图灵为什么牛
图灵是20世纪最具影响力的科学家之一，是计算机科学之父，用数学定义计算本质，破译纳粹密码，为人类开启了数字时代。
他最独特的思维方式，就是用抽象的数学眼光去看待智能和计算
他的贡献也跨越了多个领域：计算机科学、密码学、人工智能、数学生物学等等，每个领域都有开创性的工作。
这种跨学科的天才是非常罕见的，在他身上，也能获得很多有助于我们自己成长的启发和参考
1. 极致思维，把一项能力做到极致
同样的一个事情，做到90分和99分，需要付出的投入度的差距不是10%，而是10倍，包括时间、精力、聚焦及正确的方法研究等等
马拉松就是一个很好的例子，跑进4小时和跑进3小时，需要付出的时间、精力是完全不一样的，对于大众选手而言，破三就足以成为大神了，而图灵的马拉松最好成绩是2小时46分，这还是在上世纪40年代的事情。为了练习长跑，图灵投入了很大的精力
把一件事情做到极致的好处有很多，尤其是在这个过程中，需要克服很多困难，如果最终能把这些困难都一一克服，最终达到极致的水平，我们也就练就了一身克服困难的本领，这种能力再应用到任何地方，都能轻松应对任何可能的挑战，人生也就变得更加的从容
所以，无论是成年人还是小孩，尽可能的去突破一项足以在国内成为顶级水平的能力或技能，对人生的受益，将是极大的
- 超级聪明
这一点毫无疑问，图灵是一个超级聪明的人
普通人可能无法比，但除了聪明，还有一个更重要的能力，就是终身学习，认知水平就会一直提升
- 善于向大师学习，可以从各种大师那里获得灵感
图灵对于计算问题的思考，收到了冯诺依曼以及希尔伯特的启发
其实人类的很多伟大的发明或者创造，或多或少，都会受到前人的启发，要想获得巨大的突破，从大师级身上去学习和灵感获取，是真正智慧的做法
和真正优秀的人为伍，也是这个好处
- 一通百通
这里百通的前提，是要在一个领域成为真正的专家，掌握了底层体系并真正的融会贯通之后，才能具备真正的认知迁移能力
只是了解一些皮毛就去跨界，就没有意义了，这种所谓的通，也都是皮毛
- 终身学习
《异类》的观点，智商达到120，再高就没有太多帮助了，真正能走多远，取决于能否做到终身学习，即便智商普通，如果能做到终身学习，也会远超常人
- 高目标驱动，目标的设定要比别人高一个数量级
最近看雷军在武汉大学的分享，有一个观点也提到，他建议同学们要制定一个很高的目标
较高的目标反而能激发斗志以及激发灵感，另外在解决的过程中，把高目标拆分成小目标后，也并没有想象的那么难，一旦做成，就会很了不起
- 做实干家
无论是地位与财富如何变化，在专业领域，始终会坚持在一线去克服世界级的难题，这一点非常重要
很多世界级的工程师，比如迪恩，美国工程院院士，到现在也仍然在写代码
- 坚守信誉
说到就要做到，不轻易失信于人，这样的人就很容易被人信赖
再进一步提炼，就是：
- 成长思维：追求极致加上远大目标。不是简单地完成任务，而是追求卓越，这种思维模式才能激发潜能。
- 学习方法：将终身学习与实践相结合。聪明不是最关键的要素，持续学习和实践才是突破的根本。
- 专业态度：在某个领域做到精通后再谈跨界。真正的”一通百通”必须建立在深度专业能力的基础上。
最近关于AI的一些理解
AI的技术进展，仍然在高速进行，应接不暇
比如ChatGPT 4o，可以通过简单提示词和多轮对话，对照片进行处理，或生成符合预期甚至超出预期的图片，效果非常好
这会让很多人误以为，是不是就不需要提示词技术了，是不是就不需要学AI了
我和向阳的结论恰好相反，对于很多简单的任务和输出，确实由于AI能力的提升而变得不那么讲究技巧了，但是对应高级任务或复杂任务，对AI的驾驭要求也就变高了
这个和赛车一样，小米su7ultra确实降低了普通赛车的门槛，没有了那么多繁琐的按钮，普通人也能轻松的开车小米su7ultra在赛场开个几圈，几乎会开车就行，但是要想开出好成绩，仍然需要职业水平的能力和练习
