加密经济将区块链/Web3技术等，作为数字原生经济的基础设施，用密码学创造出稀缺性，从最根本的“数字产权”开始，从数字代币出发，向着数字商品和数字资产“下行”，将对信任的锚点从单个组织转移到了分布式的结点和可验证的代码上。
这是加密经济区别于新经济、网络经济、信息经济、虚拟经济和注意力经济等的根本，后面这些都还需要中心化权威机构的背书，还需要从现实中“孪生”出稀缺性。
你心中最硬核的验证码是什么样子？国外玩家发出了PS的验证码。是一张代码截图成NxN个小块，用户需要从图中找出有bug的代码。然后你如果觉得没有bug，可以点skip。
极大的降低了脚本和爬虫识别验证码的能力和风险。
不过我相信，人类同样也会被验证码卡住，想要找到bug，那可太不容易了。
从制度经济的角度，对WEB3的洞见：
“区块链/Web3是一种新的经济基础设施，与国家一起用于协调和交换。它使用密码学的方式保护产权的安全，最从根本的产权开始，将对复杂制度的信任从单个组织转移到分散化的结点和可验证的代码上”。
—— 作者：Kokii
记录股票投资
只说代码，每天三个，提高成功率，事后验证，短线3-5天！
600935
002188
002878
#长春头条# 【又一种新的欺诈暴露？收到此消息后，应立即将其关闭！已有30人上当受骗隔空转钱】
近年来，我国移动支付发展迅速，给人们的生活带来了很多便利。但我们必须指出，围绕移动支付的诈骗越来越多。最近，警方揭露了另一种新型的欺诈行为？如果您收到此消息，应立即将其关闭。目前，已有30人被骗转钱。那么，这种新型欺诈是什么呢？
1、 新的欺诈曝光？
上个月，来自天津的周女士发现她的手机经常收到各种难以解释的验证码信息。当时，周女士没有特别注意。她认为只有当其他人输入错误的号码时，她才会收到这些信息。但后来周女士发现情况不对，因为她的银行卡、支付宝和微信中的钱不见了。根据周女士的初步统计，她凭空失踪的钱高达8万元。
很快，周女士报警了。在当地警方的努力下，罪犯很快被抓获。随后，警方还揭露了另一种新的欺诈方式。据犯罪分子王说，他们在市场上购买了大量二手手机，然后组装。队伍中有专门人员，通过非法手段获取大量手机号码。他们在交易过程中通过特殊软件拦截这些手机号码生成的验证码。
这两部手机负责接受这些验证码。罪犯的整个过程都是可以操作的，可以通过支付宝、微信和银行卡轻松实现多人偷钱。同时，据王说，他们以这种方式诈骗了30多人，而且都是闲钱。
那么，在被犯罪分子监控的过程中，你如何识别你的微信、支付宝和银行卡呢？这取决于您是否经常在短时间内收到大量验证代码。如果你在短时间内收到大量验证码，很可能是犯罪分子正在测试你的手机号码，看看你手机号码中的验证码是否会被他们的背景读取。
因此，我们建议，如果您经常在短时间内收到大量验证码，您需要立即关闭手机。因为每个人的手机都没有关机，这也让罪犯有时间测试验证码。随后，罪犯可以通过反复计算轻松获得每个人的验证码。
事实上，这种欺诈比传统的短信欺诈要先进得多。在传统的短信欺诈中，犯罪者不知道接收者是谁、发送给谁、发送给什么样的人、接收信息的人会如何反应，甚至不知道发送的号码是否有效。他们只是利用手机的数字分割法则来排列、组合和随机发送。
每个人的预防意识都是不同的。犯罪者不能保证或期望收到短信的人做出他们想要的回应。因此，即使在特定对象的短信诈骗案件中，为了确保诈骗成功，发送对象往往也不会单一。这样，他们的网络将被广泛传播。
同时，为了确保有人上钩，他们还必须把网撒得很大。消息发出后，他们开始等兔子。一旦有人上钩，他们很快就开始专注于钓鱼。当然，撒网本身也是一种风险行为，因为不知道对方是谁。
同时，传统的短信诈骗在犯罪手法上，利用不同的心理类型编造不同类型的诈骗短信，诱使受害人汇款。在短信间接诈骗案中，作案人冒充银行、电信、电视台、公安局等相关部门通过电话与被害人联系，以信用卡透支、电话欠费等多种原因要求被害人提供账户密码、汇款和转账，中奖并盗取身份证，然后迅速转移或取走赃款。
然而，在新的欺诈方式中，虽然罪犯不知道你是谁，但他们可以轻松读取你在交易过程中生成的验证码。可以说，只要你以受害者为目标，一旦受害者生成交易。他们可以读取受害者的交易验证码，因此无法阻止。那么，对于我们普通人来说，我们应该如何减少被欺骗的可能性呢？
2、 建立反欺诈意识
笔者认为，无论是传统短信欺诈还是我们刚才所说的欺诈，我们都应该有很强的防欺诈意识。一是防止因缺乏歧视而受骗。为了诈骗成功，诈骗者总是想方设法，受害者往往因为辨别能力不强而受骗，或者暂时困惑和蒙蔽，从而削弱了他们的辨别能力。
