你在信任一个判断的时候，你信任的是什么？
猜想与反驳
Mar 25
你在信任一个判断的时候，你信任的是什么？
你在信任一个判断的时候，你信任的是什么？
猜想与反驳
Mar 25
Unprocessed episode, you can be the first!
AI 时代信息泛滥，我们该相信谁、相信什么？
本期 E2M research 猜想与反驳，从 AI 使用体验出发，拆解信任的本质 —— 是情绪、是人、是框架，还是硬约束？深度剖析 AI 的能力与幻觉，揭秘投资决策中最可靠的信任锚点，希望可以在混乱中建立清醒的判断体系。
🔗 AI 整理及注解，注解仅代表 AI 意见 @daizisheng2
shisheng.li
🔗 四人审视 @OdysseysEth claude.ai
【活动信息】
分享主题：你在信任一个判断的时候，你信任的是什么？
时间：18:00（UTC + 8）2026 年 3 月 20 日
🙋嘉宾
Shisheng：推特 @daizisheng2
Odyssey 推特 @OdysseysEth
Zhen Dong 推特 @zhendong2020
Peicai Li 推特 @pcfli
【音频时间戳】
00:03:40-00:05:33 Shisheng 分享用 AI 找偶像书籍 bug 的趣事，发现 AI 会偷懒和 “自圆其说”
00:05:33-00:08:27 Shisheng 讲述 AI 为了简化代码，用 “结论正确所以不需要检验” 的循环论证来偷懒
00:08:27-00:10:46 AI 很容易做到内部一致，但真正的信任需要 “硬的外部约束”，如物理或链上数据
00:10:46-00:14:30 用以太坊项目举例：在强外部约束下，AI 能不断自我改进，效率远超人类
00:14:30-00:18:46 Peicai 反思投资错误，很多重大决策背后其实是情绪和 “赌徒心理” 在主导
00:18:46-00:24:00 信任本质上是一种 “感觉”，并受制于我们的潜意识、情绪和预设立场
00:24:00-00:28:00 面对复杂问题，我们需要给自己找一些 “硬约束” 作为判断的锚点，比如 “不加杠杆”
00:28:00-00:35:00 当一个人的预测被验证后，我们应该信任这个人，还是信任他背后的框架？
00:35:00-00:44:00 Peicai 认为自己更信任框架如果权威人士的预测偏离了其框架，宁愿相信框架
00:44:00-00:55:00 Zhen Dong 从波普尔的 “三个世界” 理论出发，认为 AI 极大地扩充了客观知识世界，是 “猜想” 的超级引擎
00:55:00-01:00:33 在 AI 时代，我们应抽离出背后的思维框架，并看它在多大程度上经受了历史和现实的反驳
【space 金句】
💡 你不能只是内部的一致性，你要跟外部一致，其实就是有外部的约束。
💡 我觉得在信任一个判断的时候，最终信任的其实就是这么一个感觉，我们没有办法去感知真实是什么。
💡 你没有办法剔除掉信息源的优势跟这个人的优势，这里面本身就包含了很多艺术的成分。
💡 人类通过接触第三世界的方式，原来只有语言或文字，未来跟 AI 的交互会变成获得知识的一种新渠道
💡 好的解释是很少的，但是构想一个解释是很容易的，尤其是有了 AI 的辅助。
【要点精选】
* Shisheng 推特 @daizisheng2
分享作为 AI 重度的使用者体验，用 AI 编写程序时，发现 AI 虽然能力强大，但会像人一样偷懒、自圆其说。
比如，为了简化代码，AI 会用 “结论正确所以不需要检验” 的循环论证来偷懒，这让他意识到，仅靠内部一致性很难判断 AI 的可靠性。
信任一个判断，需要很强的外部约束，比如物理规律或链上数据。在以太坊项目中，正是因为链上数据的硬约束，AI 才能不断自我纠错，高效完成任务。
这启示我们，对于 AI，不仅要关注它的结论，更要给它设定一个可验证、可反驳的 “硬锚点”。
