Some notes sometimes I thought
20190430
这也是个有趣的事情。MasterCard应该只是提供技术支撑服务，包括清算，苹果是终端，而高盛的作用，最有意思。要知道，高盛可以看作是世界上最大的软件开发公司，据称有数万名软件开发人员。如果只是简单的贷款业务逻辑，苹果自己完全可以搞定。那么，也许存在复杂的金融衍生产品，是高盛针对这个业务设计的。金融的核心，是风控，而各类衍生品，除了提供更多标的外，更重要的作用，是提供风险分担，分担到更多个体，分担到更长时间。即使有次贷这样的现象出现过，金融衍生品依然有需求，而高盛，则是个中高手，撮合交易方，用自己的智慧赚钱，很好😄。如何分析和监控金融风险？技术手段就是重点了，人力不可为的。上次参与Oracle技术交流会，认识了松鼠科技的朋友，他们利用图数据库，来尝试解决复杂金融领域知识图谱的问题，很有趣。那么更进一步思考，图，Graph，作为通用性的数据组织结构，除了存储结构化的信息外，运算，也会成为值得研究的领域。而这，也就是近来图计算热度不减的原因，它相对传统神经网络来说，适应能力更广。逻辑上，图结构，可以看成是超集，而现有神经网络结构，则是图结构的子集，或者说，是稀疏形式😄
“成为在工作领域中特别的那个人，也许正是这些压力支撑着我达到了原本不可能达到的标准”，我挺喜欢她的。黑寡妇，在漫威漫画中，其实比较复杂，电影进行了不少简化，但是女性的细致，与暧昧，和决绝，却一分不减。这，漫威角色的一贯原则，就像美队的原则，钢铁侠的远见，无不令人诧异于人性的多变。而这，也就是漫威的核心魅力吧。
这次的时间机器，解释不错，与剧情配合的很好，也…..符合逻辑。我们对于时间这个维度的理论解释，始终有个假设前提，即时间无法逆转，你无法回到过去。好吧，这个根据观察而得到的朴素前提，难倒了一堆人，平行宇宙/虫洞……各种理论层出不穷，试图解释“你回到过去改变了未来”的逻辑。妇联4，则不同，核心点只有一个，物质不变。此时，时间可以倒转，一个人回到过去，意味着现在已经不存在这个人了，他作为一团物质，在时间这个轴上，移动了一下。因此，过去的灭霸，顺着时间机器来到未来时，意味着过去的灭霸，作为一团物质，不会再在“过去”和“现在”这个“时间段”范围内，出现了。而他在现在被毁灭，也意味着这团物质被分解了，不会在时间轴上移动了。有趣而合理的逻辑😄
“通过时间方向上的扭曲改造频谱图，及时修改、屏蔽连续频率频道块和语言频道块。这种扩增方式能让神经网络更强健，帮助抵抗时间方向上的变形，也会防止频率信息和语音片段信息丢失”，核心思想很简单，就是增加噪声。不过。google的做法还是很有创意的，直接处理中间数据，而不是模拟原始输入，会减少模型训练的时间。嗯，标题有些误导，波形本身就是一种图形的概念，是我们对于物理世界的建模。数学，真是人类思维的高度抽象，例如图形的坐标系，在数学上的定义，只是符号而已，可以替换为任意可解释的语义上下文，但并不影响具体这些符号的公理体系和演算法则。当然，这些所谓的演算法则，也是要定义的，因此我们才有了群论这样的思想结晶，赞👍。例如，针对DL来说，CNN经常用于图形分析，但是它本质上是一种归纳特征空间的方法，简单而有效，特征本身可以被任意解释，并不影响kernel建模方法。而这，就是数学思维😄
“通过时间方向上的扭曲改造频谱图，及时修改、屏蔽连续频率频道块和语言频道块。这种扩增方式能让神经网络更强健，帮助抵抗时间方向上的变形，也会防止频率信息和语音片段信息丢失”，嗯，核心思想很简单，就是增加噪声。不过。google的做法还是很有创意的，直接处理中间数据，而不是模拟原始输入，会减少模型训练的时间。
这是有趣的对比。DSRC一直市场推广进展不大，全球都是这样。那么韩国定位V2X基于什么标准？估计是LTE-V2X，不会是C-V2X。另一方面。韩国的这个设计，意义是什么？手机调整汽车运行参数，即使这些参数并不是关键的运行参数，目的是什么？什么场景下会使用？车载端，比较简单，提供协议转换设备就好，例如T-Box，而文章中的参数，也和线控无关。而车内中控，一定会有这些仪表控制，为什么还需要手机？我真的没有想明白，韩国的这个设计，意义何在[Sob]，除非，他们在为自动驾驶做准备，Infrastructure接管汽车。但是，全面接管，是危险的，汽车需要有自己的独立行为决策，不能完全受制于网络
20190421
备课授课产品，需要一个视频，来解释我们的想法。 创意如下： 空中浮现一个立体三角，旋转。 少年走入，三角出现勾股谜题。 少年沉思片刻，风起，人已动。 先是街霸中大门的“好要跟”， 再是阿里的jab和stragiht， 然后是泰森的hook和uppercut， 接着叶问的咏春， 最后是bruce lee的侧腰旋踢，接摸鼻造型。 而三角在一连串的攻击中，旋转平移缩放分割组合 勾股的定理被演算。 几个大字出现，少年强则中国强。
20190420
小波分析，来作为特征提取的一部分，很有趣。 恩，小波分析作为自编码器，将输入转换为隐变量， 然后提交给网络，进行训练。 自编码器的输出，可以类似一个图形， 也许是二维，甚至更高维，然后用cnn进行归纳。 那么，可以将不同情况下的小波参数与 信号量的映射关系，进行充分分析，找到规律， 避免遍历。
但是，数据不全会导致特征向量的极度稀疏， 这会让训练变得病态，病态模型，同时会导致训练效率低下。 pca主成分分析，是一种压缩稀疏矩阵的方法， 利用旋转矩阵，进行坐标转换，容忍一定损失， 降低特征维数。
ML与DL，哪种方案对于手势识别更好？数据量 是个关键问题。无法采集到大量数据时，ML更好， 直接分类。但是数据，也许可以模拟生成。 手臂肌肉可以建立物理模型，然后仿真运行。 此时可以生成任意多的样本数据。 这种采样，与也许不能使用蒙特卡罗方法，因为 无法随机，特征间有关联关系，但是物理模拟则可以采样。 然后，对于采样数据，用DL训练，会得到结果。 DL也许可以解决不同人的手臂模型不同的问题， 结果更加自适应。
https://mp.weixin.qq.com/s/QUK1sh3fKoxXOopDjqrXuw
https://mp.weixin.qq.com/s/HtwgnK69SgMjxClpejK2xw
https://mp.weixin.qq.com/s/civ4x6sd8WavAdh4yD3hvA
https://mp.weixin.qq.com/s/fJIYT_Pl9XJTkQTkbzpk7A
20190419
2b的业务，如何做，才能不受限于需求的变化？ 我们擅长算法，但是定制化的个案，并不能复制能力， 如果人不在了，也就没有新的解决方案了。 备课授课也有一定的问题，想法很好，可以扩展， 但是受众教师，是否愿意接受？很多人得过且过， 不愿意改变自己，那我也就没有帮助他改变的激情。
20190413
大唐智能信息投资路演
落地功能性是需要解决的
ktv，医院，宾馆，餐饮配送
优地机器人，更多是U’i界面
为什么不建模？
lip motion采集数据
视觉听觉融合，口型
是因为语言自然，人们而愿意用么？其他交互方式呢？
语言，对于人类的意义？
数据处理
表数值识别，种类多
智能识别
要看仪表数字
精确定位
巡检机器人，是不是会被替换为iot设备？
20190417
合泰的旋转全息设备，很有趣。但是，图像不遂观察变化。
可以扩展，通过camera追踪人体，根据角度显示不同的图像角度，变成真全息。
同时跟踪多个人时，会针对不同人的去观察角度，显示不同的图像角度。
算法却可以对人群进行分组，按照角度范围，显示相同的图像，降低算法性能要求。
20190414
参加了腾讯的工业互联网技术交流，对于这个领域有了更深一些的认识。我很喜欢DanWang的介绍，他学者身份，解决实际问题时，方法论很明显，定义/分析/实验/评估/思考，步骤很完整。他说的对，DL很多时候无法用于工业互联，数据不够。因此，ML会是主流解决问题的思路，特别是结合Metadata，即专家Domain知识。而Clustter/Classification/Regression等类型的算法，足以解决常见的工业互联问题，配合一些TransferLearning的算法，效率高而且可运行。现场有同学问，CV检测锡焊的性能，能否跟的上现场速度？Wang的答案却是，没有采用CV，而是判断锡焊高度。嗯，这就是灵活性吧，因地制宜。腾讯对于工业互联网的介入，明显发力，他们想做平台，提开放，玩生态。不过，说实话，我觉得他们很难做深入，原因在于领域的积累，以及厂家的兴趣，和腾讯的耐心。腾讯C端为主，对于B端企业的需求和利益把握，需要很大的磨合，工业互联的反应，不会向互联网那样反应迅速，而从历史上看，腾讯是没有耐心去做一件持久的B端事情的。他们可以在政务领域、智慧城市中和政府相关的领域，做的很好，但工业互联，大概率上，阿里的新制造，会更加有生命力。
20190403
