我会让它帮我实现三个愿望：

1. 给所有的素数都增加至少一个除了 1 和它自身以外的自然数整除数
2. 建立一套即完备又自洽的数学系统
3. 再多给我加三条愿望

这个月是中国高考的月份。高考对于我来说已经非常遥远了，很多年没有关心了，尽管对我们那一代人来说，高考极其重要，堪称决定命运的时刻。现在的高考，其意义可能已经无法与当年相比。不过随着儿子年龄渐长，我又开始关注起高考。我同龄人中很多人的孩子都已经进入大学了，我也不得不思考儿子的未来。

如果将社会划分为两个阶级，那便是有产阶级和无产阶级。有产阶级和无产阶级之间存在一道难以逾越的鸿沟：血缘。我不否认确实有人白手起家进入上流社会，也有上层家庭家道中落，但这样的比例实在太小了。绝大多数情况下，一个人的阶级在出生时就已经确定。无产阶级若再细分，可将其中收入较高的一群人归为中产阶级。中产阶级不仅衣食无忧，还能经常休假、购买奢侈品，甚至培养一些既烧钱又耗时的兴趣爱好，如摄影、旅游等。他们的生活质量其实相当不错。但本质上，他们与低收入者同属无产阶级，彼此间并无太深的护城河。中产与下层之间的转换相当频繁。中产向上发展极难，向下跌落却很容易，这可能就是”中产焦虑”的本质所在吧。

在我老爸上大学的年代，每年大学毕业生仅有几万人。等到我上大学的年代，每年大学毕业生数量也不过数十万，与国家人口相比仍然是个相当小的数字。那时候，进入一所正经大学，基本可以保证毕业后找到一份收入丰厚的工作，跨入中产阶级行列。当时，区分中产与下层，最具有代表性的标志就是这一纸文凭。穷人孩子，一旦高考成功，即可跻身中产；中产子弟，如果高考失败，再失去父母的支持则会跌落下层。

我中学的时候，根本没有人生规划，也完全意识不到高考对于改变命运的决定性意义。如果当时能有现在的认知水平，我的学习态度肯定会大不相同。当然，现在高考的意义可能又有所不同了。如今年轻人的人口数量巨减，每年毕业的大学生数量却已是超千万的量级。社会根本提供不了这么多的中产职位，仅凭大学文凭已无法保证一个人进入中产阶级了。年轻人想找个好工作，越来越依赖大学之外的资源，比如父母的社会背景、人际关系等。

备注：划定有产与无产，要以一个家庭的实际可支配的财产为准，而非名义上的所有权。比如，有的地方号称人民拥有国家的每一寸土地，但实际上无一处土地供人民自由使用;声称领袖没有任何私产，却可任意操控国家的所有资源。

最近，我看了电视剧版的《三体》。多年之前，我也读过小说原著。当时觉得小说的第一部还不错。我对科幻小说中的科学部分情有独钟，而对幻想部分则兴趣较小。《三体》第一部的问题虽然不少，但很多内容设计还是有科学理论支持的。然而，到了第三部，故事情节已经彻底放飞，因此读到第三部开头我便放弃了。至今，对于原著第一部中的一些情节还有模糊的印象，后两部则完全没印象了。

随着最近接连看了腾讯和网飞两个版本的电视剧，我想基于电视剧说一下我对其中一些不合理设定的看法。

首先，不知道为什么作者要设定三体人思维透明，不懂得欺骗。欺骗是生物演化的必然产物，《自私的基因》一书把生物间博弈的模型简化为三种角色，其中之一就是“骗子”。很难想象在进化中胜出的智慧物种不懂得欺骗。当然，作为小说，可以假设这一点。然而，更严重的问题在于小说前后的设定矛盾。比如，思维透明的三体人也可以有个体背叛组织；不懂得欺骗的三体人在对付人类时，首先想到的却是让智子去欺骗人类。

