本期首先关注一家名叫 Stripe 的支付创业公司，如果你不认识 Stripe，其实一点也不奇怪，因为即便估值已经接近高盛，Stripe 依然是一家极其低调的创业公司，本期这篇文章将详细介绍 Stripe 的当下价值与未来前景。
Stripe 一开始的成功，来自于其在支付代码中的简化与创新，这与目前流行的「No Code」有异曲同工之处，本期将推荐一篇长文，站在开发者的角度，重新审视「No Code」对于开发者以及普通用户的价值，还有众多实践案例值得尝试。
放眼望去，广告是过去三十多年互联网产业发展的直接推动力，而当用户行为变成可以追踪、计算的数字游戏，基于用户在线行为的生意越来越大，本期推荐的两篇长文，分别从应用商店的用户评分行为以及移动设备的广告追踪，进一步探讨这些新经济生意背后的成本。
在一些机器学习研究者们看来，将机器学习应用到现实远不如实验室的机器学习模型性感，后者可以转为纯粹的数学问题，而前者则是一系列相互叠加的、无解的社会问题；正因如此，当一个 NLP 模型可以「创作」《卫报》评论的时候，或许我们更应该关注从立意到发表的全流程里，那些无法被比特化的人类，到底扮演了怎样的角色。
「More Reading, Less Junk」，欢迎打开本周的深度阅读之旅。
Not Boring｜2020–08｜链接｜6602（单词）
这篇文章系统梳理了 Stripe 这家创业公司的发展脉络以及未来前景，如果你不认识 Stripe，那一点也不奇怪，因为即便估值已经接近高盛，Stripe 依然是一家极其低调的创业公司，而在这篇文章的作者看来，Stripe 的估值也被严重低估了。
原因包括几个方面，比如疫情催生了更多在线支付的需求，Stripe 相比其他竞争者们更侧重在线支付，因此有着巨大增长潜力；同时 Stripe 的增长势头以及订单处理数一定也不少于其他竞争对手。文章最后还利用一个商业模型对 Stripe 的未来发展做了预测，这一部分我觉得有点太乐观。
FT｜2020–09｜链接（需付费）、免费镜像｜2473（单词）
自 iOS 11 以来，苹果允许开发者通过应用内弹窗的形式，请求用户为自己的应用评分，这是苹果应用生态评分体系的新举措，但在 FT 的调查中，应用/游戏内弹窗评分的机制正造成应用评分的「通货膨胀」，开发者可以通过一些「特殊手段」，比如借助机器学习模型选择合适的弹窗时间点，或者设计一些诱导性的弹窗提醒，所有这些做法的目的，都是让用户选择五星评价，这也导致 iOS 生态里的应用质量与评分已经不再呈现正相关的关系。
BBC｜2020–09｜链接｜958（单词）
在日本，有一些人或是对当下生活厌倦或是对自己人生绝望，他们会选择「消失」，完全离开自己熟悉的生活环境与社会关系。
在 BBC 的调查里，「主动消失」已经成为一个产业链，日本拥有严格的隐私保护，家人甚至不能要求警察提供监控摄像头拍摄的画面，而松散的社会管理也可以帮助那些「消失」的人快速获取诸如银行等服务，也正是在这样的背景下，帮助人们「消失」的公司越来越多。
Vas3k｜2020–08｜链接｜7912（单词）
之前几期的「Deep Reading」，我多次谈到「No Code」现状及其背后所代表的产业趋势。
本周我推荐的这篇文章提供了一个开发者的视角，作为一位开发者，作者对于这股关于「No Code」炒作非常反感，他认为「No Code」不会带来所谓的「范式迁移」。作者更建议那些非开发者去了解、学习自动化的理念。更进一步，作者提供了若干个场景，包括页面设计、在线表格、流程自动化、CRM等，利用一系列工具、流程，完全可以在没有代码知识的情况下完成上述工作。
《卫报》｜2020–09｜链接｜1458（单词）
这篇《卫报》的评论由 NLP 模型 GPT-3 生成，其主题还是人工智能的局限性，可谓意味深长。
你不妨先读一下文章最后面的「编者按」，人类编辑介绍了整篇评论的生产过程。首先，人类编辑输入一系列命令，让系统「知道」此次写作的主题；接着，由计算机学家出场，利用这些命令在 GPT-3 中生成 8 篇不同风格的评论；最后，人类编辑挑选并重新校对、编辑，成为读者看到的这篇所谓「AI 写出的文章」。
了解了这些之后，请读一下这篇机器「创作」的评论吧。
Medium｜2020–08｜链接｜3066（单词）
苹果上周宣布将推迟一项 iOS 14 里的隐私保护功能，该功能允许用户拒绝「ID for Advertisers」，从而可以避免被广告商追踪。
事实上，相比于 Android 以及国内各种安卓 UI，iOS 在隐私控制，特别是对于广告商追踪控制方面非常严格。本周推荐的这篇长文，从一位海外用户做实验的角度，分析了到底谁在追踪用户的 iOS 设备，时间和样本虽然不多，但答案也很明了， Google、Facebook、亚马逊位列前三，文中还提供了一些避免广告追踪的方法，值得一试。
《MIT 科技评论》｜2020–08｜链接｜1203（单词）
这是《MIT 科技评论》记者 Hannah Herner 的发现：在提交到深度神经网络最高学术会议 NeurIPS 的论文里，大量可以应用到现实社会的论文并没有被采纳，反过来说，那些脱离现实问题的研究论文，成为 NeurIPS 偏爱的类型。
这也导致一个非常严肃也是非常严重的问题：很多 AI 研究者的研究主题不再关心现实议题。但现实是，机器学习、深度学习正在被应用到诸多领域，比如人类第一张黑洞照片，背后就是机器学习模型的结果。而这种工业界的实践与学术界的偏好，显然已经出现了鸿沟，一个案例：当学术领域大量关于图像识别的学术论文发表的时候，工业领域的图像识别特别是人脸识别，却面对巨大的数据偏见。