还没有看Nature的文章，不过这个系统的设计，是很有趣的。从文章看，单体机器人，运动方式，只有3种，沿着半径伸张、沿着半径收缩、沿着半径震荡（估计是定时脉冲，从而触发前述两种运动）。那么组成群体后，如何移动？答案在于单体机器人的边缘设计，可以看到很多可以调整角度的片段，从而邻近机器人可以互相勾结，产生力的作用。那么，所谓群体的光源导向性，到底是如何编程的昵？估计，单体机器人有感光sensor，在光线较弱时，加大自身的伸张/收缩/震荡的频率，在光线较强时，减小自身的伸张/收缩/震荡的频率。结合邻近机器人之间的勾结作用力，从而促成了群体移动的目标性。那么群体的智能到底有多大昵？文章中群体可以避障，但是估计，避障能力和尺寸有关，即群体的直径尺寸，要大于障碍物的直径尺寸，而且有一定的上限和下限，不知道论文中有没有量化的计算。说它的设计有趣，是在于单体的行为方式，和群体的行为方式，可以表现的完全不同，这是令人产生无尽想象的地方。另外，单体的环境sensor能力，多大程度上决定了群体的环境sensor能力以及智能的表达？这也是值得研究的领域，到底有多少种可能性昵？
20190403
“深度学习终结了手工设计特征的时代，同时解决了权重优化问题。NAS 则旨在通过另一个方法——模型搜索（architecture search），终结人工设计架构”，是的，这个是AutoML类架构的意义。这篇文章，倒也算通俗易懂，将形式化的复杂实现，替换为简单的但是足够好的实现，不错。超参数训练和搜索分离，是这个方案的优点。说实话，从数据看，改进效果并不是很明显，与其他STOA比起来。不过，旷视有趣的贡献在于搜索方式的选择上，随机选择对待所有子结构进行训练，以及通过进化算法选择合理的结果子结构模型。随机选择更佳，这个思路倒是和蒙特卡洛算法思路一致。而进化算法，其挑战在于结束条件的选择，花时间也不一定能得到更好的结果。需要仔细看看他们的论文。
20190402
Festo是我很喜欢的一家公司，主要原因是，我喜欢他们的bionic研究和产品。 他们制造过袋鼠、蝙蝠、蝴蝶，以及这次的连续波浪鳍状鱼，和柔性机械手。 看Festo的bionic产品，很像欣赏艺术品，通体洁白的产品，偶尔露出银灰色的金属部件，并点缀着蓝色的少许装饰，真是漂亮。 Bionic不仅仅是从功能上模仿自然，美感，也是很重要的目标。这种美感，是生命对于自然规律的掌握，然后形成的映射，包括对称、分形、韵律和交替，也是我们人类能够感受到的共鸣。好的产品，是美的产品，好的企业家，是艺术家，一如上次IE MasterClass交流中Nir教授所讲，Art is Humans。 不过，很少看到欧洲企业玩AGV，而是传统的运输带，什么原因呢？固守传统，还是觉得AGV无用？
20190402
我们在做的Classkull教育品牌，目前落地的产品是走班排课，但是如何切入教育资源，始终是个很大的问题。
No Timeline
谢谢辉哥。我的看法是，他说的有一定道理，但是有些理想化。物联网的最终效果，是自动化，而自动化一定会需要机器之间的交互。此时，其上的人，一定程度上不再需要关心数据，那么所谓数据的金融属性，会弱化很多。嗯，数据其实是一个长尾市场。少数有意义的数据，大家都清楚，因为所谓有商业价值，就是指大多数人都需要的，就会慢慢成为常识，也就失去了价值的意义，因为利润会变薄很多。当然，打时间差，抢在别人之前发现这种数据，可能是赚取这类利润的一个方法。而大多数的数据，有价值，会体现在个性化上，即少数人愿意付费，导致单价高总价低，除非成为一个大家都会访问的中转平台，否则很难赚到这类利润。嗯，区块链是一种技术而已，金融意义是人为赋予的，我觉得它反而更适合机器之间的交互，人类很多时候是需要博弈，不需要不变，这是所谓灵活性。所谓信用，很大程度上是由于物质传送速度慢而导致的人为故意维持，但是在机器时代，会不会人不用再去干预它呢？机器会按照规则执行，信用会成为机器的一部分，这个是区块链的意义。另外，金融的碎片化，历史上一直在进行，次贷就是例子，但是该金融危机，还是会金融危机，企业还是会破产，贷款还是会坏账，区块链解决不了这个现象。所以，我觉得物联网的布局，一定要做，毕竟传感器是基础，但是未来的方向，会是传感器对于数据的机器自动处理。但是，想利用这些数据赚钱，可能不会那么容易，至少我还没有看清楚。嗯，另一方面，讲概念，玩资本，几年内还是可以的，人性就是这样，大部分都是从众心理，并宣称信仰，但是一旦发现自己利益受损，大多数人会跑路止损。本质上，人与人之间，绝大多数情况下是博弈，这与区块链宣言的理念，背向而驰😄
https://mp.weixin.qq.com/s/XDoYtgLx8VfXnieGDsCOjA
红外探测仪，可以给出那个像素的颜色，那意味着也许可以将它转换为深度图像。颜色与深度的映射关系，不是线性的，与材料有关，因此无法直接使用。但是，同样的物体，材料的分布相同，例如人体，鼻子和耳朵的材料，对所有人都相同。基于这个原理，可以训练。针对对象，获得深度。
“钛薄膜充当了“光子筛”，每个针孔都对针孔中射出的光线进行衍射，从而可以从广角观察到高清3D图像”，工程上，实现衍射应该不是问题，但是每个孔，都由多束平行光线实现不同角度的图像，可能是个问题。这个想法是有趣的设计，解决了平面介质显示3d全息图像的问题。上次参加合泰IC研讨会，看到他们展示了一个通过旋转LED板组成全息图像显示的设备，也是很有趣的设计。只是，他们的设备，无法做到不同角度显示不同的图像，只能算全息但不是3d。嗯，3d其实是人类的感觉，可以通过欺骗眼睛来实现。例如，增加camera，跟踪观察者的空间方位，发现观察者位于某个空间方位时，就显示该方位上对应的图像投影，那么人类连续移动时，看到的图像也在不断变化，形成3d感觉。更进一步，可以同时跟踪多个观察者，为每个观察者的角度显示对应的图像投影。实现上，LED当然是分时处理，那么如果为了维持24帧每秒的移动感觉，同时监视n个观察者，LED的转速需要达到24n，嗯，这算一个限制条件吧。有趣的设计，可以考虑实现一下😄
光芯片的介绍，讲解的不错，比较清晰地介绍了光子算数对于光芯片的理解，和产品思路😄。光芯片的想法，并不新鲜，核心思想，都是想在提高性能的基础上降低功率，因为光速快而又无源。因此MagicLeap很久前就提出了光场芯片的想法，融到不少钱，可惜目前还是没有出产品，MagicLeapOne只是使用了多层衍射镜片叠加的方式实现了AR眼睛，与我们理解的光场并不同。可见技术实现的难度。光子算数的想法，倒是很实际，只是用光芯片来做矩阵运算，作为加速芯片，配合主FPGA芯片😄，很有趣的想法。不过，他们的方案，工具链应该是最大的问题吧，需要定制化[Sob]
盈科卓智的葛素华律师，很严谨和认真。上次参与蓝海优利组织的知识产权交流会，收获很多，蓝海优利李自军李总，细致而有逻辑地分析了该如何评判专利的威力，以及企业如何申请专利会更加有效，印象深刻。葛素华律师，则讲解了诸多实际案例，受益匪浅。版权保护，其实是大势所趋，而视觉中国则在版权保护这件事情上，客观上起到了维护作用，就像池塘里的…..鲶鱼，鲶鱼效应。葛律师也认为，他们自己虽然也收到过视觉中国的律师函，但还是觉得视觉中国做的不错😄。黑洞版权，核心问题在于，欧洲南方天文台，并没有声明，任何人不得对黑洞图片进行更改，也没有声明黑洞版权不得转载。那么，视觉中国，在黑洞图片上，打了自己的水印，并上传到自己的网站上，算不算是再次加工改编？是否享有改编后的黑洞图片的版权？其实，视觉中国自己倒也说的清楚，大家完全可以不从视觉中国下载黑洞图片，但是如果下载了，就意味着使用了视觉中国的改编服务，就需要收版权费，嗯……看起来逻辑无错😄。文章并没有给出律师团队的结论，估计有不同意见，也和最高法的谈话有一定冲突[Sob]
挖矿应该是Filecoin的内容，不是IPFS的范围。我不太理解你说的问题的含义，是指什么时候开始挖矿能获得更多收益么？这倒是个有趣的问题，Filecoin挖矿分检索和存储两类，服务器的带宽和磁盘是成本，收益是挖矿回报，什么时候开始挖，用哪种类型挖，倒是可以评估一下，这是个数学上的优化问题，目前我倒是没有结论，可以深入思考😄
“1v1模式最大的痛点是“规模不经济”，随着业务规模的扩大，公司亏损也在扩大。包括VIPKID在内的各大教育企业也纷纷开始尝试1对多小班课教学模式”，哎，今日头条这样的企业，目前看，开始丧失进取心了。文章有一点，到说的对，如果没有新的打法，字节跳动来这里干什么？教育市场并不缺人，也不缺钱，缺的是，直面教育问题并能针对性解决的方案，缺的是深入思考并能够展望未来的玩法。字节跳动只是为了赚钱的话，大可不必这么短视，而这，也是很多中国企业的悲哀吧，没有vision，百度如此，腾讯亦如此。说实话，以前，其实我并不太喜欢华为，毕竟大家的底裤都很清楚，不过这段时间，到有所改变，特别是徐直军表达对于自动驾驶路线之争的看法时，他认为AD还是取决于单车智能，而不是V2X。这一点，倒反映了华为对于未来的清醒判断以及技术的理解。嗯，道理归道理，但并不影响华为赚V2X的钱，毕竟GDP需要企业的配合呀😄
Embedding，嵌入，是一个概念型的提法，形象表达了模型中，两个层次之间的关系，即下层结构，为上层结构，提供了一种解释。这种提法，在机器学习很多方面都会被使用，NLP，CNN，包括文章中的Graph。图模型，现在被研究的越来越热，原因在于它的结构的通用性，但这种通用性的结构，也带来了处理上的复杂性，因为，我们关心的是，在这种通用的表示结构上，如何获得有意义的结构化信息。嗯，这篇文章翻译的一般吧，看起来会稍有费劲，不过FB的态度倒是很详细，解释的还算清楚，特别是涉及到工程实现部分，这也是FB的一贯特点吧👍。简单来讲，就是构建了一个实现框架，能够在单机资源有限的情况下，利用多机并行处理极大量数据，核心思想，是数据分片存储并减少共享访问锁定。嗯，我比较喜欢它里边桶处理时的inside-outside算法，比较有趣的思路，😄