其次，作为曾经在工业测量领域工作的程序员，我对于剧情中在这些领域的设定特别敏感。实际上，三体人不需要等待地球的回答就可以定位地球（包括方向和距离）。我们对一般星体的定位精度较低，是因为星体发出的是无规律噪音信号，没有时间信息可以利用。但对于有规律的通信信号，可以通过时差在接收到的同时进行定位的。或许有人认为星际信号传递误差会很大，但据我对这一领域的了解，这种定位非常精准。宇宙中，因为恒星分布稀疏，定位精度达到 10%（即有效数字小数点后一位）就足够了。举个例子，比邻星距离我们4光年，测得信号源距离我们2光年或6光年，都可以确定信号来源就是比邻星。实际上，以人类的科技水平都可以轻松实现小数点后10位以上的测量精度。比如，目前测量光速的精度可以达到0.1毫米/秒的级别，测量地月距离也可以实时动态地达到毫米级别。这些测量难度比定位比邻星发来的信号要难得多。

另一个不合理设定是把个人当做逻辑门的人肉计算机。逻辑门必须由机械或电路构成，而不是人体，这是有其底层原因的。即便人能一秒举牌十万次也不能改变其底层逻辑。大脑是一个极其复杂的结构，思维过程很可能还涉及量子效应。但我们就大幅简化一下吧，把大脑当成一个由十亿个逻辑门构成的复杂机器，那么如果这些逻辑门最后只能当一个逻辑门使用，它不仅白长了，反而因为额外的开销，远不如直接用机械逻辑门进行运算高效。这就是人肉计算机低效的本质原因。扩展来说，当年总有人提倡我们做革命的螺丝钉，也是犯了同样的错误。这种底层安心做螺丝钉的社会或许稳定，但却极其低效，一旦遇到竞争便会失败。只有把人当“人”而不是零件的社会才有竞争力，才会取得最终胜利。

儿子最近写了一篇作文，比较了他的童年生活和我的童年生活。这不禁让我想起，小时候在学校里我也写过类似的作文。那时候写作文要有一个“正能量”的主题，要体现国家的进步。但无论怎么说，我的童年与父母的童年相比，都无疑是幸福的，毕竟他们的童年是经历过饥荒和动乱的。而这些灾难对我来说，就只是书本中记载的文字了。

然而，与儿子的童年一比，我的童年就显得非常贫瘠了：吃的只有粗茶淡饭、娱乐只有一台收音机。那时后，一把小提琴、一双冰鞋，都是我无法触及的梦想。如今，家里的经济条件已经不可同日而语。孩子的任何合理愿望，似乎都可以轻易实现。他想要探索的领域，无论是艺术、体育还是科学，我和老婆都会不遗余力的提供装备、聘请教练。现在唯一缺乏的却是孩子的学习欲望。看着儿子的状态，我难免会有些担忧：等他长大成人，有了自己的家庭，那时候他的生活水品会不会更上一层？还是反而会倒退呢？

最近这两年 AI 在文字和图像创作方面被讨论的非常多，相对来说，对于音乐的创作热度小一些。音乐包含的信息量远少于图像，AI 创作音乐会更轻松。实际上，网上能找到很多 AI 音乐创作的应用，就连贝多芬未完成的乐章都已经被 AI 续写好了。我自己尝试过几个网站，生成的音乐、歌曲算不上经验吧，但确实不难听，个人觉得超过了人类作曲家的平均水平。

但是音乐创作很难用来评价一个 AI 模型的好坏，因为它实在是太主观了，不容易建立客观的评价标准。文字或是图形创作都可以设立一些客观标准，比如，一些问题是有固定答案的、图像必须符合真实事物的构造。但音乐客观标准太不明确了，很多人觉得好听的音乐，在另一些人耳中都是噪音。

原计划是每翻译一段，就立即进行人工修正。然而，我后来发现人工校对实在是太耗时了。由于我的闲暇时间有限，若要认真地逐字逐句进行修改，估计整个过程需要一到两年的时间。因此，我决定暂时跳过人工校对这一步，先使用机器将其全部翻译成英文，日后再逐步进行优化。

