现很妙，很有趣。
我用侯世达同款对话编了一段小故事，可能让大家更容易理解这个”WU谜题”：
这天，阿喀琉斯和乌龟进入了一个名叫”WU迷宫"的迷宫，遇到了一只叫做"meta乌龟"的电子龟。
电子龟塞给了他们一个迷宫引导器，上书两个字母“WJ”。引导器有4条规则：
规则一：如果你有一个以 J结尾的字符串,你可以在它后面再加一个 U。比如 WJ 就可以变成 WJU。
规则二：假设你有 Wx，这里x是任意一个字符串。那么你可以把它变成 Wxx。比如WJU可以变成WJUJU。
规则三：如果你的字符串中有JJJ，你可以用U替换。比如WUJJJU可以变成WUUU。
规则四：如果你的字符串包含UU,你可以把它删除。如WUUU 可以变成 WU。
电子龟问：如果从“WJ”开始，能否通过有限步骤，走出迷宫，得到“WU”？
这就构成了一个典型的形式系统：它有明确的符号(W,J,U)、公理（WJ）和推理规则（规则1-4）。 阿喀琉斯和乌龟试图用这些规则去推导WJ，发现他们无论如何都无法从WJ推导出WU，而是不断地陷入"WJ-WJU-WJUJU-WJU-WU-WJ"的循环，无论如何都会陷入循环，都会回到原点WJ。
对此meta-乌龟给出了令人费解的禅宗式回应。它说："WU”。一头雾水，再追问，还是只说"WU”。惜字如金。
乌龟突然一拍脑袋，对阿基利斯说： "WU"在禅宗中代表一种超越二元对立(如是与非、对与错、有与无)的智慧境界，电子龟再暗示我们不要执着于WJ和WU之间的逻辑纠缠，而应该跳出这个系统，用更高的智慧去看待问题啊！
好了这个莫名其妙的故事讲完了。
这个“WU的谜题”到底想说明什么？
(00:42:27) MIU还是WJ？
侯世达在介绍形式系统时，首先想传达的是"万物皆形式系统"这一理念。他希望读者明白，形式系统并非高深莫测，也不一定与数学、逻辑学或哲学挂钩。即便是简单如WJU这样仅有三个字母的系统，也是一个典型的形式系统。虽然它无法与人类语言、绘画、音乐或计算机系统相提并论，但麻雀虽小，五脏俱全，完全符合形式系统的基本条件。
这个简单系统的构造颇有意思。有趣的是，英文原版中这个形式系统叫MIU，而中文版则叫WJU。这里面大有文章：
MIU代表Mechanical（机械的）、Intelligent（智能的）和Un-（否定前缀），分别对应机械式推理、人类智能理解和禅宗的"无"概念。这三个概念与形式系统息息相关。
翻译成中文时遇到了挑战，因为对应的中文词汇首字母与英文不同。于是，译者巧妙地创造了新的对应关系：
·J代表"机"，对应机械方式
·W代表"维"（本应为"唯"，但用了"惟"），对应人类智能、逻辑思维
·U仍然代表"无"，对应禅宗思想
这种翻译方式高度重视表意，但也不可避免地留下了一些"bug"。比如，按照逻辑，中文版应该是JWU而非WJU，以对应英文版MIU的顺序。但为了使开头更接近自然语言习惯，最终选择了WJU。
这种精心设计的翻译反映了侯世达对细节的极度重视，甚至到了"机关算尽"的地步。这本书中类似的细节还有很多，就像《红楼梦》一样，值得细细品味。但若要一个一个都挖出来，那根本挖不完。
(00:48:56) 机器能“跳出系统”吗？
侯世达通过WJU谜题巧妙地揭示了人类思维与机械逻辑之间的本质差异。这个看似简单的谜题实际上蕴含着深刻的哲学思考：人类思维能否被完全描述为一个形式系统？
谜题的关键在于"跳出系统"的能力。当面对无法解决的问题时，人类可以停下来，审视整个系统，发现规则的本质（如J的数量不会减少），从而得出结论。这种能力正是人类智慧的体现，也是区别于机械逻辑的关键所在。
（这里不得不琢磨，“WU”的读音就是“无”，这不就是在暗示要跳出系统，别钻牛角尖么？）
“跳出系统”：能够跳出正在进行的工作，并且看一下已经做了些什么，是智能固有的特点。比如我读GEB，读不下去的时候，搁在一边儿，把灯关掉。我就“出了GEB系统”。
但教计算机“跳出系统”，能教到什么程度呢？
书里举了一个实例：加拿大一次计算机国际象棋比赛，一个下棋不太强的程序，却有一个很牛的特性：它可以远在棋下完之前早早退出。棋下得不太好，但却有预先估计到没有希望的棋局的能力，然后停下，而不是等着另一个程序把它将死。虽然每次下棋它都输，但是输得很有风度，不丢人。
然而，这个例子其实并不完全贴切。因为程序的认输行为很可能仍然是基于预设的规则（如胜率评估）而非真正的"意识到自己在下棋"。
这引发了更深层次的思考：即使我们不断为计算机添加更高层次的规则，试图模拟人类的各种智能行为，是否有可能最终达到人类思维的灵活性？
人工智能工作的奇异之处：通过一系列严格的形式化规则，教会机器如何表现得灵活。然而，这些规则本身是死板的。但是要涵盖所有智能行为，需要各种不同层次的规则。从基本规则到修改这些基本规则的元规则，再到修改元规则的更高层次规则元元规则，都必须存在。
面对生活中千变万化的情况，我们需要多少层级的规则才能涵盖所有可能性？这些规则的堆叠是否有尽头？
更重要的是，人类"跳出系统"的能力与计算机执行预设规则导致的任务终止是有本质区别的。人类可以意识到自己正在某个系统中运作，并主动选择退出或改变视角。而计算机，无论其行为看起来多么智能，本质上仍然是在执行预设的程序逻辑。
（00:56:52) 大梗来了
终极的人工智能不可能论，主要论点在于机器什么时候能认识到自我，才能真正理解自己在一个系统中。这是传统的人工智能理论，而侯世达在他的书中通过一段话揭示了这一点。他写道：
“只有极少数的人有那种眼光看出一个支配许多人生活的系统，而以前却从来没人认为这是一个系统。这些人常就投入毕生的精力去使其他人相信系统确实存在，应该从中退出。”
这段话让你想到什么了吗？
没错，就是《黑客帝国》（The Matrix）。
虽然这部电影是在侯世达的书出版之后拍摄的，但两者的思想有相似之处。可以猜测，《黑客帝国》的导演可能读过侯世达的书，受到了启发。甚至可以推测 “缸中之脑”这个概念，虽然在GEB获得普利策奖之前已经存在，但侯世达可能是第一个系统性提出这一理论的人。
整个GEB都围绕一个核心理念展开，那就是“怪圈”。侯世达认为，人类的自我认知就是一个怪圈，而这个怪圈正是智能的核心。这本书的前两章已经埋下了无数的梗、暗线和隐喻，揭示了这一理念。
