作者 | 赵赛坡
头图 | 视觉中国
本期推荐以下话题的长文：
• 互联网时代的封锁与制裁，如何改变中俄两国的科技产业？
• 从 MR 到语音交互，为何新计算平台的赌注越来越大？
• 上世纪 80 年代末，保加利亚计算机病毒为何横行世界？
• 如何理解 AI 编程是“业余爱好者的胜利”？
• 既然 GPT“能读会写”，人类阅读和写作还有什么意义？
• 躁动的产业环境下，AI 产品化的挑战在哪里？
“More Reading,Less Junk”，欢迎进入本周的深度阅读时间。
互联网时代的封锁和制裁
二战后，大国间的封锁和制裁主要发生在互联网时代之前。
在上世纪90年代，互联网作为全球化浪潮的新领头羊，与“历史已经终结”的宣言齐头并进。同一个地球之上，世界各地的人，通过同一张网络（万维网），利用同一个协议（IP/TCP 协议）快速建立起了联系。
互联网塑造了一种可能超越麦克卢汉所说的“地球村”的紧密联系。然而，去年开始的这场战争不仅让人们回到了大国之间的封锁和制裁的旧时代，更揭示了互联网时代封锁和制裁的独特性，俄罗斯真的变成了一个“村庄”——隔绝在全球科技产业、研究、资金、科学交流以及硬件之外。
推荐这篇《MIT 科技评论》的长文（链接、20 分钟阅读时长），展现出俄罗斯当地普通科技从业者的挣扎与痛苦，人才流失、私人投资锐减以及供应链（包括硬件和软件）的困境，进一步加大了俄罗斯构建自给自足产业链的难度。
有的公司将总部迁到了新加坡，有的公司创始人拿到第三国的永久居留权，“我们感觉就像是夹在饼干中间的夹心”，这是其中一位创业者的感慨。
新计算平台的赌注越来越大
苹果已经被证实将在本月展示第一代 XR 设备，这将是 iPhone 之后苹果最重要的一款产品，也被外界看作是打造新一代计算平台的关键产品。
推荐这篇 Matthew Ball 长文（链接、50 分钟阅读时长），他详细探讨了为什么新计算平台的出现越来越困难。 一方面，建造平台的成本越来越高，而收入并不乐观，比如 Meta 的虚拟现实业务已经投资了超过 500 亿美元，亚马逊也为 Alexa 投资超过 450 亿美元，但这两个产品并没有带来应有的收益。
另一方面，成本居高不下的一个重要原因是技术尚未成熟。例如，Meta在虚拟现实头盔的显示技术上投入巨资。技术的不完善也限制了应用场景的多样性，这使得开发者生态系统的构建变得极其困难。当然，某些“旧平台”看门人——典型如苹果——的阻碍，进一步影响了新平台的发展。
保加利亚计算机病毒工厂的往事
在上世纪 80 年代末，编写计算机病毒在保加利亚的年轻人中流行起来，这成为他们抗击乏味生活和寻求社会认可的手段。1990年，《纽约时报》援引计算机科学家的话称，保加利亚不仅制造了当时数量最多的计算机病毒，而且质量也位居世界之首。
这篇长文（链接、40 分钟阅读时长）回顾了三十多年前保加利亚计算机病毒发展的几个重要节点和人物，其中一个颇为戏剧性的人物是一位研究工业控制和机器人的程序员，他在当时的杂志上发表了一篇如何识别计算机病毒的文章，这反而激起了年轻人研究病毒的乐趣，接着，这些病毒逃离了保加利亚的边境，通过网络传播到欧洲，甚至越洋到达美国。
这个故事的另一个主角是名叫“黑暗复仇者”的黑客，他编写了当时影响力极大的几个病毒，成为了保加利亚青年们的偶像。这位神秘的黑客在接受美国女孩采访时，把病毒视为其身份的延伸，可是他逃离保加利亚阴郁现实，去探索世界的方式。这段自白很直接：“我觉得编写一个能够自己旅行并去到其创造者永远无法到达的地方的程序，对我来说是最有趣的。美国政府可以阻止我去美国，但他们不能阻止我的病毒”。
