Q＆A与Trise的Patrick Collicon对技术的未来，加快创新，如何改革研究资金，我们 - 中国竞争以及更多

除了作为朋友和一个诺拉彭认购者，Patrick Collicon还是世界上最成功的创始人之一。与他的联合创始人和兄弟约翰一起，他在十年内建立了在线支付公司的庞然大物庞然大物。 （帕特里克和约翰从爱尔兰欣赏到爱尔兰移民的神圣传统，使其在美国变大。）

但除了成为ACE商人，帕特里克是我见过的最智慧的人类之一。与帕特里克一起出去将总是让他涉及他要求您解释您的专业领域的想法，他通常会掌握不寻常的罕见罕见;至少一次，他扔了一个由一个人举办的派对，这些党将他的研讨会谈论他们选择的主题！他最大的智力兴趣是技术进步的概念 - 它的意思是什么，为什么它发生，以及如何鼓励更多。在他的思想中，是实地进步研究，一个跨学科领域，研究了技术进步的历史和决定因素以及如何更普遍地进入社会进步。

在随后的广泛电子邮件面试中，我转动桌子并要求帕特里克向我解释自己的想法！我们讨论技术的未来，如何创新，是如何创新的，无论是如何做到的，政府和私营部门的适当角色，如何改革研究资金，国际竞争如何（包括美国 - 中国竞争）进入等式等等！

它难以限制三个！但这是第一个跳得想到的：

首先，进入互联网促进机会的爆炸性扩张。听起来很假天，但我认为仍然低估了。最近十亿人民移民到世界上，最充满活力的城市和最具充满活力的城市，系统尚未平衡。当您考虑YouTube如何加速默认知识的传播时，或现在可以妥善部署其才能的创造性局外人的数量，或者现在可以从他们的卧室开始公司或所有实例的辉煌18岁涌现的不可能的场景......在全球公共场合的景观中，互联网是氮肥，我们仍然有很长的路要走 - 经济，在经济，文化，科学，技术上，社会和一切之间。我挑战任何人观看这个视频，而不是感到乐观。

二，生物学进展。我认为2020年代是当我们＆＃39; ll终于开始了解什么＆＃39; s与RNA和神经元一起进行。基本上，普遍的想法是神经元之间的连接是认知方式的关系。 （这就是神经网络和深度学习的建模。）但它看起来越来越有可能发生在神经元内部 - 以及在连接内部 - 是故事的重要组成部分。一个建议是RNA实际上是神经元如何思考的一部分，而不仅仅是基因组和蛋白质之间的偶然的中间物品。在其他地方，我们开始花费更多时间来调查微生物组和免疫系统如何与癌症和神经变性条件等物品相互作用，以及我乐观态度如何产生显着改善的治疗方法。与Alzheimer＆＃39;说，我们陷入了很长一段时间的斑块假设的变种（“这个坏东西积累并且我们必须停止它积累”）......它现在难以忽视事实上，免疫系统显然发挥着主要的 - 也许是主导的作用。在其他地方，我们＆＃39;可合作在有效的登革热，艾滋病和疟疾疫苗的尖端上。那个＆＃39;非常巨大。

最后，能源技术。电池（十年减少88％）和可再生能源讲述故事，二阶效应将是重要的。 （当我们引起内燃机时，例如，我们＆＃39; LL因空气污染的减少而获得了显着的股息。）电机可能会发生，至少对于较短的距离。太阳能电力渐近至近，这反过来又解锁了其他有趣的可能性。 （我们是否可以通过太阳能大气CO 2浓度合成烃 - 即，使油脱离空气 - 从而使剩余化石燃料用例碳中性？）有很多好的想法，使核能更安全和更便宜。法国今天获得了四分之三的核电站......让其他国家遵循西装将在避免气候变化方面有所帮助。

更多的东西＆＃39;新的半导体技术。改进的ML和所有能够实现的一切。 Starlink - 无处不在的便宜和快速互联网！地球到地球旅行通过空间加飞行。城市主义的想法，不安，觉得似乎是牵引力。在地平线上有很多好东西。

N.S .:我喜欢那个我们＆＃39; re基本上乐观了同样的事情！或至少相同的技术;我＆＃39; D赌博我可能比你提高动漫的质量更乐观。

好的，如此关于技术进步。你＆＃39; VE很多人参与了新生的进步研究努力，一种综合推动要了解进展，并弄清楚如何加速它。到目前为止，努力收集的最大见解是什么？

在相关的附注中，我一直在辩论一些认为我们的技术停滞的人在这一点上基本上是不可避免的。你怎么看待这篇论文？在一个世纪的第一次将生产力增长到数字＆＃34;位＆＃34的程度，将推动到一个新的更便宜的能源来源。 Technologies没有真正成功做？我们终于能够回到亨利亚当斯曲线上，如果我们这样做，它会产生很大的不同？

好吧，泰勒和我在2019年夏天发表了那篇文章，所以我认为进步研究 - 无论它出现什么 - 都在它的幼虫阶段。最重要的是，我认为这篇文章为一系列主题产生了一个术语，即其他人一直在追求（通常是大深度和长期），而是在任何广泛的预先存在下都可以轻松联系起来概念类别。 （＆＃34;创新经济学＆＃34;可能是最接近但仍然太具体了。）对我的一些早期亮点包括Jose Luis Ricon＆＃39; S Class＆＃39; S类的证据的调查随着他的优秀家喻户晓 - 您应该订阅），以及进度杂志中的作品，为家庭更广泛地向这些主题写作。我们意图的大部分是强调直接解决与进展相关的问题的价值。所以，如果某个地方的某人正在读过我们的文章，我非常高兴地做到了重要和相关的工作，即使是＆＃34;进步研究＆＃34;从未提及过。

