0
我们到了吗? 到了
这是我们要到的地方吗? 我觉得… 可能不是
那我们之后去哪? 我呃… 我不知道
我和Helen被Uber送到新奥尔良最大的赌场凯撒宫却找不到饭店的时候, 面面相觑.
十月新奥尔良的雨下很大, 所以哪怕是很短的路我们也决定打车去吃饭. 起初我定位的是French Quarter里的饭店, 那个更符合我模糊的记忆里它会在的地方. 但在French Quarter的外围, 地图给出了这一家的另一个搜索结果, 离我们更近些.
饥肠辘辘的我俩本着早点吃到饭的原则, 被阴差阳错地送到了赌场. 可事实上这里根本没有那家饭店, Google地图说这家店已经关门了 虽说可以在赌场里混点吃的, 但我没带身份证, 连门都进不去.
该死的Uber还没给我退款
最后我们在赌场等了十分钟, 还在雨里淋了一会儿才坐上streetcar, 到了饭店拿着生蚝撒气 (指胡吃海喝)
我回头看这件事儿的时候, 感觉就和我回看20岁整个十年一样:
我曾经很清楚地知道我30岁的时候需要在哪儿 读书, 工作, 签证… 也都一样样照着规划实现稳妥了以后, 人生大赌场告诉你:
抱歉啊, 你想要的应许之地并不在这.
40岁的目标是什么? 变老又是从哪一刻开始的? 成长有没有尽头?
最关键的是, 那之后去哪?
1
去年底的时候先是经历了一波大部门换帅, 给我们定了新的目标; 之后又是裁员又是reorg. 幸好我们的小组没经历什么大变动. 但我们工作的目标却从优化编译出来的文件大小, 变成了在不影响文件大小的情况下优化编译后的运行速度. 上头说性能更好能增加活跃, 增加收入.
Tech Lead抗议说这性能和体积本来就是按下葫芦浮起瓢, 怎么能既要又要? 何况活跃和性能的相关性太低了, 压根不好测, 测出来也不见得准. 而另一个同事已经闷头酷酷干了. 我觉得他们都有道理, 但职场小牛马没必要梗着脑袋抗议, 也埋头干就是了.
结果就是过去一年, 我觉得我的工作很无聊. 比方说我做了个优化, 无非是把别人已经做好的东西迁移过来, 适配一下"因为公司太大了才有"的问题, 每天和各个相关方的人员沟通/协调, 完了发个庆功帖. 我寻思这也没啥创新性啊, 有啥好玩的.
忙了几个月, FB和IG开屏速度更快了. 然后呢?
Data scientist跑来告诉我们, 哦数据显示这个功能为我们增加了XYZ的活跃和收入. 然后呢?
骗你的其实是我们求着data scientist帮我们算
说实话那个数据还挺哇塞的. 我从没想过我干出这么多钱. TL抗议的"测出来也不见得准"自然是抛之脑后了. 当初老板说你司app半个地球都在用, 再微小的贡献也是天大的, 倒也没错.
但转念一想, 你的意思是我只不过是让更多人把生命浪费在了看广告和网红身上, 是吗? 而且还有一个明确的价码, 这些人浪费的时间, 值这么多钱.
Peter干的很棒, 绩效Outstanding, 奖金翻倍. 你问我做的事情对了错了, 我耸耸肩, 说赚了.
夏天升到IC5之后, Chris和我聊到IC6的时间规划, 运气好的话后年初就能到了. 至于那之后, 他表示我们组几乎没有更多的上升空间, 如果想继续就可能要换组. 毕竟我们组已经仨IC7的大佬, 大组还有个能力出众的IC8.
仙之人兮列如麻
我的小组已经让我很开心了, 跟着大佬混, 总有新的东西学. 至于能不能升到IC7, 说实话没什么所谓. 我今年的体验就越来越觉得corp ladder是个没头的游戏.
总有人级别更高, 收入更高, 爬上一级之后又如何? 做那个在公司里公开抢功的IC8让大家都拿出来哄笑?