我主要采用了 ChatGPT 进行翻译工作，并且也试验了其他几种大型语言模型。经过比对，ChatGPT 的翻译效果是最佳的。尽管如此，ChatGPT 也并不完美：阅读几行后，仍然能发现其翻译的内容与真人撰写的有所不同。它最明显的不足之处包括错误地翻译了一些专有名词，例如，LabVIEW 中的许多术语，比如 tool palette 等都被错误翻译了；此外，其用词偏好和写作风格也与真人不同。比如，“instrumental” 这个单词在平常几乎不会使用，但在 ChatGPT 的翻译中却频繁出现。我推测，这可能是因为 LabVIEW 与 “instrument” 高度相关，而 “instrument” 又与 “instrumental” 有关联，所以模型可能误以为 LabVIEW 相关文章就应当多使用 “instrumental”。

但无论如何，ChatGPT 的翻译效果已经远超以往所有的专业翻译模型。在大型语言模型兴起之前，谷歌翻译被认为是效果最佳的翻译工具，即便如此，其翻译内容仍然基本无法直接使用。现在，ChatGPT 已经可以当作一个相当靠谱的翻译工具了。

最近在群里看到很多人关于中国股市大跌的小视频。我于是查了一下上证指数，好像也没跌多少嘛，才跌了几百点而已。要知道，上证指数最高点是在 6124 点，这次大跌之前，指数也只有三千多点，可想而知，上证历史上是有过几千点的大跌的。不同的是，现在是自媒体爆炸的时代，大家都喜欢用夸张的表达方式来吸引眼球。

既然想到了这个问题，我也回顾了一下自己的炒股历史，记录下来。

我是在大约 2000 年的时候开始进入股市的。那时候刚步入职场，收入还行。单身的我没有什么开销，很快就积攒了一笔小钱。我就想，如果将这笔钱用于投资，或许会产生额外的收入。

当时，身边的同事们都在热议炒股，我也决定尝试一下。恰好，我工作的地点极其方便炒股。我们的办公室位于一座高层写字楼内，一楼有两家银行，二楼是一家证券公司。当时，证券交易刚刚开通了网络交易功能，我甚至不用离开办工桌就能完成买卖操作。但是，转账功能还无法在网上进行。于是我就会趁工作间隙溜到一楼银行取了钱，再跑到二楼证券公司存入，然后购买股票。

最初对股票完全不懂，买啥呢，那就听专家的吧。我阅读了众多网站、论坛上专家们的意见，精心挑选了几只股票。然而，不幸的是，我重仓的那只股票，自从买入后便一蹶不振，经过漫长的阴跌之后，最终退市，让我血本无归。在这支股票上亏损的一万块钱对于当时的我来说也算是笔“巨款”了。我以极其惨重的代价学到了股市中的第一课。总结经历，有两点教训：

首先，一定要跑得快，切勿心存侥幸。我调整了自己的期望，也不求赚大钱了，只要别亏就好。所以可以踏空，但不能被套，有任何风吹草动一定要先跑掉。

其次，我逐渐意识到中国股市不是用来投资的，这就是个庄家开的赌场。市面上看到的任何消息、数据都可能是庄家故意给你看的，不可轻信。

在第一次投资失败后，我改变了策略。我卖掉了个股，转而买入基金。面对海量真真假假的各种信息，我实在是没有精力研究每只股票了。而那些历史业绩一直比较好的基金，再怎么说，也会比我们散户更了解内部消息的，还是交给他们来选股吧。就这样，我陆陆续续把攒的钱投入了几个业绩不错的基金里。

到 2007 年，股市突然开始起飞，我基金账户里的资产也跟着水涨船高。然而这时我却开始有些恐慌了，就怕它突然跌回原型。

一天在街上闲逛时候，看到一个地摊在卖书，就随手拿了一本股票相关的书。这本书其实没有什么影响力，以至于我完全不记得书名了，但我至今对书中的两段内容记忆犹新。第一段是它虚构了一个庄家炒作股票的案例。大致的内容是说某化肥公司，突然发现生产过程中的副产品具有治疗癌症的特效。然后开始专家论证、实验一期、二期、三期，不断放出各种好消息。于是股价飞涨，韭菜被引诱入局，庄家则趁机出货。最后自然是其对癌症毫无疗效，股价打回原形。我当时反正不想买个股了，这个故事也就当笑话看了。谁知道几年之后，有个朋友极力向我推荐一支啤酒厂的股票，说是他们发现酿酒的某个产物可以用作乙肝疫苗，等疫苗上市，股价必然大涨。当时我就想，这股市还真是个笑话啊。