哥德尔不完全性定理是一个超级怪圈的典范。哥德尔通过数学方法证明了形式主义和逻辑主义的不成立。然而，哥德尔不完全性定理本身却是形式主义的巅峰之作，它用数字化的方法将形式符号编成数字来进行证明。哥德尔数的概念将形式符号量化，这种方法也可以用于推导其他形式系统，如WU谜题。
(01:02:14) 哥德尔和图灵机：人工智能的极限是什么？
图灵机本质上是一个概念性的计算机，它可以被看作是一个典型的形式系统，包含符号、初始状态和生成规则。它虽然简单，但理论上可以模拟任何计算机程序的运行。
哥德尔不完全性定理指出，任何包含基本算术的形式系统都必然存在一些命题，它们是真命题，但在这个系统内部却无法被证明。
那么问题来了：图灵机作为一种形式系统，是否也符合哥德尔不完全性定理？
首先，我们需要明确图灵机是否能够进行基本的数学运算。如果我们假定它可以，那么根据哥德尔不完全性定理，图灵机内部也应该存在一些无法被证明的真命题。
图灵本人提出的“停机问题”似乎印证了这一点。停机问题指的是，是否存在一个程序能够判断任意程序是否会在有限时间内停机。图灵证明了，这样的程序并不存在。
从形式上看，停机问题和哥德尔不完全性定理的表述非常相似。停机问题可以被看作是一个无法判断自身是否停机的程序，这与哥德尔不完全性定理中那个无法证明自身真伪的命题类似。
虽然很多人认为图灵停机问题和哥德尔不完全性定理是等价的，虽然这种说法并不严谨，其中涉及到很多细节问题，但不可否认的是，图灵停机问题确实与哥德尔不完全性定理存在着千丝万缕的联系。
如果我们能制造出图灵完备的计算机系统，是否意味着我们就能创造出人工智能？
对于这个问题，学界存在两种截然不同的观点：一种观点认为，只要计算机系统的规模足够大，就能够模拟人类智能。另一种观点则认为，计算机系统本质上只是一个逻辑系统，而哥德尔不完全性定理已经证明，逻辑系统无法推导出真正的数学或人类智能，更不可能拥有自我意识。
这两种观点的争论一直持续至今，尚无定论。
但无论是哥德尔不完全性定理还是图灵停机问题，都揭示了一个共同点：即使强大如计算机，也存在着无法逾越的“墙”，即“不可计算性”。
正如哥德尔不完全性定理表明，即使在完美的数学大厦中，也存在着逻辑无法触及的角落。图灵停机问题则更进一步，它直接在图灵机这一强大的计算模型中，展示了“不可计算性”的存在。
而人类，作为创造出这些概念的思考者，似乎能够跳出这个“怪圈”，从更高的维度俯瞰这一切。
或许，这正是人工智能与人类智能之间最根本的差异所在。人工智能始终受限于自身的逻辑系统，而人类却能够凭借直觉和意识，超越逻辑的藩篱。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
前一集已经成功把大家拉下水了，还有几位朋友给我发了新买的GBE的照片。那就welcome to 天坑，欢迎和我们一起填天坑。无论后面发生了什么都不要怪我们，就当给大脑来了一次铁三训练。
本期和大家聊一聊导言。我读的大部分书，都会直接从第一章开始，几乎从来不看导言。但是GEB不一样，《导言》部分是最吸引人的，也是一篇非常精彩的、独立的提纲挈领之作；这是让你脑回路打开的章节。
当然啦，也很有可能，大家和GEB的缘分也永远停留在这一章。
这一章把哥德尔的数学、埃舍尔的画作、和巴赫的音乐丝滑交织在了一起。数学、音乐、艺术这三个领域，精通其中一个已经很难。三个全精通，且能串在一起，发现共同规律，还是得在奇人写的奇书中体会。
本期剪辑：小碗
-----------------------
时间戳：
01:04 《导言》部分：为什么哥德尔的数学、艾舍尔的画作、巴赫的音乐能在这本书中交织在一起？侯世达算是博学家吗？
17:15 巴赫的音乐：用数学的视角是怎么看的？
30:50 埃舍尔画和哥德尔的不完全性定理的相似性？是怎么对上的？
47:15 哥德尔为什么是Will老师的精神图腾？哥德尔不完备定理如量子力学般伟大？
50:31 数学曾经出现过三次危机？30年代以前的数理逻辑史：数学基础的大厦是怎么被哥德尔推翻的？
-----------------------
小跑录后感：
01
“博学家”的脑回路
《GEB》巧妙地将数学、绘画和音乐这三个看似不相关的领域融合在一起。如果听到Will老师的延伸推断，会马上get到：侯世达也许还在潜移默化中将哥德尔定理、图灵停机问题和塔斯基语义学真理这三大经典问题整合在了一起（逻辑上等价），形成了一个“跨界天团”，横跨数学、计算机科学和语义学。只能用一个字来表达：服！
如果将《GEB》视为一本“奇书”，那么哥德尔定理就是其中的一条“奇定理”——在侯世达的解读体系中，它不仅能涉及数学，还能触达音乐和美术的灵魂——这是其他数学定理（如哥德巴赫猜想和费马大定理）所不具备的跨领域特性。只能用两个字来表达：奇特！
不仅如此，侯世达老师还抢了文科生的风头：用 “坡道模型”的叙述方式，先从巴赫音乐中的同构和循环结构，引出埃舍尔绘画中的“左手画右手”的怪圈，最终落脚到哥德尔定理的“自指”概念，由浅入深，层层递进。只能用三个字来表达：博学家！
能被称为博学家的人不多——英文“polymath”源自希腊语，字面意思就是 “学了很多的人”。
其他能称得上“博学家”的还包括罗素，这位获得诺贝尔文学奖的精通数学的哲学家。他因1929年出版的《婚姻与道德》而文学获奖，这本书在当时尺度很大——主要观点包括：清教徒对待性的态度是人类不幸的根源、倡导试婚和离婚从简、对婚外性行为和同性恋持宽容态度。我觉得这倒也像是一个逻辑思维很强的人提出的观点（简称直男观点）。
还有赫伯特·西蒙（Herbert Simon），我在《牧羊人的哲学课》中写到过这位大神。西蒙是唯一获得诺贝尔经济学奖、图灵奖和世界人工智能终生成就奖的科学家，拥有9个博士学位，被誉为人工智能之父，也是认知心理学、符号学、经济管理等多个学科的先驱。他在70多岁时开始学习中文，并成为首届中科院外籍院士，还精通琴棋书画。
