杂想。201902
Happy Spring Festival! Happy Chinese New Year!
强化学习的后果？
“做一个好公司本身就是目的”，偶尔看到这篇文章，有些感触，Horowitz的《创业维艰》一直是我认为最好的创业指导书籍，即使它无法帮助你创业成功。有次和朋友聊天，谈到成功的定义，谈了很多，最后却没有结论。很多时候，以身作则是基本，而志同道合则是根本，不要害怕“少数人的前行”，哪怕这是一段痛苦的探索过程，有迷茫，有折返，但是这样的前进，也会比“很多人熙熙攘攘缓慢前进”要好，因为你知道，山，就在那里，而自己已经在路上，然后，终将到达山顶，在放目四方的同时，收获一份惊喜。
“The devices can choose to follow that direction or not, as they are totally free. The incentive to comply is the small fee for reducing demand. If one or more devices lowers its energy usage, they receive a few tokens of the IOTA cryptocurrency.”，这是个有趣的PoC实验，基于博弈论。只是，看不出来，是否有人类参与了选择，如果没有人类参与，不知道机器“选择降低充电需求”的算法，是什么？随机么？很多时候，随机算法倒是不错，就像IOTA中选择tip进行确认的算法，MCMC随机选择。另外，这个实验中，机器获得的IOTA，没有介绍是如何消耗掉？如果再次用来支付充电费，是不是合理呢？
The devices can choose to follow that direction or not, as they are totally free. The incentive to comply is the small fee for reducing demand. If one or more devices lowers its energy usage, they receive a few tokens of the IOTA cryptocurrency.
“assess their heading from the polarized pattern of skylight and judge the distance traveled based on both a stride-counting method and the optic flow, i.e., the rate at which the ground moves across the eye. This process is called path integration (PI)”，这是篇有意思的文章，robot模仿沙漠蚂蚁的定位方式，集成了通过紫外线偏振光确定头部转动角度、通过地表光流法测量移动距离、通过步长估计移动距离等多种方法，融合在一起，实现了精准的野外寻路算法，可以在无目的漫游后，精确回到出发地，路线直而又快速！嗯，这倒是对于机器人是很有意义的一种解决方案，包括自动驾驶。现有的定位方法中，GPS有误差、IMU需要校准、视觉SLAM运算量大、LiDAR太贵，毫米波雷达精度不够，超声波距离短，都存在一些问题。感知融合，一直是被研究的一个方向，而文章中的解决方案，本身就是一种多个路径算法的融合，同时，也可以作为一种新的传感器，融合到机器人和自动驾驶的感知系统中。很有意思。
desert ants assess their heading from the polarized pattern of skylight and judge the distance traveled based on both a stride-counting method and the optic flow, i.e., the rate at which the ground moves across the eye. This process is called path integration (PI).
Vulkan号称未来，融合图形与计算，但吹嘘了这么久，也没有看到多少厂家支持[Sob]。那么，图形还有OpenGL支持，计算怎么办？GPGPU领域，OpenCL与CUDA一直在竞争，到底哪个前景好一些？目前看，CUDA前景更大，毕竟Navida不断在改进算法，而OpenCL各个厂家进度不一。开发人员很现实，要用最好的！那么，CUDA慢慢变成工业标准，可以预期[Chuckle]。哎，Intel的文章，中文太差了，明显是机器翻译，NLP技术不行呀，对于顶尖科技企业来说，这，太讽刺了[Grin]
“要在未知环境中利用规划 (例如仅将像素作为输入来控制机器人)，智能体必须从经验中学习规则或动态”，这是一个很重要的阶段，deepmind给出了可以动态学习和推理的可运行的实现架构！原理其实很简单，但是实现一直是困扰。进一步扩展，world model，世界模型，嗯，我喜欢这个名字，可以作为预训练的模型，前置在其它模型上，因为它本身就是一种知识的表示和存储，是我们这个变化缓慢的物理世界的映射，可以作为智能体探索世界的认知基础。另一方面，deepmind用到了预测，很像cpu中的分支执行路径预测技术，那么更加动态的决策任务，就有了实现的可能。未来，增加更多的任务导向训练，agent已经具有智能的基础了。嗯，至于生命么？则需要增加agent保护自身的任务，高优先级，这点，是人类最不愿意看到的，但，也是无法避免的未来。
“要在未知环境中利用规划 (例如仅将像素作为输入来控制机器人)，智能体必须从经验中学习规则或动态”，这是一个很重要的阶段，deepmind给出了可以动态学习和推理的可运行的实现架构！原理其实很简单，但是实现一直是困扰。进一步扩展，world model，世界模型，嗯，我喜欢这个名字，可以作为预训练的模型，前置在其它模型上，因为它本身就是一种知识的表示和存储，是我们这个变化缓慢的物理世界的映射，可以作为智能体探索世界的认知基础。
世界模型，嗯，这个名字我觉得很好，可以作为预训练的模型，前置在其它模型上，本身就是一种知识的表示和存储
而它也用到了预测，已经很像cpu中的分支执行路径预测技术了，那么更加动态的决策任务，就有了实现的可能
“一旦公司拥有了真正的付费客户，它很可能会发现大多数人只关心一两个问题，并要求一两个主要特性”，很好的文章，从商业角度，提出了自动驾驶企业的市场竞争之路。企业需要生存，世界才能改变。nuro被软银投资，本身就是资本的一个佐证，nuro慢速而无人，用于社区配送。技术上是无人驾驶的技术，但是场景上与运送乘客无关，反而是想解放人类的劳动，让配送这类行为自动化，高效实现最后一公里。这是美好的未来，也是短期内可以见到成效的技术思路，也是资本的最爱。waymo的今天，有google的支持，waymo的未来，也需要google的信念。市场本身的多元化，决定了产品的多样性，每个企业在寻找自己定位的同时，也在让我们的世界，变得更加美好，👍
“去年8月，可口可乐宣布了八年来公司最大规模收购：以51亿美元收购老牌英国咖啡连锁公司Costa。当时不少分析师对此提出质疑”，说实话，我也不是很理解可口可乐的想法[Sob]。不过，costa真的比较特别，是唯一和星巴克类似的可竞争对手。其它类似的咖啡店，太平洋规模太小，holys环境不好。而不类似的咖啡店呢，瑞幸是送外卖的，其它本地店面都是餐饮为主。costa和星巴克，其实提供的是一种场地时间的体验服务，咖啡是次要的，因此环境明亮，座位相对舒适，而且在人流量密集区域。从这点看，可口可乐，还是有野心的。