我还记得的第二段内容，介绍了如何打新股，同时计算了打新股的收益。打新股收益不算很高，但在当时风险极低。于是，我就清空了所有基金，专门打新股。牛市期间，再加上当时创业板刚刚开启，新股发行极其密集，资金基本不会闲置。当时新股普遍受到追捧，打新股的收益远超了我的预期。不过，更重要的是它让我躲过了后续的大跌。2007 年底，股市突然掉头向下，所幸我没有任何持仓，躲过一劫。

熊市来临，新股上市被暂停，反正我也没钱打新股了。那年我结了婚，于是把钱都取出来买了房。因为没有贷款，之后很快又逐渐攒了一些存款。等股市跌的差不多了，我又开始陆陆续续买入基金。这时候都不需要转钱到证券公司了，在网上银行就可以直接购买开放式基金。

2012 年，我搬家到了美国，但当时大部分的资金仍然还是在国内基金账户里。到 2015 年的时候，股市再次起飞，俨然就是 2007 年的翻版。我也摩拳擦掌，准备再赚一笔，于是那段时间经常关注股市走向和账户的市值。老婆每次检查我的账户，就会说：已经赚了不少了，你赶紧都卖了吧。而我也总会说，再等等。我本来预期它的走势会跟 2007 年比较像，涨上一年左右，创下新高。可惜历史从来不会简单重复，这次才涨了半年就开始掉头了。幸好我还记得之前的教训，立刻卖光所有基金，算是保住了胜利果实。

这次股市大跌之后，因为又要买房，我就把大部分的钱都转到了美国。当时国内对于换汇是非常宽松的，甚至都不需要去银行柜台，直接在网上银行操作就行。唯一的限制是每人每年5万美金的限额，但这不难，也没多少钱，找几个亲戚帮下忙就都换好了。国内的银行账户依然留了个零头，以备不时之需。后来在股市企稳后，还是买成了基金。

后来再攒的钱都投入了美国股市，也就没再关注中国的股市了。但我平时还是一直留意中国的新闻的。去年某一天，突然在新闻里看到政府要加强证券交易的监管，打击恶意做空。读到这里，我想了想，虽然持仓的基金没几个钱，也还是全都卖了吧。

ChatGPT 出来之后，就不得不考虑一下程序员的未来前景了。我自己已经老了，是不可能转行了，主要是考虑儿子的将来学什么专业。

回看编程语言的历史，无疑是朝着方便人类使用的方向发展的。从最开始的纸带打孔，到汇编语言，再到高级语言，越来越“容易”了。即便是高级语言，这些年流行的 Python 也比二十年前流行的 C++ 要容易使用太多了。在不远的将来，在大多数领域，人们可能不再需要编程了。有什么要求，直接用人话告诉计算机即可。

通向这一目标的最大障碍在于让计算机完全理解自然语言。最近大语言模型的发展，基本上已经扫清了这一障碍。淘汰编程语言指日可待了。当然，程序员这个行业不会完全消失。仍然会有少量的底层开发岗位需要职业程序员。考虑到需求量的降低，而这些年又培养了大量的软件专业人才，到时候恐怕程序员会非常难找工作。

其实，就算人工智能发展的没这么快，我可能也不会建议儿子将来选择计算机软件作为专业方向。必须承认，过去二十年，软件工程师一直是收入比较高的行业，我也沾了光。但我觉得这种高收入并不能长时间维系，之前的高收入纯粹是由于各个行业都需要信息化，程序员需求量巨大，而培养程序员的速度暂时落后与需求。最近这几年，软件人才的培养速度飞快增长，很快就要把需求缺口填满了。将来这个行业的收入将不会与其它工程师有太大差别了。

