敬畏自然绿水青山

Month: November 2023

  • 行业数字化+私有云架构模式

    今天去拜访参观了交大的更多的单位，有一个初步的感受就是各个行业的数字化可以进行一定的应用模式抽象，形成行业的私有云架构（IAAS, PAAS, SAAS）的产品系统体系，这样同样的行业可能可以省去更多的重复的研发活动。 云计算底层的IAAS层差别不大，主要是硬件基础设施（计算节点，GPU，网络，存储等硬件资源设施）+云操作系统等底层软件环境。PAAS层可能差异比较大，如音视频流媒体服务的音视频的RTC服务中间件，智能驾驶的中间件等根据行业方向不同可以按需研发和部署。SAAS差异也会更加的专业化，也会根据行业的不同差异比较大，比如面向教育行业，工业生产，智能驾驶，医疗系统，智能化农业等不同的应用。PAAS和SAAS是研发的重点，在智能化技术发展的新时期，也是信息产业革命中面向行业需要相关产业公司重点经营打磨的关键。 因此是否可以考虑面向行业，进行合理的建模抽象，将公共通用的业务逻辑按层次去搭建好面向行业的云系统产品。这样行业可以快速去部署，需要个性化的地方就去按需求再做定制开发，这样行业内存在几个有竞争力的企业已经足够。大大节省资源和提升效率。市场自发行为加上合理的统筹可能会效果更好，仅代表自己的观点，但感觉有一定的合理性。 感谢有机会和不同方向（网络，航空航天，计算机）的老师交流学习，后面也会专注一下自己的方向，践行一专多能的宗旨，拓展自己的认知边界。有新的想法就是大脑的养料，大脑也会常用常新，不断进步。 References

  • 科幻短文-基于高维分形几何的时空弯曲非线性动力学系统

    本文暂时仅作硬科幻的短文加以记录，对这些内容的理解现在还停留在想象和感性的层面，待后面更多的去学习相关的理论知识加以求证，并辅以修订修改，或纯以科幻小短文的形式存在。丘成桐老师也曾说过，人类思维的错误性是合理的，甚至有时候对创新也能有所帮助，或者是创新和发展新思维新方法的路上必须经过的路径。 1、宇宙的结构是一种分形结构，从无限大的空间到小到原子，中子或电子，都具有相似的几何结构特征，也就是这里所描述的plpogast：p为point，l为line，p为plan，o为object，g为group（一个组合，如氢原子有质子，中子和电子），a为angle（角度，极坐标下的欧拉角），s为speed（角速度），t为时间（time） 2、以上为现实自然界的物质世界的结构，整个结构和子结构存在着自相似性（不是严格意义的完全自相似，而是统计自相似性），为一种递归定义。可以以一片树叶，雪花做类比（如图所示）。从氢原子，到细胞、一个人、地球、太阳系再到黑洞….,都可以理解为一个大结构里有一些小质量的子结构围绕大质量的核心在公转，在小的量子尺度上和大的星体尺度上每一个子结构都在以一定的角度和角速度自旋（大质量的核心也在自旋，如黑洞，太阳等。恒心这类等离子体不同纬度具有不同的自旋角速度）。这里的高维并不是指物理空间的高维，而是指描述物体运行信息的高维（如欧拉角，角速度，时间等信息）。这里的非线性理解为作用力或这种相互作用的场的大小与物质的距离存在着非线性关系。关于时空弯曲可以参考第七条。 3、这些星体或量子的运动规则，人类可以通过观察，探测设置进行归纳总结得出，或者通过计算机进行演化模拟来验证具体的模型结构或演化进程，甚至可能着随着人类文明的进步出现改造进化的过程。 4、以上运行的规则可以用一个字母表示即为i，即intelligent，information, image,为智能，信息和镜像，人类的生物智能，以及现在流行的AI都属于这个，甚至整个人类的高级文明（包括各个人文社会科学和自然科学甚至宗教等）都属于这一类，这类规则一般是通过理性的数学语言进行描述。 5、现在的虚拟现实应用，以及智能驾驶应用等，这个intelligent及数学（信息）世界和物理世界存在着相互融合与改变，因此物体的运动是一种复杂的数学物理过程（也就是物体的运动背后遵循数学的逻辑，数学和物理是世界运行的两个不同方面，相互之间耦合在一起），具体描述可以参考引文。人类的信息产业就是通过这类的虚实改变去优化我们的空间（信息空间和物理空间），使得人们过上更好更有幸福感的生活。各行各业都存在的数字化的变革，人工智能，数字孪生会重塑相关产业朝着更加美好的方向发展。 6、关于光和电磁波、量子力学等比较特殊的理论知识还需要加深理解，暗物质、暗能量以及猜想的存在的虫洞、白洞、子宇宙等概念需要等待物理学家们不断的去发现这些规律，不断的去升级对宇宙的认知，也许以后星际穿越会有可行性，也许人类得以永生，这些是有可能的，起码暂时也不能完全否定。 7、三体等小说，以及三体的稳定性问题后面也有更复杂的数学知识，以后有机会去了解，我们的星体的运动就是这样的，大质量物体会引起周围时空弯曲，太阳是大质量物体，地球附近的行星，月亮等也是大质量的物体，不过和太阳相比没有那么明显的效应，可以想象成宇宙中的每一个位置都存在着一个弯曲的曲率（加速度，有大小和方向），甚至可以和凹凸不平的曲面去类比。 8、感谢现在和曾经工作中的同事，老师和同学们的相互启发，以上内容有不少相互学习和借鉴的成分，也特别感谢给予包容、温暖和关爱的所有人，特别是在逆境的时候。关于本文中有任何问题或不正确的地方欢迎大家随时提出指正。 References

