一些節選
ToI
如果你有新穎的想法也能夠第一時間在DAO社區獲得有相似目標的夥伴響應，並通過個體之間的反饋建立去中心化的信用背書。淘寶、抖音、微信為個體賣家提供了豐富的用戶連接和渠道工具，這些平台級的數據反饋流在高速反饋市場的變化。GitHub上的開源工具和SaaS的普及使個體開發者可以迅速獲取強大的資源，允許他們以更分散和獨立的角色發現小眾需求的反饋信號，不必因為能力不足而產生外部依賴，保護最可貴的獨立性反饋源。「Toi」(Toindividual ) 的生態發展也伴隨著眾多的成功案例。
Gary Brewer創辦了全公司上下僅有1個人的網站BuiltWith,每年可以賺1400多萬美元。這個網站可以精準找到其他網站所用到的具體技術，例如某網站，A/B測試，用的是Optimizely;搜索，用的是Algolia;營銷自動化，用的是ConvertKit………
BuiltWith能夠檢測到的技術數量已經超過61105個，在全球範圍內覆蓋的網站數量達6.73億個。基於大數據力量就可以創造價值，例如提供「互聯網技術發展趨勢」，可以查看2000年至今的技術趨勢數據。以「中國網站流行的網絡技術」為例，這個頁面涵蓋包括「營銷自動化」「電商託管「企業網站管理系統」等28個細分項。
諾貝爾獎中的發現
對諾貝爾獎得主的研究中發現了一個簡單的規則(Ising模型)可以湧現新秩序:在一個網絡的鄰近節點之間，如果每個節點都是自我導向則會出現混沌;如果是外界導向並學習鄰近節點，則趨向秩序。而且，演變出的結構在不同尺度上都是非均勻的。對人類社會而言，這個規則可能表現為一種文化和行為傾向，同樣會觸發不同的社會秩序和結構演變。就像社會的良序整體湧現可以來自每個個體對「尊重你身邊的人」這個簡單規則的普遍執行程度。
漸進式的懲罰措施。一開始發現有人違規，我們可以非常友好地提醒他一下。如果不行，再把懲罰逐步升級。發生衝突應該公平、快速地解決，不要讓衝突加劇。群體應該有一定的自治權。本地事務本地決定，不應該由群體之外的所謂權威人士告訴群體該怎麼做。 以上說的這些原則可以應用於各種尺度。我們說的是個人組成的小群體，但小群體組成的大群體也可以這麼辦，只要把其中每個小群體視為個體，各自派代表參與大群體事務就可以。
端反饋，外界生存壓力和機會的第一觸點
亞馬遜有一個貝索斯親自制定的規則，只要某個商品或者某個促銷規則收到兩次以上的同類問題投訴，一線客服人員就有權力直接按下「紅燈」鍵，將這款商品或者這個促銷規則直接下架，通過這種方式來倒逼相關人員馬上解決問題。這個「按燈制度」來自豐田精益生產模式，一線操作工人一旦發現任何異常，有權直接停止整個流水線工作，讓問題暴露出來並被解決。
亞馬遜中國前副總裁曾修改「按燈」流程，將一線人員的「按燈權」上移，要求兩個以上商品下架必須經過組長審批，五個以上要經過經理審批。亞馬遜全球運營高級副總裁把他劈頭蓋臉地罵了一頓，並認為這是徹頭徹尾的形式主義，他認為那些坐在辦公室裡吹著空調、喝著咖啡的經理不會比那個正在和客戶通著電話、聊著家常的員工更了解發生了什麼。把「按燈」流程搞得如此複雜，讓一線員工無法快速、有效地幫助用戶解決問題。就算客服人員按錯燈，也不用負責，要負責任的是管理層，他們必須去想辦法，從招聘、培訓、系統的角度去解決問題。
亞馬遜的理念是:
第一，給員工解決問題的正確工具;
第二，依賴一線員工的正確判斷。這兩者結合在一起，才能把「以用戶為中心」的良好意願，以機制落實為具體行動。
長週期反饋和間接反饋中的隱性特徵
人們覺得長週期的反饋過程由太多小的不確定因素組成，卻忽略了這些小的不確定因素的組合卻在更高的層面存在另外一種確定性秩序，就像短期市場的技術波動性和巴菲特的長線價值投資預見性。在強化學習算法裡，這類問題被稱為「稀疏獎勵」(Sparsereward)問題，或者叫訓練環境中的長期信用分配(Credit assignment)問題，指的是在複雜學習系統中，如何分配系統內部成員對結果的貢獻。生物智能依賴分層認知機制解決這類問題，分層強化學習也正在參考這種方式來解決問題。