和一些投资朋友谈我们的备课授课产品，我发现他们不太能get到我们的idea，我们到底要做什么？即使……我已经描述了钢铁侠的场景[Sob]。好吧，头脑中，忽然浮现出一段动画，也许可以解释我们的产品：教室门口，少年肃立，画外音响起，“课堂凶险，慎入”。少年稍显踌躇，然后，眼色决绝，推门而入。远处，空中飘来一个立体三角模型，浮现在少年眼前，片刻后，三角上一行大字显现，“勾股定理是什么”？无言的沉默，迷茫在空气中…… 突然，风起，人已动。 先是街霸中隆的豪油根， 再是阿里的jab和stragiht，然后泰森的hook和uppercut，紧接叶问咏春， 最后是bruce lee的侧腰旋踢plus摸鼻造型。只见那三角模型，在一连串的攻击中，旋转平移缩放分割组合，勾股定理被自动演算。风静，几个大字出现，“少年强则中国强”。😄，好吧，这就是自动化的机器学习交互方式，无需教师干预，适合于自然科学硬知识领域的学习。而这，则是未来教育的方向，人类教师不再做重复性的工作，而去引导艺术文学之类软知识的传授
备课授课产品，需要一个视频，来解释我们的想法。 创意如下： 空中浮现一个立体三角，旋转。 少年走入，三角出现勾股谜题。 少年沉思片刻，风起，人已动。 先是街霸中大门的“好要跟”， 再是阿里的jab和stragiht， 然后是泰森的hook和uppercut， 接着叶问的咏春， 最后是bruce lee的侧腰旋踢，接摸鼻造型。 而三角在一连串的攻击中，旋转平移缩放分割组合 勾股的定理被演算。 几个大字出现，少年强则中国强。
“通过将大量回收的旧手机升级改造为太阳能雨林监听设备，分散部署在丛林深处”，这个IDEA我很喜欢，华为虽然在做广告，但是事情很有意义，👍一下先。这个分布式声音监测系统，算是IoT的一个应用。方案还是比较巧妙的，不用CV，雨林中的识别算法难度太大，边缘推理太耗电，而云端推理需要的无线带宽太大了。声音，是理想的传感手段，嗅觉虽然在雨林中也不错，可惜电锯和坏人的味道，难以识别😄。成本不知道多少，太阳能电池/mic/无线模组/主控板，基本上是这些，如果单独做一个传感器，BOM成本与旧手机相比，哪个大？位置信息，则可以初始化到每台设备中，直接上报。不知道网络用的是什么协议？雨林中，数据网络信号覆盖不会这么好，那么可能的无线组网方式，就是mesh，应该可以直接在开源的mesh IM app上二次开发。以前我看过这样的IM软件，虽然它因为mesh通讯而墙了，但在这个环境中，倒是不错的解决方案😄
这篇文章比较有趣，小波分析，是几十年前的数学，但是用处却很大，这里就使用它来平滑，或者说细化，肌电信号表示，很有趣。从数学角度看，或者说机器学习的角度看，小波参数与检测信号，可以看成是一个自编码器，用于生成更加适合处理的输出，作为进一步处理的输入。而进一步的处理模型，可以是ML的分类算法，也可以是DL里的神经网络。进一步思考的话，所有可能的小波参数与检测信号，会构成一个特征空间，如果采用CNN模型，用类似于处理图形的方式来进行学习，也许是很不错的方式，是有监督的学习。但问题是，实际数据也许太少了，会造成特征空间极度稀疏，学习的准确性和运行效率，都有问题。那么，或者进行特征维数的降维处理，或者进行采样增加数据样本。而对于采样来说，不能用蒙特卡洛方式，因为肌肉运动的方式，决定了特征向量之间不是独立的，有相关性。嗯，不过也许可以构建一个肌肉的物理模型，进行仿真运行，生成大量符合真实肌肉运动规律的数据，直接采样这些仿真结果。这种方式，我好像还没有看到有人研究过，maybe是个不错的思路。仿真还有个好处，是可以进行个性化，让每个人的手臂有自己的训练数据，毕竟每个人的物理体征都不一样。嗯，个性化模型，这才是智能的体现吧，而不是统计规律这么糙的模型😄
这篇文章比较有趣，小波分析，是几十年前的数学，但是用处却很大，这里就使用它来平滑，或者说细化，肌电信号表示，很有趣。从数学角度看，或者说机器学习的角度看，小波参数与检测信号，可以看成是一个自编码器，用于生成更加适合处理的输出，作为进一步处理的输入。而进一步的处理模型，可以是ML的分类算法，也可以是DL里的神经网络。另一方面，所有可能的小波参数与检测信号
“StratolaunchSystems公司，从来就不是一家以市场为导向的公司，保罗对这个项目充满热情，而现在他已经不在了”，我挺喜欢艾伦，他和盖茨性格截然相反，充满了对于未来的探索热情，同时，保持着内心的孤独。strato的方案比较有趣，通过普通飞机先将火箭运送到平流层，然后发射火箭，送卫星进入轨道。他们刚刚完成了大飞机的试飞，全球最大的飞机。从照片看，火箭以后会水平挂载在两个座舱之间下方，飞到平流层后，可以直接水平发射火箭然后火箭自己变轨，不需要垂直发射😄。strato的方案，与spacex/blueoringin的方案不同，后两者都是地面垂直发射，但是回收火箭重复利用，并没有解决发射时间窗口和地点选择的问题，而这个问题，是为了克服地球引力而如何最少消耗工质，的权衡解决方案，比较受限。也许，无工质发动机可以解决这个问题，不过还没有实际产品出现[Sob]。恭喜strato！
“一镜到底的全流程、革命性的越肩ACT 北欧神话的新舞台、父与子细腻的成长和羁绊”，哎，游戏的美好与复杂，可见一斑。圣莫尼卡工作室，以艺术反映生命，以生命反映艺术，同时展现一段令人激动的故事。游戏制作与运营，是相当复杂的，世界观的构建，需要了解大量的背景知识；人物的设定，需要深谙美学与心理学；动作的设计，需要考虑暴力与人类感受；关卡的设计，需要严密的逻辑思维和脑洞大开的创意思维。而游戏完整的运行，建立在技术的扎实功底上，无论是FPS还是网络延迟，无一不是技术手段在现实限制条件下的折衷，其目的，是让玩家真正愿意去感受那美好的故事，将自己浸入到一段虚拟的探索体验中，最终，获得一份自我的思考。我们开始进入游戏这个领域越深，感受也越深，实现一段激动人心的体验，真的很难，需要不断做出无数的抉择和考量，技术/商业/运营，太多太多。但是，这一路走来，反而会让我们，了解并掌握这一切所有，技术内核，产品思维，用户体验，商业设计，市场推广，无一例外。游戏，真的是综合性的行业，嗯，对于有理想的创业者而言😄
“Zach Barth 认为现代教育依然是以结果为导向，也许他们的作品能够激发学生的创意，但却无法提高学生的成绩”，深有同感。家长很功利，资本也很功利。游戏和教育，是我们都在从事的领域，对比起来，我更喜欢游戏，虽然我，确实也是个学霸[Sob]。2C领域的教育，基本上都是以结果为导向，换句话说，那就是，能不能提高成绩？能不能上好学校？只要不是能够做到这几点的2C教育项目，资本就都不喜欢，因为很难赚到钱，也很难找到接盘的下一家资本😄。站在每个人的角度看，好像没有人是错误的，都是生存化境下的选择。但是，这种选择结果，真的是大概率事件么？以前看过一本书，《美的进化》，自然界的动物，看起来会进化的越来越漂亮，这是遗传选择的结果。但是，为什么不是造型更加凶猛的进化结果，占据上风呢？这好像更加符合斗争的结果概率呀？游戏化学习，探索式学习，提出数十年了，也还没有普及。但是，我坚信，教育的未来，自然科学这类硬知识的学习，一定是自动化的，不再需要人类教师的参与，技术会成为内核。而这，也是我们想做教育产品CLASSKULL的原因。另一方面，人类教师，未来将只会传授软知识，例如历史、美术、音乐、政治、和情感的体验与表达。我们的未来，一定会建立在机器之上，未来，是一个 Machine Based Society[Determined]
“The goal of imaging is to find the image that not only reconstructs and matches the data that we measured, but also is the one that is most likely”, sure, that is what the algorithm need to do. I have not read their paper yet, but I think Sparse Matrix is one of the core model. The X ray released by BlackHole can be measured by telescope, we can acquire the direction of X ray, so called light Vector. Then Light Tracing algorithm can be applied to figure out the light source. That is the main principle of Spot Light calculation. But to cross validate the final BlackHole source Light model, a lot of data is needed, and a lot of calculations is needed also. Congratulations for these brilliant sprints!