再说了, 你司总有一股子"你这个东西怎么给公司的增长目标添砖加瓦"的味儿. 我明白, 这是地球上最大的一家公司之一, 全世界的投资人都直接或者间接的拿着股票问管理层: 你们明年增长几何, 分红几何? 水群日常就是骂公司怎么又不挣钱, 怎么股价又低.
但捏着鼻子被增长叙事绑架, 拿钱干自己不爱的事儿, 没必要.
在LLVM Dev Meeting会听到这样的故事. 谁谁跳槽A家了, 拿着A家IPO的股价一算一两个亿. 这个时候就莫名其妙想起101上的彩票广告牌, 累计大奖一个亿, 我寻思你这个数字在湾区应该是不够格.
硅谷总是相信指数增长的, 暴富神话总有听众. 升到IC5包裹要涨20%, 明年还想再涨50%, 不行还是太慢想像去A社的同事那样要三倍再三倍. 只可惜人生阅历是sublinear的, 年岁增长只是变老, 不是自动变老练.
2
夏天之前认识了Daisy, 她爸妈暑假要离开了, 我们就帮着寄养了一只八十斤的"小"伯恩山. Daisy是一只很乖的小狗, 只需要每天早上遛它晚上遛它, 并不费劲儿.
她刚来的时候还不会玩球, 连自己的玩具都不怎么碰. 我就照着Ian Dunbar的Before you get your puppy 和 After you get your puppy教她.
谁说伯恩山不聪明. 我寻思Daisy挺聪明的.
我很快就教会了她玩球. 碰一下球就给一个零食, 渐进到咬住了就给一个零食. 后来我还是发现她不会玩买来的塑料球, 倒是很喜欢袜子卷成的毛球.
不过之后我遇到的问题就是, Daisy有点太聪明了. 我不拿出零食她就不给我球, 甚至要和我抢毛球.
楼下的Omar指导说你要总是握住零食, 但不给他们看. 就像个老虎机一样, 他们猜不出有没有零食, 就只好照做.
我这么学了下, 很快她已经能主动去捡球了. 有时甚至主动叼着毛球来请求一起玩耍.
本来想养一只我们自己的小狗的, 但因为Daisy推后了这个计划. 毕竟刚领到Daisy的时候觉得我们一个小家养不下俩狗. 尽管如此, 还是读完了养狗入门教学. 也是老父亲自学如何带娃了属于是.
Ian Dunbar的书很有意思, 虽然一些基本常识早有耳闻, 但这本书终于系统性地把养狗这件事讲明白了. 什么时候, 做什么事, priority几何.
第一次在小狗身上看到priority的时候还是颇感意外.
有些是无论如何都要教会, 且必须在小狗某个时刻之前要教会的: 比如小狗必须在八周之前遇到100个陌生人, 并且能用食物教他坐下和趴下, 其中25个还得有小孩儿.
本i人be like: 人贩子都没法在四周内找出25个小孩儿我真没功夫闹了
这样小狗就知道任何一只恐怖直立猿都能命令他, 而不是只听主人的话. 比如像我同事Adam的小狗就很喜欢和人贴贴, 见人就贴.
澳牧: 不到啊我寻思我比两脚兽聪明呢
有些是你愿意教就教, 不愿意也可以放弃的, 比如(非常意外的)你其实不必教你的狗怎么和别的狗一起玩, 如果你的狗这辈子都不用去狗公园的话. 我确实见过一些小狗不怎么会社交, 比如Daisy就总是很胆小; 小区里另一个柴犬, 虽然明显上过学, 举止端庄冷静, 但是见到别的狗开口就骂. 而楼下的Omar最为认真, 除了把他的Marcy训得服服帖帖令行禁止, 孩子还得去参加体育训练和游泳比赛.
突然养小狗就变成选择题了: 你愿意教他什么, 不教他什么. 你当然可以说, 把小狗教到会按按钮表达自己的需求似乎是有点夸张了; 张嘴就骂还咬人的小狗只能送去安乐.
