df595149790

杂想。201907

建筑的设计，毫无特色，扔到一堆现代主义的建筑海洋中，波澜不惊。作为大学，必须要有个性化，这种表达，要能够经历时间的流逝，展现知识的魅力，揭示心智的永恒。我们的大学，乃至于眼界，都过于短视了…….

“当新陈代谢减缓，机体就有了更多的时间去纠正错误”，倒是….很符合逻辑呀，只是，RNA的意义，到底是什么呢？传统看法，认为RNA是古老的进化遗留，DNA取代了RNA的作用，那么RNA依然存在的原因……估计还是冗余性的考虑吧，生命不会轻易抛弃曾经出现过的特征，因为这些特征的记忆，可以在恢复时，保证生命拥有再次处于那个特定环境下时的生存能力。生命…….还真是就是一场体验，而这种体验，不仅仅是个体的，也可以通过基因，世代遗传。因此，我们可以看到，具有冒险精神的人群，变的更加普世，即所谓创造性

“数千种高性能、低成本的探测器，并将它们联网以演示大规模、连续流式物理传感器网络”，有趣的应用，通过将集成了QCL的光谱分析仪，链接到一个网络中，然后用算法来分辨可能的化学物质浓度，确实不错。只是细节太少了，不知道它的光谱分析仪如何设计的，布点的密度有多大，QCL的激光波长是如何分布的，这些虽然可以用算法来调整，但是灵敏度和成本，有很大关系

https://mp.weixin.qq.com/s/qRqU6khtNrX3tlzu0T4ihg

“通用型CAR-T是一种分离的、通用、可编程式(split,universal, and programmable，SUPRA)CAR 系统”，是的，可编程😄，我们理解了基因的相互作用原理后，未来可以做到全自动化…… 昨天看到了 “布尔函数敏感度猜想” 被证明的文章，思想很有创意，通过映射为空间几何体，给它的顶点进行编码，然后构造一个特殊的矩阵，研究矩阵特征值的数目，与顶点编码数目之间的比较关系，证明了敏感度数目的下限👍。那么，如果我们进行类比，基因与靶点的效果，有效为1无效为0，那么，这是不是也可以转换为敏感度问题，即，我们最少需要多少组基因，才能保证靶向治疗的有效性？嗯，感觉是比较有趣的想法，深入研究后，给出理论结果，也许可以指导这种基因编程的操作，减少盲目实验的次数😄

“All those moments will be lost in time, like tears in rain. Time to die”，yeah，time，时间，在我们的宇宙中，好像是永远不变的观测量，这真是令人迷惑的现象。我想了很久，希望思考一下，没有时间的世界，会是什么样子，结果…..没有答案。如果没有时间，那么这样的宇宙，逻辑上，就只是一个，点，无法分割成更细的组成部件，因为，只要存在部件，这些部件之间就需要交互，那么交互是否需要时间？不存在时间效应的交互，概念上看，其实就是一个整体，也就是说，点，而它，连尺寸都无法度量，无限接近于零。而生命，则是一种可以观察到的有规律的运动过程，例如进食、交配、呼吸、思考。没有时间的世界，也就不存在生命。从这个意义上来说，光，也是一种生命😄

和迪开了一天的会，结束时，脑袋都有些木，然后…….腼腆而漂亮的新人MM店员，邀请我品尝她刚做的的手冲，忽然觉得，头……也其实没有那么痛了😄。伊是第一次做手冲，于是，我就多问了很多问题，产地品种酸度温度口感评级……. 内心里很喜欢新人MM的动手能力，希望她能做喜欢的事情，在咖啡之路上忘我前行。Costa是我很喜欢的咖啡店，也许是英伦风格的影响吧，它没有星巴克的商业强烈，与客人的互动也相对少，环境则要清幽一些，经常见到很多人在看书和学习，适合思考，和独处。

“高德纳一点动静都没有，出版社代表找上了门，才得知高德纳已经攒了大概3000页的手写稿，我才刚写了个序章啊” ……. 好吧，《计算机程序设计艺术》，上学时就想买，奈何没有money，工作后到时有钱买了，结果用于收藏了[Sob]。昨天与ABI的朋友们，交流算法基础，就谈到了这本书，它，还真是计算机Classical（古典）算法领域中的Classical（经典）呀，面面具到，上学时的学校教材和它比起来，真是小巫见大巫啦。嗯，西方文化，对于细节的深入，真是令人惊艳，伟大的创造，往往源于作者自身的需求，特别是，对于美的追求。昨天也聊到了这一点，我问，企业家，是否应该坚持自己的信仰而创造产品，还是去顺应他人的需要而制造商品？最后的讨论结果…….并没有答案，因为我们可以观察到，现实的环境，并不支持创造和特立独行，即使，有很多人，喜欢Apple冷艳而人性化的设计，但更多的人，只关心价格和基本可用。那么，未来呢？朋友说，年轻的00后们，已经开始追求自我的表达…… 衷心希望他们，不会在成长的过程中，被同化，被抹杀，被淹没在茫茫人海中。

高德纳一点动静都没有，出版社代表找上了门，才得知高德纳已经攒了大概 3000 页的手写稿，他说：我才刚写了个序章啊

深创赛“有少数民族团队成员”时会加分……. 嗯，像我这样的匈奴人后代，给不给加分😄？前段时间ABI里聊到西方科技为什么这么发达？一个观点是冒险性，喜欢作死，就是一种冒险性，而愿意冒险的生物，突变的概率更大，而这些群体突变积累起来的影响，就会很分散，或者说，有创造力。但是，Dont Panic…..

