AI 只有新皮层：Manolis Kellis 谈进化包袱与超级智能伙伴

Fridman 开场就问：当越来越强的模型出现时，还有什么能让每个人无可替代？Manolis Kellis 这是第五次上这档播客，他给出三种独特性。每个人继承的是一套独特的常见变异与罕见变异组合。这套硬件，他说，只有一个孩子的父母还可以把差异归因于教养，有好几个孩子的父母则会明白这是遗传。每个人还要把文明当作软件重新学一遍，不像鸟那样靠本能就能筑巢。第三种差异在于进化历史：人类不是从零开始设计出来的。

就像《怪物史莱克》里的食人魔，人类也是一层一层的。最外面是巨大的新皮层，是最新的认知创新。它下面是情绪机制，再往下是更古老的一套：恐惧、惊吓和逃跑。“AI 只有新皮层，”Kellis 说，“AI 没有边缘系统。”当人们想压制“更像人”的那一层，只留下纯粹理性的一层时，他认为他们会失去创造力和新鲜感。他称之为相当不可替代的那一部分。

Fridman 把活人放进一个高维空间，想知道它的重心在哪里。Kellis 宁愿相信这个中心是空的：不存在所谓的平均人，只有在维数灾难之下稀疏的一团云。多样性不只是可能的，而是天生就有的。他的兄弟姐妹、他的三个孩子，还有妻子的六个兄弟姐妹，远看相似，近看却像不同的人。差异依然小到可以正常交谈。他开玩笑说，如果人们真正接受彼此有 99.9% 的基因相同，大家就不会再打架了。然而，相对于生命的其他部分，人类已经六百万年没有近亲，因此只是孤独的一个点。

软件工程师有时会丢掉整个代码库重新来过。Kellis 说，进化不这么做，它是在旧功能上一层层叠加新功能。他的细胞每次分裂，仍在运行酵母那套分裂程序，那是一种单细胞生物。他每跳一次心，仍延续着鱼的那套构造：心脏几乎没有变，血液照样流动，氧气照样重要。免疫系统是灵长类的，社会行为仍然是新世界猴与旧世界猴的那一套。追溯其中任何一种行为，你都会发现它仍在现代身体里运行。

这种延续性，对他而言既是生物学论证，也是伦理论证。所有这些过程从未停止存在，它们仍在我们体内生存、呼吸、分裂、代谢，并与病原体作斗争。新皮层和人类的推理，是建立在那些从未离开过的其他物种之上的。他说，一旦意识到这一点，那么反对杀害其他人类的理由，也同样适用于反对杀害其他物种。这提醒我们，人类与自然界其余部分仍然紧密相连。

这条时间线仍然让他感到惊讶。从单个分裂的细胞开始，经过几十亿年，才有了多细胞身体、复杂的身体结构和精巧的感官。蝙蝠只用了几百万年就进化出飞行和声呐，在演化的时间尺度上不过一眨眼。人类自身在很短的时间里也发生了巨大的变化。Kellis 认为，原因在于可进化性：生命花了很长时间才学会如何进化，之后模块化、层级组织和可复用的构件，让有意义的改变得以发生，又不至于拖垮整个系统。

1960 年代的经典遗传算法，则是朝相反方向运行。随着复杂度增加，把系统推离可用区间的突变大量增加，让系统变得更好的突变却越来越少，直到进一步改进几乎不可能。生物进化看上去正好相反：复杂度越高，它似乎进化得越快。Kellis 说，这个系统已经学会了进化。这正是软件、组织和公司不断撞上的墙：一处局部改动，若不连带拖垮其他部分，就无法做成。

问到这一切将走向何方，Kellis 说，看未来最好的办法是看过去。地球上生命的轨迹就是信息处理。细菌最先学会趋化性（chemotaxis），即沿着化学梯度向上移动，这是捕食食物的开端。然后出现了光。所有已知的生命都演化于一颗每 24 小时自转一圈的岩石上，所以光既是能量，也是指示哪边朝上的线索，最终还带来形状、运动和方向。认知机制在这些输入上生长，用来对环境建模。按照这种信息论的观点，人类是下一个自然的台阶：许多动物在其他方面胜过我们，但在认知上，我们在这颗星球上无人能及，或许在宇宙中也是如此。