但介于这两者之间, 一切都是可以用"老虎机零食"教会的: 小狗不需要很聪明的脑袋也能理解奖励. 至于把小狗教到什么程度就很丰俭由人了.
3
教小狗应该只是教小人的简化版本. 有时候和Helen聊教小人的期望, 什么要学什么不学, 则让我更加举棋不定.
有时候因为身边的朋友大多数都有PhD所以会理所当然地认为: 人当然应该是读书的. 加个数学补习班总是错不了, 体美劳也要发展, 要不就和我一块儿去教练那挨打, 什么上阵父子兵.
但是如果你去看AI的发展, 智力已经不再是稀缺资源了. Helen问我这个问题的时候我愣了一下, 如果AI可以完成所有的脑力劳动, 为什么还要读书.
后来想出来一个答案:
也许这和体力劳动类似: 我们已经在一个不需要体力工作的时代很久了, 你完全可以不从事体力劳动而正常生活. 没有人需要搬运重物, 没有人需要种地, 机器会完成一切.
人依旧会从事某种"体力劳动". 打球, 跑步, 健身, 没有哪一个是为了和赛车比速度, 和机器比力量.
同样的, 在未来你也许可以不从事任何形式的脑力劳动而正常生活, AI会完成一切.
你不需要任何学位, 但你仍然可以选择做点脑力工作, 仅仅是为了健康, 社交, 甚至只是闲得无聊. 就像打球, 跑步和健身.
我们带Daisy去Bodega Bay露营的时候, 因为大部分山上的步道都不能带狗, 所以找了个可以带狗的沙滩. Daisy很喜欢在沙滩上瞎跑. 但她可能是第一次看海, 她很怕浪. 我看她在海边小心翼翼的尝试的时候突然产生了这个想法:
如果AI照顾好所有人的未来实现了, 在那个未来, 人之于AI, 就像小狗之于人一样. 大部分小狗早就没有打猎能力了, 但他们还是被喂养得好好的.
你知道的, 对小狗来说, 跑去捡那个毛球就是快乐而充实的.
4
缸中之脑是一个很有意思的思想实验: 如何证明你真的拥有物理实体, 而不只是像黑客帝国一样活在虚拟世界里?
我今年找到了一篇古早的关于缸中之脑的论文. Nick Bostrom 的 Are You Living in A Computer Simulation? 没有直接回答这个问题, 而是得出了三个命题, 其中至少有一个为真:
- 我们的文明会在发展到"后人类"时期之前灭绝
- 文明发展到了"后人类"时期, 人们拥有模拟缸中之脑的算力, 但出于某种原因他们拒绝这么做
- “后人类"时期的人类运行了诸多缸中之脑实验, 在没有办法区分的情况下, 我们"几乎一定"是其中的一个实验
我的翻译还是有些粗糙, 我也没法在这里仔细论证, 有兴趣可以去看看论文.
这篇文章今年被我翻出来是因为今年果蝇的神经元被完整发布. 我觉得这个发现要比今年所有AI发布的"震惊瘫坐” 研究都有意思.
因为第一次, 缸中之脑从一个思想实验变成一个工程问题了, 哪怕只是一只果蝇, 我们离用计算实现一个缸中之脑都更有更进一步了. 也是第一次, 我们可以粗略的估计: 跑一个缸中之人需要多少算力?
按照老马在SpaceX招股书里的飞天GPU算法来看, 也用不了多少算力
我和Helen兴奋的聊这个话题时她抛出一个问题: 如果有的选你希望是哪一个?
我想了想, 我更希望是命题三. 如果你现在告诉我, 我生活在黑客帝国里, 我会如释重负. 为什么呢, 因为这样的话我就知道小狗的毛球和牛马的包裹都如我所愿的那样虚妄. 也许就可以更心安理得的接受一切都是没有意义的, 就像乔神说的那样, 试图寻找意义是优绩主义者的思维陷阱.
但理智上还是会想起:
多年前 The Matrix 里 Morpheus 问 Neo: “What is real?”