“Bumble本来的设计原意是打破传统异性恋爱关系中的性别角色，之后也扩大到有同性约会的选项。在Bumble上，女性是作为主导的一方。在同性的配对中，其中一方的人都可尝试作主动说话。另一方可在24小时内回应，否则这个配对便会过期了”，看到全天候统计的数据，来了兴趣，研究了下bumble，觉得很有意思。它的设计，实现了一种陌生人交往的方式，优雅的方式。细节的规则，很严谨，包括资料的人工审核、性别改变次数、配对规则、延时策略等等，都是为了平衡人际交往之间的度，很有意思。另外，计费策略也有设计，包括会员制、游戏内货币（嗯，这部分的设计，真的是游戏机制啊）等，也让它确实收获了经济上的回报。值得借鉴的产品👍
Bumble本来的设计原意是打破传统异性恋爱关系中的性别角色，之后也扩大到有同性约会的选项。在Bumble上，女性是作为主导的一方。在同性的配对中，其中一方的人都可尝试作主动说话。另一方可在24小时内回应，否则这个配对便会过期了
“有了峰值性能的数据，我们在写矩阵乘法和卷积运算这些计算密集型算法的时候，就有了一个理论上限。通过测试结果与理论上限的差距，评估算法的可能优化空间”，不错的文章，可以了解硬件架构与算法性能之间的关系，以及一些优化的思路。理论上来讲，算法写完后，转换到汇编时，应该由编译器提供优化能力，可惜编译器难以理解程序开发人员的意图，自动优化，效果不尽人意，需要手动调优。这是个苦活累活，也是检验编译原理+硬件架构熟悉程度的标尺👍
“游戏就设计出包含系统语音提示在内的一套庞大的交流系统，使陌生人之间的第一步交互非常顺畅”，很好的设计。本质上，语音提示，是一个代理程序，为个人自动执行某些动作。例如，我在开车时，如果使用导航的话，就会开语音，很详细的语音，听着他的提示前行，当然也可以不理他的指令而选择自己的道路，但依旧开着语音，因为我知道他会回自动重新选择道路。这种体验，比看屏幕好很多。更进一步，如果，设备提供camera能力，能够提供红绿灯切换时间预测、行人意图等等，那么就会更好，实现浸入式的驾驶体验。嗯，hud不一定比语音更好，很多时候，有些分散注意力。从设计上来讲，这种代理交互方式，可以用于很多场合，例如自动驾驶，也完全可以引入这种方式，实时告知人类，所有周边车辆的行动意图和结果。我相信，人类，会安心很多。AI也是这样，神经网络被认为无法解释，因此人们使用了很多可视化手段来尝试理解，这种视觉反馈，也是一种代理行为。
很好的文章。游戏关卡设计，确实很难，不过，还是有条理的。从游戏可玩性出发，关卡需要让玩家体验什么？然后划分区域，分区域设计，然后进行区域通路连接设计，最后，增加障碍等装饰设计。同时，要始终关注玩家当前的技能以及装备配置情况，不能太难，也不能太容易，要吸引玩家付费[Silent]。好吧，说起来容易，做起来难呀。我们做《刺客传说》时，关卡的设计，就相当耗费心力，当然，Arcade与rpg还是不一样的，但是原理相通[Sob]
“连结贝克斯菲尔德（Bakersfield）和默塞德（Merced）的线路将跨越加州最主要的农业区”，嗯，农业……，实际上，这倒是不错的想法。我们传统上，认为高铁载客，可惜，在美国长途载客不重要，汽车很方便。但是人还是要出行，那么，完全可以修正高铁的设计目标，变为载物。高铁可以直接承载汽车，干线高速运输，连接始发地和目的地，两端使用汽车，作为最后一公里的解决方案。自动驾驶没有成熟时，这是个好方案，就算成熟了，也是不错的方案，毕竟速度摆在那里。Musk的Boring公司正在尝试的地下运输管道，其实思路类似，Tesla在地面的特定入口，被升降机降至地下，进入轨道牵引系统，然后被高速运送到目的地，然后在上升到地面。嗯，与HyperLoop的思路稍有差异，HyperLoop是共享胶囊车厢，只传送人，而Boring和升级版的载物高铁，则汽车和人一起传送，更加合理。
“we have run those simulations thousands of times, and the deep learning algorithms are able to recognize which of the models best suit the data”，这是很有意思的一个应用，寻找人类进化过程中缺失的部分。从技术角度看，比较简单，因为dna的遗传规律，我们是已知的，可以用于生成数据，增强数据集，然后，形成一条可能的进化dna数据的序列，最后，进行分类，找到不符合现在已知模型的新模型。不过，倒是很有用，确实利用了计算机的强大能力👍
“1906年的改革已经奠定了现代美式橄榄球的基础，也将美式橄榄球从一个更注重身体的运动变成了一项更注重策略和战术的运动。1906年的会议使得多方协商成为了美式橄榄球规则制定的一个传统”，是，美国继承于英国，而英国本身就是现代民主和科学技术的发源地。英国议会开会，两党发言，不会面对面，而是面对一个中间人，即议会主席，即用第三人称“he”来指代对立党，而不是用第二人称“you”，目的是为了避免直接的冲突升级，从而理性辩论。嗯，他们有2本书很有意思，《罗伯特议事规则》讲如何开会，《如何阅读一本书》内容如题😄，都值得一读。科技方面呢，这种细化的精神被延续下来，细节是魔鬼，总有一套完整的备案和规则。哎，可惜我的橄榄球，在家放了几年了，也没有找到机会在深圳玩，只发现bluesox组织的棒球，还有些人在玩[Sob]
华为的这个AR眼睛设计，比较有趣，与手表结合。它，发现了可穿戴设备的结合模式，哈哈，手表作为引擎，其它外设做各种形态的配件，例如耳机、眼镜，也许未来还会有非可穿戴设备，例如体重计，这类非经常使用的设备，手表随时可以嵌入和拔出，很好👍
如果是C端应用的话，太复杂了吧
嗯，技术上倒是可行，通信走蓝牙ble，定义一套软件交互接口，就好。使用体验上么，很难讲，华为有款手环就是这样做的，取下来就是无线耳机，到也挺受欢迎。对于ar眼镜来讲，也许可以是一种增强，很多时候不需要ar功能时，就当普通眼镜用，没那么重，需要时再嵌入手表核心，😄
“根据点与点之间的关联关系，构建出来的网络，就是广义图谱”，这是篇有意思的文章，介绍了graph的来龙去脉，但是，部分说明，并不太合理。deepmind涉及到的attention和spatial-temporal，其实已经包括了对于graph本身的所有处理，即归纳和推理，其它的几个方向么，convolution可以看成是attention的一种特例，embedding和generative都是如何将其它对象映射为graph，和graph本身没有关系。另外，研究graph后，能解释deeplearning么，有些牵强，除非，将deeplearning的层次结构，映射为graph，但是这样的话，其实只是得到了另外的很多数值张量而已，依然无法解释。graph倒是很像fsm，这个也是周志华在尝试的方向。嗯，所谓解释，是指可控可更改，潜台词是参数要少，几十万个参数，是没有办法更改的。但这就意味着，只有在高层，才便于更改，底层的参数一定是巨大的。从这个角度看，其实注重高层推理的解释性，更加合理。这意味，可以根据高层逻辑，去寻找并匹配合适的底层，而不是一定要解释底层。猫和狗的共同点是什么？差异是什么？这些都是高层参数可以解决的问题，然后找合适的底层特征就好。
