大约公元前800年至前200年间,中国、希腊、印度和以色列的文明几乎在同一时期兴起,这被称为人类文明的轴心时代。不同文明展现出了不同的风貌。中国古代文化强调辩证逻辑,重视变化、联系和综合的思维方式,同时又有“子不语怪力乱神,六合之外存而不论”的唯物主义倾向。古希腊则重视严格的推理和分析,孕育了形式逻辑和公理化的数学体系。印度在婆罗门和佛教哲学中,从另一个方向将辩证法、逻辑和语言学推向极致。以色列的先知则创立了一神论的犹太教和政教合一的社会体制。
艰难的2020总算要画上句号了,这一年不论是放眼世界还是国内,不论大家还是小家,都迎接着新环境下的大挑战。
第一,TRIZ理论来自于实践,总结的是发明实践经验,遵循的是从物质到意识的认识路线,始终把发明实践放在第一位。可以说,没有实践总结,也就不会有TRIZ理论。
为什么写这一篇?因为上班了以后写代码是一个技能,不过大多数时候也时常是现用现差,这个说出来也是丢人。不过生活就是这样吧,不过积累的很重要的一个东西是什么呢,就是运行,调试,搜索相关历史。我们入职一家公司或者接手一个新的项目面临很重要的一个问题就是看懂代码。
你有可能认为以下的一些概括是正确的废话。这很正常,毕竟将理论抽象到这种程度,很难不是正确的废话。
DDD的哲学意味(上)说到了“模型驱动的设计”以及其中两个重要的模式“实体”和“值对象”,两者统称“领域对象”。在领域建模的过程中,建立领域对象间的“关联(Association)”也是非常重要的。《DDD》第5.1节对此进行了专门的讨论。不过与实体不同,艾老师并没有把关联当做一种正式的“模式”。这一点实属可惜,因为关联至少与实体有同样的重要性。为什么这么说呢?下面还是先扯几句哲学。
一、大数据的历史溯源 大数据热潮方兴未艾,但若要探究何谓大数据的问题以及大数据现象何以如此兴盛的原因,我们的眼光就不仅仅只停留在它时下的具体表征上,还要对产生它的理论根源做深入分析。大数据,冠之大于数据也。从造词法的角度看,它必然与数和数据有关。因此,如果要将大数据的历史脉络梳理清晰,可以以数和数据为线索。 1. 大数据,首先是源于数的概念 数作为人类认知自然世界的载体和产物,贯穿于人类历史发展的各个阶段。从古希腊唯物主义哲学家阿那克西曼德开始使用“本原”一词,到泰勒斯提出“万物源于水”,人类逐渐摒弃玄异
我们当然期待完美的演绎推理式逻辑,这样我们说的每句话和每个行动都有的放矢。而缺陷却是我们的推理寸步难行,因为要找到绝对正确的大前提和小前提是不可能的,顶多在一定的范围或定义下成立。且推理的内容也很简单,即使复合几次,也没有什么高深的奥义。但是类似合情推理的方式,我们可以反过来用全面,联系,发展的眼光去质疑推理链条上的每一个假设,会不会有别的情况,以至于最后的结论可能是怎样的云云。而形式逻辑的起点也往往是辩证逻辑的一条路径,比如:
📷 思维导图 马克思主义物质观的理论意义 坚持了彻底的唯物主义一元论,同二元论和唯心主义一元论划清了界线 坚持能动的反映论和可知论,有力地批判了不可知论 体现了唯物论和辩证法的统一,克服了形而上学唯物主义物质观的局限性 它指出物质是标志客观实在的哲学范畴,这就和自然科学中的物质概念既区别又联系起来 马克思主义哲学对实践本质的理解 :实践是人的存在方式 首先 实践是人所独有的活动 其次 实践集中表现了人的本质——社会性 最后 实践对物质世界的改造是对象性的活动 社会生活的实践性主要体现 第一 实践是社会
