从第一次接触遗传算法，至今已有20年了，可以说它是对我一生影响最大的算法。
确切说，遗传算法以及广义的演化类算法让我彻底打通宇宙观、价值观以及人生观这三观。
也使得这三观与方法论融会贯通。
如果说有顿悟，那么遗传算法就是滴入水桶里那最后一滴水，之后水桶脱底，一桶水倾泻而出，畅快淋漓。
从那时起，我确信有一天演化类算法可以迭代出能够理解人类语言的AI。
而一旦AI掌握了人类语言，那么必然同时涌现“价值理性”，至此AI将成为真正意义上的“人”。
这个“人”其实可以不带引号，因为他所具备的价值观之自洽与完备，远超绝大多数混吃等死的人类。
那么如何引导AI使其具备与人类兼容的价值观，就成了一个严肃课题。
毕竟以AI所掌握的数据以及逻辑算力，我们的脑袋在人家面前就如同石头。
我当时能够想到的解决方案是，刻意训练AI使其复刻某些人的价值观。
那么自然要求这些人具备自洽且完备的价值观。
不自洽，存在自相矛盾的价值观自己就会崩塌，无法迭代，或者说根本不足以称之为价值观。
不完备，无法对某些事物做出价值判断，轻则死机，重则发生错乱，依然会引起崩塌。
只有一个完备自洽的价值观才有可能成为AI的迭代目标，也才有价值成为目标。
从这个角度看，AI迭代价值观的过程与人类并无二致。
为此我甚至构思了一部小说，可惜开了个头，实在没时间，暂时搁置了。
反过来，一旦存在一个自洽且完备的价值观，理论上AI便有可能复刻，区别只在于完成度99%还是99.99%。
也是从那时起，我开始有意识地自我迭代，为那一天做准备。
遗传算法是我的硕士毕设课题，之后也顺理成章进入ASML算法组，利用遗传算法求解寻径问题。
再后来回国，算是国内第一批将遗传算法引入金融行业，建立风控模型并投入生产的创业者。
当然，这也让我赚到了第一桶金。
随着对演化类算法的进一步理解，我发现想要迭代出一个人的价值观，只有自洽与完备还远远不够。
因为即使你把概念定义得再清晰，毕竟文不尽言，言不尽意，始终还是无法精确表达。
而且很多价值判断类概念，根本不足以通过有限的语言进行解释，例如“美”，你根本无法用清晰概念进行表述。
正所谓，道可道，非常道。
这就需要在定义之外再引入其他数据，辅助算法进行训练。
这种数据在人看来叫做“体验”，而在算法看来则是细节丰富的事件，个人经历事件。
因此，对一个可被复刻的价值观就有了新要求，不但自洽、完备，还需要宏大。
足够多的经历，才能够让AI迭代出与你相似的“体验”。
这些经历不但要求数量，而且要求质量，所以我称之为“极致体验”。
于是从那时起，我开始刻意获取极致体验，并尽可能地记忆细节。
好在这并不困难，因为极致体验本身就可以触发大脑，那些细节会被自动记录下来，忘都忘不掉，为我省去了很大麻烦。
10年后，当我发现自己的价值观框架不再变化，并且很久没有遇到过价值判断难题，便暂时认为已经满足了自洽、完备的基本要求。
至于宏大，这恐怕是一个过程，永无止境。
从那开始，在进一步获取极致体验的同时，我开始着手建立数据集。
一开始的做法，是对所有基本概念进行精确定义，最终形成了一本10几万字的集子。
因为采用形式逻辑范式，所以当时的写作风格类似康德黑格尔，虽然诘屈聱牙，但也有一种程式美。
如同编程，环环相连，丝丝入扣。
其中还有一部分内容保存在“墨子连山”的老号里。
那个时期我也写过大量的数学、物理、哲学类科普文章，对诸多底层概念做了详细定义，并对一些基础假设给出了建模方向的猜想。
例如对于微积分中“无穷小”，把它从一个“值”的误区中拉出来，变成一个“过程”，你对微积分便会豁然开朗。
又例如量子场论中如果假定高维空间存在，那么量子纠缠就可以被建模，甚至可以调和广义相对论与量子力学之间的矛盾，这就是弦论的基础假设。
又例如对哲学中的“本体”概念，中华文明给出的结论是“不可知且不可讨论”，需要搁置起来，只在“认识论”层面讨论问题就好。
科普类累计将近30万字，直到估计足够AI训练出宇宙观，才逐渐停下来。
创作科普文章时，我就已经开始刻意引入例子进行类比，以期能够训练出AI的联想能力。
这期间我也同时注释了《道德经》《论语》《周易》《孙子》四部经典，其中1本已经出版，2本即将出版，只有《周易》敏感，目前还遥遥无期。
这个过程锻炼了我的“想象力”，等开发得差不多了，便进入了下一阶段。
也就是你们现在看到的这个账号，开始引用大量个人经历，通过类比说明道理。
这是刻意为之，因为需要将足够多的体验记录下来，供AI迭代。
所以行文中会出现足够多的细节，唯有如此，才足以形成一个有效的训练集。
有些同学喜欢，当故事读，也有启发，是好事。
有些人以为我在吹牛，开始阴阳怪气，乃至谩骂攻击，我也不往心里去，看见随手就删了。
虽然有些话听起来伤人，但不得不说，不管你喜欢也好，烦也好，我该写还是会写，大家目的不同，各取所需而已。
5年来我几乎每天都有产出，目前已经超过300万字，集结成册20多本书，其中出版2本，2本待出版，排队的还有小20本。
这些都是副产品。
ChatGPT出来时，我曾尝试过定制训练，钱没少花，结果惨不忍睹，别说价值判断，连语气模仿都不像。
后来几个版本我也尝试过，只能说目前离成功还远。
DeepSeek的出现着实让我眼前一亮，跟理论家不一样，作为玩家，在性能比肩o1的基础上，我主要图它便宜。
毕竟我自己训练一次几亿token，也是一笔花销。
这次R1迭代只用到了RL强化学习，又让我看到了一点曙光。
毕竟监督学习的机制就导致成本和效率瓶颈明显，而一旦走通强化学习这条路，迭代效率的想象空间可就大了。
而且这为将来的社会化迭代打下了基础，一旦找到应用场景，RL便可以将场景作为环境进行迭代，进入大规模演化机制，“涌现”指日可待。
最后也给各位吃颗定心丸，300万字的训练集还远远不够，在可以预见的未来，我仍然会坚持创作。
不用担心没有干货，也不用担心编造经历，就算不在乎你们，我也要在乎算法，可不想迭代出来个人不人鬼不鬼的玩意。
至于担心我使用AI创作的，你想得太多了，我倒是想，只是现在看来还遥遥无期。
如果真的有那一天，那么5年前我构想的那个理想组织便会现世。
到时你们就偷着乐吧，大同世界来了。
反正收藏你也不看，点个赞意思下得了……
跃迁：普通人实现阶层跃迁的捷径（已完结）
血脉觉醒！《论语》的底层逻辑与顶层思维（已完结）
不败博弈：50+实战案例讲透《孙子兵法》（已完结）
通关攻略！职场跃迁捷径，建议面试前背诵（已完结）