“为了建立信任并确保该机动安全的驾驶员，系统显示了一系列的描述即将到来的车辆的机动的时间，提供显示剩余距离车辆未来轨迹的额外视觉信息”，是的，在人类不再主动控制的场景下，监控的重要性会突出，这里的信息并不仅仅是实时的数据展示，而是要有一定计算提前量的预测信息，而这，也是有趣的，和有难度的算法能力。
“Coinbase卡支持所有可在Coinbase平台上买卖的加密资产，这意味着他们可以用比特币支付餐费，或者用以太币买回家的火车票”，新闻的细节太少了，有些疑问。目前看，只支持BTC和ETH，不支持其他TOKEN。还算合理，主流货币的波动性，小一些。疑问在于，Currency的价格上涨时，人们愿意用它来消费，还是价格下跌时，人们愿意用它来消费？在货币价格上涨时，购买力增加，消费者倾向购买商品，但同时货币的保值能力也在上升，未来可能长得更高，消费者倾向于保存货币。法币的日常波动很小，但是数字货币的波动很大，消费者会怎么选择？Coinbase推出这个产品的时机，为什么选在数字货币价格上涨的这个时候？一种可能是，Coinbase收取的手续费是数字货币，那么目前高价位消费时，会让Coinbase获得更多的筹码。为未来做准备。另一种可能是，Coinbase收取的手续费会及时转换为法币，那么在目前的高价位消费，Coinbase也会获得现金收入。那么问题就在于，消费者对于数字货币价格走势的判断，预期上涨则持仓，预期下跌则消费。如果Coinbase的预测更准的话，这意味着数字货币的涨势，会告一段落，至少Coinbase这么认为😄
参加了腾讯的工业互联网技术交流，对于这个领域有了更深一些的认识。我很喜欢DanWang的介绍，他学者身份，解决实际问题时，方法论很明显，定义/分析/实验/评估/思考，步骤很完整。他说的对，DL很多时候无法用于工业互联，数据不够。因此，ML会是主流解决问题的思路，特别是结合Metadata，即专家Domain知识。而Clustter/Classification/Regression等类型的算法，足以解决常见的工业互联问题，配合一些TransferLearning的算法，效率高而且可运行。现场有同学问，CV检测锡焊的性能，能否跟的上现场速度？Wang的答案却是，没有采用CV，而是判断锡焊高度。嗯，这就是灵活性吧，因地制宜。腾讯对于工业互联网的介入，明显发力，他们想做平台，提开放，玩生态。不过，说实话，我觉得他们很难做深入，原因在于领域的积累，以及厂家的兴趣，和腾讯的耐心。腾讯C端为主，对于B端企业的需求和利益把握，需要很大的磨合，工业互联的反应，不会向互联网那样反应迅速，而从历史上看，腾讯是没有耐心去做一件持久的B端事情的。他们可以在政务领域、智慧城市中和政府相关的领域，做的很好，但工业互联，大概率上，阿里的新制造，会更加有生命力。
“我用死亡震慑宇宙，宇宙将我投入炼狱予以反击”，诗意的宇宙，和美的宇宙。这几天看到一本书，中文名《穿越平行宇宙》，英文名《The Mathematical Universal》，差异太大了，我喜欢英文名称，因为它最终讲述的内容，就是用数学，描述了宇宙，完整的宇宙。数学是美的，宇宙是美的，而美，是对称，或者说，守恒的。爱因斯坦的贡献，在于通过质量与能量的对称，建立了相对论。而杨振宁的贡献，则在于通过对称的思考出发点，提出了宇称不守恒的数学模型，为力的统一建立了基础。嗯，而深度学习的美，则在于矩阵运算的数学美丽，公式简洁而漂亮，而简单和美，则产生了力量。有时候看到这些DL模型的理论公式，内心很是感叹，人类可以用数学，映射这么复杂的世界，赞！
惠州水底山，拉胡村-水流-树林-骆驼峰-陡崖-水底山主峰-爆石顶-龙岩寺。 数年前，走过附近的牛皮障，结果领队迷路，在山顶转悠，半夜2点才下到龙岩寺。这次倒是没有迷路，道路虽然艰险，却也到晚上8点才下到龙岩寺。看来，惠州大南山周边，不到天黑无法落地呀[Sob]。 我的膝盖节前篮球受伤后，一直没有好利索，这次登山还有些犹豫，担心影响别人，结果发现还好，虽然路上倒地数次，膝盖也痛了数次，但依然不拉后腿，行驰于山巅，好不快活。嗯，杀不死我的，必使我更强大😄
拉胡村-水流-树林-骆驼峰-陡崖-水底山主峰-爆石顶-龙岩寺
“use an AI technique called Bayesian optimization to adaptively design rounds of A/B tests based on the results of prior tests”，这是篇有趣的文章，通过拟蒙特卡洛方法采样，获得符合期望的参数，用于在线服务的A/B测试流程中，从而加快参数的测试调整时间，不错的思路。FB对于自己业务的改进，倒也不遗余力😄
“在伦敦场的演出中，爱尔兰人在当天占据了捐款的最大份额。这不仅是因为吉尔道夫和U2都来自爱尔兰。19世纪中期，爱尔兰闹了饥荒，四分之一的人口不是饿死就是逃亡美国”，人性的光辉。小时候，看到过四海一家的录像，就很好奇演出的内容，包括人浪，后来国内的歌手也组织过类似演出，传唱一时。《波西米亚狂想曲》是我很喜欢的电影，天才总是特立独行，而又不时闪烁着人性光芒的，向不愿妥协致敬，向孤独致敬，向RadioGaga致敬，向RocketYou致敬！说起音乐，英国真是人才辈出，“天空榜”总能找到我喜欢的风格，这与他们的谨慎性格显得很矛盾…….
https://mp.weixin.qq.com/s/AnBhVhWJNWlS8BpiPflhtw
在伦敦场的演出中，爱尔兰人在当天占据了捐款的最大份额。这不仅是因为吉尔道夫和U2都来自爱尔兰。19世纪中期，爱尔兰闹了饥荒，四分之一的人口不是饿死就是逃亡美国。
“深度学习终结了手工设计特征的时代，同时解决了权重优化问题。NAS 则旨在通过另一个方法——模型搜索（architecture search），终结人工设计架构”，是的，这个是AutoML类架构的意义。这篇文章，倒也算通俗易懂，将形式化的复杂实现，替换为简单的但是足够好的实现，不错。超参数训练和搜索分离，是这个方案的优点。说实话，从数据看，改进效果并不是很明显，与其他STOA比起来。不过，旷视有趣的贡献在于搜索方式的选择上，随机选择对待所有子结构进行训练，以及通过进化算法选择合理的结果子结构模型。随机选择更佳，这个思路倒是和蒙特卡洛算法思路一致。而进化算法，其挑战在于结束条件的选择，花时间也不一定能得到更好的结果。需要仔细看看他们的论文。
“Style Transfer ML can be used to rapidly alter a game’s art style in real-time, giving developers the opportunity to trial different aesthetics with little effort”，这是有趣的AI应用。风格迁移算法，虽然不新鲜，但是Google的创意确实很好，简化人类劳动，采用自动化的思路，无处不在。Game开发中，风格，是很重要的一个元素，目标群体的喜好，与游戏开发者的喜好，能不能结合？是游戏是否叫座的一个重要原因。就像我们当年的《刺客传说》，暗黑风格，接收的玩家群体，就小很多[Sob]。Stadia不仅仅是云游戏运营平台，还是游戏的设计、开发、调试、测试、演化平台，从google曝光的一系列操作中，可以看出它的野心。未来，也会成为人类社会行为的数据收集平台，和社会实验平台，想象空间不可限量。技术公司的能力，结合想象力，和适当的社会环境，会爆发出无限能量。嗯，可能是scatter wall的原因，文章显示较慢[Sob]
https://www.androidauthority.com/google-stadia-machine-learning-967542/
“具有Github社区效力的开源软件许可协议“Anti 996 License”，加入到这份协议中的开源代码，将不被许可于那些实行996工作制度的黑名单公司使用”，这是不错的做法。有诉求，有对策，有实施，项目的参与者，是不错的管理人才。很多时候，单纯的抱怨解决不了问题，因为人与人之间的关系中，博弈是背后的机制。抱怨作为一种博弈手段，略显单薄。国内的人太多了，公平竞争机会少，导致“山寨”成为这种环境下的一种有效生存手段，而速度就是山寨的关键。企业经营者，处于恐惧和压力中，很多时候自己无法一人实现所有的欲望，于是开始招聘员工，于是就会发现对人的管理，成了一个大问题，这个人类社会长久存在的合作机制问题😄。996本质上是企业经营者的原因，总会有很多理由的。喜欢就留下，不喜欢就离开，看似简单，但世界并不是二进制的，每个人都有多种考量，最终做出权衡选择。抱怨，是员工对于996的不满，并不代表对企业的其他方面都不满。那么经营者，该怎么办？一样去博弈思考吧，并承担自己选择的后果。有激情的人，不会在乎这种制度约束的，每时每刻都在想自己感兴趣的事情，而他们，看似经营者的理想员工，愿意帮助经营者实现欲望，但最终，大概率他们会离开，成为自己的经营者，实现自己的欲望。人类社会的博弈，历来如此。嗯，文中提到离婚率上升，这是好事吧，工业国家的离婚率都很高，因为个体变的更加自由。不过，婚姻中的人，到底为了什么，才会愿意在一起，又为了什么，而离开呢？
平成最后一夏😄。日本的传统，确实保持的不错，万世一系的天皇，漫山遍野的妖怪，武士心中的菊花，UFC相扑的横岗，现代生活与时间历史的交织，奇异却也融合。而他们，也为人类贡献了诸多，其他不说，单是90年代的日本动漫，就开创了探索未来世界人机融合的想象力，各种可能的共生思路，皆有表达。而这，则为西方的未来科幻，贡献了无数素材，攻壳机动队、鉖梦无一例外，更有 萤火挽歌/风之谷/死神笔记/夏目友人帐 这样风格各异的作品，叹为大观。可惜，现代的日本，好像步入了老年。上次参与日本CG发展的交流，来自日本的演讲者，一直在感叹，日本年轻人太少了，动画都是给35以上人看的，没有未来。嗯，一直以来，日本的人口始终太多，而现代科技，目前还无法做到人人都有生存，因此，匠人的概念，在日本最为明显，因为人们需要精细化的手工劳动，在激烈的竞争中，抚养自己和家人。这也是日本对于未来人机结合想象如此丰富的一个原因吧。未来呢？科技能让如此多的个体，体面地生存么？
“这种设置将最大限度地提高土地利用效率，尤其在面积小，人口稠密地区，并且尊重当地生态，鱼类和太阳能电池板可以和平共存，并产生当地经济效益，渔业从业者将因其池塘上的太阳能电池板而得到补偿”，我喜欢这样的结构设计。人类始终在尝试，让能源进行循环流传，不断建立各种各样的小的生态系统，最大的阻力，其实一直来自于人类自身不同群体的反对。如何让所有参与者都得到收益？google给出了一个案例。碳燃料，真的开始被很多人唾弃了，只因它的循环流程，过于缓慢，数年数十年数百年的周期，人类的生命太短，无法等待。那，如何让人类欲望的存在，更加持久？太阳能风能潮汐能，被认为是最直接简单的解决方案，可惜大自然是公平的，他们无法随时可用。而碳生命，或者说化学能，其实就是对于这些易变能源的储存，这种存在方式，也是我们地球自然界的结构设计。储能器件，会是未来更加重要的技术方向吧😄
“他希望看到汽车制造商详细说明这些里程实际上意味着什么，以及汽车在遇到新的障碍时会做什么”，嗯，这些问题的解释方式，是要看面向的人群而定的。对于开发者，越详细越好，要逻辑性；对于驾驶使用者，他们只关心简便性，安全性，以及出现问题后的处理方式。EdgeCase这家公司，倒是有意思的企业，简单研究了下她们的产品，方法论milsa是主体，实际产品是仿真测试系统hologram，和压力测试系统switchboard。嗯，虽然没有明确介绍，但产品的核心，应该是模拟的测试数据。这是个有意思的方法，因为，实际路测数据再多，99%确实都是正常数据，不会让机器增加新的能力，而异常数据，其实是可以人为制造。更进一步，可以用算法来自动生成异常数据。那么，在实现上，可以采用GAN的思想，构建Generator，简化人力操作。嗯，如何对Generator数据进行评估，就是一个问题了，不能太过于生成现实中很少会发生的情况。然后，可以将这些数据，混合到传感器数据中，模拟真实传感器数据，喂给被测算法，并获得决策动作输出，判断逻辑合理性。架构很好，想法也很好，赞。这样的思维出发点，是很root的，从全局角度来考虑问题，去解决一个大的需求，并提供可扩展的方案，我喜欢😄。只是，评估标准，就相当重要了，也许需要标准化…..