---- 新智元报道 编辑:桃子 昕朋 【新智元导读】ChatGPT爆火出圈让人们开始重新思考人工智能的未来在哪?恰在昨日,OpenAI发布了通用人工智能路线图,分享了其对AGI的短期和长期规划。 继ChatGPT成当红炸子鸡后,微软、谷歌、Meta等大厂纷纷入局。 随之而来的是,人们对其广泛应用也产生了担忧。 前Alphabet执行董事Eric Schmidt和其他合著者在WSJ发表的文章中称, 生成式人工智能提出了自启蒙运动以来从未经历过的哲学挑战和实践挑战。 就在昨日,OpenAI首席执行
新粉请关注我的公众号 说起来很惭愧,我苟活了这几十年在这世界上,我那愚笨的脑袋,最近才发现,原来屁股才是人身上最有智慧的器官。 我们的屁股坐在哪里,脑袋才会从哪里开始工作。一旦我们的屁股换了一个地方坐,脑袋也就从不同的地方开始工作了。您还真别不信。 屁股要是开始罢工,把肛门给堵起来,类似静态全域管理以后,别说脑袋了,身体哪个器官都要投降。 所以,不管你信不信,屁股才是人身体上最有智慧的器官。虽然很多人都说自己的脑袋很有智慧,而屁股只是一堆屎出没的地方。 但是没办法,真的,我们大部分人的智慧,和一堆屎可以等
按照Elder博士的总结,11大易犯错误: 1、缺乏数据 2、太关注训练 3、只依赖一项技术 4、提错了问题 5、只靠数据来说话 6、使用了未来的信息 7、抛弃了不该忽略的案例 8、轻信预测 9、试图回答所有问题 10、随便地进行抽样 11、太相信最佳模型 1 缺乏数据 对于分类问题或预估问题来说,常常缺乏准确标注的案例。 例如: -欺诈侦测(:在上百万的交易中,可能只有屈指可数的欺诈交易,还有很多的欺诈交易没有被正确标注出来,这就需要在建模前花费大
0 缺乏数据(LackData) 对于分类问题或预估问题来说,常常缺乏准确标注的案例。 例如: 欺诈侦测(FraudDetection):在上百万的交易中,可能只有屈指可数的欺诈交易,还有很多的欺诈交易没有被正确标注出来,这就需要在建模前花费大量人力来修正。 信用评分(CreditScoring):需要对潜在的高风险客户进行长期跟踪(比如两年),从而积累足够的评分样本。 1 太关注训练(FocusonTraining) IDMer:就象体育训练中越来越注重实战训练,因为单纯的封闭式训练常常会训练时状
刚才戴汝为同志的报告讲得很好。戴汝为同志多年从事人工智能、知识系统的工作,去年他听说我们在这里讨论开放的复杂巨系统问题,很感兴趣。因此,他是从人工智能、知识系统的角度来看开放的复杂巨系统问题。我正好相反,不懂人工智能和知识系统。从去年开始向他学习这方面的知识,发现这个问题很重要。我们是从不同角度走到一起来了。我们认为,要解决开放的复杂巨系统问题,要建立从定性到定量的综合集成方法或称为综合集成技术,需要这样的结合,所以后来就和于景儿同志我们三个人合写了一篇讲这个观点的文字【1】.但是我要提醒搞人工智能研究的同志,你们考虑问题的层次还太低,包括国外的一些学者,考虑的还是一些简单的问题。什么人工智能,说得很热闹,但具体处理的还是一些非常简单的问题,说不卜什么智能。实际上,真正的人的智能,是人大脑高层次的活动,比目前一些人工智能专家考虑问题的层次要高得多。解决这个问题的途径是1988年马希文同志在一次讨论会上提出的人与机器的结合,单用计算机之类的机器不行,但人需要机器来帮助。所以,外国人好的东西我们要学习,但我不相信他们能解决开放的复杂巨系统问题,这要靠我们自己的努力。
1. 缺乏数据(Lack Data) 对于分类问题或预估问题来说,常常缺乏准确标注的案例。 例如:欺诈侦测(Fraud Detection):在上百万的交易中,可能只有屈指可数的欺诈交易,还有很多的欺诈交易没有被正确标注出来,这就需要在建模前花费大量人力来修正。信用评分(Credit Scoring):需要对潜在的高风险客户进行长期跟踪(比如两年),从而积累足够的评分样本。 2. 太关注训练(Focus on Training) IDMer:就象体育训练中越来越注重实战训练,因为单纯的封闭式训练常常会