多年后 Westworld 里 Angela 告诉 William: “Well, if you can’t tell, does it matter?”
无论真假, 地球Online游戏都会继续下去, 去玩一些自己喜欢的游戏, 捡一些虚妄的毛球.
5
以下是我在地球Online中打的一些支线任务. 今年没滑太多雪, Tahoe的雪况远不如往年. 尽管如此还是去了几次Heavenly.
滑雪我一开始喜欢在雪道上最速下山. 我总是觉得应该一直进步, 哪怕滑雪也是. 所以就走上了越来越多的黑道. 但今年的雪况就像溜冰, 摔了几次实在快不起来.
后来我就喜欢没人去的地方, 仿佛这个天地之间只有一个人. 今年最大的遗憾就是Heavenly后山的Mott Canyon. 整个山谷面朝内华达, 空无一人. 可惜有些太陡了不敢一个人下, 谁知道那就是我这个雪季最后一次滑雪了.
倒是花了很多时间在下棋和卡丁车上. 网上一个说法是, 国际象棋很适合小镇做题家. 每天都有练习题, 每题都有固定答案, 只要努力就有回报. 这倒也没错, 我闲得无聊的时候真的会打开Lichess做题, 做错了还得去复盘; 有的真就是我粗心, 有的我完全不理解就得去掰着AI分析为啥这么下是不好的.
国象下到了1100分, 算是摸着了门槛. 其实很长时间都卡在900多, 连胜快20多把到1100. 回想起来, 当时仅仅是因为不想断连胜, 所以每一步都下的很谨慎. 最高到了1150左右就一直掉, 越想赢越掉; 下得越快死得越快.
开卡丁车也成了Santa Clara K1的常客. 现在能稳定在24.2s, 大约能跻身月榜中游, 但同样卡在一个瓶颈快不了了.
有时候我开得很着急.
无论是线路没开好, 或者有慢车卡住影响了圈速.
但结果就是往往越急开得越差, 就和下棋一样. 路怒了
尽管大部分时候, 刚开始的几圈的成绩好坏都没有影响: 轮胎总是越开越热, 热胎抓地力更多, 圈速会自己变快. 真正有效, 能影响记录的, 往往只是最后一两圈.
我甚至认识了像Arvin这样头几圈故意暖胎落到最后一名被人套圈, 然后才开始正经开车的人, 这样他既有轮胎又有有半条干净赛道不用担心慢车.
“反过来看的话, 最后就是第一你懂吧”
我后来还去了Sonoma赛车场的卡丁车训练课. 那个教学我很喜欢, 一天六场练习赛, 赛道上的每个难点一个个处理. 到了最后一场就已经可以把赛道处理得很好.
最让我印象深刻的是刚开始的刹车练习赛. 教练的意思是过弯得先慢再快. 第一, 进弯速度要慢, 猛冲进去出弯就太慢了. 第二, 为了慢下来, 要把刹车踩到极限而不打滑, 为此一整个练习赛就在练习急刹. 一天spin八百次终于知道为什么F1车手被甩出赛道的时候能急得砸方向盘.
这所有事情都让我想起小时候我爸教我的一句话
欲速则不达
非常讽刺, 小时候的语文一直是我妈负责的, 结果我究极讨厌语文, 从来学不明白作者到底想干什么. 反倒是我爸教我的一句话一直记着, 而我甚至想不起来他为什么要和我说这个.
哪怕到了20多岁都觉得这句话有些犬儒, 是人情社会左右逢源的生存智慧而不是普适哲学. 但我似乎是到了一个突然开窍的年纪, 也许大部分事情确实
慢就是快
6
30岁真的是个很奇怪的年纪, 有的人一飞冲天, 有的人老老实实的打工, 有的人已经生了娃, 有的人已经立了坟. 这些事情都是发生在朋友圈时仍然会觉得非常遥不可及, 直到你听说你身边的朋友怀孕了. 或者三五不时就有人结婚了, 也有人网贷了. 那些曾经看起来非常遥不可及的事情都发生在了身边
首先变模糊的是时间. 高中一到三年, 本科一到四年, 博士一到五年, 每一年都可以被精确定位:
“哦我博三的时候怎么怎么样了”
工作以后突然发现不再是这样了. 时间被划分的很精细: 上周的执行, 下个月的计划, 每个half的绩效, 下一年的bonus. 但任何一年都不再独特.
