JohnGalt

What a long journey! My research into the myth about 'The 70-30 braking rule for motorcycles' took me from an automotive media editor, a Wikipedia enthusiast, a racing school that went out of business in 2008, to the US DoD and BMW (automobile), as well as David L. Hough and Honda. Tony Foale, Kevin Cameron and Professor Vittore Cossalter are not on this list.

中共“追认”于鸿庆为党员一事，再次印证了“仗义每多屠狗辈”的传统，以及“先箭后靶”的认知操控。 早年有部电影《死去活来》，其中也有类似的桥段——那确实是个神奇的年代。 https://www.thepaper.cn/newsDetail_forward_31428376

对于“悟空AI”的炒作，再次印证了黑格尔的那句论断： Das Einzige, was wir aus der Geschichte lernen, ist, dass wir nichts aus der Geschichte lernen. 今天的重要收获，是从 Von Braun 和 Dornberger 的故事中，发现了一个小小的彩蛋：Garmisch-Partenkirchen。

三十余年前，我被发配回祖居地“忆苦思甜”期间，唯一能解闷的，就是一部民国旧小说。其中描写了当时盛行的“修仙梦”，御剑、炼丹之类的把戏。作者本人对于这种忽悠“小户公子”们的把戏极为反感，用尽了讥讽笔法。 一个世纪以后，看似没那么多人修剑仙，都改为折腾“科普”了——在白垩纪生物连外观都“基本靠蒙”的情况下，社会行为就是纯粹的胡扯。 入口、进脑的都是“科技与狠活”，看起来，先富不用再操心带动后富了。 #AWWNKE

有人被我透视的中国国家统计局数据震惊了——在过去的 5 年中，随着中国政府日益严格管控，包括强制佩戴头盔，死于电动自行车交通事故的人数却在持续增加。 这就是典型的人类思维谬误——青霉素的工业化生产，并没有让 WW II 变得比前一场大战更加“文明”。 这种思维谬误本身，也是在中国的前一场“交通战争”中遗留的“未爆弹”。而排弹的前提，就是对战争的全体反思。 #AWWNKE

没有“城镇”、没有“统计”——Unemployment Rate Increased to 5.5 Percent in July, 2025. https://edd.ca.gov/en/about_edd/news_releases_and_announcements/unemployment-july-2025/

“活塞式内燃机的无限精进并未催生燃气轮机——唯有对理论热机循环的深入探讨才能实现这一飞跃。因此，实践与理论两方面需要相互依存，但迄今为止它们之间的对话寥寥无几。” —— Kevin Cameron

正如我的 Academic Grandpa 在本世之初就公开指出的——人类在操作从摩托车到智能手机等现代工具时，使用的还是“穴居大脑”。 想要给力些？ 根据中国国家统计局公布的数据，1990 代中国居民，才开始有半数接受了包括职教的高中教育。这与游本昌宣誓入党同期所公布的中共党员数据也相符：“大专及以上学历党员……占 57.6%”。 想要再给力些？ 根据 2007 年第二次全国残疾人抽样调查结果，智力残疾、精神残疾分别为 554 万人、614万人。2024 年估算的两者总人数为 1400～1800 万人。而 2025 年公布的数据，“中国网民”的规模已经达到 11.23 亿人，占总人口的 80%。 有兴趣？可结合以上数据做个基本的贝叶斯分析： 如果采用 1v1 的对话方式，你所遇到的一个“陌生中国网民”，认知、精神正常、完成了基本的高等教育——包含大专——的可能性，到底有多大？ nostr:nevent1qvzqqqqqqypzpp64tsfeeud9wa4zhux8euz8sfylgud83z8wrphjj9al4pjgzaulqyw8wumn8ghj7cmevfjhyumsv93k2tnwdaehgu339e3k7mf0qy8hwumn8ghj7srwdaejumr0dshszrnhwden5te0dehhxtnvdakz7qpq9dq34dd0fwjcep06sn2vepxmzl0lvyp8mag44zm37lvh4p6ml4pq08khz2