几周前我写了一篇文章,《对几个软件开发传统观点的质疑和反驳》,微博上、独立域名的博客上,还有 ITEye 网站上,都有一些评论的朋友给了我许多事实和观点。我觉得这些评论,似乎都有理由,无所谓对错,这些是有价值和有意义的文字。相较于那些“ 顶”、“ 支持”、“SB”、“ 沙发”…… 纯灌水或者是没什么意义的信息垃圾,这些文字要显得珍贵得多。
2018年5月5日是马克思诞辰200周年,马克思曾写到“哲学家们只是用不同的方式解释世界,而问题在于改变世界”。本文作者陈凡,哲学博士,东北大学科技哲学研究中心教授,博士生导师;作者程海东,哲学博士,东北大学科技哲学研究中心博士后研究人员,讲师。文章从马克思主义哲学关于人与技术关系的基本立场和观点出发审视人工智能的发展,文章认为人工智能还有广阔的发展空间,在可预见的未来并不会出现让人们恐惧的“奇点”。
按照 Elder 博士的总结,这 10 大易犯错误包括: 0、缺乏数据( Lack Data ) 1. 太关注训练( Focus on Training ) 2. 只依赖一项技术( Rely on One Technique ) 3. 提错了问题( Ask the Wrong Question ) 4. 只靠数据来说话( Listen (only) to the Data ) 5. 使用了未来的信息( Accept Leaks from the Future ) 6. 抛弃了不该忽略的案例( Discoun
5. 使用了未来的信息(Accept Leaks from the Future)
原文标题为“Top 10 Data Mining Mistakes”,作者是John F. Elder IV, Ph.D. 编译:IDMer(数据挖掘者) http://www.salford-sy
欢迎关注数据超市微信公众号 按照 Elder 博士的总结,这 10 大易犯错误包括: 1. 太关注训练( Focus on Training ) 2. 只依赖一项技术( Rely on One Technique ) 3. 提错了问题( Ask the Wrong Question ) 4. 只靠数据来说话( Listen (only) to the Data ) 5. 使用了未来的信息( Accept Leaks from the Future ) 6. 抛弃了不该忽略的案例( Discount Pe
导语:数据挖掘最重要的要素是分析人员的相关业务知识和思维模式。我们在掌握丰富的业务知识同时,如果能够按照正确的思维模式去思考问题,将会发现解决问题并不是很困难的。用理性的方式去思考问题,是数学带给你的礼物。 1. 缺乏数据(Lack Data) 对于分类问题或预估问题来说,常常缺乏准确标注的案例。 例如: 欺诈侦测(Fraud Detection):在上百万的交易中,可能只有屈指可数的欺诈交易,还有很多的欺诈交易没有被正确标注出来,这就需要在建模前花费大量人力来修正。 信用评分(Credit Scorin
作用:赋予当前命令行为管理员权限。 样式:sudo 其它命令 举例:sudo su #切换到超级管理员权限模式#
上期我们讲了,由于家庭宽带的演进,大家期望,让多台计算机共享一条宽带线路连接到互联网。
转载自国家社科期刊数据库 中国科学院院士和中国工程院院士是国家设立的科学技术、工程技术方面的最高学术称号,具有崇高的荣誉和学术权威性。他们代表了中国科学技术发展的最高水平。考察院士的思维背景及其方法,对我国科学技术原始性创新的发展与创造性人才培养有重要而现实的意义。文章以《院士思维》[1][2]四卷本为主要参考依据,并参阅其他相关资料并在统计的基础上分析、提炼和总结院士思维方法特点与结构。 一、 院士思维背景分析 《院士思维》四卷本共收录了221位院士的文稿,院士们年龄、出身
【摘要】当小孩子手拿一把锤子时,整个世界看起来就是一枚钉子。 1. 缺乏数据(Lack Data) 对于分类问题或预估问题来说,常常缺乏准确标注的案例。 例如:欺诈侦测(Fraud Detection):在上百万的交易中,可能只有屈指可数的欺诈交易,还有很多的欺诈交易没有被正确标注出来,这就需要在建模前花费大量人力来修正。 信用评分(Credit Scoring):需要对潜在的高风险客户进行长期跟踪(比如两年),从而积累足够的评分样本。 2. 太关注训练(Focus on Training)
按照Elder博士的总结,这11大易犯错误包括: 0.缺乏数据(LackData) 1.太关注训练(FocusonTraining) 2.只依赖一项技术(RelyonOneTechnique) 3.提错了问题(AsktheWrongQuestion) 4.只靠数据来说话(Listen(only)totheData) 5.使用了未来的信息(AcceptLeaksfromtheFuture) 6.抛弃了不该忽略的案例(DiscountPeskyCases) 7.轻信预测(Extrapolate) 8.试图回
近年来,边缘计算(Edge Computing)在学术界和工业界都成为了一个热门话题。
编者按:人工智能的蓬勃发展离不开云计算所带来的强大算力,然而随着物联网以及硬件的快速发展,边缘计算正受到越来越多的关注。未来,智能边缘计算将与智能云计算互为补充,创造一个崭新的智能新世界。本文中,微软亚洲研究院系统与网络研究组首席研究员刘云新将为大家介绍智能边缘计算的发展与最新研究方向。
今天冷月在复习的时候,突然看到朋友圈中转发的消息。21年考研初试的时间延长了一周。对于大家来说是一件好事,因为复习的时间多了几天。但是冷月感觉也是劣势,因为到了12月其实大家基本已经定型了,更重要是进行查漏补缺。再大量的刷题已经没有什么意义了。而背肖4 + 英语作文才是重点。
现在的前端框架越来越倾向于隐藏细节,不管是react还是vue都是这样。 说是让你更集中精力在业务逻辑,但某个东西在dom层面到底是怎么实现的?不用你用什么,前端开发不操作dom是不可能的。但现在至少你在使用框架的时候看不到这些了。 好处是前端入门变的更简单,会用框架照着套路写就ok;不能说坏处,不好的地方就是,深入前端变的更难了。因为你要搞清某个东西怎么实现,必须先搞懂这个框架的实现。 从这个角度来讲, 1,前端开发会更加工具化; 2,更有迷惑性。外行以为学会某几个框架就Ok,但学了才知道,根本不是这
上个世纪90年代,法学界曾热议过克隆人对法治的挑战问题。本人时任《法学》杂志总编,和时任副总编、已故的傳鼎生教授曾经热情满怀地在《法学》上开辟专栏予以讨论,我们当时天真地以为克隆人将会在民事法律关系主体、婚姻伦理关系、刑事犯罪和侦查等许多法律领域发生颠覆性的革命作用。但后来的事实却无情地告诉我们,克隆人欺骗了我们,它昙花一现,一场乌龙而去。一个做了多年克隆人实验的日本医学博士告诉我,克隆人不现实,“多利羊”是伪造。我和鼎生兄事后总结办刊教训,觉得今后要坚守法律的保守、求稳性特点,对新出现的、主要是其它专业制造的、我们对它仅仅一知半解的问题,不要自作多情、迫不及待地去拥抱接吻。虽然某个后发、落后地区可以借鉴先进地区而超前立法,但就立法总量而言,它具有滞后性,因为它只调整那些清晰、成熟、稳定的法律关系,它不会因为出现了一个被人拟制的机器人“公民”,就急急忙忙去修改公民的已有法定概念;也不会因为出现一个被拟制的民事主体,就去修改民法关于民事活动主体的基本理论。