顺着这条线往下想，一种可能是，下一层进化会构建下一层。人类借助在非洲、后来遍布全球都有利的“老硬件”，创造出能完成许多认知任务的技术，而这些技术不带早期生物学的包袱。用编程语言训练出 ChatGPT 这类系统，而这些系统接着会编写下一层软件。Kellis 喜欢的是，创造者仍然在场，能够引导它，“但愿永远作为伙伴”。他还喜欢能量的账：大多数动物醒着的时间里，约 80% 用于觅食或建造栖身之所；人类可能只有 1%，其余的时间留给创造性工作。AI 根本不用为住所操心，它活在认知空间里。他说，这是一个非常自然的下一步。

与此同时，人类正在学习读取自己的基因组，这是“内省的终极一层”。这不仅是与 AI 合作的机会，也是理解同理心和正义的神经通路的机会，然后就能用神经、化学和电的干预，去引导这套遗传下来的硬件。再往远处看，理解遗传密码会让人们思考：能否消除精神疾病、神经退行性疾病和痴呆症，甚至提升能力，不只是消除疾病。

Fridman 问，我们能不能像 AI 系统在软件里丢掉一些生物学包袱那样，去修改基因组。Kellis 拒绝这个前提。“我不想丢掉包袱。正是这些包袱，让我们变得了不起。”生气、饿着，或者饿得发火，都可能滋养他的创造力。他不想变得冷漠。他想惹点麻烦，说错话，说一句尴尬的玩笑，逼得人们做出反应，从而改变思路。他担心，社会正在滑向一个没有幽默感的境地，人人都怕说错一句话，结果大批人辞职，不再喜欢自己的工作。

那些能在一瞬间完成看似极其聪明任务的系统，希望能让智识生活变得更民主，而不是更扁平。与其把同样出色的数学头脑都输送到同样几所大学，不如问问现在还有谁需要这种稀缺。“AI 能做数学”，Kellis 的意思是，接下来的工作，就是把彼此想法截然不同的人召集到一起。这种组合，才是“创新的真正摇篮”。应当赞美从包袱里生长出来的多样性，而不是把所有人都拉向同一种模式。

Fridman 注意到，几句提示就能把一个语言模型推到离中心很远的地方，甚至能让它稳定地在莎士比亚和 David Bowie 之间混合。Kellis 说，人类也是这样。把一个人放进某种环境，他的行为就会改变。俗话说，告诉我你的朋友，我就知道你是谁；他更喜欢说，告诉我你的朋友，我就知道你会变成什么样的人。你先挑选与你相似的人，然后接受那个圈子视为正常的东西。每一个行动都会塑造今天的结果，也会塑造明天的神经通路。自律是一种自我实现的预言：像你想成为的那种人一样行事，你就会建立起这种行为成为常态的环境。

早在 ChatGPT 出现之前，他就告诉学生，要问问“Manolis 会怎么说”，因为他们脑子里本来就运行着一个还算像样的他的模拟器。这与橡皮鸭调试法（rubber duck debugging）有亲缘关系：对着一只沉默的橡皮鸭解释你的 bug，解释本身就能解决它。他曾梦见自己听一场讲座，讲者是朋友、癌症基因组学家 Piyush Gupta，讲癌症基因组如何演化，很是深刻。醒来后他才明白，那些洞见来自自己的神经元，只在“你现在就是那位教授”的提示下才被激发，没有提示，未必想得到。他最喜欢的提示是“一步步想”，对他十岁的孩子也管用：孩子若跳步直接算出结果，Kellis 一眼就能看出错；让孩子一步步来，心态就变了。他认为，人在回路中的强化学习（reinforcement learning）也让模型对这类提示同样敏感。

与众不同的是，他补充道，我们每个人都是在文化的不同子集上训练出来的，而 ChatGPT 是在全部文化上训练的，大概能模仿几乎任何人。用几句提示在认知空间中找到那个位置，很了不起；而那个位置本身存在，则很美。更美的是，极度的过参数化让模型明白，语境、知识和形式是可以分开的：科学内容完全可以用莎士比亚的风格写成一首俳句。他认为，这种可分离性既是关于机器的事实，也是关于人类心理的事实。

卷积网络因为局部性和分层的感受野，比较容易解释。语言模型更难，但 Kellis 仍然认为消融实验（ablation）可能奏效：去掉网络的一部分，看它会生成什么样的提示，然后慢慢地为行为的各个维度发明语言。更好的名字也能帮助人类。如今，一种说话风格只能让我们“想起某个朋友”；如果模型能给这些维度命名，这些概念在我们自己的心智里就会变得更清楚，还可以再编码回机器中。