不是，CNN是强行把多维特征当作二维特征卷积，图卷积网络是CNN的泛化，可以在多个维度和跨空间上卷积，生物大脑是个天生的图网络
cnn支持多维核，它本身就是一个张量，只是我们在二维图像上用的比较多，例如医疗的三维体数据，和一维的音频数据，也可以用cnn处理，也可与用cnn处理。它本质上是反应临近信息的关联性，数学上就是矩阵运算，因此可以适应多维度。图卷积，我觉得是从另外一个角度来建立映射关系的，它是将输入的每个变量作为点，变量之间的关系作为边，因此，可以认为图卷积的核，是每条边一个（message passing），而不是cnn中的核参数共享。但是，图attention是图卷积的泛化，即可以指定哪些边需要核，如果所有边都有核，就变成图卷积了。嗯，我还没有看deepmind的论文，需要仔细看看他们的数学定义
“在线票务平台无论如何轰轰烈烈收入永远是票房的零头，天花板显而易见”，在线票务，不是一个好生意。内容制作与发行，风险太高，本身就不稳定。二道贩子卖电影票，利润微薄，可替代性强，就算稳定，也不值得去做。猫眼上市破发，很必然，港股投资者确实理性很多。如果，只是如果….，它能切入到票务销售系统，或者版权运营生态，也许会更好，前者是2B的垄断，后者是2C的持续消费。
“它从一定程度上说明了“直升机撒钱”对提振经济可能不是那么有效”，与目标有关，就业率作为目标，一定是消极结果。经济的发达，意味着社会人口的整体生存能力更好，但是人口之间的差距，会不会增大？这个不一定。很多时候，经济和政治制度，并不是为了提高gdp这个数字，而是让个人的心理平衡感得到增强。提高经济效率，可以用机器和技术，而技术的进步则需要靠人，特别是主动性。那么，在个人对未来更有信心的情况下，大概率会创造出更加有效率的技术手段，哪怕在家就业。这点上来讲，直升机撒钱，对于物质富裕到一定阶段的国家来说，是有意义的。
关于ubi有很多讨论，一个重要的考虑是缓解AI 带来结构性的长久事业和增大的收入差距问题
ai是一定会被引入的，它会提高效率，那么闲下来的人，怎么办？ubi是一个解决方案，毕竟货币还无法立刻消除。缓解，是的，但它也会引入很多有意义的副作用，例如新领域的发现
“假视频一般不会表现出眨眼、呼吸和眼球运动这些特征”，但是，3D面部重建技术，会加入这些特征的[Chuckle]。分析视频，其实是在分析逻辑一致性，例如，对方是人的话，应该要做出和人一样的行为，就呼吸、眨眼、颤动等，对方在环境中，要有一致的光源反应，例如阴影方向、高光位置等，这种环境中的逻辑关系一致，才会让人认为它是真的的概率很大。嗯，技术的力量就在于此，可以将这些特征分析，固化到程序中，快速给出答案。不过，face替换也有好处，至少可以保护隐私了，因为你不知道对方，到底是干啥的😄
“没有审美力是绝症，知识也解救不了”，😄。除去生活、尊重等等解读外，美感，其实是一种个体的感觉敏锐度的衡量。人类进化了这么多年，已经在基因中，留下了深刻的烙印，那些关于对称、平衡、危险、安全、开心、痛苦、惊讶的体验，无时不刻在影响着我们对于周围环境的评价，并反作用于自身意识。这，是个体，对于自身在时间维度上，长久存在的追求。概括而言，这就是美感。进一步来说，对于技术领域，也是如此。拥有美感的人，才能设计和开发出具有时间生命力的产品，而不是即将被抛弃的垃圾[Determined]
“Level 3 级别自动驾驶一直颇受争议，因为车辆在遇到困难时会提醒驾驶员接手。难道驾驶员没有回应车辆就该出车祸吗？”，sure，这才是真正的产品与技术结合的思路。看了看Aurora回答的一些问题，我喜欢上了这家公司，虽然他们到底实际能力如何，目前大家都不知道[Sob]。AI用于完整的驾驶决策链，而不是分拆为多个独立互不负责的团队，认真思考真实驾驶情况下汽车与人类的交互关系，这些等等的细节，决定了自动驾驶解决方案的易用性，而这也是Aurora真正引以为荣的特点，👍
“为了做完《文明5》，我连续工作了239天，所以根本不想再看那款游戏，担心自己这辈子都得在Firaxis设计‘文明’了”，真正创意者的生活，概莫如此。发现一个有趣的事情，进入一个项目，建立了目标，疯狂前行，然后，在接近目标时，突然失去兴趣，因为，未来已定，再无悬念，然后，在黑暗和痛苦中沉寂良久，看似迷茫，然而内心，却始终在寻找，那令人在起激情的新目标。游戏如此，生活如此，工作如此。愿，真正的创意者，在痛苦的人生中，砥砺前行。
“联合学习（FL）是一种分布式机器学习方法，可以对保存在移动电话等设备上的大量分散数据进行训练，是“将代码引入数据，而不是将数据引入代码””，想法很朴素，agent的思想并不算新颖，但是工程实现，是难点。就像他们说的解决了“与本地数据分布相关的设备的可用性问题，应对不可靠的设备连接和执行中断问题，在可用性存在差异的设备上对lock-step执行的编排问题，以及设备存储空间和计算资源受限等问题”，这个是可以被应用的现实问题。架构是通用的，但是根据设备的差异，可以衍生出不同的计算任务。有监督学习，会优先落地，包括医院、教育、安防、游戏、自动驾驶等领域。如果，再加入针对用户的激励机制，也许会更容易推广。嗯，要仔细看看论文，为什么采用同步训练，而不是异步训练？
联合学习（FL）是一种分布式机器学习方法，可以对保存在移动电话等设备上的大量分散数据进行训练，是“将代码引入数据，而不是将数据引入代码”
即以复杂方式（如时区依赖性）解决了与本地数据分布相关的设备的可用性问题，应对不可靠的设备连接和执行中断问题，在可用性存在差异的设备上对lock-step执行的编排问题，以及设备存储空间和计算资源受限等问题。
“牛顿、爱因斯坦以及一众天文学家联手保证，我们的太阳应该会按照这篇文章里所描述的过程走完自己的一生，太阳精巧而简洁的平衡几乎不可能被什么因素意外破坏”，😄。重元素核聚变的质能转化效率很低，为什么不采用轻元素核聚变呢？你看，太阳都是氢核聚变，我们用石头来硅核聚变，太浪费了。海洋中有大量的水和冰，不能搞来用一下么？而且，硅核聚变要3亿高温，太阳内部才5千，这温度怎么搞出来呀……如果我们采用核裂变，释放氧气和氦气，那能不能弥补地球停止自转导致的大气散逸呢？😄
“摸索前行必然在练兵中发生，对中国硬科幻电影而言，《流浪地球》正是一次史无前例的练兵跃进”，是，只有开始了第一次，才会有未来，才会建立体系和规则，才会有所谓工业化。人情味，或者说人力，是不可持续的行为，无法复制。但是，在此基础上，总结并归纳，然后建立工具，就可以做到可复制，最终，让技术为我们人类的思想所服务，解放双手。年前参加了很多工业互联网方面的交流，体会很深。我们的厂家，大量还在改造设备，工业数据上云，而以德国为代表的企业，则已经建立了比较完善的工业4体系，强调数字孪生，强调仿真，强调跟踪，强调反馈。确实……比我们的企业要强很多。但是，没有第一步，哪里来的进步？希望我们能够踏实前进，未来构造出真正可复制的工业化物质体系，以及人文精神！
“特斯拉 + Maxwell 的思路：把超级电容和电池并联起来用，急加速急减速用超级电容，电池输出平均功率，可以称之为电动汽车的新混动技术”，看起来，Maxwell的电池，能量密度比特斯拉大，制造速度比特斯拉快，超级电容比特斯拉厉害，那，特斯拉怎么不早些收购？只是因为特斯拉喜欢18650或21700电池技术么？或者，收购Maxwell只是为Semi卡车用的？