深创赛“有少数民族团队成员”时会加分……. 嗯，像我这样的匈奴人后代，给不给加分😄？前段时间ABI里聊到西方科技为什么这么发达？一个观点是冒险性，喜欢作死，就是一种冒险性，而愿意冒险的生物，突变的概率更大，而这些群体突变积累起来的影响，就会很分散，或者说，有创造力。

Variational，变分，看起来不知所云，但思想却很简单，就是进行转换映射，复杂而难以直接求解的问题，映射为，简单的我们已经知道如何解决的问题，或者，更加复杂但可以精确计算解决的问题。嗯，基于这样的原理，很多变种算法层出不穷，VAE变分自编码器，就是一种，用神经网络来跟踪每个变量的可能取值。嗯，这是数学的强大，也是数学的悲哀。强大在于，我们可以操控的更深，悲哀在于，我们丧失了简洁，数学变得不美。也许，这就是数学，目前面临的困境吧，我们需要有新的数学体系突破，不再是修修补补，而是星辰大海。

“OpenAI的Ilya Sutskever在推特上表示，他们将在Azure里训练巨型神经网络”，奇怪，AI花费电力训练网络，没有人跳出来说它不环保，区块链PoW运算维护网络，一堆人却说它在破坏环境。通用人工智能，Microsoft并没有明确其定义，什么才算通用？难道要OpenAI修改GPT2的“not”问题😄？

“对象胶囊可以学习专门针对不同类型的对象。当我们对物体胶囊的存在概率进行聚类时，我们惊奇地发现，来自同一类物体的表示形式被紧密地聚在一起”，想法符合直觉，结果也符合预期。对象的组成部件，本身就应该是学习来的，但是文章强调了坐标系的重要性，仿射变换后学习到的部件，才是合理的部件👍。只是，不知道部件的边界，大小在哪里？如果不断学习，不断改进部件边界，那就很像人类大脑了。但是，这也就意味着存在矛盾了，因为所谓部件的边界，本身就是一种偏见，没有客观性，因人而异。OK，机器的个性化，出现了😄

谢谢辉哥。用区块链技术，来实现平等，是很有意思的事情。未来还未到，只能先从过去看概率。人类这种生物，个体性的差异巨大，而群体的合作，让我们进化到了今天。但核心的组织机制是什么？少数人的决策，很重要。组织方式的后果，是效率。平等的理念，是群体希望个体，主动发挥自己的力量，包括智力和体力，共同提高群体的运行效率。但是，如果群体内的某些个体，发现一定的控制和隔离手段后，群体就会分裂，平等理念也会分裂。未来，机器，会成为这样一种手段，拥有机器的群体，和没有机器的群体，之间的差异点，大于共同点。如果一直生活在相同的空间下，冲突的产生，不可避免。因此，所谓区块链形成的平等，或者说DAO，始终是某个群体内的机制，不会有全球的统一机制，而这种群体内的信息交换机制，都不一定是区块链。但是，只要群体之间需要互动，那么不同机制之间的通信，就不可或缺，例如，币种之间的转换。但人本身就是复杂的，耶稣会有，萨达姆也会有，V神的追求，已经和当年不同，也和其他以太坊的成员不同，这就意味着，慢慢开始分裂。OK，那我们的目标到底是为什么？如果是赚钱，就要找到目标群体的认知时间差。如果是表达，就按照自己的兴趣去创造差异。

“携带“编码”的空气扩散到空气中，其中的一部分会到达你朋友的耳朵中，通过他们的鼓膜，然后鼓膜振动，传递你发声的位置和说话的音调”，作为编码和解码的过程，人类的数学，可以登场了。个体的肉体差异，导致声音的空气编码，并不相同，接收者会按照什么方式解码呢？噪音过滤，正则化，是第一步，然后不断融入到已解码的信息中，从而获得完成概念。这是马尔可夫的链过程，也是CNN的过程😄

我很喜欢卡勒瓦教堂的设计，外表的曲线，令人愉悦，而内部的直线，却又令人神圣异常，内心不禁隐约诵吟到，God，please send me，here am I。柯布，作为现代伟大的建筑师，他的模数系统，始终无法绕开，“柯布西耶按照普通男性身高开创了他的两套基本模数：红色系列和蓝色系列”，嗯，他的这套设计模式，基于数学的严谨推理，应用到建筑上，在创造了美的同时，也产生了距离。而曲线，则是调和这种距离感的良好手段，阿尔托的设计，完美阐释了这一点，那种属于北欧的、稍显禁欲的、而又亲近自然的，感觉

