微软成了最大赢家，把 Sam Altman 和 Greg Brockman 收入麾下

Obsidian 1.5 预览版内置了表格编辑器：

1. 可以像 Excel 一样编辑 md 表格；
2. 最后仍以 md 格式存储

https://fxtwitter.com/obsdmd/status/1726710187850109082

Daily Productive Sharing 852 - Unplanned work

Julian Lehr 介绍了 Linear 内部如何将突发工作转换为有计划工作的实践：

1 突发工作会一直存在，只是时间早晚的问题；

2 突发工作不可避免，但是我们可以提前准备好应对措施；

3 当我们遇到突发工作的时候，最重要的是将他们转变为可执行的，有优先度的工作。

https://letters.acacess.com/daily-productive-sharing-852/

透骨新鲜的微软 CEO - Satya Nadella 访谈

1. Satya 在事发之前完全不知情， 他和OpenAI 的 non-profit board 完全没有接触过，因为之前他只和 Sam 接触；

2.如果 OpenAI 就此解散，从微软的角度而言，也是非常巨大的灾难，因为会失去客户的信任；

3. 在这一逻辑下，微软的所作所为就很好理解了，尽量把危机化解，重新获得客户的信任。目前的做法恐怕是一个最优解；

Kara Swisher 真是非常老辣的记者，一步步逼问，不给 Satya 一点余地。

https://open.spotify.com/episode/4i4lKsKevNSGEUnuu7Jzn6

豆瓣不存在的书影音

https://terminus2049.github.io/Not-exist-in-douban/

Daily Productive Sharing 853 - Getting lucky

Will Larson 对于依赖运气有不同的见解：

1. 依赖运气不可持续；

2. 运气光顾当然好，即使没有光顾，我们也需要有其他的应对方案；

3. 即使在运气不好的时候，有应对方案也好过坐以待毙。

比如 Digg 被收购前，Yahoo 搜索被收购前，Uber 退出中国市场前，Will 所在的团队都做出了很多努力，使得最后的退场都有不错的补偿。

https://letters.acacess.com/daily-productive-sharing-853/

Sam Altman 和 Greg Brockman 重回 OpenAI

Daily Productive Sharing 854 - ChatGPT has forever changed my career

Danilo Campos 使用 ChatGPT 辅助自己写代码，这段经历让他觉得自己的职业被 ChatGPT 所改变：

1 软件结构对项目的成功产生显著影响，影响调试、开发速度和功能实现。

2 开发者从他们在项目中遇到的挑战和复杂性中学习。

3 像 ChatGPT 和 GitHub Copilot 这样的工具正在软件开发中变得必不可少，提供指导并放大个人能力。

4 软件开发技术的演进具有深远的社会影响。

https://letters.acacess.com/daily-productive-sharing-854/

Daily Productive Sharing 855 - Abstraction

Paul W. Homer 认为抽象机制是编程中最重要的机制之一：

1 抽象机制可以让你的代码减少错误，提高你的编程效率，最重要的是降低你的认知负担；

2 你可以让你的代码慢慢变得抽象，并不一定要一步到位，但好的代码是在不断进化的，而抽象恰好是进化的标志之一；

3 代码是一个程序员的认知体现，所以写代码之前读一些相关的文档，请教一些有经验的人，会让你事半功倍；

4 写代码本身也会面临不少取舍，而你要做的就是根据实际情况，做出平衡。

https://letters.acacess.com/daily-productive-sharing-855/

DPS 周刊 124 - ImageNet 的艰难诞生

https://letters.acacess.com/weekly-124/

在上一期 DPS 周刊中，我们介绍了李飞飞教授的移民奋斗史 -- The Worlds I See 。其实她的成名之作当属 ImageNet，这座计算机视觉的里程碑的诞生却一波三折，它甚至差点夭折。

当李飞飞最早和身边的人聊起 ImageNet 的点子，很多人都觉得她异想天开，甚至包括她的祖师爷 Jitendra Malik:

He paused for a moment, then continued. “Frankly, I think you’ve taken this idea way too far.” I took a shallow breath. “The trick to science is to grow with your field. Not to leap so far ahead of it.”

