阅读

在计算机视觉领域，卷积神经网络（CNN）虽然取得了巨大成功，但其计算成本高昂。正如论文《视觉注意力的循环模型》（Recurrent Models of Visual Attention）指出，将CNN应用于大图像时，计算量随像素数量线性增长，导致训练和测试耗时极长。为了解决这一问题，谷歌DeepMind的研究团队受人类视觉感知启发，提出了一种新的循环神经网络模型。

人类在观察场景时，并不会一次性处理整个画面，而是通过选择性地将注意力集中在视觉空间的特定部分，逐步积累信息来构建内部表征。这种机制不仅节省了“带宽”，还通过忽略无关背景（即“杂乱”）降低了任务复杂度。该论文的核心贡献在于将视觉注意力建模为一个序列决策过程。模型被称为循环注意力模型（RAM），它像智能体一样与环境交互，每一步只通过一个带宽受限的传感器（Glimpse Sensor）提取局部高分辨率信息，并结合过去的注视点决定下一个关注位置。

由于选择注视点的过程不可微分，研究团队采用强化学习方法进行端到端训练。具体而言，使用反向传播训练神经网络组件，利用策略梯度（Policy Gradient）解决控制问题中的非可微性。实验表明，该模型在杂乱图像分类任务上显著优于CNN基线，并能动态跟踪物体而无需显式监督信号。这一方法证明了基于注意力的模型在处理复杂背景和扩展到大尺寸输入图像方面具有潜力。

对于希望理解如何将强化学习引入视觉系统、或探索高效图像处理架构的研究者和工程师来说，《视觉注意力的循环模型》是一篇重要的经典文献。它清晰地展示了如何通过模拟生物视觉机制来优化深度学习模型的效率与鲁棒性。建议从摘要和第3节“循环注意力模型（RAM）”开始阅读，重点关注其架构设计与训练流程。这篇发表于2014年的论文至今仍是理解注意力机制与强化学习结合的重要基石。

在1995年的致股东信中，沃伦·巴菲特详细阐述了伯克希尔·哈撒韦独特的资本配置哲学。这封信不仅记录了当年的财务表现，更核心地揭示了公司如何通过“双管齐下”的策略来构建其商业帝国。

首先，巴菲特提出了一个关键概念：双轨资本配置（Double-barrelled approach）。他指出，查理·芒格和他希望建立一个拥有优秀经济特征和杰出管理者的公司集合。他们的首选是通过谈判以公平价格收购100%的股权。然而，当股票市场提供以低于全资收购所需价格购买一家杰出企业的小部分股权时，他们同样感到满意。这种通过谈判购买整个企业或通过股市购买部分权益的方法，赋予了伯克希尔相对于那些只坚持单一路径的资本配置者的重要优势。这一策略的核心在于灵活性，它允许投资者在不同市场条件下捕捉最佳价值，无论是控股还是参股。

其次，信中强调了将收购与被动投资进行比较的纪律性。巴菲特提到，他们在考虑任何行动时，都会在心理上将其与数十种其他机会进行比较，包括通过股票市场购买世界上最好的企业的微小份额。这种将收购与被动投资进行对比的做法，是一种专注于简单扩张的管理者很少使用的纪律。他引用彼得·德鲁克的观点指出，交易往往比工作更具吸引力，但这可能导致毫无意义的交易。因此，伯克希尔的优势之一是没有固定的战略计划，从而避免了为了遵循既定方向而支付愚蠢的价格。这种基于机会成本的严格比较，确保了每一笔资本支出都经过最严苛的价值检验。

对于现代读者而言，理解这一机制有助于反思个人投资组合或企业决策中的“锚定效应”。假设一位投资者面临两个选择：一是直接购买一家初创公司的全部股份并参与运营，二是购买该行业龙头上市公司的股票。如果缺乏像伯克希尔那样将两者放在同一天平上衡量机会成本的纪律，投资者可能会因为追求“掌控感”或“交易兴奋度”而忽视后者可能提供的更高风险调整后回报。这种思维框架提醒我们，投资决策不应仅由情感驱动，而应基于对替代方案的理性评估。

《伯克希尔·哈撒韦1995年股东信》由沃伦·巴菲特撰写，发布于1996年3月1日（回顾1995财年）。适合希望深入理解长期价值投资策略、资本配置逻辑以及如何在控股与参股之间做出理性选择的投资者阅读。建议从信中关于“Acquisitions”章节开始，重点研读关于双轨策略和机会成本比较的段落。