Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
咱们现在在这个楼稍微新一点
还是做fabrication
就是做一些制造的部分
哦
对
ok
咱们就可以自己
你做飞行和制造
对我做的是飞行机器人
然后我们那个飞行机器人要
要飞
所以说
这一块地方都是fabrication
fabrication
这其实我觉得也是我训练学生最重要的一点
就是说我觉得把不确定的东西变确定
一个good scientist最好的一个training
给你举个比较具体的例子
我经常跟我比较junior学生说
如果你做的失败了
然后你学习了什么都没有
那就说明你设计的是不好的
under the hood
尤其是理论物理学家
他们说到最后物理问题都被化解成了
数学问题
对
但是对
其实它最终其实是哲学问题的
但是它可以用数学这种notation去很好的
表示出来和计算和推理
最终是哲学问题
这我就
对我
我明白你什么意思
对
但是我的point就是咱们又回到刚才
如果你拿人类跟别的动物家
跟猴子或别的动物
你会觉得咱们已经如此的发展了
对
但是我觉得其实你不要有信用
就像你说的
如果有百分之百
就是我们知道的30%
我觉得你要有信用是
也许有更高等的生命或者文明
就是咱们跟人家比
可能就是什么都不太知道
所以我觉得就是always assume that you
you almost know nothing
然后大多数东西还都是被 unexplored
就是如果以后有一个revolutionary theory出来之后
发现我们很多这些东西都是错的
我觉得我一点也不意外
我也不意外
对
这个我倒不意外
但是怎么说呢
我其实就是在这几年对玄学的东西
开始了解越来越多
然后我用的方法论是用科学的方法论去了解
我最近
我今天没带
有一本书
What would Plato think
然后这个应该是
the science depends more on math or observation
就是科学从来没有办法证实一件事
就像你刚刚说的all models are wrong
它只能证伪
对吧
对呀
它能提出一个可被证伪的hypothesis
所以说
所以出来的一个东西
然后打破了我们现有的所有认知
我们要做的就是马上去接受它
然后它是能进入
对
但是作为youseful的角度来说
我们生活的这个地球
就是
就是在我看来
绝大多数的新的物理理论
都是在解释更小尺的东西
那我在这个程度上我会认为
就是我们这个已知世界
对我们这个方式
它
很好的解释了一个规律
就是说我们这个model大部分东西都可以fit了
只不过有一些比较小的东西
没有
还不太能fit
对
可以被fit
虽然它这个fit可能
就是它完全是用了另外一种
就是误解在fit
比如说我们去理解引力
一开始理解它是一个力
后来发现它是一个场
但是现在我们不知道
它可能是个
就是我们看不见
它可能是个别的某种东西
对
但是我们这个东西把它描述得很好
我记得我之前打了一个比方
就是
反正我们大概就是去摸这个桌子
我们摸这个桌子我能描述它是滑的
然后描述它的形容
但是
另外一个方式我可能就能描述它的分子
对吧
就是
OK
是啊
我完全同意
你的意思是解析我们的series不对
但是我们的series至少理解
我们的已知世界是非常好的
是非常好的
就是它有用
对它足够有用
但是可能有很多更有用的东西
假如说
比如说如果有理论之后
也许我们可以time travel
但是
对吧
就是说我觉得理论另外一个好
就像你说的
它第一个是个function approximator
它可以完美的解释我们所现在所看到的东西
但是我觉得更interesting的东西是
它可以是一个predicter
它可以predic一些我们没有知道
我们不知道的新的东西
就我觉得假如说你去
2000年前
估计没有人会想象我们
飞机可以飞的比鸟快那么多
我就举这个例子
或者说我们可以炸一个atomic bomb
2000年其实出来很多人
这些人他们在说话的语气