三十多年过去了，“黑暗复仇者”的身份依然是个谜。对于世界来说，无论是虚拟世界和物理世界，我们早已习惯了与病毒共存。
使用 AI 编程之后
过去几个月，我们看到了众多基于大语言模型的产品，也通过各种渠道了解到诸如“提示词工程”、“自然语言编程”等相对专业的词汇，但还缺一个视角：普通人可以在 AI 编程中学到什么？
这篇文章（链接、20 分钟阅读时长）回答了我诸多疑问。作者是一位资深的程序员，组织了一个大概 100 人的 AI 编程课程，在一个月的课程上，作者获得诸多启示。比如，基于 GPT 的编程降低了编程的门槛，使得整个过程由原先的抽象变得更加形象和具体，这也进一步扩大了“技术人员”的群体。
文章的作者也注意到，即使是 GPT-4 也存在缺陷。作为开发者，他们不仅需要学会如何使用这些模型，还必须具备解读代码的能力，以避免采取错误的路径。此外，目前并非每个人都能“平等”地获得GPT-4或类似的模型，这其实也构成了一种歧视。
我们不妨把使用 AI 编程看作是一类“业余爱好者的胜利”，这些“业余爱好者”所编写的应用可能无法和专业应用相比，但 AI 编程让他们拥有了更多可能，就像意外发现了一个武器库一样，这些使用“新武器”的“业余爱好者”们，正在越来越庞大。
阅读和写作的意义是什么
这篇 New Yorker 的文章（链接、15 分钟阅读时长）引起了我深深的共鸣。作为内容创作者，我和作者一样，需要大量阅读才能在键盘前构建出有意义的内容，比如这篇会员通讯的生产过程里，我浏览、阅读了大量文章之后才挑选出来这些值得推荐的文章，同时还要为每篇文章写一些介绍和推荐语。
就像文章作者所言，这在某种程度上也和 GPT 的文本生成过程相似：我们都要学习海量的数据或文章，再将这些信息拆解为可管理的碎片——请允许我使用这么简单的说法，然后重新组合并在合适的时候进行输出。
但事实并非如此，人类阅读和写作与 GPT 完全不同，人类阅读和写作不仅涉及深度理解，还包括感知和主观判断，这是GPT所缺失的。阅读时，我们理解信息背后的含义和作者的观点，根据个人知识、经验和情感反应。写作更是重新组织信息，同时表达个人观点和感受，这需要对主题有深入理解和独特见解。
人类的阅读和写作更像是艺术创造，而非机械的信息处理。我们的大脑在此过程中发挥想象力，产生新颖观点。相较之下，尽管 GPT 能生成合理连贯文本，但它仍无法真正理解文本含义，也无法进行真正的创造。
AI 产品化的挑战
不久前我在一档直播里谈到，面对大模型，作为开发者或创业者要多一些冷静，从代码到产品之间还有很长的道路，而且一款几百人使用的产品和几万甚至几百万使用的产品并不一样。
这也是我选择这篇长文（链接、30 分钟阅读时长）的原因所在，作者给出几个清晰的思考方向，为什么 AI 产品容易失败、产品开发中如何克服 AI 的局限性，如何建造一个人人喜爱的 AI 产品？
作者最后坦言，AI 与互联网早期所不同的点在于，入门门槛非常低。在互联网初期，构建网站是一项艰巨的工作，仅限于大型技术团队完成。而与此形成鲜明对比的是，现在任何有网络连接的人几乎都能使用开源模型去构建应用。
正是在这样的背景下，创业者需要特别警觉，AI 或大模型并不能构成你产品的竞争优势。因此，识别出你的产品真正的价值所在，成为了一个至关重要的问题。
评论