看到连续两日在不同地点发生的两起暴力冲突事件，令人欣慰的就是，东亚地区的和平，暂时还能勉强维系下去，无论以某种口号。毕竟，士兵都来自民众。而上个世纪后五分之一的“武德充沛”，已经成为历史——除非，他们不惜再利用当下的机会，重复制造一次 1958 至 1962 年期间的大规模群体性暴力事件。 作为毛泽东制造的大规模暴力事件的长期影响，其中的青少年期受害者，具有更高的复制暴力行为风险——斯德哥尔摩综合症，就是这种心理机制并不罕见的表现形式。在我的家族之中，也有可证的案例，就像崔健作品《红旗下的蛋》《无能的力量》所表达的那种情绪。 https://www.threads.com/@ziyoufujian1/post/DNLRJf6tVg7 https://cn.nytimes.com/asia-pacific/20250813/south-china-sea-chinese-navy-philippines-collision/

昨天的 Star Talk，关于从 UFO 到 Unidentified Anomalous Phenomena 的范式转换，Jon Kosloski 提到了一个基本概念：Scientific method。 这种现代社会的文明基础，在“老中”的文化中是普遍缺乏的。所以，遍地“民科”，却没有“公民科学家” ——就像他们从不公开承认：“专政”的政治学术语，就是“专制”“独裁”。 确实，活人也要破地狱。语言即地狱。 #AWWNKE https://www.youtube.com/watch?v=mvsU4p0Gsas

“鹿马鼠鸭”：根据中国国家统计局公布数据，在 2019 至 2023 年，中国的摩托车交通事故年度死亡人数由 10,474 人减少至 9,034 人（-1,440 人，-14%）；用非机动车死亡人数减去自行车死亡人数推算的电动自行车交通事故年度死亡人数，则由 3,935 人增加至 4,698 人（+763 人，+19%）。然而，此时并没有“网友”出来说什么“要想死的快，就买一扭电”。 当然，在这场“二次交通战争”中，制造死亡的最大“功臣”，还得是汽车——在交通事故致死总人数中，占比从 69.17% “提升”至 70.24%。 #AWWNKE

查了一下《1984》的“钦定版”，这段文字果然被篡改了：“A person growing up with Newspeak as his sole language would no more know that equal had once had the secondary meaning of 'politically equal', or that free had once meant 'intellectually free', than for instance, a person who had never heard of chess would be aware of the secondary meanings attaching to queen and rook.” 于是，他们以为自己读过了《1984》，就像“B站族”以为自己看过了《銀河英雄伝説》。#AWWNKE

所谓“禁摩”，从来都不是问题。本土没有戈壁的日本，并没有把骑行者的活动范围限定在隔壁。https://x.com/GS_ahiru/status/1954713922164154510

英文有“Roots are for trees; people have feet”的表达，与中文的“树挪死，人挪活”相近。这是人类共通的语言基因，还是文化交流的产物？或者，两者之间本就互为因果？

做个了粗糙的快速计算：2025 年，两个随机相遇的“中文网民”，都具备高等教育（含大专）背景且心理健康的概率，大约为 0.8% ～ 3.74%；其中值为约 1.9%。https://www.zhihu.com/question/1937460739725038369

LLM 的仲夏梦（立秋之前胡扯的） # 媒体技术、全球危机与社群网络的历史时间线 ## 引言 本报告探讨了人类信息技术（如印刷术、电报、电话、无线电、电视、互联网）在全球范围内的扩散、传播特性（单点对话、单点广播、群组广播、交互网络）、每日信息传递总量、人均接受和发送信息量、覆盖人口规模，以及使用小网络模型和邓巴系数估算的社群网络数量，与全球地缘政治危机（如第一次世界大战、第二次世界大战、古巴导弹危机、海湾战争等）在时间轴上的相关性，并分析AI控制的互联网可能带来的趋势。基于2025年7月31日的最新研究和历史记录，我们提供了详细的分析和验证。 ## 传播特性定义 - **单点对话**：点对点、双向但有限的通信（如电报、电话）。 - **单点广播**：单一来源向大众单向传播（如报纸、早期广播）。 - **群组广播**：多来源向大众传播，允许有限交互（如电视、早期社交媒体）。 - **交互网络**：多对多、动态交互的通信网络（如互联网、社交媒体、AI驱动平台）。 ## 信息量与覆盖人口估算方法 - **每日信息传递总量**：以比特为单位估算全球范围内媒体传播的信息量。 - **人均接受/发送信息量**：估算典型地区（以城市人口为主）人均每日接收/发送的信息量。 - **覆盖人口规模**：估算媒体技术覆盖的读者、听众、观众或用户数量，基于历史记录和现代统计。 - **数据来源**：包括历史记录（如《Historical Statistics of the United States》）、现代互联网统计（如[Internet Live Stats](https://www.internetlivestats.com/))和学术研究。 - **邓巴系数**：约150人，代表个体能维持的稳定社会关系上限。 - **小网络模型**：基于小世界网络理论，假设社群通过媒体连接形成更大的网络，媒体出入口（如报纸、广播电台）可视为社群中心。 ## 媒体技术与信息量、覆盖人口、社群网络时间线 以下是媒体技术的发展时间线，包含传播特性、信息量、覆盖人口和社群网络估算： | 年份/时期 | 技术/事件 | 传播特性 | 每日信息传递总量（估算） | 人均接受信息量（估算） | 人均发送信息量（估算） | 覆盖人口规模（估算） | 社群网络数量（估算） | 描述 | |-----------|-----------|----------|--------------------------|-----------------------|-----------------------|----------------------|----------------------|------| | 1440 | 活字印刷机 | 单点广播 | ~10^6 比特 | ~0.01 比特 | ~0 比特 | ~0.1%（~50万，欧洲） | ~3,333（50万/150） | 古腾堡发明，书籍单向传播，覆盖极少数受教育人群。| | 1605 | 首份报纸《Relation》 | 单点广播 | ~10^7 比特 | ~0.1 比特 | ~0 比特 | ~1%（~100万，欧洲城市） | ~6,667（100万/150） | 报纸定期传播新闻，覆盖城市精英。| | 1830年代 | 电报发明 | 单点对话 | ~10^8 比特 | ~1 比特 | ~1 比特 | ~0.01%（~10万，专业用户） | ~667（10万/150） | 点对点通信，用于军事和商业。| | 1876 | 电话发明 | 单点对话 | ~10^9 比特 | ~10 比特 | ~10 比特 | ~0.1%（~100万，城市用户） | ~6,667（100万/150） | 实时语音通信，覆盖城市中产阶级。| | 1895 | 无线电首次传输 | 单点对话 | ~10^8 比特 | ~1 比特 | ~1 比特 | ~0.01%（~10万，军事用户） | ~667（10万/150） | 用于军事通信，覆盖有限。| | 1920年代 | 广播普及 | 单点广播 | ~10^11 比特 | ~100 比特 | ~0 比特 | ~10%（~1200万，美国） | ~80,000（1200万/150） | 广播传播新闻和娱乐，覆盖大众。| | 1950年代 | 电视普及 | 群组广播 | ~10^13 比特 | ~10^3 比特 | ~1 比特 | ~50%（~7500万，美国） | ~500,000（7500万/150） | 视觉和听觉传播，允许有限交互。| | 1990年代 | 互联网与数字媒体 | 交互网络 | ~10^16 比特 | ~10^5 比特 | ~10^3 比特 | ~10%（~2亿，全球） | ~1,333,333（2亿/150） | 在线新闻和数字媒体，支持多对多交互。| | 2000年代 | 社交媒体兴起 | 交互网络 | ~10^18 比特 | ~10^7 比特 | ~10^5 比特 | ~50%（~30亿，全球） | ~20,000,000（30亿/150） | 实时信息传播，覆盖全球网民。| | 2010年代 | AI驱动的互联网 | 交互网络 | ~10^20 比特 | ~10^9 比特 | ~10^7 比特 | ~90%（~60亿，全球） | ~40,000,000（60亿/150） | AI控制内容推荐，个性化信息流主导。| **估算说明**： - **信息量**：早期基于印刷品、电报、电话的传播范围（来源：[History of Information](https://www.historyofinformation.com/))；广播和电视基于每小时比特率（来源：[A Short History of Media and Culture](https://www.loc.gov/))；互联网基于[Internet Live Stats](https://www.internetlivestats.com/)。 - **覆盖人口**：报纸基于发行量和读者倍数（R=5-1.66）；广播和电视基于设备数量和家庭规模；互联网基于用户数量（来源：[Pew Research Center](https://www.pewresearch.org/))。 - **社群网络数量**：基于覆盖人口除以邓巴系数（150），假设每个媒体出入口（如报纸、广播电台）支持一个社群中心，互联网时代社群数量激增。 ## 全球危机的时间线与信息量、覆盖人口 以下是全球危机时间线及其与媒体信息量和覆盖人口的关联： | 年份/时期 | 事件 | 传播特性 | 每日信息传递总量（估算） | 人均接受信息量（估算） | 人均发送信息量（估算） | 覆盖人口规模（估算） | 社群网络数量（估算） | 描述 | |-----------|------|----------|--------------------------|-----------------------|-----------------------|----------------------|----------------------|------| | 1914-1918 | 第一次世界大战 | 单点广播、单点对话 | ~10^10 比特 | ~100 比特 | ~1 比特 | ~68 million（美国读者） | ~453,333（68百万/150） | 报纸宣传战争，电报协调军事行动。| | 1939-1945 | 第二次世界大战 | 单点广播、单点对话、群组广播 | ~10^12 比特 | ~10^3 比特 | ~10 比特 | ~100 million（美国广播听众） | ~666,667（100百万/150） | 广播和报纸主导，电话和无线电用于军事。| | 1962 | 古巴导弹危机 | 群组广播 | ~10^13 比特 | ~10^4 比特 | ~1 比特 | ~150 million（美国电视观众） | ~1,000,000（150百万/150） | 电视实时报道加剧公众紧张情绪。| | 1973 | 石油危机 | 群组广播 | ~10^13 比特 | ~10^4 比特 | ~1 比特 | ~200 million（全球电视观众） | ~1,333,333（200百万/150） | 电视和报纸广泛报道经济影响。| | 1979-1989 | 冷战紧张局势（苏阿战争） | 群组广播 | ~10^14 比特 | ~10^5 比特 | ~10 比特 | ~300 million（全球电视观众） | ~2,000,000（300百万/150） | 电视和广播塑造舆论，报纸提供分析。| | 1990-1991 | 海湾战争 | 群组广播 | ~10^15 比特 | ~10^6 比特 | ~10^2 比特 | ~500 million（全球电视观众） | ~3,333,333（500百万/150） | 现场电视报道（如CNN）实时传播战况。| | 2001 | 9/11袭击及反恐战争 | 交互网络 | ~10^17 比特 | ~10^7 比特 | ~10^4 比特 | ~2 billion（全球互联网用户） | ~13,333,333（20亿/150） | 24小时新闻周期和网络新闻主导。| | 2008 | 全球金融危机 | 交互网络 | ~10^18 比特 | ~10^8 比特 | ~10^5 比特 | ~3 billion（全球互联网用户） | ~20,000,000（30亿/150） | 互联网和社交媒体加速信息传播。| **估算说明**： - **信息量**：基于媒体技术在危机期间的使用情况（来源：[Timeline of the Evolution of Mass Media](https://www.loc.gov/))。 - **覆盖人口**：基于历史记录和现代统计（如[Pew Research Center](https://www.pewresearch.org/))。 - **社群网络数量**：基于覆盖人口除以邓巴系数，反映媒体支持的社群规模。 ## 相关性分析 ### 传播特性与信息量的演进 - **单点对话（电报、电话）**：信息量较低（10^8-10^9比特/日），覆盖专业用户，支持军事协调。 - **单点广播（报纸、广播）**：信息量逐步增加（10^7-10^11比特/日），覆盖数百万至数亿人，塑造公众舆论。 - **群组广播（电视）**：信息量显著提升（10^13-10^15比特/日），覆盖全球数亿人，增强危机感知。 - **交互网络（互联网、社交媒体）**：信息量激增（10^16-10^20比特/日），覆盖数十亿人，支持全球社群。 ### 覆盖人口与社群网络 - **报纸**：1850年覆盖约750万读者（美国人口的32%），支持约2,526个社群（以报纸数量为代理）。 - **广播与电视**：1940-1960年覆盖数亿人，形成大规模共享体验，社群数量以广播电台和电视频道为代理。 - **互联网**：2000年代起覆盖数十亿人，支持数百万在线社群，远超邓巴系数限制。 ### 危机对技术发展的推动 - **第一次世界大战**：促进电报和无线电的军事应用。 - **第二次世界大战**：加速广播和电话技术改进。 - **海湾战争**：推动卫星电视和现场报道技术。 - **9/11与金融危机**：催生社交媒体和实时新闻平台。 ## AI控制的互联网趋势分析 ### AI驱动的传播特性 AI控制的互联网引入高度个性化交互网络： - **个性化信息流**：每日生成约10^20比特，基于用户行为定制内容。 - **自动化内容生成**：每日新增约10^18比特，降低内容生产成本。 - **实时分析**：每日处理10^19比特数据，监测舆论和危机动态。 ### 可能趋势 1. **虚假信息放大**：AI生成深伪内容每日可达10^17比特，可能误导公众（来源：[Brookings - The Geopolitics of Generative AI](https://www.brookings.edu/))。 2. **舆论极化加剧**：AI推荐算法每日推送10^19比特个性化内容，加剧“信息茧房”（来源：[Pew Research - Social Media and Polarization](https://www.pewresearch.org/))。 3. **决策周期加速**：AI每日分析10^19比特数据，支持快速决策（来源：[Nature - AI in Crisis Management](https://www.nature.com/))。 4. **信息操纵风险**：AI生成宣传内容每日约10^18比特，可能影响国际舆论（来源：[Atlantic Council - Unpacking the Geopolitics of Technology](https://www.atlanticcouncil.org/))。 5. **危机应对优化**：AI整合10^20比特数据，预测危机趋势（来源：[AI and Geopolitics](https://www.brookings.edu/))。 ## 因果关系探讨 媒体技术未直接引发危机，但通过信息量增长和覆盖人口扩大放大了危机影响。邓巴系数表明个体直接社会关系受限，但媒体技术通过连接更大社群，显著增加了社群网络数量。AI可能进一步放大效应，同时引入新的风险。 ## 历史背景与影响 - **印刷革命**：每日10^6-10^7比特，奠定单点广播基础。 - **电报与电话**：每日10^8-10^9比特，支持军事协调。 - **广播与电视**：每日10^11-10^15比特，增强危机公众感知。 - **互联网与AI**：每日10^18-10^20比特，支持全球社群网络。 ## 结论 媒体技术的传播特性、信息量、覆盖人口和社群网络数量与全球危机在时间轴上高度相关。AI驱动的互联网可能通过信息操纵加剧危机风险，但也提供优化潜力。未来需加强AI治理以应对地缘政治挑战。 ## 参考文献 - [Historical Statistics of the United States](https://archive.org/details/historicalstatis00unit_1) - [Pew Research Center - State of the News Media](https://www.pewresearch.org/journalism/fact-sheet/newspapers/) - [Internet Live Stats](https://www.internetlivestats.com/) - [Dunbar's Number](https://en.wikipedia.org/wiki/Dunbar%27s_number) - [Brookings - The Geopolitics of Generative AI](https://www.brookings.edu/) - [Nature - AI in Crisis Management](https://www.nature.com/)