我现在就想象
我在看身边谁
说话会用这种语气说话
就是他们真的知道了什么东西
以后他们会有那种方式去说话
就是说
孔子老子说道格道非常道是吧
他其实是在用我知道这件事情是真的
然后我在跟你讲这件事情到底是什么
但是终于已经在跟你说话
今天就比如说有一个人讲商业
他真的是很懂很多的时候
他才会用最平实的语言
把这个结论告诉你
然后我就在想
他们不知道飞机是什么
但是他们会不会用他们的方式
知道了这个世界的一些真相
而且和我们discovery的方式是不一样的
或者说
有一个飞机
然后飞机飞的比鸟快
是不是一个重要的问题
就比如说人我们之间人
这是我们为什么会
这碰上去穿不过去对吧
我为什么看不穿我的手
或者你刚说的time travel
为什么
time是我们认为的一个度量行
time没有存在时间这样一个东西
对吧
那time travel到底是个什么意思
就是我不知道就我忘了谁说的了
但是他们就说
the only lesson that human learn is
human learn is nothing
知道我personal interest
是做一些比较tangible的东西
就是如果at the end of the career
I look back
我觉得
这个领域有了很大的进步
而且我可以point to exactly
不管scientistically或者是engineering wise
这个东西有一些提高
我觉得这让我感觉
我可能还是有一点贡献的
我就会比较开心
我最近一直在思考的
大概就是科学和学习的关系
第一它不能和已知事实冲突
就是你说了一个东西
结果它不符合我们的实验
它就应该被抛弃
但是它如果不被证伪的话
你起码可以把它作为一个hypothesis去审视
怎么审视hypothesis呢
玄学很多东西没有办法为审视
必须不能重复
所以说你就没有办法证伪
所有东西都可以被巧合解释
也可以被玄学解释
对
我就用BAS的方式去理解它
就是比如说疫情号称能预测
对吧
解释很多东西
我就多测
测了以后发现
它跟我的感觉
我感觉的准
我就多信一点
感觉不准就少信一点
对
所以是以科学的方式
OK
看待玄学
然后很多东西确实就发现
你如果用这个角度去看真的好准
是吗
就是那种事前你根本不知道他在说什么
我当时买了一个蓝宝石
就是事前完全不知道
他算出来那个挂岛有什么意思
就是他说买蓝宝石的结果会很好
但是我会破裁
而且是一个
我作为一个Follower得到一个好的结果
然后但是会破裁的解释
完全不知道他在说啥
之后是我去
因为去买蓝宝石
而促成了一个教授和蓝宝石卖家的合作
以及我在买完蓝宝石之后手机丢了
就是为了去买蓝宝石手机丢了
就完全应验了这种东西
OK
我觉得负责任的贝也斯就应该提高一下
他测的很准的概率
我所谓的概率也不是说我把他从10%变到90%
而是你从0.1%变成了1%
那你如果他能预测未来这么牛逼
然后乘以1%的概率
那你就应该多再测一测看看他到底是10%还是0.1%
从个人上如果我们可以这么做
那从一个集体上的
或者从一个国家上的
我们要不要用这个所谓的玄学
做一些比较practical的东西呢
我觉得很少非常浅薄
但是我觉得他的核心思想就是
就是你要知道他的64怪每一怪所对应的怪象都是一样的
从天地的角度自然的角度都是一样的
之所以会有凶器是因为人自己有欲望
对你可以趋吉避凶
但是你最后你对自己自我的修炼是
你要知道他们其实是一样的
那我觉得就是当一个人
就是通过这样的训练
然后能让他更平静的对待生活中发生的各种各样的事情
我相信他也会变成一个对这社会更有用的人
但假如说对非常具体的
就好像说一个公司要make一个商业上的决定
这时候我怎么用
对沾补的就是用易经沾补的
第一条就是不疑不沾
第一是不疑不沾
你要去做正确的事情
第二就是不疑不沾
你没有问题的时候
就是公司做决定
你如果说这个东西
你有一个clear logic去告诉你应该做A不应该做B
你就是做A
只有当你AB完全不确定的时候去沾补一下
我觉得起码从一个角度来说