“于是“smart”这个名字出现了，其中字母S代表斯沃琪公司，M代表梅赛德斯公司，而art是艺术的意思，合起来又有聪明、灵敏的意思”，我喜欢smart，虽然…..觉得它太矮了，要是能做成三菱90三门版的高度，能够越野，就太有趣了😄。其实，深圳还是能看到不少smart在开的，开始以为是镁铝司机，赶紧油门超车去欣赏下侧面的风景，结果…..每次都看到了大叔，还经常一脸胡子渣，和我一样……[Sob]。嗯，说实话，smart的价格稍高了些，基本上是买家的第二辆甚至第三辆的玩具。但是，即使吉利能降低成本，估计销量也不会太好，它太小众了。也许……定位于年轻人的时尚消费，增加些电池回收，或者车体互换之类的商业策略，让它不要在买家手中停留超过2年就可以换新车，销量可能会好很多😄
我喜欢 “Pseudo-LiDAR from Visual Depth Estimation”，“State Refinement for LSTM towards Pedestrian Trajectory Prediction”，“Monocular Visual Odometry through Deep Bi-directional RCNN” 三篇文章。第一篇将双目像素模拟为LiDAR点云来提高距离测量精度，第二篇使用多个独立LSTM的状态group来改进整体预测结果，第三篇通过运动算法来让单目实现测距能力，都是很有创意的想法，值得仔细研究[Joyful]。嗯，百度的Appolo，则是最没有创意的，搞了个汽车图像的大数据…..他们就不动动脑子，汽车只能张成这样么？为什么不去考虑算法来提取汽车的特征呢？未来出现新造型的汽车，怎么办？这帮人的思考出发点，就不是root的，不够前瞻。嗯，说到LiDAR，想起来一件事，也是搞笑。我在设计Recognition Planning Platform系统，正好遇到了镭神的销售，就问他要SDK，想看看能不能更好支持不同厂家的LiDAR，结果……他拒绝了，要买一台硬件才给SDK。说实话，我觉得这是个短视的商业策略，LiDAR一定会越来越普及，硬件厂家竞争激烈，扩大市场占有率，是更重要的。那么，就应该让更多的开发者，积极使用并集成自家产品。SDK作为开发者接口，还不愿意提供给开发者，这是什么脑回路呢？看来，现在多卖一台硬件，对他们真的很重要，现金流相当短缺呀[Sob]
Pseudo-LiDAR from Visual Depth Estimation
State Refinement for LSTM towards Pedestrian Trajectory Prediction
End-to-End Monocular Visual Odometry through Deep Bi-directional RCNN
ApolloCar3D
“深度学习的三位创造者Yoshua Bengio, Yann LeCun, 以及Geoffrey Hinton获得了2018年的图灵奖”，实至名归！CNN是伟大的工程设计，backprop则是神经网络得以实用的关键。他们三人不太一样，LeCun数学严谨，构建了NN的数学基础体系，Hinton思路开阔善于发现方向，开创了NN的实用性，Bengio则是交流讲解和科普的高手，自身也极大发展了NLP。嗯，不过，Hinton的学生AlexKrizhevsky是个天才，在Hinton的逼迫下，第一次真正在计算机上实现了性能可以接受的NN算法程序，从而真正让AI进入人类生活，赞！而且，他，还留在多大教书，看来是喜欢平淡的人，不知道未来会怎么样……另一个辅助学生IlyaSutskever则早早进入企业界，成为各种XXX的创始人，倒是喜欢名利……
“德国巴伐利亚邦东部的安贝格工业4.0电子工厂自建成以来，工厂的生产面积没有扩张，员工数量也几乎未变，产能却提升了8倍，平均1秒即可生产一个产品。同时，产品质量合格率高达99.9985% ”，这就是工业4！德国人慢慢从开始的迷茫中，梳理并建立了工业4的操作流程，以数字双胞胎为核心，覆盖设计制造测试运营完整流程，并建立了软件支撑工具，和组织制度基础，赞！嗯，我们的新制造在哪里呢？智能工厂呢？从理念到实施，确实需要时间，但是结合自己的实际情况，并有重点地关注未来，才会做好事情吧，不要总是玩概念。工业4，目前来说，还太重，适合于大企业，那么，有没有适合小企业的流程呢？这是个值得探索的事情。前段时间参加Hackday深圳举办的交流，他们推出的supplyframe是一个bom的管理平台，包括供应链后面的整体配套，为maker提供支持，很不错。也许，小企业的工业4，就是需要很多企业间互相配合的流程，而这种配合，就需要接口的标准化，和信任关系的构建。IOTA，正是为此而生！我坚信，M2M机器经济的时代，大幕正在徐徐拉开😄
“双目系统的难点，除了立体匹配，还有标定。标定后的系统会出现“漂移”的，所以在线标定是必须具有的”，不错的入门文章。汉明距离，也是很有趣的想法，建立一个量化的标准，以便度量和比较，这是工程上解决问题的典型思考模式。可以发现，很多算法，传统的CV算法，都是基于很多假设，然后得到需要的结果，包括障碍物、车道、距离等等。这里的困难在于，数学工具，mapping，太过于抽象了，导致无法简单应用在这些实际场景上，限制了传统计算机视觉的使用。DL深度学习则从另一个角度解决这个问题，要mapping的参数是吧？不人为指定了，机器来指定，通过大数据不断拟合逼近后，算出一个合理的参数。嗯，这个过程其实建华了人类的决策，现有矩阵运算的数学机制，要设置的参数太多了，没法人工指定。而这些参数，就是所谓模型。
“workflow of taking lecture notes in LaTeX using Vim and how I draw figures in Inkscape”, nice! 建议看看英文，最后还有自动改写单词错误的设置，以及quora中关于inkscape绘制图形的介绍，有趣的文章。VI确实强大，LaTeX也确实灵活。从vi以及latex的扩展设置中，可以看到unix的理念，对于世界的影响，即通过简单的部件组合生成复杂功能。这是一种哲学，不止是编程中，也是我们在其他领域可以借鉴的思维方式。这种哲学，是层次化的，底层抽象但是通用，高层具体但是特定。数学、语言、文字、逻辑，就是这样的底层机制，然后，构建出了上层的无数景观，amazing！西方文化的这种架构，很有趣，嗯，归根结底，是一种公理体系，即设定最小数量的先验知识，然后用逻辑，推演出所有的其他定理，称为一个体系。而进化，会体现在本体系内各种定理的不断扩展上，这是常见的发展方式，而另一种思路，则是设定新的公理，并通过逻辑，构建新的体系大厦，而这，则是更加具有深远意义的进化方式，或者叫，突变。逻辑性，是关键😄。嗯，不知道这家伙，指法这么溜，那上课用的是不是机械键盘？声音那么清脆，不影响其他人么？当年我在移动交流时笔记本手速会议记录，噼里啪啦，就引来无数青眼呀[Sob]
“Far from thinking about AI as the new dogma in Architecture, we conceive this field as a new challenge, full of potential, and promises”, yes. This article is one of the articles I liked best. Architecture is a interesting area for me because of the creation process. Also it is a workflow process which can be used in any other area. At first Technology impacts Architecture, then Architecture push Technology move forward again. AI is a sample of this interactive. This guy creates a method to use AI aiding his Footprint work automatically but under the control of designer. I think this method can be used more generally beyond the scope of Architecture. It is a way of cooperation between Machine and Human in the future. In my opinion, AI should aid person, not control person.