  • 麦克斯韦方程组科普

    麦克斯韦方程组描述了关于电磁场的规律，其中分别为电场、磁场、磁生电、电生磁等4个定律，其中电场定律和牛顿引力有相似的地方。关于电场散度的计算方式（引文1中的描述）的图解可以参考下图（图片引自引文2）。整个麦克斯韦理论的通俗的解释参考引文4. 法拉第感应定律：变化的磁场产生电场(发电机的工作原理) 麦克斯韦-安培定律：磁场可以用两种方法生成：一种是靠电流（定向移动的电荷）产生，另一种是靠随时间变化的电场产生（具体可以参考最后一篇引文）。 预言电磁波的关键就是“变化的电场产生磁场，变化的磁场产生电场”，这样变化的磁场和电场就能相互感生传向远方，从而形成电磁波。 关于电磁波的具体运动方式，会在光的相关文档中做说明。 References

  • 数字化教育

    教育是一个国家的长久之计，德国卡尔·西奥多·雅斯贝尔斯的作品《什么是教育》中提及到，教育是一棵树摇动另一棵树,一朵云推动另一朵云,一个灵魂唤醒另一个灵魂。所以从这个方面来看，教育的本质不是传授知识技能，而是引导同学合理的思考和行动，最后能更好的把握自己的人生。 数字化教育可以从以下这些方面考量： 1、记录同学们上课的状态，以此来了解学生的认知心理状态，更好的引导学生的成长； 2、自适应的作业系统，记录同学的学习课程的作业考试答题情况，分析同学的认知掌握情况，合理分配作业习题和评估结果建议； 3、教师授课行为状态记录，分析老师的教授课程的认知行为状态，合理给出教学的评估和改善建议； 4、终身学习记录，教育系统这些记录甚至可以跨阶段，跨时期。实现每个人的终身学习状态，数据跟随个人的一生； 数字化教育是一个大的产业，学校很多，有大量的多种格式的数据，也需要云基础设施服务平台来支持，实现大存储，弹性计算。同时也和大数据挖掘，人工智能产业紧密融合。 教师和医生是天底下神圣的职业，优秀教师的作用是不能被机器人取代的。数字化教育的作用是提升教师的授课水平，辅助同学们更好的成长。是更好的传播优秀的教育资源和理念。

  • 务虚落实

    感谢这些天交大大牛老师们的加持，学到接触到很多新的方向和知识，扩展了自己的思路和知识面。后面一段时间继续扩展知识面，认识更多不同方向的技术牛人或思想导师。 学无止境，术业有专攻，在接触到很多不同方面的科学和技术以及思想哲学之后，接下来自己还是要进一步去求真务实，找准自己的方向，其他方向保持了解，也许也有一些好的思路借鉴。务虚会，接触不同的人脉能给我们打开一个窗口，看到外面的光亮和可能的合作方向和机会，但是后面还是要去切实的落实实施好。 数字化教育+机器人+AI for science这几个方向不错，后面将会保持重点关注，同时继续给数学和物理方向加电。不断的学习和进步，才能守得云开雾散。 继续加油！

  • 数字化工业生产-工业互联网+物联网的分层粗粒度架构（待更新）

    云计算基础设施、物理传感器、智能数控机床、工业机器人流水线、生产资源调度优化系统、智能UI可以看成是工业互联网和物联网相关平台的分层架构。 其中云计算负责基础设施的建设，实现工业生产大数据和弹性计算支持，物理传感器支持智能计算的感知。如温度、振动等环境的感知（交大电院的老师有做短距离高精度的激光测量传感器的老师，硬件+FPGA）等。智控机床通过传感器对相关物理环境进行感知，输出更加精密的控制信号，相比传统机床而言会有更好的控制精度，可以达到丝级（0.01mm）甚至微米的精度，是精密制造的关键核心技术。 工业机器人流水线（如ABB的机器人机械臂，可编程，机器人根据生产任务需要进行选择）是工业物联网的重要组成部分，好的实施可以替代传统的人工流水线，可以将人类从重复的劳动中解放出来。 生产资源调度系统属于运筹优化的范畴，可以根据实际的业务及资源需求和供给情况进行优化配比计算，达到更高效的生产。（这一块属于运筹优化的范畴，可以抽象共享出面向不同问题的算法模式，针对类似或同样的问题，算法可以复用） 智能UI层（HCI，intelligent UI）这一层主要是与生产管理员（上位机等）+生产状态展示+其他展示所用，是最上层的界面展示和交互（包括资源配置，生产任务需求输入等） 可以根据需要合理选择云计算的基础架构技术栈，基于开源的openstack的集群节点限制在500以内，中小企业的私有云足够。面向更大的需求，可以选择大的IT公司资源的支持更多节点的云计算基础设施产品（如腾讯，百度，华为，新华三等）。 感谢交大电院和机动学院还有马克思主义学院的老师们的指导，期待后面有多方面的合作机会。

