Post

把田渊栋访谈当下饭视频看

把田渊栋访谈当下饭视频看

最近有一个很具体的快乐:吃饭的时候看硅谷101。

尤其是田渊栋的几期访谈,我真的很喜欢看,爱看,甚至有点像我的 AI scientist 下饭视频。

这不是那种轻飘飘的“信息流消费”。它更像是一种高质量输入:一个真正做过研究、带过团队、经历过大公司组织结构、也认真思考过 AI 路线的人,在访谈里把自己的判断过程慢慢展开。对我来说,这种内容很珍贵。

为什么特别下饭

“下饭”这个词其实很准确。

它不是说内容浅,而是说它可以自然地进入生活节奏里。吃饭的时候打开,听一段,脑子会被轻轻点亮一下。

硅谷101的访谈质量很高。问题不是只停在“发生了什么”,而是会往深处问:

  • 技术路线到底为什么这样走?
  • 大模型之后还有哪些没被解决的问题?
  • 研究在大公司组织里如何被推进,又如何被阻碍?
  • 一个研究者应该怎么面对 hype、组织、职业变化和长期兴趣?

田渊栋的回答也很有启发。他不是只给结论,而是经常把背后的 reasoning 展开。对我这种正在搭建自己研究路线的人来说,这比单纯听一个结论更有价值。

我真正喜欢的部分

我最喜欢的不是某个单点观点,而是整体气质。

一种很强的研究者气质:

1
2
3
4
对问题保持诚实
对路线保持怀疑
对长期兴趣保持忠诚
对工程现实保持尊重

这几个东西连在一起,就很打动我。

AI 时代很容易让人焦虑。每天都有新模型、新 benchmark、新公司估值、新人才流动。外部信号太强的时候,人很容易被市场噪音牵着走。

但好的访谈会把人拉回更底层的问题:

1
2
3
我到底想理解什么?
我到底想解决什么?
我到底愿意长期投入什么?

这也是我看这些访谈时最大的收获。

从“看访谈”到“做研究”

如果只是看完觉得“很厉害”,那还是停留在消费。

我更想把它变成自己的研究输入。

所以我现在给自己定一个简单规则:

1
2
3
4
5
6
高质量访谈
  -> 记录关键问题
  -> 提取研究判断
  -> 对照公开项目
  -> 写成 study map
  -> 转化成自己的 Research OS 组件

这就是为什么我开始做 pengyistudymap_yuandong

第一篇是 yuandong000,先做学习地图。后面可以一篇一篇看:

  • arXiv_recbot:怎么做 paper recommendation 和 research intake;
  • llm_utils:研究者自己的 LLM 小工具;
  • ELF / DarkForest:RL 和 game research system;
  • understanding:理论问题怎么变成实验;
  • tools / scheduler / obsidian-plugin:个人 workflow 如何支撑长期输出。

访谈给的是方向感,GitHub 项目给的是工程现实。

两个结合起来,才是可以学习、复盘、迁移的东西。

对我自己的提醒

我现在越来越确定,自己要成为的不是一个只会追热点的人。

我想要的是一套能持续产出的系统:

1
2
3
4
5
6
持续读
持续想
持续写
持续做
持续验证
持续公开沉淀

田渊栋的访谈提醒我:真正厉害的研究不是靠短期兴奋撑起来的,而是靠长期问题意识、技术判断、工程落地和个人兴趣一起支撑。

这也和我现在想做的事情连起来:

  • AI scientist path;
  • Quant Research OS;
  • R&D Agent;
  • paper-to-code;
  • paper-to-strategy;
  • research memory;
  • public learning log;
  • private working space。

这些东西看起来很多,但底层其实是一件事:

1
2
3
把输入变成判断
把判断变成系统
把系统变成作品

今天的感觉

今天写这篇,其实就是想留下这个状态。

有些内容是可以反复看的。不是因为它每次都给我新信息,而是因为它每次都能把我拉回一个更好的精神状态:

1
2
3
4
认真做研究
认真写代码
认真理解世界
认真搭建自己的系统

所以,硅谷101的田渊栋访谈,确实非常下饭。

喜欢看,爱看。

也希望自己以后不仅是看访谈的人,而是能把这些启发真正变成自己的代码、文章、系统和长期作品。

References

This post is licensed under CC BY 4.0 by the author.