* Zhen Dong 推特 @zhendong2020
从波普尔的 “三个世界” 理论出发，认为 AI 极大地丰富了 “第三世界”（客观知识世界）。
AI 是一个强大的 “猜想” 引擎，能提出海量的猜想，而人类则需要扮演 “反驳者” 的角色，通过物理世界或历史数据的 “硬约束” 来检验这些猜想。
虽然短期内 AI 可能会生成大量噪音或 “坏解释”，但从长期来看，它一定会推动人类知识的大幅增长，并帮助普通人更快地触及专家领域。AI 不是终结者，而是人类获取知识、进行认知迭代的强力新工具。
* Peicai Li 推特 @pcfli
坦诚地反思自己在币圈踩过的坑，无论是高位追涨矿机，还是将比特币换成 BCH，背后都受到 “赌徒心理” 和 “害怕错过” 的情绪主导。
我们信任一个判断时，本质上是一种 “感觉”，而我们的潜意识和预先的立场极大地影响了这种感觉。因此，倾向于给自己设定一些 “硬约束” 来对冲情绪，例如 “不加杠杆”，或遵循王川 “大猩猩” 式的框架。
当某个投资策略或观点与这些硬约束抵触时，会本能地投下不信任票。体现了一种通过 “防御机制” 来保障决策理性的投资哲学。
* Odyssey 推特 @OdysseysEth
引导大家思考微妙的问题：当一个人的预测被验证后，我们应该信任这个人，还是他背后的思维框架？
peicai 的回答是倾向于信任框架。认为即使是他推崇的王川，如果做出偏离其 “大猩猩” 框架的判断，他也会谨慎看待。
在 AI 时代，我们越来越难以仅凭 “过程正确” 来判断（因为逻辑可能被 AI 美化），因此只能转向 “结果正确”。
但结果又无法立即验证，所以最终的解决方案是抽离出对方的思维框架，并看这个框架在多大程度上经受了历史、现实和跨领域的反驳。
【关于 E2M Research】
From the Earth to the Moon
E2M Research 聚焦投资和数字货币领域的研究与学习。
文章合集 :mirror.xyz
关注推特 :twitter.com ️
音频播客：e2m-research.castos.com
小宇宙链接：www.xiaoyuzhoufm.com
DC 链接：discord.gg
本期 E2M research 猜想与反驳，从 AI 使用体验出发，拆解信任的本质 —— 是情绪、是人、是框架，还是硬约束？深度剖析 AI 的能力与幻觉，揭秘投资决策中最可靠的信任锚点，希望可以在混乱中建立清醒的判断体系。
🔗 AI 整理及注解，注解仅代表 AI 意见 @daizisheng2
shisheng.li
🔗 四人审视 @OdysseysEth claude.ai
【活动信息】
分享主题：你在信任一个判断的时候，你信任的是什么？
时间：18:00（UTC + 8）2026 年 3 月 20 日
🙋嘉宾
Shisheng：推特 @daizisheng2
Odyssey 推特 @OdysseysEth
Zhen Dong 推特 @zhendong2020
Peicai Li 推特 @pcfli
【音频时间戳】
00:03:40-00:05:33 Shisheng 分享用 AI 找偶像书籍 bug 的趣事，发现 AI 会偷懒和 “自圆其说”
00:05:33-00:08:27 Shisheng 讲述 AI 为了简化代码，用 “结论正确所以不需要检验” 的循环论证来偷懒
00:08:27-00:10:46 AI 很容易做到内部一致，但真正的信任需要 “硬的外部约束”，如物理或链上数据
00:10:46-00:14:30 用以太坊项目举例：在强外部约束下，AI 能不断自我改进，效率远超人类
00:14:30-00:18:46 Peicai 反思投资错误，很多重大决策背后其实是情绪和 “赌徒心理” 在主导
00:18:46-00:24:00 信任本质上是一种 “感觉”，并受制于我们的潜意识、情绪和预设立场
00:24:00-00:28:00 面对复杂问题，我们需要给自己找一些 “硬约束” 作为判断的锚点，比如 “不加杠杆”
