这个周末的情绪尚可，大概是因为下周终究还是有几个面试。无论有多大希望，总之情绪有了托底，精神上就没有松懈。这个周末决定往前赶一赶，把下个星期的研究计划提前启动。看看是否能够早日得到一些阶段性的结果。

这个周末最大的节目其实是远在我出差和被裁员之前就定下来的，也就是带大女儿参加一次这里的区域性的AI研讨会。目的不是让女儿在技术上能够懂什么，而是让她见识一下所谓的conference到底是怎么回事。这个虽然是区域性的，而且主要是华人为主的，但是因为华人在这里的话语权和对AI的深度参与，站在台上的人其实没有一个是弱者，教授好一些，独角兽公司创始人也一大堆，虽然这并不是一个学术前沿的讨论，但是有很多贴紧创业和实用的部分。也正因为如此，让女儿听听也许是个不错的选择。

会场并不大，但是五脏俱全。主会场，分会场，赞助商，甚至还有咖啡 — 狠狠的拿了一大杯，越是没的喝，就越是想喝。会场开始的时候我们挑了一个稍微靠前的位置—我本来想做前排，女儿不愿意，所以挑了一个靠近前排的位置。

这次的开场时现场采访databricks的创始人，也是UC Berkeley的教授。问的第一个问题就很尖锐：AI的发展这么迅猛，你觉得这个行业普遍性的犯了什么错。教授显然猝不及防，沉默了好一会，才开始从产业，布局，和研究方向开始逐步深入的讨论。有些细节我没有听懂，但是结论是：行业在模型的前后推理，记忆体，模型本身，应用（SKILL）上都有很深刻的推进，但是似乎缺乏一个整体性的融合 —— 是融合和不是整合，有些人在讨论AI操作系统，但是AI的发展不是当年的微软时代，也不是互联网时代。如果一定要类比，那就类似于两者的结合。

第二场的讨论是三个初创公司的CTO，CTO和一个Princeton（普林斯顿）的教授，刚刚加入OpenAI的技术董事会。这次讨论的重点是未来几年的突破有可能有什么方向，和现在最大的瓶颈在哪里。虽然讨论还比较激烈，但是结果好像相互印证。简单的说就是Scaling Laws （尺度定律、规模定律）还没有走到尽头，所以目前模型还是在往前走，虽然有递归推理（Recursive Reasoning）带来了更多的讨论，但是本身仍旧是大模型发展的一部分。只不过是属于“后推理”的部分。而如果说要有什么瓶颈，那么一定是数据。而这个数据，基本上超越了书本文字，而是物理世界的三维数据。只有有了这些数据，模型才能更懂人类和人类社会。

第三场是Google的deepmind实验室的VP。台湾人，74年的，介绍中说他用了六年半的时间读完了本科硕士和博士并毕业。他的演讲我觉得是最好的。语言清晰，节奏紧凑，深入浅出，三十分钟里面给大家科普了过去三十年的重要技术发展。最后他的结论是：未来十年的大模型的发展很清晰：就是后推理时代。同时他加了一句话：有些东西，特别是大模型的东西，不是想出来的，是试出来的，只有不断的试错，我们才能理解我们自己创造出来的东西。

第四场也是采访UC Berkeley的教授，但是内容有点混乱，我几句不记录了。全程一共三个半小时，主持人甚至连五分钟的间隔让我们上个厕所的时间都没有留出来。就这点而言，这是我今年最大的考验，差点没过。

中午休息的时候，我问女儿感觉如何。她说：听不懂。我很能理解，于是乎将这些演讲和谈话里面涉及到的基础知识讲了一遍，顺带联系到她能够理解的部分。虽然有些我也不是很能够讲得很透彻，但是女儿基本上还是了解了今天听到的内容。

末了，我告诉女儿一句话：带你来的目的，有三个：1.看看所谓的conference究竟是怎么回事。其实就是听听别人讲课。2.看看那些站在台上的人如何表达。有些人有学术能力，但表达不行，也是很大的短板。沟通的能力其实是非常重要的能力，感受一下外面的那些优秀的人是如何沟通的，看看自己和他们的差距。3.看看前沿科学。重要的不是懂，而是知道原来在目前这个阶段，这个领域，人类前沿的理解究竟是什么，这些人如何思考的。消除一些科学的神秘感。有句话叫做“如果你也不知道，我就放心了”。人看到差距，但是不要无限扩大这些差距。

末了，女儿觉得已经很累了。我们下午的几场关于具身智能的机器人的就没有听。回去的路上，女儿居然睡着了。看来上午的演讲她虽然没有听懂，但是真的也很是努力地在理解了。

对我自己，我觉得学到了很多。特别是之后和Charles聊天，说到‘AI native’ — 原生AI公司和应用的时候，我的一部分思考就是由此而来的。过几天再叙述好了。