“消费者听到马斯克说特斯拉汽车是“完全自动驾驶”的，他们认为这意味着他们在使用自动驾驶时不需要注意力集中。“这就是我们看到的愚蠢的特技。””，嗯，技术人员的典型思维。注意力集中，其实是个伪命题，根据我的经验，只要不是自己在驾驶，都不会对驾驶时产生的车辆状况，集中注意力。我会看看窗外的风景，或者，思考下自动驾驶实现的方式，但是，当愚蠢的汽车，突然让我来接管汽车时，我是很愤怒的，你TM自己搞不定驾驶，突然帅锅给我，我TM就反应的过来么？从这个角度来说，自动驾驶的帅锅功能，一定不能是时间敏感的，不行就开慢些，停下来也行，然后，我自己在人肉驾驶呗。
看了看它的论文，设计挺巧妙的，只是调整了GAN的生成器部分。但是，重要的是两点，它通过单独的style训练，将高层的风格，抽取并记录在网络中了，而后通过不断增加噪声，生成不存在的图片。嗯，对于噪声的使用，是AI的DL中值得注意的地方，不仅可以提高训练的鲁棒性，也可以用于创造新的输出😄。要说缺点么，就是对于空间的理解不足，人脸也罢，其它物品也罢，都是处于三维空间，光照的影响很重要。算法中，并没有看到光源方面的考虑，这意味着，会有些不真实，特别是背景。
《深度学习》中，关于高维空间中的算法优化，定性分析了空间的性质，认为鞍点虽多，但梯度算法无惧，可以逃逸。哈哈，联想到《流浪地球》中的洛西极限，觉得很有趣。理论上来讲，空间计算，牛顿力学，已经解决了三维的问题，但是为什么还是会出现人类无法预测到的引力突变？这隐含着，需要更多维度的变量，参与运算。那么，在没有合适演算公式的情况下，能否将这种运动过程，模拟为神经网络的计算？去进行网络的推理？二阶导数Hessian矩阵的特征分析，可以揭示某些情况下的空间性质，从而推导出合理的解空间。对应到电影，则是，将所有行星发动机的参数，以及参数调整时间步长，引入到神经网络中，进行训练，提前终止后，可以按照网络中得到的输入、隐藏、输出的所有层次参数，严格时间间隔执行，不断调整所有行星发动机的运行参数。maybe，可以完美脱离木星😄
看到这里，越发有趣了。人类，发展了2套传感和神经系统，一套用于感知物理世界的事实信息，另一套用于感知其它人类个体的社交信息，大脑，则会融合这些感知，创造出最终的我们，或者说，意识。社交信息的感知和预测，对于人类物种的重要性，到底有多大？是进化中的协同，导致了人类社交感知系统的发展么？如果没有这样的社交感知系统，人类会怎样？推理之，如果要设计能够互相合作的robot系统，那么是不是也必须增加这些robot之间，以及robot与人类个体之间，的社交感知系统？看起来，因为个体力量的局限性，导致了社交感知的有用性，robot需要利用社交，请求其它个体，实现自己的目标，而这，对于robot的生存，可能意义巨大。这套架构，可以adas以及robot上加以尝试😄
很久就入手了《触觉引擎》，今日才开始看[Sob]，很好的书籍。特别是看到皮肤的触觉感知器时，真的是赞叹进化的奇妙。默克尔触盘，分布密度大，单个神经纤维控制，形变期间持续传送神经信号，用于感知物体的形状和纹理。迈达斯小体，分布密度也大，但多个小体构成阵列后由单条神经纤维控制，在形变发生刹那时触发神经信号，用于感知微小的摩擦变化，控制力度。帕齐尼小体，密度低，单独神经纤维控制，对于震动敏感，震动时会快速发送神经信号，感知外界变化，例如工具另一端传递过来的遥远信息。鲁菲尼末梢，分布很少，但对皮肤拉伸敏感，因此可以感知到肢体的空间位置。嗯，有趣的配合。物理形状、控制力度、周围环境、自身姿态，在这些传感器和神经纤维的架构下，完美组合，在经过脊髓和进一步的脑干、小脑、大脑，形成了触觉。前几天，看到新智元在讨论意识，那么，感知自我，应该是意识形成的前提条件吧。这套框架，倒是可以借鉴到设计中来，特别是ADAS和Robot😄
“参数包括材料充分凝固的临界剂量、树脂的光学吸收系数、容器的旋转速率径向投影强度、光敏材料的衰减等”，论算法的重要性😄。CAL是在DPL基础上改进的机制，是对于SLA的增强，他们的原理相同，但是与FDM的原理则不同。这个旋转成型的想法，很有创意，完美阐释了工程化的解决思路👍
这两天在看《深度学习》，著名的花书。看到前馈网络时，很有感觉。机器学习，特别是深度学习，使用了大量的数学运算，但可以发现，核心思想是映射，mapping，从一个变量空间，转换到另外一个变量空间，积分也罢、微分也罢、矩阵运算也罢，都是为了将输入映射到输出。大家都说数学工具的不足，导致深度学习难以解释，其实很多直觉的推理，还是有一定的数学证明的。只是，工程上，特别是计算机硬件实现上，无法满足严格的数值要求，因此出现了很多工程解决手段，包括梯度下降，包括relu、sigmod等激活函数，包括反向传播，都是在尝试尽可能和尽快地逼近答案。很有趣。嗯，感谢个推送的书，这是我很喜欢的抽奖礼物😄
“大型AI界资源集合现场，名叫Papers with Code，将所有的领域、任务一一对应，亮出了不同任务、不同数据集上的排行榜，每个项目都直接附上了论文和开源地址链接”，很不错的资源，以及想法。看了看网站，确实很全，但实现上，我估计，它应该不是人类编辑，而是自动生成的，即由paper衍生出所有元数据，然后以不同的ui形式展现。具体来说，首先，paper都是pdf格式，可以程序分析，而且格式标准，有丰富的tag分类信息，同时，也可以采用nlp算法，抽取出论文中不是很规范的信息，例如数据集、源码github等。然后，可以从github提供的rest接口，获得更加动态的数据，例如star数目、版本号、版本状态等。接着，网站代码，就可以生成不同口径的比较数据。最后，网站代码，将所有的这些数据，纳入到不同的显示模版中，包括大类、小类、列表、详情等页面，并提供排序、编辑等个性化操作，提供一个完整的网站。这样做的好处很明显，完全类似于搜索引擎，爬虫只要去爬论文就可以了，后继流程全部自动化，赞👍！我喜欢这样的自动化行为，减少人类参与，因为，人是最不可靠的因素。希望他们，愿意公开源码，就像《湾区日报》那样，让我们人类的交流，更加通畅😄
jetbrains开始进入jupyter的领域了。他们对于“愉快编程”的理解，真是无人能出其右，先不说传统的intension机制，就是这次的实时计算功能，就很有用，边写代码，边看结果，边调整参数，快速迭代开发，真是理想的浸入式开发方式呀。他们community版本提供30g空间3个并行计算，对于个人是足够了，而企业级的，就应该向他们付费。嗯，jetbrains没有推出standalone版本，而是web版本，原因何在？应该讲，data analyze需要的资源，本地大多数情况下不满足，那么使用cloud的服务，就是必然的。另外，网络速度也会越来越快，h5支持基本普及，代码开发，确实没有必要在本地进行。jetbrains，开始慢慢将自己，转化为cloud服务提供商了，👍
看到这条有趣的消息。比特币，被大家吹捧的一个主要特点，是加密、不可篡改、总额固定。但是这几点，在人类社会中，往往存在问题。秘钥的遗忘或丢失，会造成资产无法被使用，而总额固定，意味着可流通的数目，会持续减少。那么，对于货币来说，这是不适合的，货币需要被使用，需要适度通胀，通缩的害处大于益处。不可篡改，更是一个逻辑的问题，某个概念，其在某个时间点不能被修改，但是在某段时间长度的范围内，最终的含义，其实需要不断变动。因此，比特币的最大作用，是物资，价值收藏品，类似于文物，而不是货币。