00:28:00-00:35:00 当一个人的预测被验证后，我们应该信任这个人，还是信任他背后的框架？
00:35:00-00:44:00 Peicai 认为自己更信任框架如果权威人士的预测偏离了其框架，宁愿相信框架
00:44:00-00:55:00 Zhen Dong 从波普尔的 “三个世界” 理论出发，认为 AI 极大地扩充了客观知识世界，是 “猜想” 的超级引擎
00:55:00-01:00:33 在 AI 时代，我们应抽离出背后的思维框架，并看它在多大程度上经受了历史和现实的反驳
【space 金句】
💡 你不能只是内部的一致性，你要跟外部一致，其实就是有外部的约束。
💡 我觉得在信任一个判断的时候，最终信任的其实就是这么一个感觉，我们没有办法去感知真实是什么。
💡 你没有办法剔除掉信息源的优势跟这个人的优势，这里面本身就包含了很多艺术的成分。
💡 人类通过接触第三世界的方式，原来只有语言或文字，未来跟 AI 的交互会变成获得知识的一种新渠道
💡 好的解释是很少的，但是构想一个解释是很容易的，尤其是有了 AI 的辅助。
【要点精选】
* Shisheng 推特 @daizisheng2
分享作为 AI 重度的使用者体验，用 AI 编写程序时，发现 AI 虽然能力强大，但会像人一样偷懒、自圆其说。
比如，为了简化代码，AI 会用 “结论正确所以不需要检验” 的循环论证来偷懒，这让他意识到，仅靠内部一致性很难判断 AI 的可靠性。
信任一个判断，需要很强的外部约束，比如物理规律或链上数据。在以太坊项目中，正是因为链上数据的硬约束，AI 才能不断自我纠错，高效完成任务。
这启示我们，对于 AI，不仅要关注它的结论，更要给它设定一个可验证、可反驳的 “硬锚点”。
* Zhen Dong 推特 @zhendong2020
从波普尔的 “三个世界” 理论出发，认为 AI 极大地丰富了 “第三世界”（客观知识世界）。
AI 是一个强大的 “猜想” 引擎，能提出海量的猜想，而人类则需要扮演 “反驳者” 的角色，通过物理世界或历史数据的 “硬约束” 来检验这些猜想。
虽然短期内 AI 可能会生成大量噪音或 “坏解释”，但从长期来看，它一定会推动人类知识的大幅增长，并帮助普通人更快地触及专家领域。AI 不是终结者，而是人类获取知识、进行认知迭代的强力新工具。
* Peicai Li 推特 @pcfli
坦诚地反思自己在币圈踩过的坑，无论是高位追涨矿机，还是将比特币换成 BCH，背后都受到 “赌徒心理” 和 “害怕错过” 的情绪主导。
我们信任一个判断时，本质上是一种 “感觉”，而我们的潜意识和预先的立场极大地影响了这种感觉。因此，倾向于给自己设定一些 “硬约束” 来对冲情绪，例如 “不加杠杆”，或遵循王川 “大猩猩” 式的框架。
当某个投资策略或观点与这些硬约束抵触时，会本能地投下不信任票。体现了一种通过 “防御机制” 来保障决策理性的投资哲学。
* Odyssey 推特 @OdysseysEth
引导大家思考微妙的问题：当一个人的预测被验证后，我们应该信任这个人，还是他背后的思维框架？
peicai 的回答是倾向于信任框架。认为即使是他推崇的王川，如果做出偏离其 “大猩猩” 框架的判断，他也会谨慎看待。
在 AI 时代，我们越来越难以仅凭 “过程正确” 来判断（因为逻辑可能被 AI 美化），因此只能转向 “结果正确”。
但结果又无法立即验证，所以最终的解决方案是抽离出对方的思维框架，并看这个框架在多大程度上经受了历史、现实和跨领域的反驳。
【关于 E2M Research】
From the Earth to the Moon
E2M Research 聚焦投资和数字货币领域的研究与学习。
文章合集 :mirror.xyz
关注推特 :twitter.com ️
音频播客：e2m-research.castos.com
小宇宙链接：www.xiaoyuzhoufm.com
DC 链接：discord.gg
