星期六
早上出去跑步，6.5+ Miles。气温下降，开始时都感觉有点冻手了，但还是跑出汗了。
把女儿房间的窗帘换了。从搬进来就是这个，也太久了。
下午出去买点东西。把鱼缸的水换了。
洗衣服。
星期天
本来有同学说来纽约，又告之改在19号。给我多一点时间干家务。
上午把后院拉门基本上搞完了。感觉还不错，需要这个冬天检验一下。然后把厨房的窗户封了一下。期间H来电话聊天，说他家只有50多度，给老爷子的房间都开暖气了。他是不做任何事，任由冷空气入侵，还说是空气好。我说就你那破房子到处漏风，还怕封窗阻碍新鲜空气？！心说就是懒！却还抱怨电费贵。
午饭后，先去药店给LD拿药。然后出去走了两圈。
把厨房和饭厅的地擦了。
AI 时代“聪明的火鸡”又拿出来讨论，这是一个著名的哲学与经济学隐喻，最初源于哲学家休谟的归纳法问题：
有一群火鸡，每天早上九点钟准时被主人喂食。在长达一年（365天）的时间里，不管阴晴雨雪，规律从未改变。火鸡们通过严密的统计和“聪明”的归纳推理得出结论：“每天早上九点，人类就会给我们送来食物”。：到了第365天的早上九点（感恩节这天），主人走进来，没有带来饲料，而是拿起了刀。
我们经验的直觉是，样本越多、规律越完美，观察者往往对未来的信心就越强，而危险也恰恰潜伏在历史数据最完美的顶峰。
AI 大语言模型和机器学习本质上也是在做“高级的火鸡归纳法”——根据海量的历史数据进行概率拟合，寻找规律并预测下一个 Token（词元）或结果。可是如果过分依赖历史数据的“经验分布”，就会在面对前所未有的结构性变革（即“感恩节时刻”）时遭遇致命崩溃。
顺便说另一个例子。很多年前，我姐姐和姐夫去澳门赌场，我姐夫盯着大小赌盘看了很长时间，心里做着简单的统计观察，他发现，如果连续三次都是“大”，则再是“大”是没有的（在他观察期间）。于是当再次出现连续“大”的时候，他果断地用手里“可供他玩”的钱全部买了“小”，结果出的是“大”。哈，他就玩了这么一把。
我们或是过于相信自己或是过于从众，却比较缺乏思考。
