早几年自媒体火的时候算是纯粹的内容创作者的梦想时间了。
那时候平台的激励金补贴发的多，只需要内容质量高，有足够多的人喜欢就能挣到足够多的钱了，不需要接广告，不需要带货。
满足了创作者站着把钱挣了的梦想。

不过平台本身不会印钞，发的钱如果不是烧投资者的钱，本质上还是平台本身把用户流量变现，例如投放广告，最后再发给创作者。
只是隔了这么一层膜，才显得如此体面。

等到投资者的钱烧完，变现困难时就被迫打破这份体面了。
而且过了这么久，这个赛道早就人满为患，内容多到想让别人看到还得自己买流量。

最后都是激励金大幅下降，纷纷期望旗下创作者不要再来吃激励金的大锅饭了。
想让能变现的都脱下长衫，都去接商单/带货，不然就是做内容付费。

关注的一些很纯粹的UP主都已经从创作本身就能赚钱的梦中醒来，回归了所有流量还是要变现的现实。

社交方法上可以分成两个角度来看，主动和分享。

现实中的社牛一般是主动地向别人分享自己生活。
自闭的人一般是既不主动，更不想分享，完全没有社交需求。

而可爱群友们一般是不主动，但有很多分享的。
期待愿意听他们的分享的人主动认识他们，

自己就显示比较格格不入，可以算是克服了被动的自闭，高情商来说就是主动倾听。
虽然没有对主动的恐惧，但是主动的行为都是某种索取而非分享。

也就是不分享自己生活而是想听别人分享，例如主动问你的XX如何了。
而对于自己贫瘠的生活就是避重就轻，不会去提它。
等到对方被消耗光热情，意识到面对的是一个生活无聊的大石头时，就不太愿意继续和自己说话了。

在奔向三十岁之时间点，再次回顾自己的人生还是比较感慨的。

事实证明所想象的 20/25/30 岁时的自己完全不靠谱。
以前会想象自己至少能像虚构作品里的普通人 一样，有一位相爱的对象，一份对口的工作，健康又稳定的生活。
但实际上根本没有任何一点，没有对象，没有工作，也没有健康。

当然各种对自己一直很菜，从来没有做出过什么成果的懊悔和沮丧也是不可不尝的一环。
一切可谓彻彻底底的失败。

不过值得庆幸的是，由于十来岁到三十岁的三观几乎无变化。
于是并没有对以前自己的不满，毕竟现在的自己在当时的信息下依然会那么选择。

没有发生那种经典的 高中时看重成绩，大学认为之前自己是做题家。
毕业了又后悔自己大学都在混，没学到技术。
工作一段时间又觉得钱重要，后悔自己没有努力搞钱。
反复，从人生的开始到结束，永不停歇。

现在不少人网上交流的目的很明确，追求有效社交。
像在某些技术群，都在单纯讨论交流学习技术。
关注点自然是技术水平，希望能认识比自己技术强的。
然而对这个人到底是谁并不关心，消失了找另一个人聊就好。

不过自己是纯粹社交主义，追求过程胜于结果，就不喜欢这样。
更关注独特的人和社交的过程，而非希望从社交得到什么。
谈论今天吃了什么和最新技术在自己看来并没什么区别。

一方面是因为自己很少从交流获得什么，另一方面是认为这才是社交的独特性。
在AI时代更是如此，以前还能说是向大佬提问，交流获得不同的方案。
但如今很多常见领域和AI聊就可以了，并不需要真人的参与。原本这样的有效社交反而变成真正的无意义。

在小朋友碰到什么东西摔倒时，一些家长不会责怪小朋友不小心，而是选择责怪这个东西让人摔倒。
这种行为属于把问题外化。因为他们认为小朋友不应该负这种责任。

不过大部分人从未享受这种宠爱，反倒是长大后走到了另一个反面。
被教育一切问题都是自己的问题，像是被人霸凌了要在自己身上找问题，学习差了还是自己的问题。

长此以往，丧失了把问题外化的能力，不仅无法把压力减轻，也变得压抑。
出了事只会认为是自己的问题，而不会想是否是别人甚至是社会的问题。

就像毕业很难找工作，如果一味地认为是自己不够努力，所受的心理压力自然不言而喻。
解决不了问题时，如果能够把原因归咎于就业环境，把自己置入受害者的背景，自然没有那么大压力。