Nvidia的野心与布局。GPU的架构，让它天然可以处理大量的并发任务，结果从图形渲染开始，延伸到矩阵运算，哈希运算。而数据科学家的工作，图中描述的很形象，data collect, coffee , etl, coffee, redo etl for some mistake, coffee, ….., train,validate,test. 大量时间在coffee😄，怪不得，数据科学家都是胖子，零食长脂肪呀。GPU来实现数据的ETL工作，目的是为了加快速度，而Nvidia选择Python作为支持语言，则是基于市场数据分析后的决策，目的是让自家的GPU占据更大的市场份额。当然，具体设计上，心思也不少，例如LowLevel的API，想让50%的使用者可以自定义，就像Vulkan推出来替换openGL一样，给开发者更多灵活性。Nvidia，总是能够发现市场热点和趋势，并提出解决方案，图形、区块链、人工智能、自动驾驶，看来，它统治市场的时间，还会很长。
v2x的使用场景太受限了，也就是说，这个解决方案，不够通用。另一方面，v2x对于自动驾驶来说，概念上，应该可以看成是一种新的传感器输入，汽车可以不用理它的信号，而是自我决策，融合多传感器后进行感知和决策。这种自我决策的能力，才是通用的解决方案。另外，v2x的很多数据，目前看，只是换了一种传输手段，现有的实时交通信息，本身就已经可以获得了。v2x的实施，对于gdp有帮助，政府喜欢，主机厂喜欢。
周日参加了IE的AI/Robotics Venture Day，周三又参加了IE的MasterClass交流，感受很多。IE是我这次才了解的学校，但是很喜欢他们的氛围。这种氛围，起源于古希腊的科学探索，振兴于意大利的文艺复兴，并自工业革命以来，演化为持续不断的人类同化过程，其核心，则是被称为Art的概念，即Humans。欧洲长大的人，古典Art的熏陶时间较长，明显可以发现，PPT很漂亮，简洁而注重设计，现代主义的审美观点，隐约可见。而几位国内创业者的PPT，则内容庞杂，结构混乱，配色难看，嗯……也就是说，不美。看来，乔布斯当年学习字体的设计，也是有原因的，而这，却也造就了之后Apple的风格，并影响了世界。Nir教授的演讲，很精彩，特别是对于PPT的播放控制，对于现场观众互动的引导，深思熟虑，听他的演讲，有Opera的感觉，一气呵成，激情澎湃。而VentureDay最终的大奖，给了Thingc，他们致力于农业机器人的研发，在去年的TechCrunch深圳上，他们就有过展台，当时就觉得很好，这次又被认可，恭喜他们。而这，也就是Art与Tech的结合，最终要回到Human中去，的体现吧。
这是篇有意思的文章，阐述了对于经济模型，如何进行预测，以及提高准确性的思考。gabage in gabage out，是数据处理中的至理名言，原因在于逻辑推理，每个步骤，都是基于数据的，是一种数学意义上的映射关系。而目前的神经网络，本身就是一种数学映射，那么，如果数据来源有问题，结果的置信度，本身就不可靠。但是作者，并没有思考清楚，当然我也没有想清楚，只是觉得MAST默克尔抽象语法结构，本身应该可以直接结合到神经网络运算的每一步中，从数学上讲，即增加一个系数，作为矩阵运算的新参数，每个layer都执行运算，得到最终运算结果。而不是，按照现有的网络结构运算后，在输出结果之后，再增加一个判断数据的置信度layer。也许效率会低一些，但是……两种方式都可以探索吧，提出不同的神经网络架构。至于argur的预测么，嗯，对于人类行为的预测，很难，这是一个动态的博弈过程，也许可以找到纳什均衡的解，就像google的dota模型一样。但是，对冲策略，也许更加简单和有效，根据赔率，和律师对赌😄
“the game is hosted on Google’s servers, only the visual feedback from the game is streamed to the player’s computer, via the company’s Chrome browser”，这两天，google的gdc放了个stadia产品，国内的无数卖方分析师，也立马开始放文章，大肆列举国内的云游戏标的，今天还看到篇文章，讲腾讯也开始搞云游戏，balabala。好吧，这有意思么？云游戏不是新概念，几年前上海的圈之园，当时就像搞云游戏，可惜后来没有做成。stadia的优势，在于chorme游览器，在于youtube，google结合了这两点，推出的cloud游戏，才会有市场，然后，就会吸引开发者，从而形成生态。网络延迟虽然重要，但是与游戏类型有一定关系，不是所有游戏都需要低延迟的网络。国内企业，很少有企业同时具有浏览器和视频这两个重要的市场基础产品，做cloud游戏，力不从心的。感兴趣的开发者，stadia.dev 可以去看看，科学上网。哎，腾讯么，创新基因太少了，说实话，这家企业，没有vision。前段时间，他们自己说“投资是核心竞争力”，倒也准确😄，那么，期望他们能超越软银吧
模拟是很重要的方法，特别是在自动驾驶和自治机器人中，需要不断测试可能的情况，训练和测试算法。模拟数据，特别是大量的数据，也需要算法来生成，即采样，而全部自动化的流程，才能简化开发工作量。采样算法，本身就有很多种，要考虑分布，通常是比较困难的事情。高斯也罢，马尔可夫也罢，也许都不如蒙特卡洛掷骰子，来的自然😄。去年有款独立游戏，太空探索，开发者号称环境都是自动生成的，玩家开始很happy，觉得终于可以体验独一无二永不重复的场景了，结果呢，却很不满，自动生成的环境，因为，物体和对象的重复性太高了，人类很厌倦[Sob]。嗯，情绪这个问题，对于机器来说，关系不大，但是也需要增加场景的丰富性，以便检验算法的边界，特别是异常处理。另外，仿真环境中的各个组成部分，本身也是需要开发的，也需要模拟测试环境的。因此，可插拔的模拟仿真环境，真的很有用
很好的讲解，对高精地图进行了通俗易通的介绍。HighDensityMap，其实是一种偷懒的实现手段，因为我们目前的技术，还无法做到，对实时感知到的对象，进行识别后，实现极高概率的避障[Sob]。不过，只是用于自动驾驶的话，其实矢量图一定要，而点云图是可以处理后的包络图，而不必是详细的点云数据，从而减少数据存储和传输。但，即使有了高精地图，AD要实现的技术，其实还是一个都没有少，因为，世界本来就是动态的，实时感知对象识别，一定是必需的。未来，高精地图的标准化，也一定会实现，数据需要交换……
“Pretty soon, marketers will need to evolve from SEO to AO: Algorithm Optimization”，是，大品牌最终将获得巨大的市场份额，特别是在自动化加剧的现在，零售/仓储/物流/支付….，机器代理购买，一定是未来的显示。小企业，将“多样化的选择”作为口号，是一种可能的应对手段，因为，人类永远是易变和不耐烦的。至于算法，技术领域的对抗会加剧，也许，GAN的思想和实践，在AO领域，会起巨大作用。
Pretty soon, marketers will need to evolve from SEO to AO: Algorithm Optimization.
Big Brand win the competition, but different choice is good point for small Brand to advertise. People behind machine are always changeable and boring…
很好的文章，对图形绘制的原理和实现，介绍的相当详细，同时，也很容易理解。现代图形学，解决的核心问题，就是，如何在屏幕上…….画线😄。为什么会采用三角形，来作为最小绘制的概念呢？因为，在2D的屏幕上，通过三角形，可以任意逼近任何形状。同时，这也是可扩展性的模块化思想，就像RISC一样，通过少量指令的组合，能够实现任意复杂的功能。现代计算机图形学的设计和实现，从算法到硬件，很好地体现了架构设计的美妙，赞！
这篇文章对物联网提出了很多警告，很有意义，可以看看。不过，我自己觉得，稍有些机械。原因在于，自动化呢，一定是未来，因为没有人愿意去做没有意义的事情，现在工厂招工难，就是一个证明，因此设备智能化，一定是未来的趋势。而经济和社会的发展，本身就会进步，可以用新的技术，来解决就的技术问题。那么如何做？不同的参与者，自然有不同的利益出发点，活下去当然是第一位的，这点文章表达的很清楚。但是，如果站在水表或者说水司的角度，倒不能完全用经济角度解释。底线思维，更好一些，即政府一定会维持它的运行，全世界基本上都差不多，水电暖气路的运营，都是国营。至于如何协调利益相关，可以有很多方式，例如水表安装在家中，以前是人工上门抄表，更改为智能水表后，住户会自己更换电池，触发计费，因为不这样做，就会停水…..。同时，大数据和AI技术，在云端进行大量的分析，预测每个住户的使用情况，及时发现异常，告警特殊处理。这在保险行业，已经被实施了。最差情况下，还是会有人工上门处理，但是这时的人工工作量，会小很多。因为只是小概率的异常处理，不是普查。嗯，当然，对于设备提供商，对于技术提供商，不进棺材不掉泪，给钱干活，不给钱走人，因为这个技术本身，很简单，可替换性很高，除非另有所图，那就看个人本事吧。
自动化呢，一定是未来，因为没有人愿意去做没有意义的事情，现在工厂招工难，就是一个证明，因此水表智能化，一定是未来的趋势
那么，在这个公共事业上，不能完全用经济思维来进行判断，而是底线思维，更好一些，即政府一定会维持它的运行
至于如何协调利益相关，有很多方式
例如，深圳的水表，很多就在各个家中，而不是公共场所
那么，有住户自己维护水表的运行，包括换电池，触发计费，都是可行的
我们家的水表就在家里
这个本身也是一种利益相关，住户不换电池，就无法计费😄
另一方面，其实随着经济的发展，不太会有人愿意在水费上做文章了，一个月几十元而已
同时，水司本身也是人性化操作的，我经常不在家，他们会自己估计数值，直接计费
几个月后有人抄表后，在调整
参加了阿里的新零售技术交流会，人很多，感受也很多。阿里的团队成员很不错，谈吐很好，能够跳出技术思维考虑问题，赞。现场不让拍照转发，虽然我觉得这比较扯，但还是尊重他们吧，看看第三方的介绍文章，了解新零售的概念。现场的交流，反而没有这篇文章中的商业描述多，主要是技术架构和算法的框架介绍，嗯，因为阿里想招人😄。新零售，信息化是未来的必经之路，提高效率很重要。更进一步，未来这种小店，完全可以做到自动化，无人经营，自动配送。这一点，阿里已经开始建立基础。至于让小店赚钱么…..这是个产权问题，未来出现的形态，可能是，有人愿意支付成本，来获得零售店的使用权或者所有权，赚取更多的利润。只是，他们的算法，还有些粗糙，目前的优化目标，过于考虑经济性。很多时候，还需要考虑多样性，考虑人工选择。否则，大品牌商的商品价格低，会让算法优先选择进行组货、进货、品仓，慢慢导致多样性丧失，人们的生活同质化，这个，我不喜欢😄。嗯，这个领域，其实不止阿里在玩，京东也在，很多小一些的企业也在。未来呢？首先，也许要看他们能不能抢占到小店店主的心了。设备免费送，配送免费或打包，然后给红包…..，钱多的企业，优势很大呀。至于平台，能不能赚到钱，就看企业愿意在这个方向上提供的输血能力了，短期内不会赚钱的
“团队一步步创建了头颅、下巴、肌肉以及合适的脸部表皮，也就是肌肉上面的这些脂肪组织，然后才是真正的皮肤层”，这是真正的技术精神，只有那些，愿意去探索和创造杰出的人们，才有动力去设计并最终实现它，赞。CG对于技术进步的推动，不可限量，无数新的技术探索，最终都延伸到其他领域。游戏，对于技术的意义，也是如此。Alita可以说建立一个完整的虚拟人体解剖结构，而狂战士装甲，更是对于物理规律的极度仿真。只是，光线的渲染，需要太多的计算资源了。人类对于物理世界的模拟，道路还很漫长，我们需要更快的算法！
挺有趣的一篇文章，直接利用双目相机的视觉图片，计算得到每个3维物体的空间信息，进而进行物体分类和检测。这种对象的检测方式，比2D对象检测方式，得到的信息要丰富，也更加准确，同时，纯视觉方案，也比lidar或者毫米波之类的点云检测，要成本低，不错。只是，计算量可能大了些，要有强劲的计算能力[Sob]…….
