距離上一次臭矯情竟然一年過去了。儘管周圍有更很多人提醒你「什麼時間幹什麼事兒」諸如此類的，我仍無法感知自己“28 歲“馬上就 30 歲了”這個「年齡」的概念，只是時常在我想做的事情上，聽到時間在耳朵邊急迫的喘粗氣。

延展時間

因此，我一直在想延展時間這個話題，這是一個抽象的問題。但如果有什麼實踐性的目的，便會有一些實踐性的途徑。我想，可能有兩種方式可以幫助自己延展時間：

1）調慢時鐘 2）加速

我們共同遵循同一個「世界時鐘」，調慢時鐘的思路是，如果每個人擁有一個「個人時鐘」，你可以選擇將它調慢，那你的時間就相對更多，換句話說，延長生物學壽命，人的主觀年齡。

霍瓦斯時鐘（人的主觀年齡）

與逆境對抗——霍瓦斯時鐘的聯想 [1]

以出生日期爲依據的時序年齡（chronological age）可能會誤導我們對衰老的預測。而人的生物學年齡（biological age）的確定與之並不相同，是隨時間在生理層面身體的發育和衰退情況（人的主觀年齡）。

UCLA 教授霍瓦斯的研究成果“霍瓦斯時鐘” 在尋找這種衰老 生物標誌物（biomarkers of aging）。在 20 世紀 90 年代開始風靡的 DNA 端粒學說（端粒長短能解釋生物老化，後被一系列實驗 / 踐證明並無因果關係）站不住腳之後，DNA 甲基化（Methylation）被認爲是生物標誌物的最佳選擇。

DNA 甲基化是被稱爲表觀遺傳學（epigenetics）的更大研究的一部分。表觀遺傳學是調節基因組的不同生物過程的集合。它是導致細胞分化的原因。舉個例子是皮膚細胞的 DNA 和腦細胞的 DNA 是一樣的，之所以分化成不同細胞就是因爲定位不同。細胞衰老就發生在 DNA 分化時。

另外，大衛-辛克萊斯（David Sinclairs）的研究表明：人衰老的速度與數據流失的快慢。

DNA 斷開會爲 DNA 定位變換（1% 可能）創造可能，所以要麼 1）減少斷開 2）斷開之後助力 DNA 重組時保持原樣（減少信息流失）

想想看，如果有機會「重置」表觀遺傳時鐘，不做時序年齡的僕人是不是很有吸引力👀 ？

所以我其實想說，28 歲算個 pi。

加速——塑造 Aptic structure

\”Aptic Structure 是能力的神經學基礎，由先天進化的 Aptic 範式加上發展中的經驗結果組成。這個術語 …… 是爲了取代本能 (instincts) 等有問題的詞彙。它們是大腦的組織，部分是先天的，使有機體在某些條件下有可能以某種方式行事 \”。——Julian Jaynes《二分心智的崩塌》

上面這句話我引用過非常多次，是因爲它在我的腦子裏已經生成了某種 概念。

•決策的加速

做決策其實不需要很長時間。思考的過程發生在做決策之前，而所有的思考決定着最終的決策。

•學習加速進化

我之前讀到過一個 Baldwin effects 「學習加速進化」的研究，非常有趣。這個概念同時出現在 Julian Jaynes 和 Steven Pinker 對語言的研究中。

sources for Baldwin effects

我感興趣的是：學習將如何加速事物的進展，如何學習。舉個例子，當我無法增加 proof Of work 的時間時，你就一個小時可以練舞，那怎麼練才能最大化效用呢？（這顯然令人頭疼）

積極生活

我在「幹他，然後繼續生活」這片文章裏討論了“積極生活”，接下來想實踐一下：

be a JPG collector 😉

naval 在 tim ferris 的播客 [2] 中總結了 2020 和 2021 年輕人最佳職業發展路徑，下圖金融白領們看不懂也沒有關係。

best career in 2021 其實，看一些圖片的好處不僅在於有趣、尋找靈感、還可以學英語、學改代碼生成像素塊 pixel、把黑底白字 8 個詞拆分重組擱智慧合約裏創造新語言 …

學習生成 pixel

George 爲 Loot 社區的提案，開啓“內容編程”

Knowledge display And keep sharing

受到 Cornor 對知識結構 [3] 思考的啓發，接下來我需要探索的是：如何用一種（數據）結構更好的解釋事物？解釋一個決策背後的思考圖譜和複雜動機，解釋一個複雜問題。