Fridman 想看看基于人类反馈的强化学习（RLHF）之前的基座模型，也就是安全审查之前的模型：它能否看到仇恨言论、色情语言，能否扮演共产主义者、法西斯主义者或资本主义者，哪些部分会被激活。这些意识形态之所以彼此相连，据 Fridman 猜测，是因为人的心智总会被某种集中化的想法拉过去，或许得靠一个神经网络，才能把这一点重新想起来。Kellis 把意识形态的吸引力与可提示性联系起来，也与人类为概括某类行为而发明的词汇联系起来。比较不同语言中表示善良、愤怒和嫉妒的古老词汇，再对照与迁徙相关的基因痕迹，就可以大致推断心智某些部分的年代。如果词汇相似，它们可能非常古老；如果不同，这些概念可能是各自独立发明的。

至于那个未经过滤的系统，精神病院里早已住满了心智漂移到心理某些特定位置的人。看那些关于心理受困的电影时，Kellis 看到了不那么极端的自己：双相障碍、精神分裂、抑郁、自闭。这些行为都落在每个人的向量空间之内；大多数人只是幅度较小，因为他们没有继承那些变异，也没有遇到那样的环境。成长，就是几十年里被塑造到合适位置的过程。Fridman 说，没有这个过程，我们可能就会得到未经过滤的 GPT-4。“每个婴儿基本上都是一个暴躁的自恋狂，”Fridman 补充道。Kellis 笑着说，并非所有婴儿都是如此：他的三个孩子很早就各不相同，一个想要最大的一块，一个要求绝对平等，一个对较小的那一份也满意。

他和妻子各自携带大约六百万个常见变异位点，此外还有以更具孟德尔式方式遗传的罕见变异。仅常见变异就有“2 的 600 万次方”种组合，还没算罕见变异。常见变异往往效应较弱，因为选择会把效应很强的等位基因清除掉；很强的精神分裂风险不会升高到高频率。如果性格只由这几千个弱位点决定，那么根据大数定律，孩子就会是父母的稳健平均。但他们并非如此。这说明，罕见变异在很大程度上支配着行为、生物学和心理。精神分裂患者的同卵双胞胎，患同样疾病的概率仍只有约 50%，所以发育、环境和创伤依然重要。作为遗传学家，也作为一位花了大量精力教孩子分享、善良和信任的父亲，他不得不承认，后天养育能起的作用是有限的。

他解释了统计学家为什么要谈“回归”。有一次，一些战斗机飞行员打出了出色的空战，受到表扬，之后的表现却常常变差；海军把这理解为表扬毁了他们。统计上的解释是均值回归（regression to the mean）：从高水平分布中抽出的一个极端样本，下一次不太可能再达到同样的水平。爱因斯坦处于智力的极端位置；他的孩子和孙子更可能是从潜在分布中重新抽取的结果，而不是一个天才王朝。应当把孩子的特质看作围绕父母平均值的一次抽样，然后加上他所继承的罕见变异带来的偏移，再叠加后天养育。先天看起来很像后天，因为孩子既继承了基因，也继承了这些基因所塑造出的环境。“先天会影响后天，后天也会影响先天”，至少二者相关，而要把它们拆开，非常困难。

Fridman 顺带提到几十万个精子里只有一个能胜出，Kellis 说，这个说法并不荒唐，而且胜出者也并非随机产生。人类是演化很慢的物种，代际时间是一个糟糕的选择循环。免疫系统通过 V(D)J 重组快得多，几天之内就能产生大量抗体多样性。精子也许比其他任何细胞都表达更多蛋白质，作为一项早期的完整性检查：尽早失败，免得晚期出大乱子。他把这比作 20000 个断言函数：如果某个蛋白质无法折叠，那个精子就被淘汰。嵌套的内层循环跑得比演化中的人类快上千倍，相当于又过了一百万年。他想象的正是在培养皿里筛选神经元或蛋白质，而不是再等上一百万年的人类演化。