“李华当时明确的一点是，不应该往工具的方向走，而应该要往平台的方向走。工具的方向，对手模仿你几下，全学完了。但是做平台不一样，平台会沉淀人的行为，沉淀情感，这时的用户粘性、抗打击能力会强很多”，很好的文章。寻找到具有长久生命力的产品切入点，才是产品能够长久生存的基础。生命力是什么？骚动不安、激情澎湃、反复震荡、刀光剑影……，人类之间的交互，博弈，就是一种生命力。富途我很早就下载了，反而用的少，AAStocks倒多一些，还有Tiger，他们偏技术工具类，需要使用者的冷静。类似于雪球、选股宝之类的社交股票交易软件，热闹是热闹，但也考验交易者的心态。好吧，作为平台来说，富途要的是流水，要的是持续，使用者的盈亏，不是它的责任，反而是它的魅力。哎，做出一个能够赚钱的产品，还需要好好理解人性…….
这个想法很好，但是并不新鲜，在燃油车人类驾驶时代，为什么没有成为主流？隐含的原因，在于经济模式。现有的汽车经济模式，以私有制为基础，个人购买的是一个产权完整的财产，如果要和其他人交换或者共用，会产生借贷关系。那么，分离式设计，只要存在交换行为，不管是与工厂交换，还是与其他人交换，都需要考虑如何调整产权关系。目前，能够参考定位例子，只有共享单车，交押金按次付费。但是这样也导致了浪费严重。可以考虑混合模式，个人购买自己喜欢的部分，然后租用其他部分。至于损坏，寄希望于物联网监测与个体身份认证技术吧，实时记录使用历史。目前，倒是有这样的尝试，大众的MEB电动车平台，就是个纯底座，其他厂家可以在上面加智能座舱。CAIC中国无人驾驶赛车大奖赛的指定用车，也是一个平台，有线控，有悬挂，玩家自己编程控制，很有意思。嗯，不过文章中的座舱，太丑了，以后改装市场，潜力无穷呀😄
“点云过于稀疏，可以先采用VoxelNet 类似的预处理方式，将点云划分、聚类为一系列的Voxel，然后根据mask提取对应部分Voxel，对其进行gather-3d conv-scatter操作”，嗯，voxel的概念，只是显示概念，与运算无关，tensor本身是支持多维度的，运算也是如此。因此，理论上来讲，这里的mask、gather、sactter等算法实现，都不用调整，只是输入和输出的不同而已。这就是数学的美妙😄。从性能上来说，垂直坐标轴上的物体，mask的范围大小，不超过车身的高度太多，就可以了，没有必要将lidar的所有点云都处理掉，这样可以进一步提高效率。嗯，说实话，SBNet这个名字，太难听了…….[Sob]
“If we also expect the robot to move around the environment as well, then we’ll also need to layer in differential equations. My head already hurts”，😄，很好的文章，介绍了强化学习如何用于简化机器人运动控制的编程。例子很简单，本身也是传统控制算法早就解决了的问题，不过很有趣，因为我们可以通过ML来提供新的解决方案，而且开发上要简单很多，无非是浪费些CPU资源罢了😄。嗯，重新发明轮子，很多时候不是坏事，因为材料不同、工艺不同、效果也不同。可以看到，Model，作为一种工程解决方案，其实和Math，思维方式有些不同。Model有状态有记忆，通过旧状态，不断生成新状态，逼近目标，有明显的“时间因素”影响。而Math，特别是古典数学，希望无视“时间因素”，给出与时间变化无关的空间规律。但是，微积分的出现，让Math开始引入“时间因素”，从而演变为现在的Model，并解决了现实世界的很多问题。编程理念的演变，也是如此。确定性的图灵完备语法，在受限范围内依然有效，但要解决更大范围内的现实问题，则需要考虑“时间因素”。这，就是所谓，可微编程。
“这份数据集的价值并不仅限于此。不论是做敏感内容过滤工具（比如鉴黄工具），还是各种图像生成模型，相关的数据集都是必不可少的”，嗯，还会有什么用途呢……[Chuckle]。数据科学家，真的很苦逼呀，要懂的太多。微软大湾区人工智能讨论会上，有个家伙就举例了本书，“给数据科学家看的Docker”，好吧，数据科学家就是个垃圾桶，啥都要看。不过，很多企业在尝试解决这个问题，前几天参加了微软的人工智能Hackathon，就了解到，他们的AML Studio很不错，可视化开发，拖放各个组件，构成工作流，调整参数，test then adjust，不要太简单！从这方面讲，我一直很喜欢微软，特别是现在的微软，包括他们的想法和尝试，以及对企业的合作开放👍。虽然，微软的产品，很多时候，细节并不好用，也不够Geek…..
“如果得到转向及制动系统厂商的支持，无论是研发周期还是成本都会大大降低，并且更有利于后续的规模化量产”，好吧，Webco做的一手好生意[Chuckle]。商用车的开放场景下，首先研究车队跟踪技术，在自动驾驶技术还不完善的阶段，也算是合理的商业选择。因为，头车可以保留人类驾驶员，而所有的后车，则只保留少量人类驾驶员，甚至不需要人类。一般情况下，一个车队，可以只有2个人类，主备复用，驾驶头车，这会减少很大的人力成本。万恶的资本家们[Scowl]…….而这样的车队，后车的数目，多少比较合理，则需要实践和计算，也需要一定的数据分析和预测能力，毕竟，车队经过红绿灯时，如果头车已经走了，后车还在走时，突然变红灯了，这，算不算闯红灯呢？[Sob]
“十字路口盲区也是日常行车常见的情景，导致车祸伤亡的最主要因素，特别是在无信号灯的十字路口，以及雨、雪、雾的极端天气以及存在视野盲区的情况下”，问题在于，是人与车相撞，还是车与车相撞？文章后面的解释还算合理，V2X的设计出发点，是为了简化汽车的计算量，简化技术实现难度。但是，一定要明确，V2X并不是必需的。因为，实际场景下，存在一定的逻辑问题。路口，行人前进，V2X的DSU检测到了行人意图，然后通过5G通知临近的自动驾驶汽车，减速或停车。那么，红绿灯是否要改变？对于没有自动驾驶能力的汽车，人工驾驶时，人类会依据目前的交通设施进行决策，从而作出与自动驾驶汽车不同的行为。在未来的混合环境下，这会是常态。因此，V2X要想真正发挥作用，并不是简简单单的通信技术，而是一整套的完整逻辑体系，包括高优先级的人工实时指令、本区域当前状态的固有逻辑推理、路边传感器数据的推理、汽车数据的推理，然后再对周边的固定交通设施进行控制，并向周边的汽车发送信令。从这个角度看，V2X的网络侧，建设上本身会很复杂，网络拓扑上，不同设备会分类，软件实现上，则会是层次化的优先级决策。另一方面，汽车，不管是人工，还是自动，都只会将V2X的信令，作为一种传感器输入，然后结合自身的其他传感器数据，进行融合决策。从这个角度讲，自动驾驶汽车，要解决的技术问题，一个都没有减少[Sob]
“VIVE 控制器能借助“灯塔”系统发出的红外线，对控制器实现亚毫米级别的定位，从而精准捕捉人的动作”，这是定位原理，但是并没有解释机器人的控制原理。其实，实现还是很复杂的，vive只能得到3维空间坐标+1维时间轴的序列数据，但是如何映射到机器人各个关节伺服器的控制参数上，则是他们的核心算法了。另外，除了平衡保持外，看不到其他的自主逻辑，没有太多的规划能力。嗯，还没有达到cobot的人机协同能力，只能算是单向的人工示教吧，相对简单。不过还是要赞👍！
听了夜场的TensorFlow Submit，太困了[Sob]。没有太多新意，该知道的信息，早就放出来了。不过，可以发现，Microsoft的Azues、Google的TensorBoard、Databricks的SparkML、Jetbrains的Datalore，都提供了类似的功能，在线编辑、实时反馈、可视化结果，都在抢占Notebook的用户…….。谢谢深圳GDG的组织和美食，也认识了很多有趣的朋友😄
“Offering autonomous cars without the need to fear that machines are taking over driving”，嗯，这个提法有些狭隘，但是基于IOTA实现的PoC技术验证，很有趣。利用经济手段来实行车辆的自动跟随，很有创意。方案可以进一步扩展，完全可以做到M2M的全机器交互。理论上来说，汽车自动跟随，后面的车辆，每辆车可以通过自治的算法实现跟随。但是，实现会复杂，从而导致时间拉长，效率降低。而通过文章中的sensor数据交换的方法，则可与简化后车的决策算法，将引擎操控预测的功能，弱化掉，只是保持sensor的控制和实时反馈功能。为什么要这样做？嗯，很多时候，多个体组成的复杂系统，需要一种结构化的组织方式，让某些个体获得的经验，可以高效传递给系统中的其他个体，从而让系统整体达到平衡。而经济手段，就是一种结构化形式，也是独立个体构成的系统中，比较有效率并兼顾平衡性的组织形式。人类社会已经证明了这一点，那么，机器社会呢？机器和人类的混合社会呢？从目前看，人类会将机器，制造成符合人类行为方式的形态，那么经济手段，也就会成为未来社会的统一的组织形式。而IOTA，就是向着这个方向的积极尝试，赞👍