“你把数据放在哪里，是程序员做出的最重要的决定之一”，是的，也很痛苦，在于编程时，太细节了，数据结构/互斥访问/磁盘交换/缓存机制/垃圾回收…..，太魔鬼了，很多都是类似的功能，因此，程序员发明了各种各样的独立系统，尝试解决这些单个问题，然后交给开发者集成，结果….集成的好，开发者就成了架构师，否则，就被所有人骂[Sob]。Legent的想法，到不错，开发者你就不要管数据了，只管逻辑算法，数据的管理，由编译器搞定。当然，编译器编译的代码，就是它的核心了，要解决上面这些问题，还要能扩展，支持大规模数据的高效访问，很不容易。它的实现上，到很简单，LLVM搭台，基于Tera语言，嵌入了Lua语言，对于有C++语言基础的人来说，还是很容易的😄

“AI病理实际上是一个比较新的方向，存在着一些挑战，主要体现在数据量比较小，样本不均衡，图像不标准，数据标注比较困难，诊断存在一些模糊性”，是的，但是技术，就是用来解决问题的😄。腾讯设计的算法，还是有些意思的，包括Patch设计，和多Loss函数设计。嗯，可解释性的疑问，倒不是太大的问题，有结果数据，医生随时可以翻看。另外，如果引入多个厂家的AI检测算法，构成一个检测集群，然后对所有的独立检测结果，进行仲裁，也会更高地提高准确率。这一点，也可以用来缓解第二个疑问，即每种病理需要开发不同的算法😄。按照这个思路，其实医院是应该构造一个病理检测算法的分布式服务系统，允许动态添加和删除算法模块，不管是针对同一种病理，还是针对不同病理。这种分布式的检测系统，作为SaaS存在，也是可能的，因为可以脱敏。只是，医院自己，愿不愿做这件事情呢？

“点云在现实场景下是连续捕获的，所以单个静态帧中的攻击可能在现实场景中的影响不大”，是的，有一定的难度。生成对抗样本的算法，原理很简单，说白了，其实就是因为3D与2D转换造成的问题。LiDAR输出极坐标，那么距离的取值，从3维空间转换为2维空间时，可能会丢失信息。对抗样本的造型，就是利用这个原理。不过，它们生成对抗样本的整个流程，倒是不错，全自动化，是可以大规模应用的思路，扩展一下，就完全可以做成一个安全检测解决方案呀😄。那么，怎么解决这个问题呢？LiDAR提高线数，可以解决，但成本提高。多LiDAR分布检测，会更合理，虽然成本还是会提高，但比单个高线数方案，要鲁棒。

我挺喜欢Goldsmith Street的风格的，除了…..中间两列建筑之间的通道，太狭小了。西方没有国内的小区概念，这种狭小的过道，目的应该是想营造社区的氛围，让居民有心理上的隔离空间。不幸的是，这种做法，反而加大了犯罪率，恶意事件会发生在周围居民的“视线之外，街道之内”，然后，心理上的恐惧感，会让街区变得不再“感觉安全”。建筑的设计，不仅仅是材料的布局，也是人群的心理塑造，明亮的灯光+不时可见的人影+隐约的话语声，会让一个社区，变得更加宜居

“人类从来没有在0和1的代码上冒过这么大的风险。然而，他们决定相信机器和代码”，Okey，队友是不是猪，到了这个地步，怎么也得信任呀，除非…..放弃登月的梦想。Trust，是个很有意思的话题，为什么要trust？trust多少？要不要背叛？被背叛了怎么办…….，这就是典型的博弈过程呀😄，人类对此，着迷不止，还搞了德扑类的游戏，在和平时期，对神经网络，训练数据，以便在战争时期，高效推理。结果呢，google搞了个算法，杀的人类玩家，痛不欲生，这种“不完美信息空间的博弈”，人类都无法干过算法了，那人类对于机器的trust，只会更进一步😄。嗯，如果未来，算法也会对着月球陨石坑，说出“有种荒凉美”的话，估计那时的人类，才能真正意识到，到底该如何trust机器？

参加了微众银行的联邦学习交流，挺有意思的。Federal Learning，谷歌最早提出，我看过它的文章，一直觉得是分布式计算的一种解决方案，虽然隐私保护也是功能之一，但是，今天的交流中，我发现，国内企业对于FL的理解，反而更加强调隐私保护，这除了法律问题外，主要还在于企业间的数据合作，太困难了，不信任感过于强烈。于是，技术，粉墨登场。为此，微众银行，还建立了FEDE这样的联邦学习框架，每个企业分别部署一套，通过加密手段，特别是同态加密，获取对方特征，保护我方特征，分别训练模型，然后共同推理😄。不过呢，让技术尽快找到商业场景，倒一直是我们企业的强项，我好像没有听到国外企业在联邦学习上，有这么多的商业化考虑。目前看，不对称的联邦学习商业模式，会是主流，即有数据的企业，提供服务给数据少的企业，然后收费。未来么…….数据有可能对等么？企业间是否会因为博弈而对数据造假呢？值得观察……..