“Empowering Developers to build, deploy and scale Websites, APIs & Microservices without needing to learn Kubernetes”，参加了KintoHub的技术交流会，收获了不少。这几年，微服务/无服务，概念开始兴起，但是到底如何实现更好？并没有标准答案，而利用K8S实现，就是一种结构化的尝试。KintoHub，设计很有意思，客户的服务代码，以及自己的运行配置，都基于github，从而提供了版本和协同开发能力；而服务的运行，则基于K8S，提供了运维阶段通用的解决方案，包括scale和cloud；在此之上，额外集成了整套的CI/CD、ABTest、VersionDependency工具，以及MongoDB、MySQL等数据库服务，从未为开发提供了完整的环境，这就是所谓Devops的概念。KintoHub希望开发人员，或者说企业，只关心自己的业务逻辑，其它的繁杂的实施细节，由平台来提供，很好的理念👍。他们人不多，在HK一个很小的办公室，都是老外，但我却能感觉到一种活力。说起来，西方企业的理念，与中国的相差很多，他们喜欢使用现成的服务，解决某些痛点，然后集成，创造出新的服务和平台。而中国企业，喜欢自己实现一套，各种坑都要踩一下，然后…..不知道了。怎么说呢，对于个人来说，学习的经历必不可少，但是对于企业来说，快速协同，才是更好的方式。而这，也是GitHub的伟大之处。也许，这是西方文化，对于规则认同的一种体现吧。
VIPKID将在2022年前实现盈利，届时，付费学生数有望达300万。截至2018年3月，VIPKID的收入22亿元，亏损从4.59亿元扩大至15亿元。目前已签下了63万名学生和6万名教师。
63万22亿收入，人均3千元学费。 22亿收入15亿亏损，支出37亿。假设广告占比40%，其它20%，人员40%，6万教师，人员14亿，人均2万元。
300万学生盈利，37亿收入，人均学费1200元。 一线城市占掉50%生源，150万学生，正常。
看到这幅图，我想起了合掌造。日本的合掌造，是一种屋顶特殊的建筑，大倾角向下，用厚茅草铺就，内部只有两层用于居住，外观极具辨识度，嗯，远观过去，就像一个大大的手掌，向下包裹着低矮的墙壁，却带给人安全和温暖的奇特感觉。它的创造，是为了解决冬天大雪压倒房屋的现实问题。我当时很疑惑，雪，有那么大么？直到看到这幅照片，我才真正体会到了大雪的威力。雪花，看似毫无伤害，但却是一种颗粒状的结晶体，在低温下会相互吸引，难以移动，从而越基越高，导致下层雪花被压缩，形成冰层，然后愈发坚固，支撑更大的上层重量。南极北极，也是如此形成，真是奇妙的大自然
“此前自动驾驶的商业模型基于这样一个假设：通过去掉驾驶员，每英里的驾驶成本会大幅下降，从现在的每英里2.50美元或3美元降至不到1美元，从而开拓出一个更大的市场机会”，这是个有趣的问题。无人驾驶企业，到底值多少钱？对于上市公司，对于初创企业，这都是投资人需要面对的问题。汽车产生销售，或者是客户购买新车，或者是替换旧车，或者是用于新的需求。理论上来说，美国，汽车存量市场巨大，新购车用户很少。中国，新购车用户巨大，换车用户巨大。这两方面，价格都是关键因素。而新的使用场景，则是无人驾驶的真正市场潜力，节省人工成本，就出现在这里。那么，车企付出无人驾驶的高额研发费用后，能不能收回成本，增加收入？这个是持久的投资考量，即所谓价值投资。不过，前期，让乌合之众发挥想象力，则是所谓趋势投资😄
“车辆可以在选择自己的驾驶轨迹的同时，更深入地交叉预测其他智能体的反应过程”，模仿学习，思路很简单，很早IBM在搞DB2时就提出了QBE（Query By Example）的想法，来自动生成SQL查询😄。不过，用处很大，是加速学习效率的有效方式。这里边的一个问题，在于预测结果的重要性，要进行评判。人类开车，模仿一段时间后，就会形成自己的开车方式，最重要的原则在于，我们潜意识中，知道，哪些行为产生的后果，可以接受，哪些不能接受。塑料袋可以撞上去，是因为碰撞的后果，对于我们没有太大影响，坑洼路面也是这样，不严重的坑洼，直接开过去，对于汽车没有太大影响。因此，人类开车，是不断在实时评估，并预测后果，然后提前采取行动。嗯，ADAS的算法中，我还没有看到这方面的尝试，即对于负面后果的评估并指导输出行为，是什么原因？理论上来讲，负面评估，有2个好处，一是不用穷举，二是可以快速适应新环境。Maybe，这个算法，下来自己搞一下[Chuckle]
流浪地球，广告很显眼，看起来是科幻题材，不知道有没有外星人，但最终，大概率是，人类的勇气和爱，战胜了一切😄。我喜欢科幻，硬核最好，风格么，蒸汽朋克/太空歌剧，都很好。有些疑惑的是，人类宇航服，为什么一定需要大大的透明头罩？camera能不能作为sensor？如果配置多camera，再增加目标检测技术，以及预测推理算法，是不是比人类的双目，更好？材料上讲，玻璃的强度，不如钛合金，视野上来讲，双目FOV有限。我更喜欢《莫斯科陷落》中，外骨骼方式的太空服，实用而漂亮，俄罗斯人的创意，真是非凡！
“Life Loss启发式技术可以提高一些简单游戏的性能，但是Bellemare等人指出，它阻碍了其他人的表现，特别是因为智能体无法了解失去生命的真实后果”，这是个有趣的想法，LifeLoss，其实就是不断在增加权重参数，试图让训练时，避免引发死亡的操作。如果直接关闭的话，也许会缺失了一些探索路径，毕竟，风险伴随着机遇，微操很重要😄。这个强化学习框架的想法，也是有趣，google希望大家别发明轮子了，直接用现成的，不错。如果ALE替换为其它环境接口，倒确实可以用来训练其它的算法和模型。嗯，算法和模型做成可插拔的，也算是一种container的思路吧，哈。嗯，如果，dopamine框架，在增加streaming的支持，就更加实用了，期待ing
伍尔特11th摇滚音乐节，很燥的活动😄，重型机车开道后，重金属音乐……响彻云天，震耳欲聋，激情澎湃，嗨翻一片！这是荷尔蒙的力量，是嘶哑的力量，是呐喊的力量！几个乐队，各有特点。晨风夏，音乐风格多变，舞台表现则单一些；4U，音乐风格单一，就是臊，舞台却活力无限；瘢痕体质，音乐多变，可抒情可喧噪，信手拈来，对于现场互动的把握，很有经验；灰子夏，文化气息太重，痞子风格，玩世不恭中，却处处尊重世事规则；根据地大乐队么……有钱！很开心，参与了一场不错的摇滚节日。不过，深圳的摇滚氛围，确实弱了些，现场观众不多，还有人…..捂耳朵！捂耳朵的话，还玩什么摇滚呀[Sob]
我喜欢Elicia Edijanto和Karl Martens的画。Elicia的一幅画中，巨大的水牛，站在你的面前，凝视着你，一言不发，giant but silence。这种感觉，西方有个科幻作家，发明了被称为“DMO”的名词，来描述它，Dummy Massive Object。你不知道，它在想什么，但是，你知道它，是有智慧的。电影《降临》中，对于外星飞船的刻画，就深受DMO文化的影响，引人入胜。Karl的画，对于飞翔的鸟儿，有种奇怪的偏执感，他一定要展示鸟儿，在空中扭动身体旋转羽翼的形态，而不是其它观察角度。这种想法，很有趣，而这种动作，也是我喜欢的操作，尤其是在游泳时，😄。绘画，真实性次之，展示自己的扩张思维，是目的，国画如此，油画，亦如此。
特斯拉的AI芯片。专利没有详细看，只是从这篇文章看，有些意思。AI的推理，以及强化学习，按照目前的算法，确实是大量的矩阵运算，传统的CPU效率低下。GPU当然可以一定程度上解决这个问题，但依然存在无效操作，它本身是为了图形渲染而设计的，没有考虑到DL模型的特点，例如高的稀疏性，而且Pipeline固定，看似并发+流水线，可以提高效率，但是细节上很多步骤是没有用的。FPGA呢？解决了硬件的定制化的问题，然而贵、浪费严重。特斯拉的方案，最有意思的，是“非连续数据访问”内存读写，因为传统的优化方案，基本上只考虑运算能力，而冯诺伊曼体系结构，决定了内存访问，是很大的时间瓶颈。那么，直接通过硬件开关，而不是微程序，来实现内存读写，会大大减少时间等待，去除多余的指令操作。嗯，特斯拉的这个方案，倒是一个通用的AI解决芯片，不止用于ADAS领域，👍