还有一个例子，PPT，早期会做PPT的人还不是那么多的时候，只要会做，就能胜人一筹，但随着PPT模板、教程及PPT软件本身的不断升级，会的人也越来越多，但是对PPT的成果的要求也就随着水涨船高
无论是赛车的案例，还是PPT的案例，最后发现，真正的高手，最后拼的还是专业素养，这背后包括了经验、专业理解、逻辑、审美
真正的PPT高手，反而很少花里胡哨的技巧与装饰，反而是逻辑高手、审美高手、哲学高手
这和我们对于AI的高级能力的判断也是如此，真正的AI高手，比如写提示词这件事，到最后，拼的仍然是对业务的理解，拼的是逻辑、审美等等
ChatGPT 4o，当我看到一些优秀图片的提示词背后，也仍然考验的是对图片的审美
AI时代高人效的逻辑
成功 = 战略 * 有效执行力 战略=做什么 不做什么
高人效 = 有效执行力 * AI自动化
有效执行力 = [ 0-1 ]
AI自动化 = [ 1 - 100 ]
举例：A1：执行力是0.5，AI的能力是50 那么人效指数就是25；A2，执行力是0.8，AI的能力是50，人效指数就是40
成事 = 愿力 * 业力 * 能力 * 环境
-
愿力，内在的意愿和驱动力，是行动的源动力
-
业力，过往的积累和沉淀，包括经验、信誉等
-
能力，完成目标所需的各种技能和本领
-
环境，外部条件，包括时代机遇、社会环境等
AI项目的驱动要素：AI运营 * AI技术
运营 = [ 0,1 ]
技术 = [ 1,100 ]
影响寿命的因素
对于长寿，什么影响因素更大？
不是生活满意度，也不是躺平，而是人生充满了意义感和使命感
也就是知道活着的意义，这种使命感和目标感，对长寿的影响是非常显著的
这是来自芬兰科学家的一项新的研究，他们通过对6000名美国中年人进行23年的持续追逐，最终形成了这个研究结论
所以，人最重要的不是开心，而是要有意义、有目的、有使命
维克多·弗兰克尔，在集中营的经历让他发现，即使在最极端的环境下，那些能找到生存意义的人也更容易活下来
为什么意义感比快乐更重要？
从生理角度，有使命感会激发人体的正向激素，增强免疫系统，降低炎症反应，单纯的快乐往往是短暂的多巴胺分泌，其实质是不一样的。
从心理层面，有意义感的人更能承受挫折，因为他们看得更远。
从行为模式，有使命感的人会更注重健康管理，因为要完成使命需要健康的身体，这种良性循环对长寿有直接帮助。
从WHY着手
最近在思考用AI解决100个问题方案
和朋友聊，这个事情的本质，其实就是从WHY开始
现在的AI，对于很多人来说，更像是一把锤子，然后拿着锤子去找钉子
但更好的逻辑，应该是先找到钉子，然后再借助合适的锤子
我们去看很多AI账号的分享，更多的也是关于HOW或者WHAT的内容，比如关于AI评测，各种AI新功能的使用等等
但是为什么要用它，以及在什么场景下用什么样的工具，关于这类的内容和思考，还是非常稀缺的
找到AI应用场景，我感觉主要有这么三个原因
一是这个事情本身很难，找场景这事，其实就是在挖掘真实的业务需求，并没有想象的那么容易
二是解决起来，也没有那么容易，比如面试选简历很困难，用AI去提高筛选效率，这背后光是筛选逻辑，我相信很多人都无法说清楚
三是确实消耗精力，我自己用AI写一个面试管理系统，时不时迭代一下，也会消耗不少精力，虽然代码几乎都是AI来写的
但它的意义就在于，虽然难，但是如果这个事能通过持续的实践和思考，为大家找到一个应用的方法论和实践手册，似乎是一件非常有功德的事情
周四对向阳说了下我初步的想法：想要通过连续100天，每天用AI解决1个问题，来进一步加深对AI应用的理解，他非常支持，而且这个事如果能做成，我们的第二本书和实践课，也就顺理成章的可以出炉了