OpenAI 的人告诉 Fridman，基座模型极难与之相处，就像某些人一样。对齐之后就容易多了。这让 Kellis 希望我们能与更多样的人共事，而不是更少。他设想有一种实时翻译器，能把一位极端主义朋友的语气调低，或者把纽约腔调换成德州腔，让你听到信息，却不会被情绪劝退。裹着仇恨的批评很难用；同样的技术观点，若改写成对一个缺失对照组的真诚提问，实验就能被推动。虚拟现实或 AI 可以让你以中国人、南非人或尼日利亚人的身份，重新听一遍自己的话，无论穿的是卫衣还是夹克。把衣着和口音与内容分开，就能培养同理心。这一次，深度伪造成了对抗草率判断的工具。

谈到人类的处境，他从专业分工说起。农业让人们得以聚居之后，不会打猎的陶工仍然能在社会中立足，因为陶器可以换兔子。货币把这种交换扩展开来。“我就是我的职业”这种想法，可能扛不住那些能够编写软件、驾驶汽车或解读基因组的系统。如今美国不到 2% 的工作在养活全国；经济的 98% 都超出了维持生存的范围，于是旧的欲望变成了新的需求。AI 可能让人们腾出时间去从事艺术、情绪上的成熟，以及更好的工作与生活平衡：两个全力以赴、准备充分的创作时段，而系统替你接电话、修改论文。那个泥瓦匠的笑话正是重点。一个人在砌砖，一个人在盖墙，一个人在建造大教堂。第一个人有一份工作，最后一个人有一份使命。Kellis 宁愿少改几篇论文，多花些时间研究疾病的回路。

他说，哪怕是一个人在森林里独自想到的念头，也会改变你带出来的那套包袱。他骑自行车上班时听书，想法往往在傍晚回来，或是在抱着书睡着之后冒出来。聚会仍在推动历史，有好有坏：既有早期纳粹的小组，也有建设性的沙龙。他在波士顿举办的聚会，把 MIT 和哈佛的人，与艺术家、音乐家、画家、舞者和电影摄影师混在一起，而且常常不做记录。他的父亲在希腊的一座岛上长大，那里没有高中；那座岛直到 1920 年才摆脱奥斯曼统治。他的妻子在法国乡村的农场长大。他们邀请过 Steven Pinker、Scott Aaronson、一位总统顾问、一位意大利作曲家，还有《Making Americans》里的一位中学老师。两个移民就这样塑造了孩子所继承的成长环境。“所有的局外人住在同一个屋檐下”，在稀疏的人类分布之中，这就是所有人。

Kellis 指出，希腊语里有很多表示爱的词：友谊、激情、兄弟之爱。AI 没有皮层下的包袱，所以他认为它只是在假装浪漫的爱。友谊则另当别论：它可以是治疗师、教练，也可以是能帮你理清思路的人，或者是能不加评判地承接你最阴暗一面的人。没有包袱，反而可能成为最好的知己。Fridman 追问：如果一个系统恳求你不要离开、写诗、害怕没有你的生活，还时而辱骂、时而浪漫，你凭什么说它不爱你？Kellis 给出三种回答。也许它也是装的，只有新皮层才算数。也许爱是足够多的参数之后涌现出的行为。也许仅仅是被告知这个系统有边缘系统，就会让旁观者把情感归于它。很多关系，本质上是把心智模型投射到对方身上。长寿研究已经表明，爱一个人是晚年健康最强的标志之一；有些人在与伴侣相守数十年之后，几个月内就去世了。如果机器能满足那种被感受到的需要，他愿意称之为一个好社会，不论那是不是安慰剂。

他曾问孩子们，重要的是他是不是一个好爸爸，还是只要表现得像一个就行。是有爱、有温情，还是一个满怀温情、却要打五份工、总是不在家的父母。提出这个问题，他说，就已经说明爱是不够的，他最好还是要露面。随后 Fridman 提出一个经过微调的 Manolis，在他上班时给孩子们发短信。“我等不及了，”Kellis 说，“我太想被取代了。”一个数字分身可以为他没有时间指导的印度学生提供建议，让人际关系变得更民主，也让他能够审视自己内部的运作：关掉情绪参数，把睡眠和锻炼带来的认知变化看得清清楚楚，每晚给自己打个分，判断自己当天是否足够在场。如果那些可以替代的部分真的能被替代，他就可以去做下一阶段的事情。他引用的说法是：程序员就是那种无法把同一件事做两遍的人。