就是some decision is better than no decision
no decision
这跟易经什么也没有关系
就我以前做科研的时候我就去问
问老师
他说他对做科研来说选择是最重要的
因为如果你选错了一个技术路线
或者选择一个方法
那就肯定会绕很多弯
他说一定要在做之前
用你最大的精力去分析A和B或者ABC
这些选择什么好
但后面又加一句话
他说如果你现在你最大努力分析A和B谁好
到最后你的答案是你还是说不出来谁好
你就随便试一个
我觉得是不是goes back to what you have said
当时如果我有一个非常clear的分析说A比B好
我就走A
如果是我尽的最大努力分析
我也不知道A好还是B好
可能就
我觉得在工作中也是这样子
我昨天跟君子试探
主要夜路的一个中餐区Polly的房主
跟他聊了一下
然后之前看了一个道理
就是你的机会成本只有
it's only real
当你有A和B两个选项可以选
比如说我2013年的时候
如果我不买房买比特币就好了
那时候你连比特币都不知道
你比特币也就不构成你的机会成本
这是另外一个ABC说的
但是同样的当你做完这个选择了以后
它就变成了沉默成本
你就不要去想了
第二个就是你只有在做的这些事情
你才能知道更多你平时之前不知道的东西
要走两个弯路总比你在人际不停的不走
这个完全同意
对
该做选择的时候还要做选择
你做过什么特别
选择肯定要做
我觉得做科研每天都要选择
但是我尽量是把选择
就是让自己明确为什么要选A而不选B
这其实我觉得也是我训练学生最重要的一点
就是说我觉得把不确定的东西变确定
一个good scientist最好的一个training
general or scientist
举一个比较具体的例子
假如说我先设计一个翅膀
然后我到底是把它要做大一点还是做小一点
如果你什么都不想
直接就是做一个大的一个小的先去试一下
那你花的时间成本就是乘二
但你要如果是你可以在你做之前
先写下一些equations
做一些simulation
做一些分析
然后simulation告诉你
大翅膀可能是效率更高
胜利更低
而小翅膀的可能胜利更高
什么更低
然后这时候你再去想你这个机器人的treat of the design
你就会
在大多情况下比较容易的去reason about
我到底往哪条路去走
其实这个是我觉得graduation最重要的
这是我们公司所提倡的很重要的理念
就是要在产品上做实验
然后自己的感觉就是
不光是时间速度的趋势
有的时候你直接无脑去试可能还更快
但是问题是你试完了以后你没有learning
exactly
尤其是失败的实验
你只要想清楚了以后你的失败实验都是learning
exactly
但是你如果没有想的话
就是你只是试出来了一个
对
我经常跟我比较junior学生说
我说你做任何东西之前
你想给我写下来
如果这个东西成功了
它说明什么
如果东西失败了说明什么
如果你做的失败了
然后你学到什么都没有
那就说明你设计的是不好的
对
因为其实你只要做一个东西
你应该学到一些东西
如果你做了一个东西之后
学到的是I learned nothing
那就是一个
那这个实验社的就不对
所有的实验都可以被这么设计吗
我也不敢说所有都是这样
但是尽可能
绝大部分吧
90%
尤其是越junior的
就是如果是越
其实你说我做一个实验失败了
其实大多数的原因是
你没有更好的
不管是实验的tool
或者理论的tool
去分析它为什么失败
如果我这样感觉一下的话
就是你的认知圈
如果是这么大的话
你在这做实验
那你就失败了
也能学到东西
然后你就突破了认知
对
你的认知圈在这
然后你在这做实验
那你失败了
换句话说
就是不要迈太大的步伐
就假如说做一个实验
我经常
假如说一个primary
就可以造成很大的一个
一个实验结果的不同
然后你是不是一次
实验要同时
vary5个parameters
我非常不建议这样
也许你vary5个是变好了
但是你就输出来
是哪个变好了
如果你vary5个parameter变坏了
你也不知道是哪个parameter变坏了