除了收入还可以之外，软件工程师还真不是个特别好的行业。它有两点是我非常不喜欢的。

首先，软件工程师通常不会直接与终端客户有交流沟通。大多数程序员平时都只会与其它工程师、项目经理等团队成员交流。在这种情况下，一个人水平如何，客户无从得知。换句话说，软件工程师的水平高低不是那么直观的，很多时候，他们的业绩好坏，全在于领导的印象。像医生，健身教练等，都是直接为客户提供服务的。如果他们的水平真的非常高，服务特别好，那么是可以在跳槽或自己创业的时候带走客户的。但程序员就别想了，程序员技术再好也很难创业成功，倒是销售人员更容易创业成功。

其次，软件行业经验贬值的太快了。很多技术活是可以做一辈子的，比如财会、机械设计之类的。但在软件领域，那些需要花费大量精力专研的技术，几年之后很可能就都变得一钱不值了。同时各种新技术层出不穷，我就时时刻刻都担心自己被淘汰，总是精神紧张。当然了，乐观的人也可以把这视为一种行业门槛：只有能够终身学习的人，才适合做软件工程师。

最近开始大语言模型把 LabVIEW 书翻译成英语：https://lv.qizhen.xyz/en/

我是一章一章的翻译的。一般，每一章要过两遍。第一遍先用大语言模型中翻英。但机器翻译往往难以摆脱中文的句式结构，导致英文表达显得生硬。所以还要再用大语言模型进行改写，确保语句流畅、符合英语表达习惯。最后产生的英语文本我会检查一遍，确保没有错误，也同时学习学习英语。

如果没有大语言模型的帮助，我是不敢想象自己把文章翻译成英语的。大模型生成的英语文章可能依然赶不上真人写出来的文章，但它已经比我的英语好太多了，不但能保证语法正确，用词也比我丰富的多。之前从来没预料到，在写作方面，计算机这么快就赶上真人了。

现在翻译 LabVIEW 书籍最麻烦的是如何把插图中的中文翻译成英语。我只好暂时先不管了，留到以后有空再说。

大语言模型在给我带来极大帮助的同时，也带来不少问题。比如，编程面试。我们公司现在的招聘面试全部是视频面试，可能是为了节省成本吧。这在之前还好，可是自从有了 ChatGPT 等工具，明显就可以感觉应聘者编程能力普遍大幅提高。有些粗人，面试的时候，敲一行代码，就歪头看两眼，再写一行代码。你也不能说人家一定是在作弊，人家可能就是这种编程习惯。ChatGPT 不仅仅会写代码，解释代码也很在行。我也没有什么十分完美的方案来应对这些新问题，只希望公司能恢复现场面试吧。

最近一个多月的时间，差不多把业余时间全部用来写一本 Python 编程书了 https://py.qizhen.xyz/

除了为了学习 Python 语言本身，也是为了深入体验大语言模型为学习和写作带来的新机遇。总体感觉就是大语言模型真牛。在它的帮助下，我花了一个多月的时间，让这本书答题成型，虽然还有很多问题，内容也不完整。但是如果没有大语言模型的帮助，写作到达到同样的程度，至少需要多花费二到三倍的时间。

大语言模型极大地加快了我完成本书的进程。然而，从另一个角度来看，它也降低了写作的门槛，如果过去三个月的劳动现在仅需一个月即可完成，那么这项工作的价值也可能只有以前的三分之一，甚至可能更低。以后，单从对读者的价值来说，可能再也没有写作这类书的必要了：看书还不如直接去问大语言模型。

就目前来说，我写 LabVIEW 的书相对价值还高一点，虽然 LabVIEW 的使用者非常少，但是大语言模型还无法产生高质量的 LabVIEW 编程资料。所以看我的书还有一些价值。

大语言模型最牛的地方不在于处理编程语言，而在于处理自然语言。我的英语水平有限，自从有了大型语言模型之后，无论我写什么，我总是先让它帮我进行修改。它不仅能纠正我语言中的错误，还能帮我润色文章，达到我自己无法企及的水平。所以，我正考虑将我之前写的 LabVIEW 教程翻译成英文。之前一直没有下决心开始这个项目，主要就是因为对自己的英语水平不够自信，但现在，我已经充满信心了（其实是对大语言模型充满信心）。