现代人会觉得这些人是神奇的存在，但其实“博学家”在西方思想史上并不罕见。比如毕达哥拉斯，不仅创立了数学体系，还精通音乐——200年前开始流行的音律学就是从毕达哥拉斯时代传承下来的。实际上，许多历史上的大家都是跨界达人，既是博学家，也是通才。
文理分科是现代人（前苏联教育体制）的产物，从历史角度看，真正的通才是不分科的，一个人的涉猎领域越广，其开发、想象和归纳能力就越强——他们真真是“文理两开花”。
可惜，在现代教育体制中，联想能力太强的孩子常常被批评为不专注。只能用四个字来表达：无话可说。
02
看巴赫如何拍出 “史上最高智商马屁”
普鲁士国王腓德烈大帝是巴赫的超级粉丝。有一天，他邀请巴赫到宫中，即兴创作一首六声部的赋格。要知道，这在当时是非常了不起且复杂的创作，在巴赫的所有作品中，五声部以上的赋格非常罕见。
这次接见之后，巴赫回去后，以国王提供的主题创作了《音乐的奉献》——这是史上最高智商、最高级的马屁之作。该作品包括一首三声部赋格、一首六声部赋格、十首卡农曲和一首三重奏鸣曲——怎么看怎么像一场数学表演和炫技。
更烧脑的是，《音乐的奉献》中的十首卡农大多没有写全，而是以谜题的形式留给人们去探求和发现。巴赫在这些卡农中大量运用了倒影、逆行、增值、减值等变换复调的手法，简直是炫技炫出了天际。
巴赫还是文字双关语大师，和侯世达一样：在乐谱的扉页上写了一句：“奉旨承诏，将歌曲及余部以卡农技巧予以解决”。“卡农”（canonic）这个词有双关的意思，不仅指“用卡农”的技巧，还包含“用可能有的最好方式”的意思。这句题辞的每个词的首字母排在一起是RICERCAR（ri-cher-ka），意大利语意为“探求”——《音乐的奉献》中确实有许多东西需要探求。
高智商人的炫技就是这么朴实无华且枯燥。
不过侯世达以巴赫开场，真的没毛病吗？
音乐可以从两个角度来看待：普通人主要被主旋律打动，而专业音乐人士则更注重曲子的结构、对音的使用和多声部的配合。巴赫的音乐结构，如卡农和赋格，展现了音乐的严谨调性；但是“结构”与能成为世界名曲、触动所有人心绪、那只可意会不可言传的“感觉”依然无法划等号——类似meme、迷因、和叙事（严重推荐大家重新复习一下“文理底层逻辑六大筐”之——“模因与结构”：链接：https://www.xiaoyuzhoufm.com/episodes/6254e74d042a792063f1456e）。
侯世达为强调了音乐的“结构”部分，并将其与哥德尔不完全定理联系起来——似乎稍稍“贬低”了音乐——博大，不只有逻辑，还有神奇的情感链接超能力。稍显牵强。
虽然但是，这种关联依然非常精彩。
03
数学学渣埃舍尔：艺术才是抽象思维最好的好基友？
他是所有数学学渣们的希望——埃舍尔是绝无仅有，能用画来表达复杂的数学概念的艺术家——虽然埃舍尔老师也是数学学渣，在校时数学成绩经常不及格。
但他的作品却充满了数学元素：无穷、对称和递归。他是唯一能够通过画作呈现悖论的画家——其作品与哥德尔不完备定理有着深刻的相似性：
哥德尔的发现虽然高深，其实根源都比较古老和直观，但普通人想不到。比如"说谎者悖论"这个自我指涉的逻辑怪圈：当一个人说"我在说谎"这句话时，如果它是真的，那么这个人就是在说谎，那这句话本身就是假的；但如果这句话是假的，那说这句话的人实际上是在说实话，这句话就变成真的了。
无论我们假定这句话真还是假，都会导致矛盾。它的真假无法被二元逻辑所确定，直接违背了亚里士多德逻辑中“排中律”的基本原则：即一个陈述要么为真要么为假。这些悖论展示了主体与客体的混淆，造成了逻辑上的“自指”现象。
这么绕的逻辑，在埃舍尔的画中却一览无遗——你肯定一看就明白：
大家都玩儿过《纪念碑谷》（Monument Valley）吧？这款游戏的灵感就来源于埃舍尔的名作——《上升与下降》。画中，一队人沿着楼梯向上走，拐了四个弯后，竟然又回到了原处！？在你眼前的就是视觉悖论：既向上又向下的楼梯。
埃舍尔另一幅著名作品是《画手》，俗称“左手画右手”，一只手在画画，而画出来的手又在画自己，这种自制现象展示了语义学悖论画中两只手互相绘制对方，形成了自引用（Self-Reference）的递归结构——这种自我参照是递归的核心特征之一。还有《画廊》:一个看画的人所看的画中又包含了他自己，整体与部分混成一锅的迷宫，无限循环（Loop）让观者无法跳出无限的自我复制或引用。
还有《昼与夜》和《瀑布》：展示了无穷循环和整体与部分的关系。这些视觉悖论相对于音乐和数学更容易让普通人理解。
绘画作为一种视觉艺术，提供的信息量比音乐更多，表现力也更强。埃舍尔的作品展示了三维物体在二维空间中的矛盾——这种怪圈正是我们试图用简单方式表达复杂事物时所产生的悖论。
04
哥德尔为何“伟大”？
Will 老师对哥德尔的推崇溢于言表，甚至将自己的头像换成了同款。这引发了我对哥德尔思想的强烈兴趣。
以我数学学渣浅薄的理解：哥德尔的伟大之处在于他能以一己之力（思想），震感数学基础；在于他和三次数学危机的关系。
20世纪30年代前的数理逻辑大厦，建立在将推理过程“机械化、形式化、公理化”的努力之上。自从人类意识到自己与其他动物最大的区别在于推理能力后，历史上最聪明人都开始思考如何将推理过程机械化或形式化。
文科生实在不明白为什么这些聪明人，都热衷于将事物“形式化”，总觉得哪里不对。
果然，还真有拧巴的地方——非欧几何就是一个很好的开端，挑战欧几里得几何学的形式化。当然只是一个微小的开始，马上各领域的智者们以更严密的方式开始各种“形式化”反扑。理科生好像都有一种偏执——都在追寻一种“可控”——更清晰、更准确、更机械化。
希尔伯特有分教：自然科学中不可能存在不可知的事物，一切都是可知的。只要我们确定好数学中的所有公理，剩下的事情大家修补一下，就没有大问题了。
直到哥德尔横空出世。不得不说，用哥德尔的眼光看世界，会“正常”很多——至少文科生会这么认为。
如果用哥德尔的眼睛看世界：就像画了一个大圈儿，无论有多大，即使是整个宇宙，也无法把所有真理包进来，里面总有人类数理逻辑思维无法完全解释的内容。
那圈儿外的是什么呢？一定是人类理性局限之外的某种存在——所有数理逻辑、自然规律、人类已知认知中的所有“不可知”。哥德尔不完备定理的出现彻底颠覆了“一切可知”理念，他证明了：即使在看似严谨的数学体系中，也存在着无法被证明的真命题。