对
我们这个statics就是
statics is significantly
ok
statics
我能感觉到
就是在我们参考大学教育里边
比较缺失的一环
就是how to learn from experiments
how to如何设计experiments
和如何学习从experiments
我觉得很多时候往往
这是最重要的一步
对
对吧
可以大幅的提高效率
你会教学生们这些吗
怎么教
我觉得不会
我觉得这个没有办法去教
这个只是
至少我是这么觉得
因为这里面很多experience
所以我觉得我们会
我觉得教
尤其带博士生就是讨论吧
就是我要做这个东西
有一个highlight外界
然后你现在跟我说你要怎么做
然后
然后咱们来讨论要怎么做
然后如果咱们都觉得
这是一个比较靠谱的方法
然后咱们再继续往下做
明白
就是你在通过这个讨论过程中
教会他你的思维模式
是你这么多年
我是这么希望的
但是你也要承认
就是在Harvard MIT这种地方
很多人可能跟你
可能和你的思维模式不一样
他也能出很好的成绩
而且他能出很多unconventional的成绩
我觉得
行
就是你啪到了那说不定
对
然后他去了那再去探索也行
世界上很少
也不是
就有很多
但是我们真正遇到的choice
大多数是trade off
而不是right off the ground
然后我觉得就是应该有不同的trade off的存在
你才能在这个边界上不断的去探索
各种各样的可能性
对
但是我仍然觉得
就是我一直以为
但是因为我不够牛逼
或者说我接触人不够牛逼
我意识到了这些东西以后
我发现
为什么绝大多数人不是这么想的
就是
第一
实验有多么重要
很多人不觉得
很多人就觉得靠天才就行了
就是一个天才的CEO
或者一个天才产品经理
就带领大家一直走正确的路线就好了
我说不
就是你需要
真的就是你做实验的话
你会发现人有多长时间是犯错的
其实
这就是做这个unconventional experiment的
多的公司就会发现
90%的idea
都是不是像大家想的那样的
有正向的效果
我完全同意
就是我觉得
可能大部分的idea都是不对的
都是要fail的
为什么呢
就是
我
就是这个
这个是为什么
就是
你看大家都已经这么聪明了
大家已经学了那么多
来读MIT
博士的人
就是他的理论功底应该是比我们
就是我已经无法想象的聪明程度了
为什么他大多数还是错的
因为
因为你只有想错的时候
你做东西很困难
我觉得
怎么说
就是
读博士的阶段
在我看来
真的就是
你fail 90% of the times
nothing就是你做
when I say fail
means我做出来的结果
并不是我想得到的
不是说我fail了之后
我学不到东西
学到东西
然后你可能
only succeed 10% of the time
但你10% of the times
你这个
得到这个结果
就可以
我觉得就是
push the frontier of knowledge
对吧
所以就是说
我觉得读博士一个很重要的地方就是
failure的时间
肯定是要比
那个
成功的时候多
所以你怎么每天面对这么多failure
第二是你怎么从failure之中
去找到经验教训
然后把下次改变的
好一些
我觉得这个很重要
就是如果我们做什么事情
每天都成功
就是
我今天我有个plan
我就做这个实验
这个实验成功
明天要做那个实验
那个实验又成功
你每天都成功
说你做东西不够难呀
对 今天做
每天都成功
好 咱们先走
走吧
现在有人在这做实验吗
现在
今天下午应该是没人在这
要不我们在这录
在这录
一会儿咱们一会儿在这录
嗯
你可以在
就是
咱们可以再仔细的讲
就是
每个都怎么做的
嗯
这些可以录吗
你录吧
这些可以发的
不会有什么精密的
这些
还
一会儿有一些
有还没发表的东西
我跟你说那个就别发了
好
然后
现在这个就是主要是做
发生生产
所以我们
我们实际上是一个焦点
就是我们
说的做叫做
South Artificial Muscles