这种其实算是本能，只是在现在的教育环境下已经普遍被压抑了。
都想要受害者不要思考这个问题，全部归咎于自己，不要怪环境和导致环境的人。
不然当一个人意识到这一点，又陷入困境时，法律与统治对他都不再有意义。

自己打游戏一般都比较菜，不过倒没有什么不满，反倒觉得理所当然。

毕竟不管是打游戏依赖于主动思考和练习。
但是我玩游戏都主动放弃思考了，纯靠本能游戏，最多查一下XX轮椅攻略。
我要是不菜，反倒觉得对不起别人付出的努力了。

当然也不止是游戏，其他像学习或者工作成果之类也一样。
毕竟人类真正有认真思考的时间并不多，更别提有效思考了。
只能说人类应付物理生活以及投入情感的时间远胜于创造与学习，而且这种思考也变成分工的一环了。

像自己脑子里除了黄色就是黄色，如果没有新鲜的任务，唯一的思考是意淫二次元美少女和睡前回味尴尬时刻。
没有任何有效思考的自己，和别人每天都把时间投入认真思考，游戏都要认真研究机制对比，在实力上吊打也理所当然。

作为一个英语不太好的人， 可以注意到自己英语理解上，最成功的部分是名词，其他词错误率高了许多。

倒也和自己受到英语教育全是背单词有所关联吧。
毕竟外语学习作为一种知识迁移，纯背单词就是尝试在两个语言的两个词建立关联。
这样一来，理解的正确度自然取决于这两个词的真正词义范畴误差。

而不同语言名词的词义是最接近的，不会出现两个完全不同的“太阳”。
但是到了形容词/敬词 这种词类，不同语言的划分就大相径庭了。
像注重敬语的语言可能按尊敬程度划分成七八个词，另一个语言就两个，完全没法正确的进行映射了。

实际上这也是语言学习的难点。
各种教语言如何用词的都是这些词，绝不会来教你名词。
同时也像小朋友学习语言或者机器翻译一样，最容易学会的都是名词，其他词需要更多输入才能准确理解含义。

很久以前就有关于使用某种语言的人思维会更严谨之类的讨论，不过在现实结果上站不住脚。

不过到了程序语言这种被限制过的语言，就产生了一些区别，像有时候程序员被吐槽思维死板。
毕竟这种语言是有严格语法的，编写必然要对思维有所限制。
而限制即信息，在限制时难免会习得思维模式。

最开始的AI代码补全工具面世时就有人认为AI从代码中学到了许多模式。
LLM时代又抛弃了这一点，更专注于从自然语言获得更广泛的能力。

不过一些研究人员又想要通过语言的限制来增强特定的思维能力。
像做AI数学证明的，不少已经投向 Lean4 或者Coq这种严格的形式化证明语言，例如kimi的kimina-prover
可以说明不同语言确实对数学学习有影响，不过lean4这种语言的可读性并不太人类友好就是了。

每隔一段时间，都能看到似曾相似的暴论和经验。
不过这也算是学习过程的必经之路，只是会不会公开发出来的问题。

毕竟学习的过程也是不断总结规律的过程。
刚开始学习的人因为样本问题，几乎都会总结出一些过强的规律。
像是英语词根和中文偏旁那样，很容易误以为和语义有必然联系。
最后反而使得自己水平暂时下降了。

但随着学习时间更长，观察到更多的例外，自己就会推翻之前的规律，重新修正。
对于复杂系统如语言，规律不断修正的结果是规律不再能简单的表达出来。
只有一开始简单的规律在不断被重新发现并表达出来。

现在不少人学习都用AI辅助了，属于是赶上了好时候。
尤其是在学习数学/物理这些基础学科的时候，不用像以前那样被教科书折磨了。

毕竟众所周知，数学不像其他课，它环环相扣，发呆几分钟可能就再也听不懂了。
而这些教科书又不像其他书可能可以AI总结，AI速读，有水字数嫌疑。
反倒是省略太多了，主打一个注意力惊人， 到处都是“显然可见”，”从此可知”。

于是一个思路没跟上就卡住了。
得去其他地方找到缺失的环节，例如其他有写的教科书。
几乎可以说以前普通人要想学懂，就是在拼好书。

有了AI后，新学习的人终于可以摆脱“显然可知”这些东西了。只需要向AI提问，这些显然可知的具体内容是什么了。