游戏人生零，很不错的电影。看着女主机械姬，我甚至觉得，这就是烟雨江南在《亵渎》中描写的，风月，那个长发披肩身型瘦小意志坚定一往无前的亡灵战士，那个对胖子付出“心”的骷髅美女，那个也收获了真心的“非人类生物”。除了，缺少一个“太卑鄙了，太无耻了”的格里高利骷髅龙大人😄。机器，或者说算法，到底能不能产生感情？直觉来说，可以，因为思维是物质的产物，感情是神经和化学的结果。但是，如果去实现它，难度到底会有多大？也许，目前的技术方向，是难以诞生感情的，因为目前的算法，没有恐惧，没有对于生存的渴望，没有对于同伴的期盼，而这，是感情诞生的进化以及生物学的基础吧

游戏人生零，很不错的电影。看着女主机械姬，我甚至觉得，这就是烟雨江南在《亵渎》中描写的，风月，那个长发披肩身型瘦小意志坚定一往无前的亡灵战士，那个对胖子付出“心”的骷髅美女，那个也收获了真心的“非人类生物”。

“氯胺酮可以通过阻断外侧缰核的簇状放电，终结这种放电对下游单胺类奖赏脑区的过度抑制，最终产生快速抗抑郁的疗效”，赞一下研究者先👍，她们发现了人体运行的某些规律，虽然，还不知道适用的人群范围。人体的行为，都会受到体内各种化学物质的影响，那么，抑郁症，是人体的主动行为？还是被动结果？我们已经知道，很多时候，人体的化学反应，是进化的后果，是为了更好的生存。那么，抑郁症呢？对于人类个体的生存，意义何在？它，究竟是一个Defeat？还是一个Feature？

很好的研究，发现了神经系统的规律，符合我们已知的神经系统运作机制，即人体的行为，都会受到体内各种化学物质的影响，包括神经放电。那么问题在于，抑郁症，是人体自动行为？还是被动结果？人体的大脑，是否会主动引起外侧僵核的簇状放电？原因是什么？很多时候，我们已经知道，人体的化学反应，是进化的后果，是为了更好的生存。那么，抑郁症呢？

“在健康的状态中，脑中的想法应该是封闭的，别人并不知道，只有当我们做决定时才会通过语言和行为表现出最终的决定”，除了这一点，有些意思外，其他的担忧，并没有必要。人类进化到现在，本身就是不断改变的过程，伦理与道德，没有固定标准，随着变化而变化。那么，大脑的想法，算不算隐私？这是无法验证的问题，因为我们无法验证芯片的输出，就代表了个体的想法，因此，合理的规则，只能看后果，而这也是现代法律的原则

“用预先存在的知识，解决在创建新项目时的代码补全问题”，有趣的想法。Intellij的CodeComplet是我觉得最好的，它除了符合语法外，还能够根据自己的风格，自动适配，但是，它的实现，基本是RuleBased。而基于代码数据集来预测代码，则脱离了Rule，说它有趣，是因为它可以不了解规则，而是从样例代码中学习规则。而问题也在这里，训练时，应该要有偏见，即不同代码的权重不同，优秀代码应该权重更大，那么，如何定于优秀代码，就是标准问题了。希望看到Jetbrains的类似解决方案😄

“小鼠感官知觉的局限性不是由感觉皮层的神经噪声决定的，而是由神经元下游的解码过程限制”，嗯，这个结论的意思是说，老鼠的脑袋太小了，不如人脑大，因为人脑解码时，信息恢复率，比较高😄

“电子游戏能够培养玩家阅读地图的技巧，而这被很多人低估了”，这还真是…..正确，空间方位的判断，是人类生存技能之一，在陌生环境下，如何找到目标，如何规划行动路线，一切取决于头脑中的想象。很多女孩子空间方位感很差，因为她们…..不喜欢玩游戏[Grin]。不过，了解地图制作的人，确实很少，了解游戏地图制作的人，更少了。游戏地图，除了是世界外，也是关卡的载体，和沉浸感的载体，真的很重要。我们在做《刺客传说》的地图时，就耗费了大量的精力，要考虑比例尺、关卡时间、陷阱距离、角色摆位、美术沉浸、剧情完整等等，真是TM令人痛苦，也TM令人着迷😄

“通过锚定用户身体，混合现实系统可以在用户喜欢的位置呈现相对固定的用户界面或AR影像，比如说掌心和前臂”，有趣的想法，进一步扩展，AR需要一个“统一世界定位协议”，从而让其他AR设备（实际上是当前使用设备的角色），明白我自己当前的AR设备（也是登录的角色），所定义的虚拟物体信息，包括坐标、类型、预览，甚至简单交互。这样，其他人通过她们佩戴的AR设备，就可以看到我自己设定的虚拟纹身啦😄。我们未来的世界，一定会这样运行，这种“统一世界对象信息”，就是URI的一种

“在新的范例中，开发人员的大部分注意力从设计显式算法转移到管理大型、多样和干净的数据集，这些数据集间接地影响代码”，这是个重要的转变，软件1.0到软件2.0的转变，西方工业界首先意识并明确了这个概念。传统软件开发，强调编程能力，强调对于语言、所以计算机、对于算法的理解，人为因素相当大，因此我们才有了10X程序员，才有了各种开发培训，才有了无数的语言。而未来，数据科学家，会成为新的程序员，普通开发人员的编程模式，会变成对于数据集的管理，清洗转换加载过滤验证测试部署……，算法，将成为少数程序员的专业，他们负责提供数据操作的核心逻辑，以及超参数的配置。嗯，好吧，这些程序员，就是10X！😄

最近安徽东超的“等效负折射率平板透镜”的专利无效诉讼，沸沸扬扬，简单研究了下，挺有意思。他们的技术，从原理看，是符合专利要求的，他们通过多层光波导实现，效果“等效”于“负折射率”即“左手材料”的效果，但是技术原理并不同。也于日本的Aska3D公司的技术原理不同，他们是垂直反射镜。但是，算实用新型，还是发明？这个就不好说了😄

最近安徽东超的“等效负折射率平板透镜”的专利无效诉讼，沸沸扬扬，简单研究了下，挺有意思。他们的技术，从原理看，是符合专利要求的，他们通过多层光波导实现，效果“等效”于“负折射率”即“左手材料”的效果，但是技术原理并不同。也于日本的Aska3D公司的技术原理不同，

冷兵器时代的战争，是意志与纪律的战争。欧洲的重装骑兵，源于亚历山大的马其顿方阵，在古罗马被量化，讲究布局，讲究配合，讲究指挥。这种模式的战争风格，为什么会出现在欧洲？也许与欧洲地形崎岖有关，无法快速移动，那么在防守中进攻，是最有效的战术。亚洲军队，则明显轻量化，快速移动+独立作战，是主流，也与地形有关吧，地方大人口少，可以四处骚扰，不拘一城。两种模式，如何对战？只要重装部队不乱不出击，轻装部队毫无办法。蒙古骑兵，则打破了这点，通过自身的反复运动+远程弓箭，对重装部队进行持续损耗，导致对方要么出击，要么耗死，真是精彩。嗯，这也是西方喜欢规则，东方喜欢计谋，的历史原因吧

“我对负面的评价感到惊讶。这些特质能帮我们分辨哪些人是10倍工程师”，sure！老外和国人的评论，大部分都很平庸，人云亦云。10X的核心，是高效，并不会影响生活，你看到的外表，都是10X看破表象直击核心后的表达，是人生前行的捷径，当然，如果你认可10X世界观的话。当然，10X是一种状态，既然是状态，就会有迁移，人生本身就是不断状态迁移的过程😄

“实验表明，这样一个简单的任务仍需要五个Tribot才能完美完成”，嗯，社会分工/阶级对立/贫富分化…..，看起来很有道理喽[Smug]？群体智能，或者说蚁群算法，一直是研究的热点之一，我们想模拟蚁群的合作性，但我们不知道蚁群…..是否有压迫😄。蚁群算法，更简单的一个特例，是鱼群算法，核心的规则很简单，就是，“千万不能和其他对象有物理接触”+“随机选择躲避方向和位移”，然后，由于个体的差异，就可能造成位移的距离和速度并不一样，结果导致鱼群整体的稳定运动😄。只是，这种个体的分化，是不是因为竞争迭代而导致的呢？推广到人类社会，个体的身份固定，是否会加快人类社会整体发展么？

很喜欢拉尔斯的书，当年的《维京传奇》，让我真真了解了昔日维京的历史，以及对于欧洲的巨大影响，收获良多。这本《十字军东征》，也是这样，拉尔斯的描述中，我们可以看到背后的原因。上次与金证的陈总陆总交流，还谈到，国内史学届，始终没有一本书，从经济的角度，来讲解中国的历史事件和朝代变迁，因为，经济，是人与人之间的关系，也是社会变动的根本推手。我们可以发现，十字军的出现，与伊斯兰世界对于基督教世界的巨大威胁有关，与西欧封建制度的分割后果有关，与贫穷流民生存的欲望有关。核心一点，就是经济发展无法满足社会需求，不管是生产力也罢，生产关系也罢，农业西欧陷入了困境，而游牧伊斯兰则缺乏稳定性。基督教世界，需要自救。这个….与trump的现在，真实太相似了

“引擎中的 G 缓冲区通道包含 3 个阶段：渲染实体网格，实体柔化网格和贴花。实体柔化网格是通过前一阶段的实体网格提供光滑拼接支持的网格”，为了获得逼真的视觉效果，计算机图形工业届，真是无所不用其极，核心的理论，却很简单，就是如何将三维空间投影到二维平面上，数学变换。工业界为了实现这个目标，就有了顶点、纹理、多边形、法线的概念，有了管道流程，有了shader，有了GL接口，有了GPU，有了光线追踪……，真是细节多如牛毛呀。而这一切，就体现了算法的概念，数学+计算机+场景

“为了减少运气对比赛的影响，他们在一个版本中采取了“AIVAT”算法，在保持样本无偏差的情况下，用每种情况的基线估计值来减少方差”，这算是一种正则化技术，调整数据的分布。算法的其他部分，到都符合直觉，总体规划（蓝图制定/信息抽象）+动态规划（精细搜索/概率追踪），但是对于运气的考量和调整，确实是比较有趣的设计😄。话说回来，无偏的算法，对于不完美信息博弈来说，有多大的意义呢？难道像神奇博士一样，计算出1400万的可能性后，才能打败灭霸？

momenta的avp功能，挺有趣的 没有用lidar，跟随了tesla的视觉路线 他们的场景下，技术上也还算成熟，摄像头语义slam识别物体，毫米波避障，imu辅助定位 不过，空车位的判断，有些疑问 视频中，目标停车位的空车位图块，比后面汽车模型出现的早，而且没有遮挡，意味着这个区域，可能是事先指定的，而不是实时检测的 这可能对于固定车位的停车场，比较有效

“越来越多的特斯拉车主开始试用新版增强版召唤，其中一些人已经将这一功能推向了新的极限，比如在公共道路上使用”，人类这种动物，就像……猫一样，会不断尝试新的挑战😄。Tesla的增强模式，命名很西方，那未来再次升级呢？Ultimate模式[Chuckle]？不过，可以发现，如何与人类的交互，是一个重要的设计考量，它不光要听车主的命令，也要能理解他人的命令，例如，人类司机，告诉汽车，你先倒退一下，让我过去……。那么，这种情况下，语义的理解是一个考量，而操作的后果，是更重要的考量，会不会对车主造成潜在的损害？包括法律后果？简单的做法，是车主远程控制，但自动化的机器，一定会到来

ai数据的问题，数据增强，可能无法应对未见过的数据 但是，其实是可以用知识图谱来实现识别 目前的数据问题，核心在于标定，是粗粒度的，车只是车，而不是各个组件 如果，增加组件标定，那么训练时，可以理解组件之间的关联，符合关联关系的对象，就是目标对象 例如，车门四轮车头车尾，有这些部分组件的对象，就是车 这里边的组件之间的关系，本身可以ml学习，也可以nn集成学习 结构化的nn

数字孪生，对于数据标定，是不是更合理

恭喜Cocos👍！不过……. “支持 FBX 以及 GLTF 的模型和骨骼动画导入，动画系统沿袭自 Cocos Creator 2D，所以开发者们可以用同样的 API 驱动动画播放”，这个需要详细玩一下，才知道Cocos的动画方案，对开发人员，是否好用。动画是游戏的核心，也是工作量最大的地方之一，编辑时工作量大，代码工作量大，特别是有大量的模型和动画都需要处理时，这个问题更明显。如果有模版系统，以及动画零件库，就会简单很多😄。嗯，不以减少重复劳动为目标，不追求懒的程序员，都是耍流氓！

北塔的文章，挺好的，他们有自己的思考，有自己的投资原则。虽说，资本的力量，他们并不强大，客观上无法跟随烧钱，但是能够坚持自己的风格，就是好事👍。但是，我们深入思考，教育其实是流水生意，与消费行业的烧钱，并不同。反而更像…..火车站买烧饼的，能骗一个是一个，因为毕业的学生，不会继续花钱，家长也没有孩子，持续消费。那么，资本烧钱，目的真的是为了搞死对方？烧钱时，自己到底赚不赚钱？烧钱结束后，新竞争对手其实也容易随时开始，那烧钱的主，还要不要烧？还要不要盈利？抑或，他们的目的，其实是为了下一轮的融资，为了IPO？

教育其实是流水生意，与消费行业的烧钱，并不同。反而更像…..火车站买烧饼的，能骗一个是一个，因为毕业的学生，不会继续花钱，家长也没有孩子，持续消费。那么，资本烧钱，目的真的是为了搞死对方？烧钱时，自己到底赚不赚钱？烧钱结束后，新竞争对手其实也容易随时开始，那烧钱的主，还要不要烧？还要不要盈利？抑或，他们的目的，其实是为了下一轮的融资，为了IPO？

参加了PonyAI的技术交流会，好吧……本质上，我发现这是他们的企业招聘会，大量时间在介绍自己，想招人。不过，看得出来，PonyAI技术人员为主，因为…..没有画大饼，吹牛的本事并不出色😄。PonyAI作为国内AD的资本关注企业，确实有独到之处，技术路线走单车智能，商业变现走RobTaxi，在国内来说，算探索先锋。问题，也就在这里了，技术思维过于严重，企业发展思路有些局限。硬件上，还是工控机，无法过车规和前装；传感器上，偏重LiDAR，价格高昂；对于车路协同V2X重视不足，这对于未来在中国的运营，不是远见。管理和规划上，也存在一定的问题，例如，北京广州深圳都要招硬件人员，但是对于工作分工，无法给出明确描述。技术上，规划与控制方面，倒是有些亮点，Bicycle数学模型和优化，做的不错，虽然目前只能基于HDMap，无法Off-Road运行，但是对于道路运行，也足够了。可问题就来了，矛盾的是，如果只是想在铺装道路上运行，为什么不研究V2X方案？而自己主打的单车智能，却无法脱离铺装道路？这一点，可以看出PonyAI的技术演化，遇到了一定的瓶颈，而资本的压力，让他们不得不调整战略。不过，还是要祝福他们，因为我喜欢这些做技术的小伙伴们，希望他们发展顺利👍

呼吸器，疗效如何确定？ 有无量化？ 医械，医院如何采购？标准我是什么？医疗事故如何确定？ 医院愿不愿意做临床？ 诊断，是呼吸科的大问题 如何确定疾病原因 呼吸机，噪音，撤机 如何动态调整参数 copd，gcp

估计的原理如下 RNA已经做了标记，用基因标记，然后扩增生成了DNA序列和片段 细胞中，其实充满了DNA片段，是一锅浓汤 然后，进行光谱分析，RNA标记的每个基因，会有不同的荧光反应 这样，可以得到所有可能的荧光的分布的物理坐标，也许2维就够了 然后，就可以给出这个区域的边界，即细胞的图像 不知道，是否正确 不过，它有句话，“每个细胞都是由独特的DNA序列或基因型组成”，这个没有明确讲 是每个细胞都不同？还是每种细胞都不同？ 按道理来讲，电子显微镜，看的尺度更小 可以看到蛋白质分子的结构，而蛋白质分子，是需要穿透细胞膜的，进行交换的，细胞的尺寸，大于蛋白质分子的尺寸 因此，只能说，他们的算法，其实是对于DNA的测序。不同的标记编码，对应着不同的颜色。然后，在根据不同标记编码的结合距离，增强颜色的亮度 这样，从细胞的宏观角度看，就能视觉上看到，不同的颜色亮块，即所谓DNA的影像

https://www.cell.com/cell/fulltext/S0092-8674(19)30547-1

https://marlin-prod.literatumonline.com/cms/attachment/0a626633-54cd-43b3-bfeb-435e544dcfb4/gr1.jpg

基本明白了😄，确实很巧妙 它增加了对于基因片段链接点的编码检测 这些连接点的基因检测，会构成一个矩阵，即所有基因连接起来的矩阵，而链接点基因的数目，表达了链接点的密度，展平到2维，如果假设每个基因都需要一定的空间，那么密度就可以表示，最少需要多少个单位空间 然后，进行空间的布局，将所有的空间都能摆好，而且邻接 这就是典型的图的算法了

唐朝，武力强大，疆域反而不大，那个时代没有太强的民族概念，武将很多都是外国人，高仙芝就是例子，高句丽人，前期战功赫赫，可惜后来贪婪骄奢，压迫与唐朝交好的西域诸国，在中亚被土著背叛，引入大食，战败，从此中国失去了中亚通道，被阿拉伯占领。嗯，唐的武器，倒是很有特色，制式装备，基本上是用于重装对战😄。例如明光铠，视觉形象突出，而且实用，圆锥形，能有效防止马战时，对方锐利长兵器对于自身要害的破入，提高战场生存能力。唐刀，也是这样，刀身笔直，包钢工艺，目的是为了…..破甲。可惜，陌刀，依然失传，这才是对付重装马队的大杀器，序列中有专门的陌刀将，配备陌刀的士兵们，会构成单独的作战单位。我们现在么……只能在壁画中遥想陌刀风采了[Sob]

“因为5G调制信号会随业务实时变化，生成杂波的频谱位置也会随时变化。与我们观察到的宽频带，频繁出现在各处的小功率杂波现象相吻合”，论……频谱的重要性。不过，滤波，确实是解决这些随机干扰的好方法。除此之外，如果我们从更抽象的角度看问题，那么，Filter，本身也可以看成是变换，意味着可以对输入进行转换，概念上，对应着，生成，Generate。深度学习中的生成网络，就是这样一种技术手段，从输入变换到输出，重新表达。

“异步通讯的优点显而易见：大脑神经元不会一直产生脉冲，多数神经元在大部分时候都处于休息状态，因此，大脑的功率很低（大约20瓦）”，所以，不止爱因斯坦的大脑只用了1%，我们每个人的大脑都只用了这么一点，其他都是备份😄。文章标题不对，内容其实是介绍Intel的Loihi芯片，神经拟态芯片，很有意思。原理是脉冲神经网络SNN，但是Intel的物理设计很出彩，多核网格+核内神经元+异步通信+时分复用+动态参数调整，模拟了大脑神经网络的运行机制。编程模型也很有趣，直接对，神经元+突触+脉冲，进行建模，估计程序员要适应一段时间😄。嗯，不知道它的模型数据如何保存？能否断电？文章中没有明确说明，也许是存算一体的设计……

“相比之下，神经网络大部分的时间，都是用来把那些很大很大的矩阵乘到一起，翻来覆去用相同的数字，只是组合方式不同了”，这家伙的想法，听起来…..很有道理👍。推理阶段的神经网络，确实和经典的控制逻辑没有太大差别，概念上，可以看成是Lookup Table，计算密集形，只要能够解决，参数的快速存取问题就可以，例如模型转换为定点数、剪枝压缩等，实在不行就增加一些MCU的片上Cache呗😄

pony ai 自动驾驶 安全。他们强调 但是，安全不是ad的主要追求 ad的引入，如果考虑安全，会导致人类的博弈，行为更加自由 安全，其实是路的设计 ad的目标是简化人类劳动