在短信诈骗罪中表现为信用卡消费和年费扣除、虚假招聘、自然灾害诈骗、退税、电话拖欠等形式。犯罪分子经常冒充金融机构、公安机关、企事业单位、慈善机构、税务机关、通讯公司等部门。如果人们的识别能力不强，他们很容易成为受害者。
二是防止因贪图某些利益而受骗。短信诈骗者屡屡成功的一个重要原因是受害者为了某些利益而受骗。短信诈骗者往往通过短信投饵来迎合或引起受害人的某种欲望，从而使受害人一步一步地落入犯罪分子的陷阱。
例如，在中奖、出售廉价商品和其他形式的短信欺诈的情况下，受害者因贪图便宜而受骗；在假招生短信诈骗案中，学生家长往往因为急于找到上学的路而受骗；在以提供证券市场内幕信息和退税为形式的短信欺诈案中，受害人因贪图不正当经济利益而受骗。
为了防止因贪图某种利益而上当受骗，我们必须提高我们的识别能力，看到好处时要想到坏处，避免痴迷。无论罪犯的欺诈技术有多先进，我们强烈建议你只有在发现你的账户有误时才立即报警以免上当受骗。
从以上分析来看，中国的欺诈手段越来越多，越来越多的新欺诈手段无法预防。对于普通人来说，平时一定要加强学习，提高反欺诈意识。只有这样，我们才能减少受骗的情况。
当然，对于当地警方来说，他们必须通过各种方式长期宣传欺诈知识。最后，我想问你，你知道哪些新的欺诈形式吗？欢迎在评论区留言。
没想到，这大过年的，DeepMind就给程序员添堵：原来最早被AI淘汰的竟然是程序员...那么AlphaCode到底是个什么神级应用，它会能否替代程序员呢？昨晚看完长达73页的论文，在这里带大家简单解读一下 AlphaCode。
AlphaCode 参加的是一个名为 Codeforces 的在线编程平台。Codeforces 是一个竞赛版的 LeetCode，Codeforces 上的题目更像 ACM ICPC 或者信息学奥林匹克竞赛。Codeforces 上的题目五花八门，但是都需要参赛者编程求解。每个题目有描述，有输入样例，有正确的输出样例，即test cases。如果提交的程序能够将所有test cases都跑出正确的结果，那么就算该题通过。一道题只有10次试错机会。图1是 AlphaCode 的一个求解案例。
图2是 AlphaCode 的整体框架。左侧（Data）为模型和数据部分，主要使用 Transformer 进行预训练和微调，右侧（Samping & Evaluation）是如何生成代码并参与 Codeforces 比赛。AlphaCode 使用了经典的 Transformer 模型。有关 Transformer 的介绍，网络上已经有不少，我就不多介绍了。相比Transformer，我认为使得 AlphaCode 成功的主要在于这个 Sampling & Evaluation。
AlphaCode 使用了一个 Transformer 模型，根据编程题目描述，生成百万份代码，这些生成的代码中99%可能根本跑不通。AlphaCode 使用编程题目中的test cases，验证这些生成的代码，这个过程会过滤掉99%的错误代码。
经过过滤之后，仍然可能有上千份代码能跑通，而且这些能跑通题目给出的测试样例的代码中很多非常相似。一个编程题目只有10次提交机会，每一次提交的机会都非常珍贵。不可能将上千份代码都提交上去。AlphaCode 这时候做了一个聚类（Clustering）。首先：AlphaCode 使用了第二个 Transformer 模型，根据编程题目中的文字描述，自动生成一些test cases。但是生成的test cases并不保证准确性，它是为了接下来的聚类用的。然后：将生成的test cases喂给那些代码，如果一些代码的生成结果近乎一样，说明这些代码背后的算法或逻辑相似，可被归为一类。文章称，经过聚类之后，从数目较大的类中选出代码去提交，更有胜算。
图3演示了这个过程，大致包括四步：
1.根据编程题目中的描述等信息，使用第一个Transformer模型，生成百万份代码。
2.使用编程题目中的测试样例test cases验证这百万份代码，把不能通过的过滤掉，剩下大约上千份代码。
3.使用第二个Transformer模型，生成一些test cases。
4.使用第3步生成的test cases，对第2步留下的代码进行验证并聚类，如果两份代码得到的结果相同，则分到同一类。经过聚类后，最终留下10类代码。
作者认为，AlphaCode 能够击败半数人类选手，主要原因在于：
1.训练数据足够大且质量高。
2.Transformer 预训练模型能够将训练数据中涵盖的知识编码到模型中。
3.Sampling & Evaluation 的海量试错机制，先提出海量可能的编程代码，再一步步缩小搜索空间。
阅读完论文和一些解读之后，我感觉至少短期内，离AI替代程序员应该还有一段距离。