05
数学历史上的三次危机
第一次是毕达哥拉斯学派发现无理数，通过扩大认知领域解决了这个问题，最终接受了无理数。第二次危机由牛顿引发，“无穷大和无穷小”——分析学后来通过数列极限的方法解决了这些问题，将无穷大和无穷小关进了“笼子”。
第三次数学危机源于对数学基础的误解。当时的聪明人们，以为通过集合论已经奠定了稳固的基础。但罗素的“理发师悖论”揭示了集合论的矛盾，动摇了数学的根基。这次危机也催生了三大流派：逻辑主义、形式主义和直觉主义。
逻辑主义由罗素坚定站台——认为逻辑学（命题逻辑和谓词逻辑）可以构建完备的数学系统。罗素在《数学原理》第一版第379页（或者362页）中证明了——“1+1=2”。这一复杂证明曾被讽刺为“伟大的著作，献给那些不知道1+1=2的人”。
形式主义由希尔伯特提出，他认为数学证明是一种符号操作，不需要考虑实际意义。希老师认为通过一套形式符号系统，可以推出所有数学定理。直觉主义提出自然数是上帝创造的，其余都是人为的——数学的根源在于自然数，而非逻辑或符号操作。自然数被认为是超越人类逻辑思维的东西，仿佛是上帝植入我们大脑的概念。
谁知天降哥德尔不完备定理，对逻辑主义和形式主义提出了挑战。他将逻辑语句转化为数学运算，证明了在任何形式系统中都会存在既真又无法证明的命题——正面动摇了逻辑主义和形式主义的基础——数学系统无法自证完备。
06
从哥德尔到人工智能
这段数理逻辑史的精彩之处在于（文科生认为）——它也许可以与现在的AI热潮联系起来。
文科生的脑回路是这么发散的：
整个数理逻辑史的发展，似乎都有一个标准动作——试图将思维过程机械化。这种努力甚至可以被看作是整个计算机和人工智能史的一部分。问题在于，思维过程是否真的能够被完全机械化？三次数学危机好像已经给出了答案：过程中出现太多起伏和矛盾。没准儿与目前热门的“scaling law”之争也有关系。
Scaling law是现在最热的信仰，大家认为OpenAI的成功在于将模型做得更大，认为庞大的神经网络和大量数据训练可以创造奇迹。然而，不同声音一直存在，最近好像越来越大声——比如香港大学马俊老师的刷屏文章《如果相信只靠Scaling Laws能实现AGI，你该改行了》：仅靠scaling law就能实现AGI的信仰，需要重新审视。
新的方法不能装作不存在——这种探索似乎又回到了侯世达的老问题：
到底什么是人类的思维？
我们是否真正理解了思维的本质？
目前的人工智能到底是不是真正的人工智能？
一切似乎又与哥德尔完美闭环——他颠覆了思维推理可以完全形式化、公理化和机械化的理念，动摇了30年代前后建立起来的数学基础——现在对人工智能信仰为何不能？
哥德尔的不完全性定理揭示了数学中存在的怪圈，而不仅仅是逻辑中的问题——对哲学有深远的影响——至少表明逻辑和自然数之间的关系，并不如我们所想象的那样简单。
他的发现震撼了许多致力于建立数学基础的学者，革命性堪比量子力学：逻辑都无法完全导出数学，数学真有可能是更高层次的逻辑——一点不夸张（文科生都这么认为）。
数学家们追求的是一个不依赖于人的形式系统，以确保交流时的准确性，避免误解。
这种对“准确性”的追求在数学和理科理所当然。但是，如果试图将这种形式化方法推广到人类社会的其他领域，比如经济学，几乎100%会出问题。
这也许就是为什么文科生总会寻找一切机会，抵触这种“完全逻辑化”的倾向——人类和人类社会这种独特的存在，真的能被严密的逻辑和数学模型所涵盖吗？。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制open.firstory.me手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
时间戳：
00:03:32 “只有它和《红楼梦》配得上奇书称号“
00:17:28 我们与GEB的渊源
00:27:53 能写出奇书的人必为奇人—侯世达奇人其人
00:38:14 “GEB“和”集异壁“究竟代表什么？“Braid”和“大成”里有多少层含义？
本期我们先从整体印象开始，聊一聊：它为什么是“奇书”？为什么这么多人膜拜？各自和GEB的渊源？还有侯世达奇人其人，以及 “集异璧之大成”的含义。
1.GEB为什么是“奇书”？
“奇书”这个称号是公认的，应该没什么人反对。几乎所有人提到它时都十分严肃，一脸虔诚，隔空透出一股“现在大家起立，整理一下自己的智商，集中注意力打开这本书”的肃杀之气。它是一本代表智商的书。
这是除了红楼梦，在我的书架上住的最久的书。它的厚度和密度都让我很焦虑——体积大，内容晦涩、跨学科、结构和表达方式奇特。所以每年都是“年初书单第一位，年尾书架落灰处”的那一本。
知乎上有个问题：看《哥德尔、艾舍尔、巴赫书：集异璧之大成》需要看哪些前置书籍？应该看些什么书来打基础？大家的答案中包括但不限于王浩《哥德尔》，《从逻辑到哲学》，庄子和周易，高等数学，数理逻辑，天体物理，相对论，量子力学，计算机编程，人工智能，分子生物学，康德，罗素，禅宗，道家，巴赫，埃舍尔…… 基本是在劝退。
我的感觉：大部分人读了导言和第一章，基本都会在前几页被吸引住——很少看到有人能把音乐、艺术、和数学用一条逻辑串起来，非常新奇，感觉打开了一扇世界的们。
虽然但是，导言之后会不会花了几个礼拜、甚至几个月的时间完成它，取决于你是不是一个对数学、计算机科学和逻辑感兴趣的人；是不是一个有点数学天赋、能理解如何“用数学的视角去观察世界”，或者至少能get用数学的眼睛去看世界的兴奋——这不是人人都有，尤其是文科生。文科生读这本书时，大概率会感到书中的逻辑非常复杂，而且不清楚这么死抠的意义何在。我的建议是，读时最好强硬把自己代入一个理科生，一个数学nerd的角色中。
说它“奇”，其实也没错。
能被归为“奇书”的，除了GEB，大概就是《红楼梦》了。Will老师有分教：所谓“奇书”，一定是内容包罗万象、看似完全没有相关性的领域，却都能够在一本书中呈现，内在又有特定的逻辑或脉络。