“戴姆勒正式宣布不会优先考虑队列形式技术，因为在现实世界中进行的整车测试节省的燃料没有预期的那么多”，这是个有趣的技术。传统燃料动力，加油刹车，会消耗额外的燃料，因此列队行驶，目的是为了让后面的车辆，跟随头车，取消很多无意义的加油和刹车行为。嗯，打个比方，就像星际中的微操，APM要高，精细控制所有卡车的行驶。问题也在这里，EPM有多高？AlphaStar干掉人类，APM其实并不如人类，但是EPM高一些，这样会去掉无效操作。那么，这就是战略的意义了。卡车编队，也是这样，头车其实可以更好地进行战略规划，例如预先判断弯道、预测红绿灯切换时间，然后让车队提前加速和减速。从这个角度讲，自动驾驶在车队行驶上的意义，更大，普通人类的微操，确实比不过算法。当然，电池动力汽车，刹车时还可以回收刹车动能用于充电，这就是额外的收益了😄
“DeepLab系列用ResNet来提取图像特征，增加了全连接条件随机场（CRF）作为后续处理步骤，能捕捉图像中的局部和长距离依赖，优化预测图，还引入了空洞卷积”，很喜欢DeepLab的设计，平衡了运行效率，以及结果的准确性。AI模型，越来越细化，也许AdaNet这样去的AutoML，才是更好的探索方法。
MusicCommonFestival，现场有演者，弹奏吉他，节奏强烈，技法娴熟，扩音器传出的声音，在动感的韵律间，曲调清扬而又委婉，不禁让淹没在嘈杂人群鼎沸中的我，产生出宁静的感觉，相当奇妙。间隙，和演者聊了几句，才知道这种技法，名为 Finger Tapping，混杂了 打击、弹拨、揉弦 等多种手段，能够为吉他，赋予小型乐队的表现效果，👍！可惜，长久以来，兴趣全部投入到技术领域，我，早已荒废了那大学期间的吉他能力[Sob]。同时，还看到了Monster，我很喜欢的品牌，他们在免费赠饮，不错！
“MaNa打了一场非常精彩的游戏，似乎发现并利用了AlphaStar的一个弱点——但是很难说这个弱点是由于摄像头、较少的训练时间、不同的对手等等，而不是其他agent”，最后一局，MaNa打法比较踏实，大力建造资源，被动出击，集中力量将AS的进攻化解后，立刻侵入AS的本营，从而赢得胜利。这是种典型的防守反击做法，AS的对抗训练中，估计很少有这样的极端化数据。博弈情况下，极端策略该如何应对？可能也只能采用极端策略，或者生产效率更高。有些像冷战，核武战略，大家都做好了“一次被动损失+二次毁灭对方”的准备，反而僵持了下来。然后呢？意志不变的情况下，生产率是科技的进步，大概率会打破平衡，偏向进步更快的一方。嗯，这些与AI算法无关了，而是博弈策略推演😄。这篇文章，AS提供了很多细节的考虑，例如FPS与输出速度、Camera接口的实现、自我训练的重要性等等，很有意思，不愧是工程Google，👍
“神经网络给每一个智能体的权重，也是随着强化学习过程不断变化的。而不断变化的权重，就是学习目标演化的依据”，这个多Agent任务的制定与解决，是AI真正有价值的地方，可惜，目前还都是人工设置。AlphaStar的模型很有趣，hassabisi提到的超长序列模型，深度LSTM，确实是平衡时间因素的有效手段，只是，模型参数会需要多大的存储空间？人类的大脑，海马体的功能，到底对于记忆，有什么作用？会是一种更加结构化的神经网络模型么？有趣的世界……
白蛇缘起，是追光目前商业化最成功的动画片，而且保持了高水平的技术，一如既往，还去掉了3d而保留2d版本，赞王微👍。片子画面细腻，场景绚丽，特效惊艳，故事也还过得去…..虽然人物表情还稍显呆板，但这其实是水墨风格+真人造型+技术限制下的妥协，可以理解，纯卡通就不会有这个问题了😄。故事和剧本，是这次的亮点。王微前3部动画，故事老套，剧情难以带入，不受追捧，是必然的。抛离自己不擅长的编剧，回归到企业方向的把握上，对于王微来说，算好算坏？也许，商业上的成功，但他内心是痛苦的吧😄。我很喜欢白蛇妖化后的造型，白色身体，配合蓝色的鳞片，晶莹剔透，威仪感十足，而又充满了神秘的诱惑，赞叹追光的设计！
“但YOGO更倾向于自适应的“启发式算法”，让机器模拟、学习人的反应能力，从而获得更灵活的判断力”，嗯，就是传统的控制论方法，简单有效，但适应能力不高，适合于环境变化少的场合，倒也符合办公楼送餐的场景。其实，DL与控制论的结合，挺好的，没有必要只取其一。不过呢，和人一起做电梯，效率太低了，更好的方法是，无人机，自己从楼梯，或者每层的消防窗口飞进去。但是这套系统，设计上结合了派单、物流和收单，整体的订单校验流程，是有的，可以防止人为错误。无人机的安全性，始终是个问题。但我还是喜欢无人机，简单轻便优雅的解决方案。
“他目前正在对冲基金公司英仕曼的Man GLG部门工作，是一名定量研究员”，好吧，这还真是定量研究需要擅长的领域，熟悉工具👍。在线编程，在AI时代被广泛使用，Jupyter眼光不错。Jetbrains最近也推出了Datalore，与Jupyter有些类似，当然插件还没有那么多。很多云存储商，一直尝试在AI的云端训练上发力，那么推出自己的在线编程平台，也应该是顺利成章的事情，but，很少听说有厂家这么做😢。数据在哪里，运算就应该在哪里！那么，通用的编程平台，存在的意义是什么？API网关，存在的意义是什么？微服务么？
“猿辅导是最早加码1对1模式的公司之一，现在却放弃了当初的业务布局，其原因可能是1对1模式获客成本过高”，作为平台，小众模式，不会带来可复制性，不是目前主流的投资人观点。教育的个性化，理想很好，但是与货币化的结合，很困难。工业化革命以来，标准化/流水线，是人类进步巨大的基础。互联网时代呢，资本沿袭了这样的观点，希望高速复制和快速拓展，对于标准化和流水线流水线的要求，进一步提高。个性化的内容，归入了创意产业，那么意味着投资回报率的降低。未来呢？这种趋势依然，即使是创意产业，也是平台赚钱，工具次之。maybe，这就是风险吧，就是概率论的世界规律。
“每张图，都用蒙版标注出了显著对象，也就是前景，还用边缘检测算法获取了轮廓”，这个的标定，也可以用算法来做😄。算法，看起来简单，但是细节很多，用到了CV的很多概念和处理技巧。先定轮廓，修复之，再基于轮廓，修复图像。GAN的使用，和参数的逐步调整，则是为了能够得到有意义的结果，算是工程的妥协手段吧。赞一下👍
“神楽坂雅詩在B站上传了一段教学视频，0基础就可以学会如何使用GitHub，如何Fork下来加好自己的内容再Pull Request，实现分布式女装”，介绍的还挺详细的😄，nice！Github的开发方式，挺集中化的，这个PR流程就是典型。嗯，与智能合约的对比，很有趣，去中心化的协作，会造成什么后果？理论上来讲，PR的审核，取决于所有者个人，而智能合约是想将它变成代码。如果，智能合约，不仅仅是代码，而是一个需要人类参与的投票过程，那么，其实就是PR了。简单而明确的规则，适合固化为智能合约，而复杂的难以表达的逻辑，则适合PR。两者的结合，会创造出创造出一个变化快速而相对稳定的系统。
JS和Python慢慢统一开发环境了😄。已经有很多这样的框架，提供JS和Python的硬件环境开发，例如Ruff….。不过，Lua会不会更好？它也是解释型，缺点在于需要一个好的IDE。我倒是喜欢Rust，编译型，性能高，语法也很简单，也可以扩展，有好的IDE，开发非常舒服。