幸好李飞飞遇到了 Kai Li 教授，以及他的学生 Jia Deng。专注于分布式计算的他们帮助李飞飞解决工程上的难题，毕竟在当年要构建一个包含上百万张图片的数据集，工程上并不容易。

最早他们是请学生一张张搜索图片，然后手工下载。Jia Deng 计算了一下工程量之后，发现要19年才能下载完。于是他写了爬虫，自动从 Google 上检索图片，然后下载。不久这个爬虫就被 Google 封锁，直到他使用动态 IP 来破解 Google 的封锁。

解决了图片下载的挑战之后，如何标注这些数据是第二大难题。在与 Jia Deng 的闲聊中，另一名研究生 Min 得知了这一挑战，于是向李飞飞建议使用 Amazon 的众包服务 -- Mechanical Turk -- 将标注工作外包给全世界使用 MTurk 的人。

I instantly forgot about my haste as my ears perked up. Jia has a social life?

就这样经过两年不懈的努力，ImageNet 终于完成建设，包含了近1500万张图片。

After two more years on the knife-edge of our finances—an agonizing stretch in which even a minor bump in the road might have sunk us for good—ImageNet was finally maturing into the research tool Jia and I had always envisioned.

恰逢 Black Friday，我们开通了首年订阅优惠，只要75折。点此获得优惠

他们于2009年将论文 ImageNet: A Large-Scale Hierarchical Image Database 投向了计算机视觉的顶会之一 – Conference on Computer Vision and Pattern Recognition (CVPR)，没想到只获得了海报展示的机会。你能相信吗？这篇计算机视觉史上最重要的论文之一只获得了海报展示机会，而不是口头汇报的机会？

Our first setback was also the most consequential: that ImageNet was relegated to a poster session.

尽管在 CVPR 2009 上，ImageNet 并没有获得多少关注。但是李飞飞他们并没有气馁，相反，她非常坚信自己的成果：

“I don’t think ImageNet will make today’s algorithms better,” I said. “I think it will make them obsolete.”

他们也没有雪藏这个数据集，而是把他们做成了一个挑战赛，任何人都可以报名参加。于是他们联合之前的赛事 PASCAL VOC，让 ImageNet 成为其中的一个分支。

Mark was a rising star in the world of computer vision in his own right, and kindly allowed ImageNet to begin its life as a new track within the PASCAL VOC competition, then in its sixth year. It was an especially gracious offer, giving us the chance to learn the ropes within the confines of something already established.

当然“古早”的机器学习算法 -- 比如随机森林，支持向量机等等，拿这么大的数据集毫无办法，所以参赛者也知难而退：

Worst of all, participation was already dropping, and precipitously: registrations fell from 150 to 96 in the second year, and the entries themselves fell from 35 to just 15.

一直等到2012年， Alex Krizhevsky，Ilya Sutskever 和 Geoffrey Hinton 三人利用基于神经网络的 AlexNet 把 ImageNet 上的识别错误率降低到 15.3%，比第二名高出10.8%。以至于李飞飞和 Jia Deng 都不敢相信自己的眼睛。因为神经网络在当时被视为古早的算法，很多机器学习的教材都是一笔掠过 :)

“All right. Well, first of all, they’re using a really unorthodox algorithm. It’s a neural network, if you can believe it.” My ears perked up even more. If he didn’t have the entirety of my focus a moment ago, he certainly did now. “It’s like … ancient.”

当然 Hinton 知道 ImageNet 也纯属巧合。因为神经网络早已被人摒弃，只有他一人在默默坚持。当时的他苦于找不到足够大的数据集测试自己的算法，知道有一天他向老朋友 Jitendra 抱怨，而 Jitendra 向他提起了 ImageNet。没错，就是前面心存怀疑的祖师爷。

“You really want to impress me, Geoff? Show me they can handle something serious.”
“Like?”
“Like object recognition. In the real world.” Whatever Jitendra thought about ImageNet, I’d known since my days at Caltech that he was a believer in the power of visual categorization. “Have you tried PASCAL VOC?”
“Yeah. No luck. It’s just too small. There aren’t enough examples, so the network doesn’t generalize very well when we show it something new.”
“All right, so you need something bigger. Have you been following Fei-Fei’s lab, by any chance? When you’re ready for a real challenge, take a look at what they’re up to.”

