Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

七月链接

Posted on 2025-07-09

(1)旋转眼球

山羊和大多数有蹄类哺乳动物一样,瞳孔呈水平状。这些细长的瞳孔的作用是让它们扫视地平线,寻找潜在的捕食者。

当山羊的头向上倾斜(环顾四周)或向下倾斜(咀嚼草)时,会发生一件神奇的事情。它的眼球实际上会在眼窝内顺时针或逆时针旋转。这使得瞳孔保持水平方向。

[…]

为了验证这个理论,我拍摄了山羊 Lucky 头部的两个不同位置的照片,一个是向下,一个是向上。

(2)通过刺激群体规模上的单个光感受器产生新颜色(h/t Benny)

我们眼睛里的视锥细胞都有重叠的光谱。所以即使你只看单一频率的光,也会刺激不止一种视锥细胞。

因此,显然,我们需要做的是识别人们视网膜上的单个视锥细胞类型,然后用激光选择性地刺激它们,以便人们能够体验到前所未见的颜色。

研究表明,尝试单独激活M视锥细胞会引发一种超出人类自然色域的颜色,这种颜色是由人类受试者通过色彩匹配正式测量得出的。受试者将这种颜色描述为饱和度空前的蓝绿色。

小时候上课无聊的时候,我有时会闭上眼睛,试着想出一种“新颜色”。我从来没有成功过,现在回想起来,我觉得自己得了“心盲症”。

但这个实验是否表明我们真的有可能想象出新的颜色呢?我对我们的大脑能够解读这些非生态信号的能力感到着迷,并对所有此类对感质空间的探索表示赞赏。

(3)简化黑视蛋白计量学(h/t Chris & Alex )

在阅读关于防蓝光眼镜的文章时,我竟然没有发现光线对褪黑激素的影响似乎根本不是由视锥细胞或视杆细胞介导的。相反,大约1%的视网膜感光细胞是含有黑视蛋白的视网膜神经节细胞。

这些似乎专门为了调节褪黑激素和昼夜节律而存在。它们有自己的光谱灵敏度:

如果你认为睡眠完全由这些细胞介导,那么你可能应该屏蔽所有高于约550纳米的频率。这样你基本上就只剩下橙色和红色的光了。

然而,克里斯说服了我,如果你想在晚上自然分泌褪黑激素,明智的做法是主要依靠昏暗的灯光,其次才是阻挡蓝光。标准的“暖色”2700K灯泡只能将蓝光减少到约三分之一。但你的眼睛可以轻松适应不到10%的勒克斯亮度。如果将两者结合起来,蓝光可以减少约97%。

大脑似乎根本不使用这些细胞进行图案视觉。尽管……

在 Zaidi、Lockley 和合著者使用无视杆细胞和无视锥细胞的人类进行的研究中,他们发现非常强烈的 481 nm 刺激会导致一些有意识的光感知,这意味着实现了一些基本的视觉。

(4)机上拍卖

飞机必须估算要携带多少食物。这样一来,要么浪费能源运输无人食用的剩余食物,要么导致有人挨饿。那么,我们为什么不让人们竞标食物,这样就不会浪费了呢?

我估计乘客肯定会讨厌它。

(5)裙带关系的好处

说到人们讨厌的事情,这篇文章提供了一个理论,解释了为什么你在招聘时可能会理性地选择裙带关系:你的社会关系会增加你雇佣的人的失败成本。我怀疑我们本能地运用了这种博弈论,甚至没有意识到自己正在这样做。

这似乎变得越来越重要,因为现在所有人工智能生成的求职申请都在攻击人工智能自动化的人力资源部门。

我的问题是:如果这个理论是正确的,我们是否可以创建其他社会结构以其他方式提供同样的好处,从而减少裙带关系的回报?

假设我想让你雇用我,但你担心我做得不好。原则上,我可以拿5万美元,把它存入第三方托管账户,然后告诉你:“如果你雇用我,而我(经仲裁员判定)确实很差劲,那么你可以把这5万美元烧掉。”

听起来很可怕,对吧?但你知道,如果我搞砸了,我的社会关系和/或声誉都会受损,那么大概就是这样的。

(6)文本片段链接

我们在互联网的黑暗时代度过了几十年,那时你只能链接到整个网页或(可能)特定的隐藏信标代码。

但现在我们进入了一个新时代。你可以链接到任何页面上的任何文本。就像这样:

https://dynomight.net/grug#:~:text=phenylalanine

这不是dynomight.net的特殊功能。它是由您的浏览器完成的。

我喜欢这个功能,但我总是记不住怎么输入#:~:text= 。好在现在几乎所有浏览器都支持生成这些链接了。你只需高亮显示部分文本,右键点击,然后“复制链接至高亮显示”即可。

如果您转到此页面并突出显示并右键单击此文本:

然后你就会得到这个链接。

在 Safari 和 Chrome 等浏览器中,此功能开箱即用。在 Firefox 中(出自我冰冷的双手),目前你需要编辑首选项。

  1. 在地址栏中输入about:config
  2. 粘贴dom.text_fragments.create_text_fragment.enabled
  3. 单击“⇌”符号,使“false”变为“true”。

(7)(严格来说,这不是链接)

另外,你知道你可以链接到 PDF 文件的特定页面吗?例如:

https://gwern.net/doc/longevity/glp/semaglutide/2023-aroda.pdf#page=8

我只是手动添加了#page= 。奇怪的是,类似 Chrome 的浏览器,只要你右键点击“为此页面创建二维码”,就会自动添加。

(8)回应 Dynomight 关于基于 Scribble 的预测

对我的一些数学怀疑论进行了深刻的反驳。我尤其赞同最后一段的观点。

(9)决策条件价格反映因果机会

Robin Hanson 反驳了我关于Futarchy 根本缺陷的帖子。我坦率地认为,这是一个典型的“热幻象” ,因为他没有深入探讨我论证的任何细节,没有具体说明我可能犯了哪些错误,而且似乎也没有做出任何他愿意证明是合理的、能够保证价格反映因果关系的具体假设。所以,我实在看不出还有什么理由继续讨论下去。不过,请各位自行判断吧!

(10) Futarchy 的根本缺陷——市场

说到这, Bolton Bailey建立了一个条件预测市场,以实验性地测试我给出的一个例子,我声称预测市场不会反映因果概率。

如果你认为在条件预测市场中押注因果效应始终是正确的策略,那么现在你有机会赚取一些虚拟的网络货币。市场将于2025年7月26日关闭。无论你多么爱我,请根据你的自身利益进行交易。

(11) 《战争与和平》

我在读《战争与和平》。你可能没听说过,这本书真的很好。

除了名字。我的天哪,名字。里面有很多角色,而且所有主要角色都有很多名字:

  • 安德烈
  • 尼古拉耶维奇
  • 博尔孔斯基
  • 安德鲁莎
  • 安德烈
  • 安德烈王子
  • 博尔孔斯基王子
  • 安德烈·尼古拉耶维奇公爵

这些都是同一个人。试想一下,在一个横跨时空、线索丰富的叙事中,100 个不同角色的变体究竟是什么。有时,同一个名字指的是不同的人。托尔斯泰喜欢在房间里有三个不同的公主时,就写成“公主”。

所以我想,为什么不使用颜色呢?每当出现一个新角色时,就给他们指定一种颜色,并将其应用于其余文本中所有名称的变体。更好的方法是使用像“Bol kón ski / Prince Andréy Nikoláevich”这样的颜色模式。

这对于人工智能来说应该很容易,对吧?

我可以想出一些方法来做到这一点,但由于《战争与和平》的长度,这些方法都很痛苦:它们需要将文本分成块,让人工智能在更新一些名称/颜色映射的同时对它们进行迭代,然后在最后合并所有内容。

所以,我来挑战一下:你知道一个简单的方法吗?有没有现成的工具,能帮我简单描述一下我的目标,然后得到一个带全名的彩色 pdf / html / epub 文件?(“如果你的经纪人都做不到这一点,那这个经纪人还有 什么用?”)

注意:给所有角色指定颜色至关重要。否则,看到没有颜色的名称会让人觉得它们不会存活太久。即使有些颜色相似也没关系。

还有混杂法语的问题。但我很难不佩服这一点——托尔斯泰并没有被观众的喜好所迷惑。

(是的, 《战争与和平》简体版显然存在。但我现在陷得太深了,无法切换。)

(12)双胞胎

1980年至2009年间,美国的双胞胎出生率上升了76%,每千例活产婴儿中双胞胎数量从9.4对增至16.7对(每千例活产婴儿中双胞胎数量从18.8对增至33.3对)。约鲁巴族是世界上双胞胎出生率最高的族群,每千例活产婴儿中双胞胎数量高达45-50对(每千例活产婴儿中双胞胎数量从90-100对增至100对),这可能是由于他们大量食用一种含有天然植物雌激素的山药,这种山药可以刺激卵巢从两侧分别排出一个卵子。

我喜欢这个,因为:

(这确实发生了。Yams 进行了那次对话,然后开始制造植物雌激素。)

显然,一些山药天然含有植物激素薯蓣皂苷,它可以化学转化为各种人体激素。事实上,我们过去就是通过这种方式制造雌激素、睾酮等等。

如果你喜欢这个,你知道吗?雌激素药物历史上是用怀孕母马的尿液制成的。我觉得这很棒,但在了解了一些工作原理之后,我怀疑马儿们会不会同意。更早的时候,人们使用动物的卵巢和睾丸。如今,激素的合成往往不需要任何动物或植物前体。

如果您怀疑双胞胎越多就意味着生殖适应性越高,请注意,山药并不相信阿尔杰农论证。

原文: https://dynomight.net/links-3/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme