夏日大作战科幻背景设定太差，导致我一直没有进入剧情。

不过有些方面值得我的思考。

1. 未来虚拟世界的替身也许会与现实社会中的自然人有相同的权利——假设自然人已经授权/委托了很多工作给虚拟替身，那么如何规范替身的行为和实施监管？
2. 在现实世界，信息流动有天然的防火墙：语言和地域，所以疾病流言传播的成本很大，即使人类的某个部落出现疫情或者有害的虚假消息，都能在传播的过程中自然消解掉，但是网络社会带来的信息低成本的快速流动会将流言急速带往任何角落，造成不容忽视的影响，如果设计系统，以减小这样的威胁。
3. 网络和现实的无缝连接，我们需要解决移动终端，带宽，流量成本，人机接口等等基础的问题，实现人和网络永不掉线的目标。

这个节目提供了很多关于人体的数据，可以作为衡量人工智能性能的依据。

该研究负责人、美国印第安纳州圣母院大学的认知类神经科学家杰西卡·佩恩表示：“人在睡觉时，大脑并不总是把你看到过的东西进行加深记忆，它还能筛选出哪些需要记忆，而哪些可以忘掉。”

美国最新发现大脑睡眠时筛滤信息 只留重要内容

我是对的。

• 失明的人也会做梦
• 90%以上的梦都会忘记掉
• 做梦可以预防精神疾病
• 梦境不会超出自己的认知范围
• 梦境大多不是彩色的

Google是个并非完美的系统。

比如说我有一个问题：Flex下我想在一个错误的图片链接里,定义一下默认的图片怎么做呢?

于是我直接把内容输入伟大的Google搜索框，结果里面并没有我想要的东西。搜出来的都是别人重复的问题。

谷歌的缺陷暴露无遗，而且这个缺陷是根本性的，带着这个缺陷的谷歌将会慢慢死去。

1. 谷歌的Page Rank是个Big Mistake。谷歌的存在来自一个错误的假设：链接指向最多的网页就是好网页。这个让Google引以为豪的发明却是个很容易推翻的假设，有价值正确最好的答案和链接的关系是个巧合而已，所以谷歌很多算法都在过滤多余的链接， 去除人为的优化，以维持“链接指向最多的网页就是好网页”这个错误的假设。
2. 谷歌返回的结果是网页！！！！作为结果的网页的粒度太大，我只想要答案，而不是要一个包含乱七八糟其他附加内容网页。谷歌并没有任何办法给我提供准确简洁的答案。
3. 谷歌的关键字。关键字是谷歌愚蠢的证据之一，我的问题被Google分解成几个关键字——一个错误，我想，图片，怎么，一下，定义也就是说，谷歌其实根本不知道我在问什么，他就是一个重复我说话的傻瓜，一只鹦鹉。

请忽略下面的小胖子，让我们集中注意力放在亲爱的铁娘子撒切尔夫人图片上。这个图片是著名的撒切尔效应。

同事在看这个图片，看了半天没有看出区别，在他眼里，两个撒切尔都是和蔼可亲的笑脸，但是如果你把图片倒过来看，你会发现一个恐怖的狰狞的脸。

我同事识别这个图片的过程和结果给我不少启发

1. 识别的算法的革新：渐进式的模糊定义法。 以前的东西，现在做个概念。
2. 基于假设的识别过程：人类社会有很多约定俗成的前提，比如从上倒下，从左到右，基于这样的假设，我们可以减少很多不易控制的变量，从而提高视觉识别的成功率和应用范围

大脑

Despite rapid scientific progress, much about how brains work remains a mystery. The operations of individual neurons and synapses are now understood in considerable detail, but the way they cooperate in ensembles of thousands or millions has been very difficult to decipher. Methods of observation such as EEG recording and functional brain imaging tell us that brain operations are highly organized, while single unit recording can resolve the activity of single neurons, but how individual cells give rise to complex operations is unknown.

虽然科技日新月异，但是关于大脑的大部分工作机制仍然是一个谜。我们已经非常了解单个神经元和突触的工作机制，但是成千上万亿的个体如何配合工作仍然难于解释。EEG技术，脑功能成像告诉我们大脑是高度有条理地协作的。这些单位单元记录可以告诉我们单个神经的活动，但是简单的单个细胞能够出现这么复杂的功能的原因仍然未知。

Actually, that is the mystery that biologists will never know.

它列举了几个主要的研究方面，忽略掉有政治考量的“Women in Computer Science”之外，真正与学科关联的有

1. 计算机图形化
2. 人机接口
3. 量子计算
4. 多核运算

不过却没有把人工智能独立出来成为一个学科设置，说明

1. 这不是基础学科。
2. 这是个交叉学科。
3. 这个领域的突破不会在MIT发生。
4. 这个领域会成就下一个Bill Gates。
5. 下一个没有读太多书，没有学历的Bill Gates会成就这个领域。

在MIT AI Lab 里看到一些关于视力的研究，他把视力分为几个小的研究领域，我觉得比较有启发。

• Smooth pursuit movements are slow and accurate movements of the eye, to keep the target on the fovea.

• Vergence movements adjust the eyes to view a moving target at different depths.

• The physiological nystigmus movements are extremely small movements consisting of drifts, high frequency tremor and micro saccades that are continuously present during fixation to a given target.

• The vestibular movements are automatic movements induced by the semicircular canals of the vestibular system. Acceleration measurements from both the semicircular canals and the otolith organs in the inner ear are integrated to provide a measurement of head velocity. This measurement is used to compensate for fast head rotations and/or translations by counter-turning the eyes to stabilize the image on the retina, maintaining the direction of gaze. During head rotations of large amplitude, saccadic movements usually interrupt these movements.

• Slow, smooth motions are compensated by the Opto-Kinetic-Nystigmus, by measuring the optical flow of the background on the retina (visual slip). The opto-kinetic nystigmus occurs, for example, when looking through the window of a moving train

1. 人类就是这个世界的暗物质,人类找不到暗物质的原因是因为方法不对,超前看永远找不到自己,人类需要一面镜子
2. 类本身就是病毒,人类越发展,所需的资源越多
3. 人类个体是这个世界中一个提供计算能力的单位,是一个线程,人类个体越多,人类种族的计算能力越大,能完成的事情越多
4. 线程跑久了会消耗太多资源,于是守护进程会做GC,杀死线程,回收计算资源 
5. 我相信神话中的神灵,就是创造人类种族的人,他们用超前的科技创造人类种族,但是却因为未知的灾难灭亡,造物主在灭亡之前把自己最尖端的知识藏在了人类身上,使自己的文明得以延续 
6. 我们的文明在竭尽全力对自己做逆向工程,我们在学习造物主藏在我们身上的终极密码 
7. 未来的50年是人类逆向工程的尾声,生物工程和计算机科学将是这个逆向工程最后的战线,一个更加完美的族群会因此诞生,完成人类进化史上最重要的一环。我用尽生命最后50年,守在这战线上,很值得。 
8. 接下来能源科技将会推进解释这个宇宙的理论的发展 
9. 阴阳太极图解释了这个世界的构成,这是先知给我们留下的线索,为我们找回自己提出方向 
10. 太极的意义在于最大的就是最小的,未来是未知的但是也是注定的而且可以预期的,比如黑客帝国就已经指出这个世界由数据构成 
11. 每个人都单独包含了这个世界数据的一部分,所有人集合起来形成这个完整的世界。
12. 如果所有的可以存储数据的介质消失,这个世界也会消失,反过来说也是等价的 
13. 人可以通过广播自己的数据来改变这个世界,如果你能让你的指令同时同步到每个人的世界映射中,你就能改变这个世界的一切物质时间 
14. 记录数据的介质指所有存在于这个世界的事物,人的脑袋如ram,可读可写,容易丢失数据, 事物则是hard drive,长期保留大量数据

1 睡觉=垃圾回收+记忆碎片整理

2 辐射=生命之源

3人类模式识别=渐进式的特征点采集分析+信息点筛选+路径选择

  推荐下Code Complete，两届Joit Award震撼大奖的获得者。Steve McConnell不仅仅是个伟大的软件工程师，也是一个对人性观察入微的哲学家，他的意义不仅仅在于工程领域，也可以当作一个镜子，看到人类自己的思维，行为模式，很有参考价值

哲学就是发现并描述各个事物之间的关联吧。

为什么哲学是无边际的学科，那是因为这个学科是人类思维数据结构的描述语言，哲学的完整表达能够体现一个人记忆、记忆节点的相关性表现出来，也就是把最短决策路径描述了出来。

为什么最伟大的科学家都有一套完整的哲学体系，那是长时间的积累和整理，让他们有了一个相对完整和完备的最短决策路径，这个路径能够自然而然地转换为哲学描述。

所以科学家，有时候也是个哲学家，即使他是个科学怪人。

刚刚看完特种部队-眼镜蛇的崛起，眼镜蛇的老大是个不折不扣的传统科学狂人形象-无比的天才加上被欲望扭曲的个性，通过自己的发明和创造出超越对手很多的科技，并且用这些科技去征服这个世界。

可惜，科学狂人一直只是存在于科幻电影中，而现实社会却从来没有过，为什么呢？是现实中人类没有那么聪明？

原因在于，科学研究和工程实施的需求是不一样的，科学研究可以一个人完成，但是科学狂人所需要的工程实施可不是一个人能够实现的，必须要多方面的支持，涉及的人也会越来越多，而人类社会会有一个纠错机制，如果群体里面的人发现你所从事的活动有害于这个群体，就会马上有人来阻止你的行动。

这也说明了一个团体的重要性，团队决策可以把风险降到最低，三个臭皮囊顶得上一个诸葛亮嘛，当然，负面是效率就自然降低了

来自New Scientist的一篇很有启发性的文章：生命最伟大的十个创造（Top 10: Life's greatest inventions ）指出 多细胞， 眼睛 ，大脑 ，语言 ，光合作用，性别 ，死亡， 寄生， 群体，共生可以称为最伟大的创造，是生命进化历史上的里程碑，对人类的进化有举足轻重的作用。

   人工智能起源于久远的年代（ antiquity）. 我们有很多神话，传说或者流言，都有讲述诸如熟练的工匠给人造的物体赋予智慧和思想的故事。另外，哲学家们 (最早可以追溯到阿里是多德 Aristotle)曾经尝试用机械化的控制符号描述人类思考的过程。在计算机 （progammable digital computer ）——一种基于对数学逻辑推理本质进行抽象的机器，出现的1940年代，这个想法达到了他的顶峰。这个器材和其背后的想法激励了少数科学家开始严肃地讨论建立一个电子脑袋的可能性。

   人工智能（ artificial intelligence 以下简称AI）领域的研究于1956年在Dartmouth College 的校园里创立。当时的参与者在后来的几十年间成为了AI研究的领袖人物。他们当中的大多数人认为在一代人的努力之下机器将会和人一样聪明，并且他们获得了成千上万的资金来把这个梦想变为现实。

   可是最后的结果表明，他们大大低估了这个项目的难度。1973，在评批者Sir James Lighthill的谴责声和来自国会的持续压力下, 美国（U.S.）和英国政府（ British Governments）停止了人工智能领域中没有监督的研究。7年之后， 日本政府又掀起了一阵空想主义浪潮，数亿资金又投入到AI领域，但到了80年代，投资者开始醒悟并且开始再一次撤退基金支持。这个繁荣和衰退（cycle of boom and bust）的循环，AI的冬天和夏天，继续萦绕在这个领域中，但是即使到现在，也依然有无畏的人们做出大胆的的预测。

   虽然AI的名声在政府机构和投资者心中起起落落，但是AI依然没有停止发展的脚步。那些在1970年看来不可能解决的问题已经被解决，而且解决方案现在已经成功应用到商业产品中。可是，与第一代AI研究人员的乐观预测依然没有一台机器拥有了如人类一样层次的智能（ human level of intelligence），“我们只能看到不远的未来”Alan Turing在他1950年著名的对现代思考机器的分类的论文中承认，“但是”，他又补充到，“我们知道，还有很多事情要我们去完成” 。

原文请参看History of artificial intelligence

一些入门信息

• 看你以后有没有本事发几个paper到这里其中一个会议Computer Science Conference Ranking 
• 几个基础方面PCA, MDS,K-mean, spectrum based clustering, Bayesclassification, boosting, logistic regression, decision tree, EM, HMM, Kalman filtering… 

参考paper来源

• ACM SIGGRAPH / EUGROGRAPHICS / SCA / Pacific Graphics,
• ICCV / ECCV / ACCV, CVPR,2 NIPS / ICML / IJCAI / UAI / AAAI
• SIGMOD, SIGKDD 

• Machine Learning-by Tom Mitchell 
• Pattern Recognition and Machine Learning (Information Science and Statistics)
• Information Theory, Inference, and Learning Algorithms-by David MacKay 
• Pattern Classification (2nd Edition)-by Duda, Hart and Stork

语言的实质作用

1 表达行为：设立行为的目标，也就是充当命令的功能，促使行为的发生，以及作为行为发生之后验证结果的依据

2 表达抽象概念： 所谓的抽象概念就是“一个表达行为的语言的集合”，“一系列命令的集合”