结束了三年的专栏作者生活,放弃了手里做了一年多却终究做不下去的题目,种种事情只有真的放下的时候才意识到轻松。总之,终于有了读读写写的活力,尝试做些别的事情。尽管知道时日不长,但也还是想逃离时尚杂志上不存在的读者以及学术圈里指手画脚的老头子几天。如果这份通讯能持续下去,那要感谢老头子们令人烦躁,如果不能,那应该是我去写论文了。
断章取义
断章取义,其意自见
输入法怀旧
毫无城府地接受输入法算法推荐,无异于天真烂漫地接受一场文化意义上的克隆手术。
英文输入法的补全一般是用于输入完整的词汇,中文以单字为主的结构则使得输入法总是倾向于在帮助用户从一个字联想到另一个字,诱使用户按数据库的偏好选择词汇。
对于写作者或希望拥有属于自己语言风格的人来说,抛弃智能输入法回归Rime不止可以保护隐私(并在一定优化后提供更好的输入体验),也能够磨练自己对语言和思想的控制力。
「社会在加速,但我却准备躺平了」
物品不再是我们自己身体或生活的组成内容,更无法成为我们的日常体验、身份认同、生命史的一部分,因为加速改变了我们与物品的关系,我们不断更新换代,不断追逐新品,因此「物与自己是相异的」。也就是说,当下我们方便快速地获取物质和精神需求满足时,是以削减物质和精神产品与我们之间的深度关系和意义为代价的。
二〇年代初火热的躺平研究中较为可靠的一篇,提供了社会文化的解释却拒绝在宏观经济结构上寻找动因。在哥布林模式(Goblin Mode)重新进入大众媒体关注的当下,值得重新思考躺平、摆烂、尼特的意义。
成为现代萨满
萨满角色的资格证明是他/她们曾经经历过某些精神疾病:在此可以理解为真正——即便只是暂时地——脱离了共享的现实。看到不存在的东西(幻觉)和/或相信不真实的东西(妄想)。
利用萨满观念重新理解「精神疾病」史。在许多原始文化中,神经较为敏感(甚至在现代意义上颇为异常)的人将被选为萨满,并维护整个部落的共享现实。在现代理性祛魅(除魔)之后,原本的萨满不得不缩回到私人空间中,并以艺术、创造等方式来发挥自己的潜能。
肉制品行业无法戒除抗生素
随着时间推移,曾经很容易治疗的人类感染,如败血症、尿路感染和结核病,变得更难治疗,有时甚至无法治疗。现代医学的一个基本组成部分开始崩溃了。
食用不止是单向的掠夺,也有反向的依赖与影响。养殖业中大量使用抗生素使得细菌产生变异并出现抗药性。美国食品和药物管理局、美国食品行业和欧盟为减少牲畜生产中的抗生素使用所做的努力。养鸡业已经有所进步,牛肉和猪肉进展缓慢。
我们在想什么?
同样,我们应该尝试想象,在我们二十三世纪的后人看来,我们目前的哪些信仰或许并不健全。我怀疑他们会问:「为什么你将报应(deserve)建立在绩效上,而绩效无法衡量,且在任何情况下都是一个人禀赋的函数?毕竟,没有人配得上她的禀赋。为什么要在政治和经济之间作出奇怪的人为区分。看起来你的唯一目的是为了防止经济民主化。为什么把自由定义得如此狭隘,认为它是对一个人运用其资本的权利不加限制,而非对另一个人实现其能力的权利不加限制? 你为什么人为资源完全不平等的各方之间的合约可以称得上自由?」
围绕「报应/应得」(deserve)观念讨论现代资本主义经济中的不平等。现代意识形态宣称人们根据自己的能力来进行分配,即每人的所得即其「应得」。这从根本上忽略了前置的不平等(遗产继承、成长环境、空间区域等)与先天禀赋的差距。经济精英则进一步利用自己的优势宣扬当代分配方式的「公平性」并在政治上利用超然的影响力维护现有分配建制。
学书不成
学书不成,学剑不成
《圣母》
作为叙述性诡计稍显强硬,性别(基于性格、爱慕关系、叙事节奏)、时间、姓氏/名称几种常见的诡计都用上了,但反转处理确实很突兀,让人感觉更像是实验性的(概念起手的)中篇作品。性别议题不必说,作品中几个女性角色处理都很好(男刑警也不错),「父亲」则是让人生厌。
《工作、消费主义和新穷人》
一部工作伦理简史:生于工业革命时,界定现代生活的正常与异常,储备扩大生产所需的工人;亡于经济模式的变化(不再劳动力密集、不再基于本土)、消费的发展与全球化进程。工作伦理原本用于约束穷人,当代则用于切割穷人,证明其堕落的合理性。
玩物丧志
玩物丧志,岂不美哉
GPT类的模型往往擅长编鬼话(在一次测试中,GPT曾经返回给我整整一页虚构的文献),而疏于事实核验。通过提供总结内容的引用来源,类似Perplexity的服务可以在一定程度上让读者有继续检验答案的可能。纯粹从概念上来说,可以直接用自然语言进行相关问题的检索也是蛮不错的概念,只是比较冷门的问题几乎无法给出较好的回答。
AI支持的研究辅助工具。适合用于前期拓展文献,或是直接询问具有因果关系的问题。在写作工作伦理相关专栏文章时测试使用过,如果议题相对发散,返回的文献质量会比 Google Scholar 更好,阅读整理也更加便利。整个工具的设计更加适合社会科学或自然科学中偏实验方向的研究(即研究结论表达为一种因果关系的领域),对理论研究者来说有些尴尬。此外,开发团队在邮件中称其目的是利用AI探索因果推断的更多可能,期待在社会科学上的更多应用。