Mortal Engines，中文名称，掠食城市，很有意思的片子。我很喜欢它的世界设定。机器，蒸汽时代的机器，比AI时代的机器，简单而稳定的多。因此，当人类遇到困难时，科技的发展，会退守到大工业革命阶段😄。然后，科技的进步，也有了自己的突破，片中的巨大车轮和悬浮城市，反而达到了我们目前的科技无法媲美的高度。较真来讲，片中的机械，太不坚固了，设计上存在天生的bug，天空之城的飞船坞，丝毫没有考虑过碰撞发生的概率么？这不符合工程呀……。片子中，隐喻也很多。山国，巨墙之后的聚集地，明显是东方人类的特征，夹杂着西藏、印度、日本的文化，而伦敦，就是典型的西方人😄。另外，对于美国的讽刺，很深，片中的终极武器u盘，一分为二，后半部分上面印有USA，前面的盖子，则印有MED，嗯…..合起来，就是毁灭人类的美杜莎计划。我喜欢这部，蒸汽朋克的，反科技反战争反乌托邦，的片子
“他们所坚持的梦想和事业，能够带来积极正面的影响。这也是我们为什么要举办创造者大赛的原因：发现、赋能、奖励那些正在积极应对我们所面临的巨大挑战和问题的团队。”WeWork首席执行官兼联合创始人Adam Neumann在台上说道。
“在训练过程中，我们用一个输入凸 (input convex) 的神经网络来表达系统表达复杂的动态特性；在控制与优化过程中，我们就可以将训练好的神经网络作为动态系统的模型，求解凸优化问题从而得到有最优保证的控制输入”，不错的论文。本质上，控制论的解决方式，是在预定义模型的基础上，实时解算控制参数。那么，模型的正确性，就相当重要，而这，也是分段式模型的广为使用原因，它可以将复杂问题划分为多个小问题，逐个求解。那么，DL能不能做控制？当然可以，但是要加限定。文章的方法，其实就是增加了限定条件的DL。隐藏层连接参数非负，保证一定是凸优化，可以收敛到局部最优点；输入层直接连接到隐藏层和输出层，保证了模型不至于训练过度；而输入层可以接受负映射，这其实就是所谓反馈。那么，控制论中模型在哪里？文章其实采用了预训练模型的方式，先得到一个基本模型，然后让ICRNN网络进行训练，调整模型参数。这个过程，也是RL强化学习的过程，可以一直运行。而这，就是控制。明显，预训练模型，是基于MCMC马尔可夫链蒙特卡洛的思想😄。有一个疑问是，RL过程的输出调整速度有多快？能不能保证实时控制的要求？嗯，不错的想法，思路很简单，但是实现很伟大。maybe，波士顿动力，也是这样控制机器人的，因为他们就不写论文[Sob]
参加了GenesisBlocks承办的Ergo项目的技术交流，认识了几位俄罗斯的Geek，很有意思。Ergo的想法，比较独特，并不想成为包罗万象的Blockchain，而只是想，安安静静地做大家喜爱的资金，或者说货币，SmartMoney，如同Bitcoin，但是更好。俄罗斯人在这个问题的思考上，还是比较深入的，PoW防ASIC共识算法，还算普通吧，有特色的是两点。一是不提供图灵完备的合约语言，而是通过多个transaction之间的配合，实现loop功能，比较有创意。二是fee的设计，采用了storage的度量方式，而不是以太坊类型的cpu计费，或者比特币类型的network计费。嗯，有些类似银行的保险柜，需要预先支付使用费用，定期续费，资金不足时，则回收保险箱。理论上来说，可以让区块链存储的内容，不会无限增加，垃圾数据会因为无人付费，而在一定时间后被销毁。这是有意义的，区块链目前宣扬的不可篡改，实践中的意义不大，cancel/delete/reuse，是高度结构化的社会，必不可少的行为。另外，我也感觉到了香港的适应能力。过去我们认为，它落后于内地的技术，但是，区块链的使用上，HK已经走在了前列。门口，就是加密货币的ATM，法定货币与数字钱包，随时可以兑换，相当简单。墙上，则赫然贴着中本聪的Bitcoin白皮书，彰显不愿意被控制的精神。这些……都可以算是HK的一个特质吧。
地铁上看到了“伐木累”，哈哈，一开始想了半天，后来才明白，原来是英文中说，这是件很有意思的事情。语言，或者说文字吧，可以分为表音和表意两种，汉字/英语是表意，韩文是表音，日文两者兼有。平假名记录了大家已经熟知的含义，片假名则用于外来语，用于表达少数人先了解的信息，并直接用来源语言的发音记录，以解决现有的语言和文字中，没有对应概念的问题。这，本质上，是一种加快不同的人类群体间，信息沟通和交流的方案。汉语，近代以来，明显开始采用这个思路，特别是英文的名词，除了直接意译，也可以转换为发音，进行转录，此时，这些文字，从逻辑上看，就是片假名。语言，本就是动态过程，目的是为了交流。maybe，未来，这种更具交流效率的日语式表达，会更加普遍。
参加的这两场交流，比较有趣，IPFS和MongoDB。IPFS目前是区块链的热点，不仅仅是试图解决存储问题，更在于通过Filecoin给参与者规划了经济利益上的前景，因此参与者众多，大部分为销售与市场人员。MongoDB作为NoSQL的一个代表，在数据分析相关的存储领域，比较实用，很多企业已然采用，参与者很多是运维，技术人员居多。都是为了解决数据的存储，但由于技术方案的不同，导致氛围迥异。IPFS参与者基本上，都想赚钱，而许多厂家这阶段的策略，是提供工具，例如各种矿机，更进一步，提供矿机的管理工具，风险尽早转移😄。MomgoDB则是在探讨如何省钱，在保证Avaliable的情况下尽量少用机器，或者，如何提高可用性，在高性能下尽量做到好的网络架构。大家在绞尽脑汁，解决遇到的问题😄。Maybe，未来两者可以结合，不知道IPFS能不能做到企业级数据库的访问要求？理论上来讲，可以，IPFS的实现，可以替代MongoDB的高可用性实现方案，在小范围时😄。另外，IPFS会议上发现一个产品，SarahOS，比较好玩，是一个分布式的任务调度框架，目前用于矿机管理，但是不局限于此，还可以用于其它数据分布式处理，例如AI训练/CG渲染，与TC上遇到的的CoTNetworking产品，有些类似，很有趣。
“每个组件就代表一个算法模块，框架根据所有预定义的组件生成有向无环图 DAG。运行时，框架把融合好的传感器数据，以及预定义的组件打包在一起形成用户级轻量任务，调度器根据资源可用性和任务优先级来派发这些任务”，Apollo的架构设计的还不错，可以扩展，支持重用，支持工作流，并在编译阶段，或者校验阶段，发现错误，减少运行阶段的错误。比较有趣的是，Apollo对于V2X的处理，会直接透传到OBU，不经过CyberRT框架，也不经过ASU处理，则意味着，V2X的优先级比较高，可以抢占车内自动驾驶的决策，甚至人工操作？这个应该不合理，降低了安全性。很多时候，好的系统，或者说，Adaptive的动态系统，应该是自主决策的，外界信息只是参考。对于V2X来讲，也是这样，它应该只是一种sensor，都需要统一被算法去决策和调度。
GenesisMerrychrisT2o19
“而中国程序员似乎都不怎么使用 stackoverflow，所以中国程序员都去哪了”，嗯，csdn和segmentfault，是国内程序员的大本营😄。不过，duckduckgo也墙了，请科学使用。上次参加spring的交流会，有位架构师，很认真地问我们每一个人，我们用不用google？能看得出来，他对于baidu的不屑[Chuckle]和google的喜爱。这样的开发人员，国内太少了。有次参加物联网开发交流时，Techlink的FAE就不客气地指出，国内开发者不看文档，屁大的问题，也要问厂家，而且反复问，厂家很烦躁。国外的开发者，则很少问问题，但如果要问厂家的话，则是一个长长的列表，请厂家解答。他们很多人就看文档，然后，过段时间，他们的产品就可以跑起来了😄。怎么说呢，除去万恶的资本家因素外，是否愿意，对问题，进行深入的理解和思考，是核心的原因吧。嗯…….套用一个段子，人生苦短[Determined]，我用Python！