《红楼梦》符合“奇书”标准。内容并非宝玉黛玉的爱情故事那么简单——它能用元春来影射政治，用贾府年终收租和过年吃酒绘出当时的经济状况，还有诗词歌赋和饮酒作令的文学精华。最妙的是开篇金陵十二钗命运谶语，既是历史的影射，也是未来的预言。《红楼梦》是典型的“奇书”，将整个历史阶段或者画卷无所不包地展现在其中，又有一个清晰的脉络和历史过程。
GEB也是。内容看死简单——全书论证“哥德尔不完全性定理是数理逻辑人类思维领域最深刻最顶级之成果”—— 但其内在逻辑极为复杂。能把哥德尔、数论、埃舍尔的绘画、巴赫的音乐、阿基里斯、芝诺、乌龟、螃蟹、阿拉丁灯神，还有人工智能、禅宗公案、中华传统文化，统统连在一起，但并不是缝合怪。
最神奇的是，书中构造了一套形式系统，即一套数学体系，通过自我指代、怪圈和“永恒金带”，将整个逻辑串联起来，每一点都相互关联。
除此之外，“奇”点数不胜数，到处都是思维游戏。甚至连我们的“GEB解读播客“，都有可能成为这个“自我指代”怪圈中的一部分。
2.侯世达奇人其人
十年前《大西洋月刊》上一篇专稿，把侯世达写成了一部电影。
侯世达奇人，从小着迷于各种智力活动——可一天不间断练琴数小时，可决定背诵1200行俄罗斯文学，可花几个月时间学习小语种，可花大量时间编写猜字程序。他还会反复琢磨毕达哥拉斯定理的十几种证明方法，乐此不疲。
14岁那年，小妹妹被确诊大脑患病，无法理解人类语言。从那之后，侯世达就开始对“大脑“和”事物“之间的关系产生了浓厚兴趣——那一坨灰质是怎么决定我们的思维和自我的呢？
1972年，粒子物理专业的博士生侯世达对论文感到迷茫，于是开车横穿美国，一路思考“思考”本身。他曾试图将想法写信给朋友，却在30页后停笔。七年后，这些思考变成了700页巨著GEB，并赢得了普利策奖。
在侯世达眼中，人工智能不应沦为解决实际问题的工具，而应肩负起探索人类思维奥秘的使命。与其让机器模仿人类行为，不如让机器学会真正的“思考”。
然而，在GEB出版的年代，人工智能领域正经历着剧变——追求”实用”的大环境迫使学界将研究重心转向军事应用。侯世达觉得这股风气舍本逐末，嗤之以鼻。他批判“深蓝”这类程序徒有其表， 缺乏对人类思维的真正理解；更希望通过GEB引导人们关注人类智慧本身。可惜曲高和寡，最终被追求“速效”的学术界所冷落，沉寂数十年。
3.“集异璧之大成”的含义？
英文原名是“Gödel, Escher, Bach - an Eternal Golden Braid”，直译为《哥德尔、艾舍尔、巴赫——一 条永恒的黄金辫带》。
将这三者联系在一起的概念：“永恒的金色辫子”—— “braid”，是个英文多义词，不仅有双关的意味，还是一个数学名词：“辫群”（Braid group）——数学纽结理论的一个概念——暗示了正题和副题之间有“G、E、B”（上篇）和“E、G、B”（下篇）词首字母在次序上的照应。
Braid还有“循环”的概念——在等级系统中发生的自我参照或悖论——先把这个概念用三个直观、形象化的方法表现出来：巴赫的经典，赋格、卡农；埃舍尔的楼梯，自指的双手；哥德尔不完备定理，数论的逻辑缺陷，说谎者悖论——都和这种逻辑上的循环、自指（自己包含自己）、拧巴、诡异的逻辑缺陷，有很多可类比之处。就像那个拧在一起，无限循环的莫比乌斯大麻花，让你眩晕。
为啥叫“集异壁“呢？
翻译是个大工程。侯世达对GEB的西班牙文、德文版很不满，嫌译者不花心思重构书中的文字游戏，反映“结构性难点”——是“走气的可乐”，“不辣的川菜”。但中文译者却愿意接受挑战，摸索文字游戏和对应的结构双关、想办法在中文里制造出英文藏头诗，几乎是用中文又重新写了一遍。
标题里藏着三个人的名字首字母，哥德尔、埃舍尔、巴赫；“璧‘，美玉也； 而"大成"，把佛教哲学通通揉和进去，也和原文"辫子"呼应上了。东方的智慧和西方的思辨，完美融合。上、下 篇的篇名也分别由原来的“GEB”、“EGB”改为“集异璧”和“异集璧”。
最后再说说历史背景。
哥德尔时代，正是大家都在思考“语言”和“思维”关系的年代。维特根斯坦提出“语言的边界即思维的边界”，此话一出，整个哲学界炸锅。维也纳小组里的一帮天才开始探索思维、语言和数理逻辑的关系，发展出了逻辑实证主义。哥德尔深受影响。
更有趣的是，康托尔发明了集合论，罗素提出“说谎者悖论”，把集合论搞得一团糟；等罗素完成《数学原理》，又被哥德尔生生打碎——因果循环，难逃怪圈。整个数学逻辑史就是一条巨大的莫比乌斯带。
延伸阅读
The Man Who Would Teach Machines to Think：The Atlantic, November 2013 Issue
https://www.theatlantic.com/magazine/archive/2013/11/the-man-who-would-teach-machines-to-think/309529/
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
我们这个挖了一年多的坑、夸下海口要做播客界第一解读GEB系列播客，的美好愿望，终于要实现了。
预告视频版:见微信公众号https://mp.weixin.qq.com/s/_dUShQdcMAjqWyPCDzGh9A
这是一本坑了自己很多年的书，多少次鼓起勇气，拿起来，又放下了。但是用它来盖泡面实在太厚，这么多年只用它杀死过一只小强。
但这的确是一本空前的奇书。买它的时候，念想也许和大家一样，听说是一位认知学大咖写的一本杰出的科普名著，以“很特别”的方式普及数理逻辑、人工智能领域中的艰深理论。但没想到的是，它的“特别”原来是“清奇”——智商难以承受之清奇。
翻开第一页，扑面而来的不是爱因斯坦，牛顿，或者图灵，而是巴赫那些脍炙人口的曲谱；然后是艾舍尔用巨大脑洞构思出来的奇特的画作；再然后是哥德尔不完备定理；最后，合上这本书的时候，还会看到封面上印着的“普利策文学奖”。
这真是一个“不可能三角”。以我浅薄的见识，一直认为数学、艺术和音乐这三个浩瀚的宇宙，一个人最多只能精通两个。但能同时在这三个宇宙中畅游的人，也许才能像作者侯世达一样——能用哲学数学来解构巴赫，能用哥德尔不完备定理的眼镜去欣赏艾舍尔，还能把数理逻辑学、可计算理论、人工智能、语言学、遗传学、音乐和绘画统统都放进“禅宗”的故事里，并用“乌龟”，“阿基里斯”，“螃蟹”和“树懒”之间的对话表达出来。