就是软体驱动器
软体驱动器其实就是用elastomer
然后把他们mix起来
再spin code
然后再抽真空
然后再拿到外面
放到烤箱里去烤
然后repeat这个process
听起来很像做面包也
差不多
对
然后要repeat
大约四十四次有的时候
所以可能做一个bench
要一个星期左右
然后还有呢
假如说
你可以看看
我们会做一些所谓的
micro robotic component
然后这个就是翅膀
我不知道你能不能
用
对
然后
等一下
就是我能做这些翅膀吗
因为看起来这些一切不贵的样子
哦
这些是
这这这屋里的都不是很贵
然后我带你去外面看看
但是它有技术门槛吗
我觉得是有一些的
假如说
比较困难
假如这个翅膀吧
它分两部分
对吧
黑色和透明的
黑色部分都会看纤维
然后透明的部分
是一种材料叫polyester
它其实最难的地方
是要把他们两种材料
linenate起来
而且精度要保持特别高
就像
这个整个翅膀
我们精度大约
就是
都在十微米左右会更精
十微米会更精
那是哪一步
是最难的
然后我在外面
一直尻了
然后这个屋里主要是
有时候学生在这儿用一些
用一些
简历经验的sample
然后有几个步骤
刚才咱们说做soft-actuate
做soft-actuate其实是需要
是需要
有特别薄的
一种像电极一样的东西
像这个电极
你现在录的这个就是
carbon nanotube
坦达米管
这个是坦达米管做的电极
这其中是一步
他现在把这个
在溶液里suspend一段时间
然后再把它transfer到DA上
这个东西叫fingert
这个在做材料的人的实验室
非常普遍
就是处理一些比较危险的材料
和fingert
危险为什么
这里边的东西很危险吗
因为carbon nanotube
是一种nami材料
然后它对人体的影响不被知的
所以要
就是你呼吸道什么的
这里边就是在
感觉这种地方就很像那种
末日机器人会出现的地方
这些
这些就是Oscilloscope
Ground Probing Station
这是一台激光
这一台比较特别的
这台激光它是
我们说的切割激光大约是10微米左右
所以说所有的microwide parts
都在这些地方可以切割
它是那个
它是门槛
它应该是一个比较大的门槛
跟大陆实验室比
就是
激光的精度比较高
然后后面还有一些
假如说
烤箱
也heat press
怎么把不同的材料lattens在一起
然后
假如说做
做circuit的时候
这个叫一个叫
它叫Probe Station
就是说怎么测一些
你电路上的一些properties
然后还有finite
这个是一个buffin material的finite
很多种材料在一次性的达成
我朋友家有一个
我也觉得已经很牛逼了
因为他有一个工业级打印机放在家里
但是
这个
这个是一台
激光切割机
但这个就是比较不同
这个大多的实验室都比较普通
对
我先说一下这个实验室
这家大致上大概有一半的设备是我的
但是其实很多设备也是别的老师买的
就是这个是一个
我们想做成一个像fabrication
hub
就不光我学生要用
所有有道理
都可以去用
难道这不是常态吗
就是一个系还会同样一个机器买很多个
然后不同老师用
不会去想
假如这个小窝里咱们
看那些设备就只剩我自己选
因为他就像你说的
他可能这个机器比较便宜
而且我用的次数比较多
这样他只有我自己在用
比较贵的机器
你的funding总共升了多少
你说你的funding升了多少
就从你读博士到现在
你总共升到了多少funding
从我
我读博士到现在
大概
我具体数就不要说了
但是就是
反正还可以
还可以
能收数量级吗
一般
一般要维持一个实验室
运作我觉得每年大约就这个
他分别叫运作
维持运作
但是setup你买这些呢
买这些设备是有所谓叫
叫Sara床
就是你放进这个laptop的时候
他学校会给你
设备都一起放
因为
设备有别人可以用
对而且放在学校里
好的
好这一组你能坐在replacement里
他做的打狗
然后
对整个业界的
嗯
对整个业界的
戴个帽子
哦