l5不是更高级的阶段，ad的新常态会是混合形态 有些场景是纯l5 有些场景会是l4 人类的干预，很多时候必不可少

pony。ai。不善于讲故事

为什么强调中国特色的驾驶环境？ ad的解决方案，是否要分区域提供？ 如果考虑，是不是称为小企业的竞争优势？

视频没有考虑地面标注？例如禁止停留的黄色网格线？ 车辆的检测目标框，不断变化，其实可以滤波，保持边框不变 看得出来，没有知识图谱，因为汽车是方形的

优雅降级 没有看到

offroad有没有支持？ 选择合适的路侧数据进行仿真？什么是合适？

数据量大 很多是摄像头数据 视频一定要完整保存么？能否压缩？能否主要能支持ad即可？

有网 无网 的切换策略，是什么？ 网络数据的优先级，有多高？

车辆初始化调试，会很麻烦 如果发生变化，如何自动调整？ 远程调整？无人机调整？车载机器人调整？ 驾驶员不会操作的

“软硬件协同创新已经成为AI时代英特尔的利器——比以往更强调软件的作用”，是，软件是核心，硬件，都可以走向微程序模式，动态升级。否则，回收这些过期板卡时，我们就必须面对灵魂之问：这是什么垃圾？干垃圾，还是有害垃圾😄？文章中，能看到Intel的野心。软件确实可以将不同的硬件类型链接起来，从浮点数的训练芯片，到转化为定点数的推理芯片，模型的压缩和优化，CPU和GPU的部署，集群管理，都需要软件。不过，Intel的OneAPI到底是什么样子呢？与OpenVX什么关系？需要仔细研究下😄。嗯，即使做到了这么多，Intel想多赚AI的钱，还是很难…..

“对于一直艰难摸索变现和盈利方式的在线教育企业，对于已经给在线教育公司注资数亿美金的投资机构，“网校”成为近几年来一次最大的机会，也可能是唯一的机会”，这是资本的对决，也是应试教育的结果。大班课，对于应试教育的家长来说，是经济化的选择，对于商家，也是低成本的方案。而考试的结束，意味着学生的离去，也意味着商家，并不需要考虑回头客，宰新即可。如何宰新？广告，大量占据家长的注意力，是最有效的方式，而这，也就是资本最擅长做的事情，砸钱！那么，在线教育的商家，为什么也一定要参与砸钱？因为，人力资源，是他们最大的成本，教师会流动，学生会流动，只要是涉及到人的竞争，最终都会形成博弈，而这个市场，并不会形成纳什均衡，典型的囚徒困境。如何改变这种状况？技术是一种可能，更好的技术，更低成本的解决问题，也许会让资本烧钱的方向，发生变化。但，应试教育的大环境下，该如何做呢？

“惩罚“妖”消耗的能量仍然巨大，换句话说执法成本很高。因为惩罚仍然是中心化的。行动分布、治理中心，治理成本必然更大”，嗯，在未来，特别是中国，治理成本不会是问题，老大哥在看着你[Sly]。分布式系统，与中心化系统，之间的区别，到底是什么？按照我们目前的科学认知，在物理世界中，时间是衡量标准。从110亿年前的宇宙大爆炸，到混沌星云，再到生命的出现，一直是结构化的过程，包括，简单生命体组合构成的复杂生命体，乃至于大量个体聚居组成的社会系统，内部的复杂性持续在增加，其目标，是为了作为一个整体，能够有效应对外部的变化。如何协调内部个体之间的通讯？这就是分布式系统所要解决的问题，也是集中式系统要解决的问题。能量循环，是成本，组织文化，是神经，而经济，则是这一切运动的表达，与时间有关，与个体有关，与博弈有关，就，就是经济学的魅力。那么未来人类社会，走向集中化，还是分布化？可以推测，停留在地球上的人群，集中化会是大概率趋势，而迈向太空的人群，分布式则是大概率选择。地球，未来会成为地球人群的复杂生命形式，对外统一表达，对内则通过高效的协议，连接和控制个体。那么，问题来了，地球的意志，会是谁的意志呢？

“视觉识别的关键目的是对行人运动的趋势做出预判，提前预警可能发生的事故”，第一段很好，第二段不准确，预测的目标，还包括提供更好的驾驶体验，例如提前变道、加速超车等。这篇文章很不错，除了对于人类行为预测的产业方向介绍，还介绍了光流，OpticsFlow，的技术原理，以及产业界的实现方式，特别是GPU对于光流的加速，对于这种算法的推广，很有帮助。视觉中的稠密点跟踪，和其他sensor结合，例如毫米波雷达，很有想象空间😄

利用光流信息训练视频后处理的深度学习网络是一个常见的用例。GPU的NVDEC(片上视频解码器)引擎解码的视频帧可以传递给光流引擎，用于生成所需帧对之间的光流矢量图，作为训练的一部分。

https://mp.weixin.qq.com/s/T6IQegeOHMSrinvip9UNsw

“移动平均数”就是按我们事先设定的信号个数将输入信号加以平均。譬如，如果我们按每4个信号就做一次平均，那么这个4点的“移动平均数”滤波器

这种对于移动平均数的理解，很有趣，是不是可以用来解释金融指标走势？MAD线？

卷积、滤波的想法，能不能用于金融走势分析？ 短期走势，用滤波 长期走势，用RNN，LSTM



卷积就是各个时刻的输入信号各自乘以相对应的衰减或增幅，然后叠加在一起作为输出信号输出，这里的衰减或增幅就对应与系统的单位冲激响应

https://www.cnblogs.com/alifpga/p/7902759.html

https://github.com/DukeEnglish/cs224n_learning_note