其次变模糊的是人生目标. 我有时候分不清我在努力的方向, 是真正有必要的, 能让社会变得更高效的脑力劳动, 还仅仅是在捡想象中的毛球?
我还会看自己的Google Scholar. 倒不是去看citation的数量, 毕竟绿卡申请已经提交了. 而是想看那些引用我的文章, 都说了些啥.
大部分是在"相关工作"里提一嘴, 我很熟悉这种未必仔细看了论文, 只是看到摘要差不多就引了. 偶尔也有人会点名道姓, 说这个工作有什么缺陷, 我仍然会很开心, 至少还是有人看的对吧.
年初的时候有人来GitHub上问我之前一个工作的实验怎么跑. 我回复了几句就有点丢了耐心, 那时候正处在裁员裁员风波. 年底再看的时候人已经发了OOPSLA, 软工顶会; 在里面用我的工作做了实验对比.
颇为意外的是, 这件事给我的欣喜远多过升职. 即使人在论文里基本是说我的工作不行, 但至少, 在公开领域, 我这个人是存在的.
就像我喜欢给开源社区写代码一样. 这些代码最终变成了某一种记录, 无论是在GitHub上查询, 还是被送进了AI胎教. 有时候我一想到AI可能从预训练起就抓到了我们在开源社区提交的代码就觉得好笑: 我写的垃圾你也学?
今年在开会的时候也几次被人认出来, “哦你review过我的代码”
我吗?
我强烈要求在名牌上写网名和头像, 0人在意你的姓氏但看一眼头像"抱歉长官，刚刚没认出你"
在LLVM Dev Meeting遇到的另一个让我印象深刻的人是Teresa. 她是个瘦瘦高高的女性, 一头白发. 站在人群里你很难看不到她. 她在Google和编译器里混得太久了, 已经没人说得清她到底是IC8, 9, 还是10.
从另一个视角来说人们说不清恰恰是因为职级不重要. 因为私下里会说: “她是那个做出ThinLTO的人”.
ThinLTO十年前还只是实验品, 但现在却已经到了"任何正儿八经的软件没它都别想做优化"的程度.
我一直觉得编译器是个很有意思的东西. 如果说, 程序员是创造世界的神; 编译器就是规训神的工具, 它直接告诉你什么可以做, 什么不可以做.
而哪怕是520大裁员的时候, 真正让我不那么慌张的东西也是我一直在做的一个开源功能. 如果真有一天被裁员了, 至少我会觉得我做过有趣的东西了, 我也大概会自购一台Mac和Claude用爱发电做下去.
不为别的, 就为多年以后会有人问起来, 会像介绍Teresa一样提一嘴:
哦Peter就是那个在沙滩上捡毛球堆成堡垒的人.
后记
乔神毕业的时候租了个Airbnb大家去开party. 说是party其实就是看世界杯和聊天局.
年纪大了以后对party的理解就不再是喝酒打牌和吵闹了. 反而更喜欢安静一点的活动. 相反把人凑齐才是最困难的一个部分.
我之前一直在想要怎么过30岁生日, 本来寻思Airbnb是个好主意, 最后再熬一次夜, 在开一次卧谈会, 畅聊一些理想和未来. 结果Airbnb的部分没实现, 熬夜倒是实现了. 应该一周前就写好的草稿, 因为开会太忙了, 白天社交晚上加班写代码, 这周还是我oncall; 愣是写到周五晚上还没写完.
我说截止日期是10月30日, 但Anywhere on Earth是加州的凌晨五点, 所以我两三点发布也算是赶上了ddl. 科研狗听懂掌声.