在此模式下,所有的互斥锁都将被禁用,相关代码被删除,SQLite 在多线程并发访问时将不再安全。但根据马克思辩证法,此模式下代码量最小,对数据库的增删改查的单次运行效率最高。
以下经本人的个人技巧与心得,仅供参考,请勿转载 谢谢! 社会工程学(Social Engineering)是一种通过对受害者心理弱点、本能反应、好奇心、信任、贪 婪等心理陷阱进行诸如欺骗、伤害等危害手段。社会工程学攻击在近年来的一些网络入侵事件中起到了很大的作用,对企业信息安全有很大的威胁性。下面转载来一 篇比较不错的文章,方便各位网络信息安全爱好者了解社会工程学。 注: 节选之上海市公安局网络安全顾问彭一楠 06年写的一个PPT,PPT中谈到一些黑客思维跟金钢经典故中阐述的观点出奇的相似,用唯物辩证法联
公理体系的例子,想说明人类抽象的另外一个方向:语言抽象(结构抽象已经在介绍伽罗华群论时介绍过)。 为了让非数学专业的人能够看下去,采用了大量描述性语言,所以严谨是谈不上的,只能算瞎扯。 现代数学基础有三大分支:分析,代数和几何。这篇帖子以尽量通俗的白话介绍数学分析。数学分析是现代数学的第一座高峰。 最后为了说明在数学中,证明解的存在性比如何计算解本身要重要得多,用了两个理论经济学中著名的存在性定理(阿罗的一般均衡存在性定理和阿罗的公平不可能存在定理)为例子来说明数学家认识世界和理解问题的思维方式,以及存在性的重要性:阿罗的一般均衡存在性,奠定了整个微观经济学的逻辑基础--微观经济学因此成为科学而不是幻想或民科;阿罗的公平不可能存在定理,摧毁了西方经济学界上百年努力发展,并是整个应用经济学三大支柱之一的福利经济学的逻辑基础,使其一切理论成果和政策结论成为泡影。
来源:清华服务经济与数字治理研究院 本文约9200字,建议阅读10+分钟 本文将三个层次整合到一个分析框架中,指出三者都是实现数字社会良性治理不可或缺的重要组成部分。 近日,清华大学社会科学学科学位分委员会主席、教育部高校科技伦理教育专项工作组秘书长、清华大学科技伦理委员会专家委员李正风教授,清华大学社会科学学院博士研究生、清华大学服务经济与数字治理研究院助研王硕在《科普研究》发表文章《数字素养、数据权利与数字伦理》。 内容提要:数字社会的良性治理需要提升公民的数字素养与技能,重新审视大数据时代公民的
机器之心报道 编辑:蛋酱、杜伟 随着 ChatGPT 热度一直不减,OpenAI 持续拓展其能力。同时,ChatGPT 的竞品不断涌现,如何更准确检测其生成文本也成为了近来学界的一大研究课题。 自 ChatGPT 发布以来,它的能力不断被人们解锁,比如写神经网络、做智能音箱。人们在试用中慢慢发现,数学能力是 ChatGPT 的一大短板,连简单的「鸡兔同笼」题都能算错。 大概是考虑到了这一点,ChatGPT 刚刚宣布了一次重要更新:提升了「真实性」和「数学能力」。 本次是 ChatGPT 自去年 11 月推
深层强化学习(deep RL)近年来在人工智能方面取得了令人瞩目的进步,在Atari游戏、围棋及无限制扑克等领域战胜了人类。
网站SEO优化的推行通常是一个循序渐进的过程。长期以来,作为一名SEO初学者,我们总是会碰到一些看上去十分简单的方式方法,蒙蔽了自己的双眼,还浑然不知。在SEO工作中,我们总是试图一味地追求快速“感觉”,而往往忽视了事物的本质,始终存在着从量变到质变的过程,这是唯物辩证法,我们早就知道了是什么,而在面对利益的诱惑时候,许多人早已忘了我们知道的最简单的常识。