这本书的名字“G.E.B.”是三个名字的前缀——哥德尔、艾舍尔、巴赫。这三个名字，一个是二十世纪最伟大的数学家，一个是能把数学画进画中的艺术家，还有一个是西方近代音乐之父。
书的英文原名中有一个词——“Braid”。这是一个双关词，它的意思是把东西绑在一起的“带子”，但又是一个数学名词，暗示这本书正题和副题，上、下两个部分之间有“G、E、B”和“E、G、B”这几个首字母在次序上的照应。所以从书名开始，就是一个前后呼应的怪圈儿。 
再看中文名：中文书名翻译成《集异璧之大成》。“集异璧”是GEB三个英文字母的译音，“大成”则取自于佛教、哲学和音乐典籍——所以这个名字既与原著的内容相呼应，又起到了一个双关作用——这又是一个前后呼应的圈儿。
再看封面图：是一个诡异的、悬在空中的、三个交汇的平面，分别在三个互相垂直的方向上投影出三个不同的汉字：“集”、“异”、“璧”（或者“G”、“E”、“B”）——就这样把哥德尔、艾舍尔和巴赫这三块稀世之宝嵌为一体，”集异璧之大成“。这三位大咖，就变成了某个奇妙的统一体在不同方向上的投影——又是一个怪圈儿。
侯世达的文字就像乐谱一样，对智商是一种酸爽的挑战。他会先提出一个概念，在“乌龟”，“阿基里斯”，“螃蟹”和“树懒”之间的对话中出场；然后在下一章中更深刻地“回响”出来，结构上或松散或严格地摹仿巴赫的乐曲、埃舍尔的幻觉艺术，和哥德尔的数学逻辑游戏——怪圈儿套怪圈儿，层层又叠叠。
给大家朗读几段原文感受一下它有多“奇”：
1. “巴赫” 
“巴赫《音乐的奉献》中有一首极不寻常的卡农，它有三个声部，最高声部是国王主题的一个变奏，下面两个声部则提供了一个建立在第二主题之上的卡农化的和声。
这两个声部中较低的那个声部用C小调唱出主题，较高的那个则在差五度之上唱同一主题。当它结束时——或者似乎要结束时——已不再是C小调而是D小调了。巴赫在听众的鼻子底下转了调。而且这一结构使这个“结尾”很通顺地与开头联接起来，这样我们可以重复这一过程并在E调上回到开头——这些连续的变调带着听众不断上升到越来越遥远的调区。听了几段之后，听众会以为他要无休止地远离开始的调子了，然而在整整六次这样的变调之后，原来的C小调又魔术般地恢复了！所有的声部都恰好比原来高八度。在这里整部曲子可以以符合音乐规则的方式终止。
人们猜想，这就是巴赫的意图。但是巴赫很明确地留下了一个暗示，说这一过程可以无休止地进行下去。也许这就是为什么他在边空上写下了“转调升高，国王的荣耀也升高。
在这部卡农中，巴赫给了我们有关“怪圈”这一概念的第一个例子。所谓“怪圈”现象，就是当我们向上（或向下）穿过某种层次系统中的一些层次时，会意外发现，我们正好回到了开始的地方。”
2. "艾舍尔" 
“把怪圈概念最优美最强烈地视觉化的人是荷兰版画家艾舍尔。艾舍尔创作了一些迄今以来最富于智能启发力的杰作。他的许多作品都源于悖论、幻觉或双重意义。他的作品里常常有一个化入艺术形式里的潜在概念。怪圈就是艾舍尔画中最常出现的主题之一。例如石版画《瀑布》，把它和巴赫的卡农做一下比较——会发现巴赫和艾舍尔用两个不同的“调子”——音乐和美术——演奏着同一个主题。
怪圈概念中所隐含的是无穷概念。循环不就是一种以有穷的方式表示无休止过程的方法吗？无穷在艾舍尔的许多画中起着重要作用。艾舍尔的天才在于，他不只是能设想出，而且还实际画出了几十种半实在半虚幻的世界，几十种充满了怪圈的世界，他似乎正在邀请他的观众们走进这些怪圈中去。”
3. "哥德尔" 
“在我们看到的巴赫和艾舍尔的怪圈例子中，存在着有穷与无穷之间的冲突，因而使人有一种强烈的悖论感——我们直觉感到这里面一定涉及到了什么数学问题。二十世纪确实发现了一个产生了巨大反响的数学上的对应物。正像巴赫和艾舍尔的圈是作用于人们简单而古老的直观一样（音阶和楼梯），哥德尔对数学系统中怪圈的发现，也有着它简单而古老的直观根源。
哥德尔的发现把一个古老的哲学悖论转化成数学上的说法。那个悖论就是“说谎者悖论”：一个克里特岛人说过一句不朽的话：“所有克里特岛人都是说谎者。”更直截了当的说法是：“我在说谎”——如果你假定它是真的，那么它会立即产生相反的结果，使你认为它是假的。但是，如果你假定它是假的，同样会产生相反的结果，让你又回到它“必须是真的”这一点上。你可以试试看。”
我们这个挖了一年多的坑、夸下海口要做播客界第一解读GEB系列播客，的美好愿望，终于要实现了。《文理两开花》开始进入GEB季，每一集，我和Will老师会按照章节，根据一个逻辑线，把这本奇书中重要、精彩的部分拿出来，用文和理两种思维来碰撞。希望能帮助大家更好地理解这部经典。
至于会用多少集来读完，目前完全不清楚。我们且但行好事，莫问前程。
BGM:
1. Here she comes again, by Hatchatorium
2. Ave plague, by King Plague
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制open.firstory.me手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
货币灵魂三问又回来了！
本期的质问对象是阿根廷——以及“庞克总统”米莱老师的休克疗法，和阿根廷的“全面美元化”。框架可以延伸到其他国家（包括我国），目的当然是用“他山之石”来想想自己——带出关于人民币和我们的货币政策最近一些叙事的讨论。
阿根廷似乎是一个永远走不出“摆烂泥潭”的国家——休克疗法之后的100天，情况如何？全面美元化成功了吗？会成功吗？
bgm:MUCHACHOS (CANCIÓN MUNDIAL)
时间戳：
00:06:16
世界上只有四种国家：已开发国家、未开发国家、日本、和阿根廷。不管是东方智慧还是西方智慧，“渐进式改革”在阿根廷这个国家似乎并不适用。
00:13:39
为什么左派激进论调更容易上台？
00:16:07