“有将近20%的千禧一代不知道他们的配偶/伴侣收入是多少，同时有28%的人在婚姻生活中倾向于AA制”，这很好呀，财务本来就是私人的事情，婚姻也不例外。很多时候，经济上的持续付出，会让付出一方觉得不平等，然后在多次冲突后，走向破裂。每个人，都应该为自己负责，特别是经济，这样，人与人之间的交流，才会平等和自由
“因为相对方位并不靠谱，史教授选择了计算机算法中最直接的greedy approach，也就是沿着一个方向开，直到距离不再明显变小（这是说明我们前进的方向已经几乎垂直于我们和目标之间连线），就转到垂直方向的街道再继续搜寻”，很好，这家伙是搞计算机的，哈。路径搜索，是计算机数据结构和算法中的经典问题，A*算法就是这样的一种贪婪算法，静态网络常用。嗯，这个事情，与AI技术关系不大，虽然他是人工智能的研究专家。不过，倒也证明了他的计算机基本功，很扎实👍。AI中的很多算法，用于解决梯度下降时，本来就会有采用各种传统的算法，进行逼近。除此之外，就是各种用于评价的算法，以及合适的数据结构。AI技术本身很简单，但DL被戏称为炼丹，和速度太慢有很大关系，深度学习的参数调优，太无聊了。因此，好的算法，很重要，可以让我们获得好的 时间复杂度 和 空间复杂度。
谢谢辉哥。是，物联网会在19年火起来，18年底已经看到很多造势了，我参加了很多这样的会议，哈。但是文章的介绍，不够全面。除了NB、LORA，目前还有BLE、Zigbee、Wifi都在抢占市场，wifi工业互联网用的多一些，zigbee在家居多一些，BLE刚开始，一些表读、零售、医院，会采用BLE的mesh组网。NB的问题是，功耗其实不低，无法频繁交互，对于运营商来说，NB只是一个稳定收益和政治任务，他们按照物联网卡收费，还是年费，有数据统计总共是2亿收入，收入占比太小了，不知道能支撑多久。LoRa不错，虽然国家管控，但是用的人多了，也就成事实标准了，有些工业互联在用。为了降低风险，很多解决方案是BLE+LoRa，或者BLE+Zigbee，2C市场的玩家，很少玩NB的。另一方面，对于实际使用环境来说，完全的边缘独立，其实是很有必要的，云会慢，也会断，但是智能家居，不能不受控制，响应速度也要快。因此，现在已经有企业，提供纯边缘控制的解决方案，相当于局域网，边缘云。我自己一直在分析这个物联网的市场，尝试提供AI+IoT+IOTA的结合产品和解决方案，思路有一些，但是还需要深入思考，和了解产业😄
“看来在所有以C进行开发的调查对象中，有48%的开发人员放弃了所有单元测试框架 。与去年相比上涨了18%。相比之下, C++开发人员今年的放弃率飙升了20%”，嗯，主要是太难用了，VS提供的Native Unit Test的工程，还算好用吧，上次都有朋友搞不懂如何使用。不过呢，还在用C和CPP的开发人员，或者是嵌入式领域，或者知识结构老化，对于他们来说，要么没有单元测试的意识，要么开发能力受限而忙着解决bug[Sob]。Rust倒是很好的语言，也有人在用Rust做Fullstack的开发，挺有意思，下来试一试😄
“基于周边服务的整合，语音系统已经可以开始预判用户的需求，并帮助用户做出预判。例如用户语音搜索目的地电影院，系统除了快速弹出电影院推荐、结合导航时间进行场次推荐外，还能直接帮助订票、选位”，这是愚蠢的服务[Pooh-pooh]！也是技术上比较简单的实现方式。语音，最重要的，是理解对方的含义，而不是猜测对方的意图，然后自作聪明地提建议。开始，会新鲜一下，后面就会厌烦。再比如，如果和语音bot对话时，不要总是“小爱”“小飞”“小冰”“hey”…..一堆肉麻开头，我会舒服很多。所有这些，其实都是技术无能时，不得已的解决方案。作为技术人和创业者，我理解厂家的苦衷。但是，真正的创造者，一定会想法设法，去改进不合理之处，而不是沾沾自喜和跟风那些无聊的行为。
“Many have opined that IOTA is the future of the Internet of Things. With different partnerships sealed by IOTA and its readiness to reshape the IoT industry, there is no doubt that the blockchain platform is the father and future of IoT”，👍，IOTA的最新项目大赛，结果出炉！区块链，到底能做什么？很多人一直在思考，金融？供应链？这些领域，传统的系统一样做的很好，所谓信任，很多时候并不需要，特别是，市场参与者力量并不平等时。不过，IOTA的创建者，从他们选择的获奖名单中，我发现，他们对于这个问题，有清晰的认识。前三名，超级集装箱货轮的货物周转、贫困干旱地区的水资源分配、城市中构建移动电源的充电共享网络，都有一个共同的特征，即需要在力量均衡的参与者之间，进行博弈。后面的其它项目，则在博弈的属性方面，比较薄弱，例如污水检测、碳排放交易等等，其实完全可以用中心化的系统去解决，因为这些场景下，利益的流转，是一方大于另一方的，那么需要获得利益的一方，有较为强烈的妥协意愿，这会导致，信任很大程度上，是单方面的。可以认为，博弈，才是区块链落地的社会基础，而不依赖于个人的机器运行，则提供了数据基础。这，就是IOTA设想的场景，也是IOTA能够得到较好实施的领域，即，基于机器交互经济M2M的未来个体协作社会💪！我很期待它的到来
Many have opined that IOTA is the future of the Internet of Things. With different partnerships sealed by IOTA and its readiness to reshape the IoT industry, there is no doubt that the blockchain platform is the father and future of IoT
“2019年出现系统性指数投资机会的可能性不高，因此不推荐被动投资策略。在他们看来，采取变色龙般多样化、灵活的投资方法，将能够在变化的世界局势中取得卓越的投资成果”，与此对应，灵活多变的策略，也加大了市场的波动率，让收益变的更难。好吧，又看到了索罗斯的反身性。嗯，赚钱的秘诀，高风险投资，在于头寸和对冲，中等风险投资，在于耐心和趋势判断，低风险投资……买国债呗，在于对贪欲的控制😄。波动大的市场，通过技术手段来操作，会降低一些风险，但是玩家都开始技术后，市场就会变的更加波动，通过震荡kill掉一批玩家，然后恢复到波动小的阶段，周而复始。因此，研究下VIX的历史数据，也许可以指导被动投资😄
@ian L. 灯光得运用，很有意思 不仅仅是show，也具有功能性 汽车，已经有会很多厂家，尝试用灯光，来动态变化，如，跟随路面，避免照射对方驾驶员，等等 城市也需要这样 深圳有很多可变道路，当前的方向提示，放置在道路入口处上方，很小的指示牌 结果很对驾驶员，看不清这个，导致可变道路上，很长很时间会是空的，害怕罚款😄 如果，灯光可以指示方向，一直投射在路面上，就会好很多