所以 ImageNet 和 AlexNet 相辅相成，没有 ImageNet 这么大量的数据，AlexNet 就不会有惊人的突破；没有 AlexNet 的问世，也就没有 ImageNext 的广为人知。而之后的一切都是人们所熟知的历史。

现在回看，ImageNet 真是命运多舛，哪怕李飞飞少一点坚持，那么整个计算机视觉的发展速度都会不一样。

AwesomeVisa Workshop 01 - 润向德国🇩🇪

在德国工作的体验如何？
在德国读博的体验如何？
如何获得德国 blue card？
如何获得德国永居？

如果你对这些问题好奇的话，下周日请来我们的润向德国讲座。

12月3日晚上九点，我们将邀请在最近在德国获得永居的苗阿德夫妇来分享：

1 德国工作申请
2 德国留学申请
3 德国永居申请
4 德国生活简介

免费注册即可获得会议链接

https://exodus.awesomevisa.com/workshop-01/

Daily Productive Sharing 856 - Train Your Mindset Like Your Body

Anne-Laure Le Cunff 建议我们像锻炼身体一样锻炼我们的心态：

1 我们的心态和我们的身体一样，可以通过锻炼来变得更稳定，更能应对挑战；

2 锻炼心态和锻炼身体一样，最重要的是保持节奏；

3 有很多简单的练习就可以锻炼我们的心态，比如每天写下感激的一件事，花一分钟进行冥想，等等。

https://letters.acacess.com/daily-productive-sharing-856/

Daily Productive Sharing 857 - Yes or No to Yelling?

Jacob Kaplan-Moss 认为在工作中吼别人是非常不专业的：

1 你可以感到愤怒，可以生气，但是如何表达愤怒是你的选择；

2 你有很多方式表达你的愤怒，但是通过吼别人来表达自己的愤怒是不可接受的；

3 如果你发现自己在工作中吼别人，请找心理咨询。

我基本同意 Jacob 的观点。回顾我自己的经历，曾经有两次在工作中吼别人，都是被对方逼到不可忍受的地步。我从来不会吼下属，因为完全没必要，而且下属犯错，一般都是我没有尽到责任。两次吼对方，都和 DevOps，反复卡我们的权限，即使我们已经获得了上层的许可。吼完之后都解决了问题。所以我认为必要的时候，吼也能解决问题。但这个基本相当于原子弹，请谨慎使用。

https://letters.acacess.com/daily-productive-sharing-857/

https://letters.acacess.com/ 已经无法被分享到朋友圈，是不是被防火墙认证了？请大家帮忙测试一下

查理 芒格 — 巴菲特的搭档，去世了，享年99岁。

这里是 Acquired 对 Berkshire Hathaway做的三期详尽介绍

https://letters.acacess.com/daily-productive-sharing-297/

这里是 Acquired 最近采访他的录音

https://www.acquired.fm/episodes/charlie-munger

Daily Productive Sharing 858 - 3 Hard Truths

Mark Manson 提到了三个我们不愿相信的事实：

1 我们对于很多事物都是错误的，也许要等很久才能认清 -- 所以多看少说；

2 我们可能很蠢 -- 所以慢慢下结论；

3 关心他人是我们保持快乐的最重要因素 -- 所以好好维持各种关系。

https://letters.acacess.com/daily-productive-sharing-858/

Daily Productive Sharing 859 - Reflecting on Time at Google

Ian Hickson 在 Google 工作了十八年后离职，指出了当下 Google 的一些问题：

1 当前 Google 的公司文化和早年的完全不一样，转折点在于 Sundar Pichai 接手 CEO 之后；

2 整个公司不再以 Do No Evil 作为指导方针，而是以短期的股价作为坐标；

3 裁员对于员工的伤害非常大，即使留下的员工也不再像原来那样勇于创新，而是要考虑自己的生存。

https://letters.acacess.com/daily-productive-sharing-859/

Daily Productive Sharing 860 - AI is About to Change How We Use Computers

盖茨对于 agents 有着审慎的乐观态度：

1 agents 是指只需要使用人类语言就能与之交互的软件，这类软件可以完成很多任务；

2 agents 必将在不远的未来进入到我们的日常生活中，对于这，他已经憧憬了三十年；

3 agents 不仅将改变人们使用软件的方式，更会重塑整个软件开发行业；

4 教育，医疗，娱乐和生产力将会被 agents 完全改变；

5 当然 agents 也会带来一些潜在问题，比如隐私，等等。

https://letters.acacess.com/daily-productive-sharing-860/

DPS 周刊 125 -- 提前完成了一个小目标

https://letters.acacess.com/weekly-125/

今年年初的时候，制定了一个阅读40本书的小目标，没想到提前一个月完成了。

今年读的最多的还是自我救赎类的书籍，快一半都是这一类。

也读了不少东南也主题的书籍，和几本中国有关的书。

如果问我最喜欢的是哪本，应该还是李飞飞教授的 The Worlds I See。

回头一看，在 Weekly Recap 里写了不少读书笔记。

今年你读了什么好书呢？欢迎和我们分享。

今晚九点，大家不见不散

https://t.me/pillarsalt/466