“印钞就是偷盗，税收就是抢劫，福利就是枷锁”。情况好转之前，国家和人民必须承受痛苦？
00:23:22
“休克疗法”是否有效：你有多少时间？是置身事内还是置身事外？
00:34:18
全面的美元化靠谱吗？外汇储备淨值为负的阿根廷，仅靠“卖血”（变卖国有资产）能撑过去吗？
00:35:34
这不是第一次：阿根廷曾实施过挂钩美元的“联系汇率制”，最终却在债务、货币的双重危机下草草收场。
00:38:29
全面美元化，如同和刘翔玩“两人三足”。好消息是你总能“遥遥领先”，但前提是能跟得上刘翔的速度——否则没跑几步便会被拖在地上摩擦。
00:39:37
阿根廷货币灵魂三问：阿根廷到底有多少钱？谁决定？怎么实现？
00:48:09
失去的30年里日本央行在干啥？印出天量货币的日本咋没有通货膨胀，咋没经济崩溃？
00:51:40
信用货币发行分为三种模式：主权信用型、依附型、混合型——哪一种才是强国模式？
00:53:49
Will老师2015年的奇文：《人民币归来》中预测到了啥？
01:04:35
为何“央行重启购债”再次变成热点话题？
01:09:06
为什么“蒙代尔不可能三角”既符合逻辑又符合叙事？
01:12:10
当且仅当一件事发生，阿根廷才能成功。信心是个共识游戏。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制open.firstory.me手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
BGM: The Moog And Me · Dick Hyman
英伟达和比特币是两个永远挖不完的“矿”——它俩身上的启发和热点似乎取之不尽用之不竭。今天我们就来聊聊：英伟达是“铲子”吗？AI和比特币那个泡沫更“伟大”？人生赢家都有什么特点？你是的思维是CPU还是GPU？
时间戳：
01:49 英伟达“铲子逻辑”为何能引领科技创新？科技创新的“供给侧”特性：
· 本次英伟达GTC大会上上，发生了一件可能预示未来的事
· “后视镜”偏差：AI是“蒸汽机”吗？
· 木头姐的逻辑：英伟达没有永远的红利？
· 英伟达不是铲子，应该是“金矿探测器”
19:25 AI和比特币的价值链对比：谁才是更伟大的“泡沫”？
24:13 老黄的启发：60 岁的人，创新不停歇。什么是EIOFS（early indicator of further success ）。
· “悲惨童年”的礼物：从内心的“demon”到“drive”
· 老黄和马斯克是一类人吗？“焦虑”还是“傲娇”？
· 马斯克、乔布斯、爱因斯坦和老黄的思维有什么相似之处？什么是“visual thinker”？
· 马斯克可以徒手“想象”出材料科学。分子结构的原型是条蛇
40:35 CPU vs.GPU：逻辑推理与向量计算，哪个才是“智能”的本质？
· 机器和老妈如何判断“锅糊了”？
· Sora的成功，让我们重新思考大脑神经网络的工作方式
· 一个史诗级误解：人类的思维方式不是逻辑推理，而是向量图形？
52:01 为什么马斯克和奥特曼的“开源之争”可能是中国AI产业的希望？
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制https://open.firstory.me/rss/user/cl0roqwc0000l0hzje7se6f28手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：https://wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
2023年全球游戏市场规模已超2000亿美元，全面赶超超电影产业和北美体育产业。30亿玩家，平均每10个人中有6个人玩游戏。
如此庞大且高速发展的行业却接连被“锤”——从玩家角度无论如何也想不明白，但站在国家和家长的鞋里，换位思考一下，马上浮现一个灵魂拷问：电子游戏对人类文明发展有什么贡献？
估计很多领导和家长们都想不明白。为什么人类要开发电子游戏？大量绝顶聪明的工程师将宝贵知识用于开发游戏，这些时间、经验、和经历用来开发新能源、生物医药和脑机接口不是更有意义？我们探索宇宙的速度不知会加快多少倍呢。每年全球人类将85%的精力都用于玩游戏，尤其在上班摸鱼时，如果没有游戏，人类是不是早就成为超人，可以用脑电波直接沟通，也不用害怕外星人攻击了？
本期就来说道说道游戏这件事。
主要讨论了：
1.各自的游戏经历/跟游戏的关系？
2.游戏的特点/本质/与人类社会的关系？
3.游戏产业相关话题：关于“被锤”
提到的游戏：上瘾类：《文明》、《Sim City》、《暗黑破坏神》、《辐射》、CyberPunk；物理奇迹类《Snow Runners〉；科学解谜类：《Foldit》；减压类：《2046》、Wordly
提到的书：《游戏的人》（Homo Ludens）（1938）
BGM：Super Mario World - Overworld [Remix]
封面图片来源：Necessary Evil，evil.gua-le-ni.com
特别提示：本期有奖竞猜，答对shownotes中“有奖填空”内容的第一位听众，可获赠《游戏的人》书一册（非广告，主播自费）。
时间戳：
01:54
· 各自与游戏的关系：Will老师：学计算机的人天然与游戏有关，从未与游戏离开，且氪金。小跑：佛系玩家，更喜看博主打游戏，从不氪金。
· 上学时喜欢“上瘾类”游戏，经常伴随极大罪恶感，年纪大了只玩减压游戏。
· 好的游戏能充分发挥两个processor：一个是电脑的CPU，另一个是你自己大脑的想象力。
12:20
人类为什么离不开游戏？
· 体育是战争的延续，游戏亦然。现实中的残酷、困难、资源消耗、花式风险行为都可以转化到体育竞技和虚拟场景中。
· 游戏三特性：1）时间感：及时反馈；2）空间感：虚拟化；3）规则确定。
· 扎克伯格的元宇宙是远程会议，游戏才是真正的元宇宙。
21:43