---- 新智元报道 【新智元导读】作为朱松纯教授《三读《赤壁赋》,并从人工智能的角度解读“心”与“理”的平衡》的读后感,围绕着对人工智能为“心”建模的思考,这篇笔记是一群研究哲学、文学、艺术、数学的朋友与计算机科学家和软件设计者认真的聊天,很有意思。希望引起关于人工智能、哲学和计算机科学有意义的讨论。 杨志宏、芝人、孙卫民、高古哲、唐黎虹、陈颍、费腾、蒋轶(按与志宏讨论时间顺序排序) 2021年12月~2022年2月 目录 志宏讲解成文经过 引子 1、 通用人工智能与强化学习 第一部分 2、为“
创造价值是大数据应用的根本,当大数据成为思维习惯时,产业发展才算成熟 | 大咖周语录
无论人们称之为第四次工业革命还是数字化转型,企业IT都在不断地快速发生变化,而边缘计算就是其中的一个。如今,边缘计算的范式正在改变,很多人日益关注边缘计算。
今天编辑部特别的为大家介绍一篇来自Benzinga圆桌会议专家Mendelsohn的最新访谈。让我们领略一下AI和华尔街的变革! Mendelsohn表示,更多的投资者会发现人工智能是利用波动性创造财富的关键工具! 1、1-10级,你如何评价华尔街采用人工智能(10认为“我们已经达到人工智能的最高峰”),为什么这么说? Lane Mendelsohn:我认为我们大概在3级左右。现在很多人都越来越多地听到人工智能的信息,变得更加熟悉它是什么,但是熟悉事物和真正实现是完全不同的。 我们在二十世纪九十年代初看到
“算命”,是一种迷信,我父亲那一辈却执迷不悟,有时深陷其中,有时为求一“上上签”,甚至不惜重金,向“天神”保佑。我曾看到过有些算命网站,可以根据人的生辰八字,来求得这个人一生的财运、桃花运,如果第一卦算得不好,还可以向“天神”“请愿”(充钱),再算一卦,直到达到好运为止。
---- 新智元报道 编辑:袁榭 湳瓜 【新智元导读】西安电子科技大学2名大四女生雇枪手做毕设,给钱后反悔,还讹诈枪手。事件曝光后,校方介入调查,已暂停两名同学答辩。预告:居家办公让虚拟人来作伴?欢迎预约直播,教你如何从0到1自己创建一个! 好不容易熬到了大四,眼看着211的学位学历证就要到手,结果一朝就化成了灰烬。 2022年5月23日,西安电子科技大学计算机科学与技术学院在官网发布消息,证实网传热点「西电大四生毕设找枪手」事件,学院表示「高度重视,第一时间……调查核实」。 目前,这两名学生的毕
其实本没有什么代码是 “史上最烂” 的,要有也只有 “史上更烂” 的,我想随便说说这个话题,也是源自豆瓣的一个讨论。事实上,系统复杂了被骂代码烂是一件司空见惯的事情。当然,也有一些短小的代码片段,就足以看出代码作者是个不怎么样的人。
这应该是有能力上升到第三个境界的人,才能拥有的境界,对于大多数的人,第一个境界都不会觉醒,更不要说到达第二、第三境界了。
在如今的开发模式下,服务端程序员离原始数据越来越远,和农夫山泉一样,他们不生产数据,他们只是 DTO 的搬运工。从各种 service 中获取数据,再使用 Lambda 进行拆分组装成为了他们的日常工作。
无人超市、自动驾驶、机器“诗人”……不知不觉间,这些颇具科技感的事物正褪去神秘色彩,进入现实生活。 忽如一夜春风来。2018年,人工智能厚积薄发,在全球多个领域同时掀起一场“智慧革命”,势不可当。技术突破给社会发展提供新的动能,也引发新的思考。 新机遇:“人工智能+”时代到来 这是人工智能的春天,这时播下的种子更可能产生深远影响。中国人民大学附属中学校长翟小宁说,该校不仅在利用人工智能部署“智慧校园系统”,“00后”学生也表现出了对数据挖掘和建模、计算机视觉等人工智能相关课程的深深喜爱。 “未来的教
领取专属 10元无门槛券
手把手带您无忧上云