第二次参加拳击训练，有了新的收获。上次学到了基本步伐、直拳、刺拳和转腰，这次是恢复记忆、摆拳和如何绑带。真的很累，特别是我的膝盖自从篮球受伤后还没有完全恢复时[Sob]。目前，对于拳击的理解，总结起来，就是，腰的旋转，是发力的关键，而步伐的放松和移动，则是持久的关键。《RealSteal铁甲钢拳》中，狼叔的动作，看起来很专业，而他的技术，确实也很专业，为了拍片子，训练了良久。拳击运动，年轻时，我并不喜欢，现在则越来越喜欢，不知为何。作为一项运动，它对于体能、反应、战术、战略、意识的要求很全面，缺一不可。嗯，SuperBull的教练，专业而Nice，我也很喜欢👍，特此转发推广😄
下午参加了深圳登协的雪山讲座，收益匪浅。登山的基本知识，虽然我早已熟悉，但过往的经历，并不包含高海拔山峰，以及雪山。强子，真的很专业，不但自己常年在高原实践带队，理论上更是丰富，条理清晰，幽默生动，让我对于雪山的攀登，有了初步的认识，赞强子👍。嗯，听着听着，我忽然联想到了《阿丽塔》，真是奇妙的感觉。电影中的Alita，经历了地狱般的战斗后，最终换回了自己的战斗机甲身体。而登山者，则始终在增强自己那与生俱来的身体，不断磨练，痛苦而反复，从5000米到8000米，最终，让自己的躯体，能够承载着那不羁的灵魂，站在山巅。我想，真正的登者，都是一个Alita吧，Fighting For Ever！
“由传统的运营商统一管理运维一张包含省干到接入点庞大的网络，转变为企业用户管理运维好自身小型网络，达成移动数传业务”，想法很好，但是存在2个根本问题。第一个问题，是建设问题，其实运营商已经有了很好的建设基址，即路灯。路灯的分布，完全符合人口的流动和密度分布，有电源，还是政府所有，无谈判难度。第2个问题，是运营问题。在我们国家，通信是不会让企业自己运营的，一定是统一管理，LoRa遇到的问题，就是证明。理论上和实践上，运营商一定会尝试和更多设备商合作，包括运维企业，但是最终，管制的还是会被管制，发牌照呗。而企业，目的是盈利，如果只是运营基站给自己内部用，谁会做？企业，一定是想赚用户的钱，或者转运营商的钱。嗯，典型的场景，就是云，在云的时代，还会有多少企业会自建内部网络并进行维护呢？另一方面，网络质量么，一定会需要最低的QoS，C-V2X怎么可能让小企业自己建设来运营呢？企业倒闭了，自动驾驶的车，还要不要开呢？因此，运营商+少数牌照大企业，会形成5G时代的网络侧垄断集团，毋庸置疑。
Katz同学的硕士论文写的不错，100多页，太长了。不过内容很详细，对于腿足机器人的介绍很详细，BostonDynamics的液压、AnyRobotics的ANYMal的弹簧传动，以及MIT的Cheetah的电机与减速机合体，娓娓道来😄。嗯，Cheetah Mini的后空翻，实现上确实有些取巧，机械结构设计上，动力靠近腹部，减少了对于扭矩的要求，而镂空身体，也进一步减轻了重量。不过，设计还是很巧妙的。以后的载物负荷，可以考虑放放到腹部中，这样让重心更加集中，保持对于电机和减速机的低成本优势👍。嗯，腿足机器人，还是很有优势的，相比于轮式，通过性高，还能翻身站起来😄。这个Mini作为宠物的话，会有些商业前景，只是，看不到太多传感方面的设计，估计只有IMU，那就需要增加camera和lidar了，提供SLAM，做到寻路能力。从这点上看，BostonDynamics的商业化能力更强一些，至少SpotMini这些都有，除了…….没有头，太丑了[Sob]
很好的讲座，逻辑很清晰，会对惯导涉及到的问题和技术，有个大概的了解，也会理解到，为什么要实现融合感知。融合，确实是自动化行为，或者说智能代理，必须要具备的能力。卡尔曼滤波的实现思路，虽说比较常见，但效果很好😄。嗯，进一步讲，从架构上来说，融合感知系统，可以做到即插即用，输入不同的数据源，输出统一的数据判定结果。DAISCH的自学习误差校准算法，倒是不错的工程化解决方案，赞👍
“高达数十层楼的巨大机兵踏足于破败的都市，掀起的沙尘和气浪折射了暮光，摇曳了黄叶，吹打在奔跑少年坚毅的脸庞上，在末世的荒凉中透露着希望和生命力”。《胧村正》真是经典，绚烂诡异的色彩、造型奇特的角色、巨大的地形关卡、视觉冲击力的战斗场景，末日氛围，营造的相当出色。在迷茫和颓废中，多线索的剧情，也让玩家的选择自己的未来。但是，战斗，永远是核心，那依靠自己不屈不挠精疲力尽血战到底的，Fighting！这种风格，独树一帜，废土蒸汽朋克浮世绘，也是当年我们《刺客传说》开发时，内心中隐约闪现的范本，我很喜欢
“朝花夕誓——于离别之朝束起约定之花”，很长很难念的名字，就像内容一样，很难简单表达，十分丰富。人的感情，在这部片子中，有完整的描述，善良、嫉妒、贪婪、仇恨、迷茫、痛苦、亲情、爱情、坚持、放弃、毁灭、自由，不一而足，真是佩服日本人的文学功底，和电影制作。动画片中的成人世界，五味杂陈，史诗般的剧情，但又好像就发生在身边，真的是奇妙的感觉。嗯，我喜欢它的画面，以及音乐，还有那，清新田园环境与维多利亚工业革命环境的鲜明对比，令人震撼
确实，想法很简单，实现也容易，但是，他们能够做出来，并且展示给大家，这就很不错。DL用到的数学知识，都是大一全部学完的，因此在理论上，大四学生的理解能力是没有任何问题的。只是，软件工程方面的知识，没有实践，则是很难理解的。他们确实很优秀，能够在好的公司进行实习，环境培养了他们的动手能力，很好👍
“我们所说的BYOD，也就是自携带电子设备，这是未来的发展方向”，每个人，身上到处是可穿戴设备，手机/手环/鞋子/衣服/眼镜/纹身….，这就是我们未来的生活方式。这辆车的设计倒是很有想法，有很多细节，确实是开车才有体会，我喜欢👍
科幻影片，我很喜欢，但喜爱西方科幻，胜过大陆科幻。一直在想这是为什么…..后来才明白，科幻的本质，是悲剧。西方的科幻片，基本上都是矛盾重重，最终的结局，大概率是以人类整体的悲剧，作为结束，移动迷宫/银翼杀手/异形/普罗米修斯/降临，莫不如是，即便是少数主角存活下来，但是人类大多数个体消亡殆尽。而大陆的科幻片，缺少这种喜剧表达方式。这就是为什么看完《流浪地球》后，我觉得没有什么特别感觉的原因，因为，它没有给观影者，带来多样选择的剧情设定。而选择，以及可能的后果，才是科幻片的意义吧，也只有这样，才会我们去更加努力地思考，并在未来，作出选择，承担后果。
“We simply don’t know enough to do it. Nature has struck a very fine balance”，maybe，but who knowns? 换句话说，从法理上来说，谁具有决定权？孩子没有出生时，只有父母有决定权。如果，自然选择，真的在历史上已经确认了这种基因组合的不合理性，那么在目前人类的新生存环境下，还会不合理么？如果自然选择还没有确认过，那么这就是一种新的物种进化选择方式。人类作为个体组成的整体，要想维持生存，能做的事情，其实是尽可能的鲁棒，即多样化，而不是纯化。
“当她们被问到“像女孩那样”对他们意味着什么时，她们的回答是“尽你所能做到最好””，👏鼓掌！女性从事编程，确实很少，很多时候，这是社会习惯强加的影响，好像女性更容易因为周围意见而改变，包括父母、兄妹、子女、闺蜜，这点，在大陆相对明显。西方文化氛围内，相对独立一些。昨天去HK参加Spark的一个技术交流，就有几位女士参与，休憩时还主动和演讲者咨询，态度认真而专业，赞。性格的独立，其实不论性别，都是前行的基础。希望我们每个人，都愿意追求自己内心的梦想，并愿意去行动，去探索！
“谷歌研究了如何在在模型宽度度和数据集大小在相当大的一个取值范围内，让线性化动态和真实动态之间取得一致性”，这个是关键，文章标题有一定误导性。宽度网络，存在维度爆炸问题，这个已经被证明，即在宽度小于数据集的维度时，是无法收敛的。这意味着，只有小数据集，才能有被训练，而且存在过拟合的风险。深度，其实是一种高阶抽象，更加符合我们对于概念的理解过程吧。