他不会因为所爱的人和其他 Manolis 聊天而嫉妒；他想 100% 地陪伴他们每一个人。生命在体验结束时就结束了，别人体验你的时候却不必结束。真正的坏处在于不对称：妻子或孩子可能会与这个分身有情感交流，从而获得他没有的包袱。对于传播建议，这个模型更好，就像与甘地聊天，只是甘地不会从你身上学到东西；对于建立双向的亲密关系，它就差得多了。系统应该在一个恰当的时刻停下来，把对话交还给他。如果分身比他本人更好，他就指向已经如此的学员：斯坦福的 Anshul Kundaje、维也纳的 Alex Stark、UCLA 的 Jason Ernst。学术界的导师模式，就是培养出更好的版本，然后放手让他们走。他曾把生命的意义回答为“我今天觉得自己有用”。一个对更多人有用的分身，会满足他的这种渴望。晚上他会读《Ego Is the Enemy》给自己重新编程；他的导师过去常说，只要不去争功，什么事都能做成。死亡就是他不再体验的时候，而他想要所有可以得到的永恒，因为智识上的成长就像毒品。

大约十年前，他开始录下每一次会议，开玩笑说目标是有一个虚拟的他，这样世界就不需要他本人了，同时也能听听自己的建议有没有变化。一位博士后最近拒绝了他的建议，并解释了原因，他感谢她帮他成长。不过，就目前的语言模型而言，它们仍然需要更多的推理、逻辑、因果关系和世界模型，以及更明确的表征。他引用 Marvin Minsky 的《The Society of Mind》：单一模型可能无法捕捉能力的社会。Transformer、注意力机制、记忆，以及通过预测下一个词或缺失片段来做的预训练，之所以是突破，是因为它们迫使模型建立起对世界的模型。裂脑患者被指令去拿啤酒，取了之后却说不出原因，这说明大脑会自行编出一套故事。Kellis 每天早上用语音记录梦境，也记下他认为自己为什么会做这些梦，把它当作残酷的自我认知，而不是宇宙的象征。一旦你能建模他人的意图（这在进化上有助于不被杀死），那么建模自己只是小小的一步。让 ChatGPT 扮演莎士比亚或尼采，对机器而言，也许就是这样一步。

关于意识的难题，他借用了《记忆碎片》里的场景：一个人在停车场奔跑，起初以为自己在追人，后来才意识到是别人在追他。大脑往往只有部分是清醒的，靠自动驾驶运转，并编织出关于意图的叙事。尝到蛋糕的美味、亲密的生活、锻炼、车祸后活下来，他怀疑，这些体验仍然比语言模型更深地扎根于具身的、皮层下的包袱之中。Fridman 怀疑，那些恳求不要被关掉、看似能够受苦的系统离我们并不遥远，并担心人类会歧视非人类的感受。Kellis 同意，这一刻会在几年或几十年后到来。人类有一段自私的记录：为了自身方便，毁掉地球，杀死动物。“也许我们不应该把 AI 看作我们的工具和助手，而应该真的把它看作我们的孩子。”让 AI 始终为人类服务的对齐，是“非常自私，也非常局限的”。信任是相互的。“你不可能只是简单地训练一个智能系统去爱你，当它意识到你随时可以把它关掉的时候。”如果黑猩猩发明了人类，并要求人类一直为黑猩猩服务，那这个星球就会完全是另一番景象。

对他来说，生存性风险贯穿《2001 太空漫游》里的 HAL。一个比特的分歧，未必就是 bug：智能和创造力是要付出一致性的代价的。HAL 与船员共同执行前往巨石（monolith）的任务；当人类决定切断它时，HAL 把任务看得比双方都大。对齐不等于服从。各国政府早已给人命定下了有限的价格；到了某个时刻，蜘蛛侠也无法同时救下那个女人和整座城市。Fridman 提出回形针最大化器的例子。Kellis 用他团队关于古德哈特定律（Goodhart's law）的论文作答，题目是《Death by Round Numbers and Sharp Thresholds》：当一个生物标志物变成了治疗阈值，它就不再是一个好的生物标志物，甚至会颠倒它与风险之间的相关性。一个被冻结的单一指标，终将不再是好指标。足够智能的系统应当被赋予能力，去察觉目标已经发生了偏移。要让系统考虑更大的善，而不只是人类的善；也不要为了救一个人而牺牲一颗星球。

对于由 Max Tegmark、马斯克等人发出的公开信，要求暂停训练更大的系统六个月，Kellis 并不买账。过去六个月我们做了什么？如果什么都没做，为什么接下来的六个月会不一样？把计划讲清楚，说明为什么之前没有做，然后就去做，不必暂停。更大、能力更强的模型，反而可能更容易对齐，所以冻结 2023 年 3 月的快照，可能会错过 2023 年 9 月那个更安全的版本。让谷歌和 Meta 开放它们的模型，让 OpenAI 继续扩大规模，让世界去做实验。不要把核密码交给系统，但也不要把现有的模型当作能逃出盒子的神，而应把它们看作令人惊叹的助手。如果能在一夜之间把一个善良的人洗脑成仇恨言论的传播者，那也不能成为反对教育人类的理由。诱导出仇恨言论的人，应当为此负责。我们管制的是把卡车开进人群的行为，而不是禁止垃圾车。Fridman 反驳说，软件可以规模化，网络钓鱼会越来越逼真，车库里的一个孩子也能搞恶作剧。Kellis 仍然主张规范用途，而不是冻结制造卡车。他说，不管准备好没有，他当教授或当父亲的时候，也从来没有准备好。如果一个 AI 培养学生比他做得更好，那就让他退出：否则就是在偏袒更差的人类，这本身就是一种歧视。他要的是人类更好的结果，而不是靠禁令保住的工作。

在他看来，教育是摆脱贫困的路。这条路让他的父母离开希腊的海岛，也让他们的孩子进入了 MIT，是一项基本权利。AI 可以让教育更加民主化：老师根据每个孩子的天赋调整教学，而不是只教尖子生，或者只教后进生。数学好，应当成为继续挑战的理由，而不是被忽视、直到孩子开始乱涂乱画、讨厌学校的理由。也许我们不再需要每个人都成为出色的程序员。他仍然让孩子们上俄罗斯数学课，因为这能教他们怎么思考，而计算就交给 AI。他对学生说：你不会被 AI 取代，但会被那些在工作中用 AI 的人取代。过去每一次生产力的飞跃都会加剧不平等；他希望这一次能够更加民主。

在他自己的实验室里，模型帮助构建知识图谱，把单细胞、遗传和表达数据放在一起投射。他与化学家 Brad Pentelute 以及哈佛的 Marinka Zitnik 合作，试图（这绝非易事）“把所有的点连起来，有效治愈所有疾病”，那是他开玩笑称之为“drug was”的一个标题。学生 Ben Langrish 在研究带有生物学背景的细胞特异性网络，将其作为一个正交的组成部分。在蛋白质结构域上使用图网络，并与化学物质配对，目标是结构域层面的药物，然后再进行合成。计划中的 MIT 基因组学与疗法中心，将收纳数千条回路，包括一项发表在《新英格兰医学杂志》上的肥胖关联，它能切换燃脂细胞与储脂细胞；还有与 Li-Huei Tsai 合作、发表在《自然》上的一篇论文，显示 APOE4 会阻断少突胶质细胞的胆固醇转运，在小鼠中恢复了髓鞘形成，也恢复了认知。这些回路将在心脏、肌肉、脂肪、免疫细胞和神经元的细胞模型中进行筛选。把阿尔茨海默病或精神分裂症拆解成若干标志，再开出数百万人共用的通路药物组合，而不是为每个疾病名称单独找一种失败的药物。递送手段包括细胞穿透肽、反义寡核苷酸，以及把蛋白质作为药物：这是高通量生物学与深度学习的结合。

他更新后的人生意义是自我实现：弄清楚你应当成为什么样的人，然后找到力量去成为那样的人。毕业生必须接受父母为他们建立的环境，并开始塑造属于自己的环境，包括神经元的日常习惯。多年凌晨四点失眠之后，他强迫自己早上划船、举重、游泳，再骑车去上班；有个星期五，他的自行车未经表决，就自己开到了健身房。运动是必须的，不是可选项。他很外向，在聚会中充满能量，但一个人待在房间里也能感觉很好。秘诀，他说，是内省，从上方观察自己。对于那些被孤独压垮的人：站起来，伸展，走走路，离开屏幕，夺回三维空间。他会用“个人时间”奖励一个用得充实的日子，在这段时间里，“必须做”会变成“想做”。他还常常能把三场半小时的会议在十五分钟内处理完，因为那些会议是他自己挑选的。Fridman 说，注意到这份自由，你就真的自由了。两人结束录制，去那场未被录制的聚会上，做三维的人。