比如 NFT 的估值體系，這個話題非常吸引我，影響一個較複雜的 NFT （比如 Loot）的因素有非常多種，金融的技術的社會的等等等等，我如何把它的複雜性和影響它的複雜因素加以呈現，同時又可以抽象出它 underneath 的簡單優美的規則。

synthesize and display knowledge (via data structure)

解釋 Crypto、NFT 等依然非常的困難，而且並沒有多少人願意分享這些來龍去脈，直接說結論多簡單也很大程度上會有好的結果（“買這個大概率不會錯”–歡迎閱讀隨機漫步🚶‍♀️）。但

truth 是什麼？

什麼是我可以脫離別人的“opinion”自己去做下一個決策的思維模型？你可以聽無數個“老師”的建議，然後最後啥也不是。我希望爲我自己建立這樣的解釋能力，若同時帶給你啓發那我也很開心。

NFT 已開始以猩猩之火的態勢塑造 metaverse （儘管我不想用這個詞）的地形，每一個 NFT 都在這個元宇宙空間裏面有一個獨特的座標點。下一步將會是大航海和繪製地圖的環節，dataverse 和 roam 會是非常重要的工具。

我在「什麼是必然的」這片文章中解釋了對這種趨勢的理解，並在 Spatial data registry[4] 這條筆記下面記錄了對 NFT 地圖模式的思考。

notes on spatial data registry

NFT 地圖模式

同時，我在 discord 建立了一些細分主題的頻道，來聊（閱讀原文不行咯，後臺回覆「discord」加入）。

Hill climbing 爬坡

Chris Dixon 在 2009 年的博客「Climbing the wrong hill」[5] 中提到計算機科學中的爬坡（hill climbing）概念：

hill climbing

計算機科學中的一個經典問題是爬坡。想象一下，你被丟在一個丘陵地帶的一個隨機地點，在那裏你只能看到每個方向的幾英尺（假設是有霧或其他）。我們的目標是爬到最高的那座山。

考慮一下最簡單的算法。在任何時候，向能讓你走得更高的方向邁出一步。這種方法的風險在於，如果你碰巧從較低的山頭附近開始，你最終會在那個較低的山頭上，而不是在最高的山頭上。

一個更復雜的版本在你的行走中加入了一些隨機性。你開始時有很多隨機性，隨着時間的推移減少隨機性的數量。這使你在開始集中的、非隨機的攀登之前，有更好的機會在較大的山丘附近徘徊。

另一種通常更好的算法是讓你反覆把自己丟在地形的隨機部分，做簡單的爬山，然後在多次這樣的嘗試之後，回頭決定哪座山是最高的。

\” 在蜿蜒中行走的早期徒步者（年輕人），隨機地把自己丟到地形的新部分，當你找到最高的山丘時，不要在當前的山丘上浪費更多的時間，不管下一步可能看起來有多好。\”

寫在最後

之前不只被一個朋友或陌生人問到，你每天有這麼多的 takeaway，爲什麼不做個這 xxx、那 xxx 項目？於是我那天寫了一個推文，才意識到我自己是怎麼想的。

每個人都是一個 project，我們來到這個世界的目的就是打造自己這個 project，這個事兒不僅在做，而且天天在做。

我不在意我這一個月、一年、一輩子做過多少「項目」，也不在意這些「項目」會給我帶來多少收益，我不在意我的名字、胖車庫的 logo 在多少地方出現（我更喜歡我的 twitter 壽司頭像）。我更想觀察和探索下去的是，我能把 Jessie👾 塑造成什麼樣，讓她心煩和亢奮的事情都是什麼，感受她崇拜的人類身上的超能量。如果也能把這些能量傳給別人，那就

一起💥吧；）

寫在 2021 年 10 月 30 日

Reference

[1] https://towardsdatascience.com/examining-the-horvath-clock-and-the-significance-of-biological-age-a5d64b73bc44__
[2] https://open.spotify.com/episode/3U4wMKyvMUhB83qf8FaA3I?si=UvvWPb-KQL6VEmplFTclyQ &nd;=1__
[3] https://roamresearch.com/__
[4] https://ethereum-magicians.org/t/verifiable-spatial-data-registries/6688__
[5] https://cdixon.org/2009/09/19/climbing-the-wrong-hill__