我强调拒绝建议，技术停滞不可避免......一个警告。警告是那个＆＃34;滞留＆＃34;此时可能是略微加载的术语，因为它倾向于指与美国20世纪的经验相关的特定测量 - 罗伯特戈登和所有这些。戈登自己在崛起和堕落结束时说，我们赢得了＆＃39; T看到了20世纪的改善因未来的改善，因为人口逆风（除其他事物中）。所以，在谈论特定的宏观经济时间序列的程度上，你突然在一堆定义和缩小者和测量辩论中突然扩大。但如果我们忽视那些并专注于我们真正关心的基本现象：科学进展，技术进步，以及对更广泛的社会福利得到了增强的有效部署 - 是的，我会说我＆＃39;肯定我们可以比我们今天做得更好的方式。我＆＃39; LL声称我们可以加倍我们的进步速度。

N.S .:对。老化，平息教育程度等等是整体生产力的权衡，这就是为什么我只预测这十年即使我乐观的技术本身也乐观态度。但是，如果我们的技术驱动的经济进步率为双重，那就会提出它的问题，为什么它和＃39; s一直很慢？我们发明科技是否在没有出现GDP的情况下丰富了我们的生活？我们是否忙于从一种创新转回另一个创新？或者我们没有碰巧击中技术矿石的那些富豪之一，就像它一样？

Warning: Can only detect less than 5000 characters

（3）机构和第一次举止缺点。曼彻尔奥尔森是，我认为，在他专注于机构动态以及校长/代理问题以及集体行动问题随着时间的推移。例如，美国联邦航空局可能很擅长其早期......要启用一个成功的航空部门，该领域有很多公共物品（空域，空中交通管制，航空艾滋病，机场明确规则， ......）很少有人争辩说，最佳的航空规则量是没有。总的来说，美国做了促进航空技术的一切伟大工作，并且在早期前往美国联邦航空局的人受到正确的事情的动机 - 渴望支持和启用蓬勃发展的航空部门。今天，美国联邦航空局是一个庞大的，狡猾，根深蒂固的官僚主义。它有大约45,000名由多个工会代表的员工;有很多反补贴选区，无法保护既得利益;有无止境的累计过时的规则。例如，电动发动机截至今日，禁止认证飞机！尽管有明显的潜在无人机，但是从调查到消防的情况下，FAA仍然禁止超越视线使用。 （与故意允许的方法对比航空婴儿期间使用的FAA鲜明对比。结果，几乎每个飞行员都与运行复杂的飞行计划软件的iPad飞行 - 他们与世界的联系，即美国联邦航空局＆＃39; t indumber。现在，每个系统都遭受了一些惯性动态，无论它周围的文化是什么。没有邪恶的大厅反对飞机的电动发动机，美国联邦航空局将在某些时候确保电动发动机合法化......只有来自＆＃34的现状额定偏见;好吧，我们有一个工作系统;该系统自然地抵抗变化＆＃34;

二十世纪初的时期是最广泛的意义的建筑时代，从大学到政府机构到高速公路的城市。这个建筑物时期的副产品是维护，我们没有讨论如何介绍如何维持 - 也就是说，如何避免我们建造的东西中的紧急硬化。顺便说一下，我在金融服务中看到了完全相同的东西。金融服务中没有人认为实时解决是一个坏主意。加密货币表明，这是一个非常易易的问题。 ＆＃34;敌人＆＃34;，例如，是现有安装基础的钙化。除了所有文化问题之外，美国简单地拥有一个非常大的现有安装基础的老年机构和系统。

（4）人才分配。也许有些关于聪明人去的替代效果的东西......也许某些行业正在招聘其他行业所遭受的最佳人群。大多数读者可能会看到着名的创新者移民图表的版本。我对此的部门版本感兴趣。来自克文墨菲的1991年关于这个问题的一些版本的1991年的纸张，其中包括这个引人注目的表：

他的结论：“我们的证据表明，工程学院专业比例较高的国家更快地增长”。 （显然导致的方向仍然是一个问题。）

更广泛地，在这一点上的大量论文展示了跨康复的生产率分散如何增加。它可能正在发生某些东西，这样（a）某些公司（“前沿公司”刚刚联系在一起）现在不成比例地能够负担得起雇用最好的人，或（b）围绕公司的动态已经改变，使大多数公司更加困难。无论如何，这是一个重要的主题，所以我赢了，除了旗帜，＆＃34;跨部门的人才分配＆＃34。是一个重要的问题，似乎是合理的源于显着效果的根源。也许人们只是在错误的事情上工作。我希望这里有更多的分析。

（5）我们的问题是邪恶者。虽然我们必须小心不要过度诊断涉及低悬垂的水果的解释（因为它们很容易被借口），但我认为很明显，许多领域的主要开放问题涉及紧急现象和复杂/不稳定的系统通常有很多复杂的联轴器和非线性效果等。在生物学，癌症，自身免疫条件下，任何涉及微生物组的任何东西......这些都是内在的问题而不是个体传染病。在计算中，现代机器学习更多地有关实验识别出在紧急意义上的有效性，而不是说，操作系统或网络协议设计，这些是关于自上而下的架构。 （那些后者域名

......