· 1938年的一本奇书：《游戏的人》（Homo Ludens）：文明诞生于游戏。不仅从游戏中来，文明就是游戏本戏，游戏就是文明本明。
· 人类究竟是“Homo Sapiens”（理性的人）、“Homo Faber”（造物之人），还是“Homo Ludens”（游戏的人）？
· “游戏”是多余的，可推迟，可随时叫停，是闲暇时的活动，用的是“闲工夫”，不受制于身体需求和道德义务，从来不是一桩差事（task）。游戏是真正自由、自主、最能催生人类真正文明的方式。
· 但当游戏成了职业，便不再是真正的游戏，丧失了创造文化的能力。
27:27
· 安全感：是人精神最底层、最基础的需求——所有游戏玩家都能够感受到。
· 虚拟化带来的安全感非常重要。元宇宙/游戏通过空间虚拟化给人类带来安全感。
38:23
· 至少对技术的推动是毋庸置疑的：虚拟现实、交互技术、云，虚幻引擎、显卡、芯片、人工智能，不胜枚举。
· 人类科学的结晶：游戏中的物理效果。
· 哲学、心理学、人对自己的认知也可以在游戏中找到：游戏里的善恶选择。
· 康德哲学浓度非常高的一款游戏：《辐射》——暗藏很多哲学悖论。
46:46
· 己所不欲勿施于人：如果现实生活中有足够安全感，为什么要进入虚拟世界氪金求安慰？
· 真正能够阻止大家玩游戏的手段只有一个，那就是（_______有奖填空_________）。
· 关于氪金：游戏产业要区分“简中”和“其他”。前者是监管者、开发者、玩家三方都没有安全感的博弈场。
· 为什么氪金这件事中国人做到极致，邪门的氪金越来越多？
59:46
· 值得反思的地方：关于PVP和PVE。
· 产业应该如何回归“游戏”初心？
· 我们真的要让游戏世界完全纯净吗？
· 马斯克直播《暗黑4》与仇恨斗争。
· 后面尺度逐渐增大就不写shownotes了。祝大家新年快乐，今年找到自己的安全感！
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制open.firstory.me手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments
封面：Order and Chaos by Kobay
说出来大家可能都不信，这次真没想蹭热点。《文理两开花》拖更太久，实在过意不去，打算更新，苦于没有好主题。想来想去，想到最近心中隐隐有个疑惑挥之不去——“秩序”和“创造”之间到底是什么关系？干脆就以它为主题吧。Will老师说好。
第二天早上，手机上跳出消息：Sam奥特曼被下课了。原因不明。整整一天排山倒海的猜测，线索一点点堆砌，到了晚上基本清楚，大概率是AI“无法预知的安全边界”和“突飞猛进的商业模式”之间的矛盾，四舍五入依然是“秩序和创新”之间的矛盾。莫名其妙押对了题。
“秩序”与“创新“，是一对看似能和谐共处，实际却是无法兼容的两个程序。创新需不需要秩序/控制？什么时候？如何？谁来决定秩序才最符合全人类长远利益？又是个灵魂三问——这些话题一旦开始讨论，多少友谊的小船，立马就翻。
“秩序与创新”——感觉可以当做整个2023年、甚至是人类的永恒主题。本期我们来聊一聊：它俩的关系到底是什么？当下的我们正处在坐标轴的哪端呢？
BGM：“微软或赢”（Windows XP error remix）
时间戳：
00:01:23
Open AI 事件的直觉反差：并不是一个资本驱逐的故事。恰恰相反。
00:11：22
董事会和奥特曼：谁代表创新？谁代表秩序？
00:13:41
从“熵增熵减”看 “创新派”和“秩序派”：如果你觉得熵减是好的，就站在了秩序派。否则便是折腾派。
00:19:03
“大众创业，万众创新”是“混乱时代”还是“秩序时代”？金字塔是奴隶造的还是自由人造的？大革命时代的创新你喜欢吗？
00:22:58
纠缠态：创新是秩序到来之前的一个短暂过度——创新成功意味着新秩序建立，它在新秩序下又变成了“非创新”。
00:23:48
“Sandbox“沙盒机制是怎么来的？AI 能被放进沙盒里吗？在一个城市里弄个大局域网，把AI放在里边做一等公民？
00:30:18
但是放在沙盒里面的新东西经常会被原有秩序“驯化”。沙盒孕育“革新”还是“革命”？这是一个悖论。
00:36:46
创新和秩序的关系：纠缠，忽左忽右，此消彼长。当下明显是一个“秩序供大于求”的时代。
00:38:25
秩序与创新：区块链应该站在哪一边？区块链应该是构建秩序的手段，它通过哈希、投票、共识算法达成熵减状态？区块链是不是“监管科技”？
00:43:59
区块链和比特币是世界上最神奇的概念，从诞生之日起，就得不停解释它到底该是什么。它诞生的使命是要“代替信任”，最大的应用虚拟货币反而是“信任的重灾区”。而传统金融体系——中本聪最讨厌的地方，又是一个最不需要信任就能运转的体系：把钱放到银行里，你真的会担心吗？
00:47:01
冷冰冰的工具和掌握工具的人之间的博弈：在秩序供过于求的年代，应用场景靠近了“秩序维护者”一端。
00:47:46
肉身的人在操心数字世界，殊不知数字世界的风险，也许只能以子之矛攻子之盾，用另一种数字技术制衡。人类到现在还一天到晚忙着内讧，指望不上的。
关于《文理两开花》：
《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。
Twitter：
@LeiSalin_XP
@Will42W
TG群（开放）：t.me
收听平台：
小宇宙：文理两开花
苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花（海外版）》（苹果播客中国区可复制open.firstory.me手动添加节目）
文字稿和延伸阅读：
微信公众号《文理两开花播客》
《文理两开花》newsletter。欢迎订阅：wenli.substack.com
其他平台：
即刻：文理两开花
《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花
留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments