2026年

3月21日 | AI黄金月

本周开始为期一个月的AI黄金月——疯狂使用AI。

3月20日 | 全面信任Claude Code & 教育的未来

用了一段时间Claude Code，发现只要自然语言描述确切，其执行过程基本就会符合预期。于是从今天开始，我的人工智能笔记的编辑、commit、推送等也都交给claude code来做了。

我想，未来的教育将回归一对一，也就是古代私塾和家庭教师的模式。现代的直播课、大班（超过6人）教学都将成为愚笨的历史。没有人会有耐心看完一个没有交互的视频，直播课将没有未来。

人想学习一个东西，一定是通过练习来习得的。我们不可能看一天网球视频，然后去网球场上就学会了打网球。没有人喜欢一直听老师讲课，那只会让人昏昏沉沉想要呼呼大睡。

对于当过老师的我来说，如今学习的最好方式就是和ChatGPT、Gemini、Claude交流。他们的知识库非常广袤，涵盖了几乎人类文明的全部知识；他们的注意力非常全面，能够记住我刚才说的每一个细节。

3月15日 | 全面让位于自然语言编程

毫无疑问，现在没有任何理由自己写代码。Cursor和Claude Code写代码的能力、理解代码的能力、完成任务的能力乃至于写测试的能力都已经远超于我了，我现在做项目只需要用自然语言交流就可以了。今天是我的github有史以来第一次，让claude接管commit和push。我的repo里创作者中不再是我自己一个孤胆英雄，而是变成了我和claude共创。用不了多久，claude将成为我的github中的唯一创作者，而我将退居幕后，成为看着claude干活的那个人。

从未想过自然语言编程来得如此之快。我没有再自己ssh到hpc去检查CNN模型的训练效果，claude代我检查了；我没有再自己打开前端页面测试按钮，cursor直接打开了一个前端页面，帮我测试了所有按钮的功能。

自然语言编程的时代，在2026年，终于到来了。这次到来，并非小部分到来，而是大规模到来。

3月6日 | 递归自我改进与数字大分流

最近对AGI的实现又再次变得乐观了起来，基于以下几点看法：

人脑本身就是有归纳偏置的，深度学习的归纳偏置没有任何问题
人脑神经元系统本身是不具备逻辑推理能力的，逻辑推理是一种附加产物，现实中绝大多数人不具备逻辑推理能力
既然大多数人自己不具备逻辑推理能力，那么我们也不需要纠结于大多数AI模型是否具备逻辑推理能力。只要有一个AI模型能学会逻辑推理能力，进而实现递归自我改进的能力，那么AI自我进化的奇点就会到来。

一旦某个AI模型学会了"如何改进自己"，那么基于以下两点假设：

该AI模型已经掌握了几乎所有人类截至目前为止的"已经产生的知识"
该AI模型已经掌握了人类截至目前为止几乎最为完备的"逻辑推理能力"

那么，我们不难推理得到该结论：

该AI模型将掌握人类截至目前为止几乎最为强大的科研创新能力的基础。

很显然，这两点目前已经被初步实现了：

目前的闭源大模型几乎毫无疑问地能处理人类截至目前为止的所有已经产生的明确的知识
Cursor编程毫无疑问地具备逻辑推理能力

那么，我们不难找到目前该AI模型依然无法进行科研创新，无法通过奇点的卡脖子的地方：

该AI模型尚不能在物理世界进行科研实验。

一旦该AI模型能在物理世界进行实验，并进行观察，那么，我们所构想的AGI就实现了。AGI实现后，现实世界将会发生巨大的变化，对此，我预测：

国家间的贫富差距将拉大：美国、中国这两个掌握了主流AI模型技术，拥有巨量算力、电力的国家，将成为大航海时代的西班牙和英国。
国家内的贫富差距将拉大：由于现在的分配制度依然是按权力和股权进行分配，因此AI模型一定会被归于某个财团或者某个政治实体所有，而该实体的掌权者将拥有无上的权力，与该实体完全无关的人将成为人类历史上第一次出现的"毫无用处之人"，也即"无用之人"。
人类内部的生殖隔离将会出现：越过奇点的AI模型将不断推出提升身体机能、智商、优生的方案方法，从而让"拥有者"和"无用之人"之间的差距越来越大，从而在未来的某一天大到产生生殖隔离
硅基生物对碳基生物的取代：最终，人类将无法离开AI独活，而为了获得更强大的科技能力，人类会给予AI更高的权限，直到硅基生物彻底掌握权力，取代人类，成为地球的主宰

对于文明来说，这是一个令人兴奋的未来。对于人来说，这是一个极为黑暗、恐怖、遮天蔽日的未来。

3月2日 | 人脑中巨大的"归纳偏置"

很多人提到AI和人脑的对比，总要说人脑很快就能学会这个那个的，哪怕一个三岁的小孩都能……但问题在于，人脑是怎么来的呢？人脑来自于DNA，而DNA在上亿年的进化过程中，已经带有了巨大的"归纳偏置"。换句话说，人脑就是为了快速学会物理世界的各种规律而被进化出来的。

从这个角度来说，只要AI能不断迭代出快速学会物理世界规律的能力，那么人脑式的智能就可以造出来。而海量的数据和海量的训练，本身就是在模拟上亿年的进化过程。未来AI的正道依然是算法架构的改进+海量的数据和训练，而不是人为的一些巧思，或者RLHF这种人为力量的对齐。

1月15日 | 记最后一个学期与AI方向专精

回到学校一年半载，如今也来到了最后一个学期。本来有很多想学的，但是等开了学听了一些课后，决定还是全部选成AI相关的课程，于是这学期除了软件开发作为必修课外，还选了三门选修课：DNN、AI、AI安全。DNN的内容上学期其实都上过了，但是划水严重，所以再复习一遍CNN、RNN等；AI课的内容是传统AI和底层数学原理，还有两门考试，我觉得应该都是基层性质的，作为这学期唯一带有挑战性质的课程；AI安全课程和教授交流过，准备做一个LLM注入式攻击。

回头来看，我回到学校学习的两年，基本可以分为四个学期，对应四个阶段：第一阶段学习了机器人和ROS，第二阶段学习了Agent的概念并着重进行了开发和刷leetcode题；第三阶段学习了CS的核心概念如算法、数据结构、计算理论；第四阶段也就是本学期则将在AI方向上收尾。