  • 数字化医疗

    感觉医疗大数据还是可以用的更好的，现在各大医院基本都已经实现了信息化，病人的病历也应该已经完全数字化了，诊断及相关信息应该也是。 利用这些信息辅助数据挖掘，智能医疗，智能医药等应该可以更加合理辅助医疗决策，辅助个体病人的管理，辅助某类疾病整体的态势把握和相关决策。 比如交大计算机就有和六院进行合作的来对糖尿病进行数据管理的相关研究和实践。 当然医疗也要加大科学的中医和西医的合理有效的搭档，合理使用中西医，也许从上面直接能更好更快的解决问题，这些也可以拿中医院和西医院类似的病历情况可以做对比，甚至考虑后面的联合医疗。

  • 数字化管理决策

    决策智能是智能的重要方面，一般来说，智能可以分为三种：一种为感知（视听触嗅味），第二种为认知决策，第三种为创造（重大科学技术突破，文学艺术等）。 决策智能小到个人的日常行为决策，大到组织的政策制定，是一个范畴很广的概念。 其中管理决策主要是面向组织部门，可以是政府企业，也可以是其他组织，解决一个大的团体的行为决策的优化问题。一个组织是成员的一个大集合，管理好一群人，同时带领大家向着愿景的目标去努力，中间少不了一个个科学合理的决策，而数字化技术在管理辅助决策上可以助上一臂之力。 据我的了解，基于深度强化学习的数字决策智能现有的案例有：1、基于深度强化学习的博弈游戏，如alphago，alphazero等，2、智能交通领域的红绿灯智能化决策，根据当前的交通流合理配置红绿灯，而不是按照固定规则。 感觉数字化管理决策未来可能可以用在能源的合理分配和调度以及对应的产业发展方向上，如电能，氢能源，天然气等按照什么样的配比，什么样的区域配比等更加合理，强化学习也可能可以作为辅助决策用得上。 其他的类似的实际问题可能也还有很多，后面想到可以再补充。 References

  • 智能驾驶是一种数理过程及大模型发展方向趋势

    AI的发展在近十年来迎来了高速的发展，深度学习的兴起，在计算机视觉，自然语言理解，语音智能等方面都相比传统信号处理方法或以及早期的机器学习算法有了长足的进步。 智能驾驶在近五年内也是一个竞争激烈的领域，一般智能驾驶以计算机视觉（周视摄像头，如在车子四周布置8个）、激光（lidar)、雷达等传感器对周围的物理世界进行感知以及将多个感知通道进行融合，然后将类似路径规划，决策控制等模块进行集成，形成一个大的以车子形态体现的机器人系统。 智能驾驶从本质上来看是一种数理过程的解释如下：摄像头对周围的物理空间进行感光，将获取到的图像（image，镜像）经过深度学习神经网络计算得出感知结果，最后会影响到车子的最终运动走向。从这个过程看，获取镜像是将周围的物理空间进行简化了的数字化，然后智能驾驶系统通过智能计算（AI）转化为最终的控制信号后改变车子的运动状态。这个过程是通过数字化的物理世界然后通过智能计算（应用数学，高维空间的数学计算，神经网络参数量很大，是个复杂的函数，维度很高）最终影响当前车子的运动状态的一个过程。具体表现在：1、数字化的物理空间状态和计算系统的物理硬件是融合的，在计算系统中，这些感知信号都表现为0和1的状态编码，在数字电路中可以理解为高电平低电平的电压状态，同时计算的逻辑也是将数学的计算逻辑通过硬件芯片来实现。因此信息空间（数字空间）和物理空间是充分融合在一起的。2、最终的计算结果转化为车子的控制信号，如加速度，转向，刹车等，通过这些信号改变车子的物理运动，宏观上等价于从外界给车子施加了一个特殊的力，这个力的产生溯源是一个复杂的数理过程，而不是简单的直接施加一个单一的力来起作用的。 这些AI的模型算法（集合）是算法工程师发明的，发明的过程是通过人脑创造出来的，也是通过一些生物电计算将物理的能量转化为这些数学计算的算法，后续加载了这些算法的智能驾驶系统又通过算法将改变现实世界的物理运动。因此可以说信息空间和物理空间存在着相互的融合和改变，说的夸张一点，这和中国古人的阴阳观点有相似，阴阳之间彼此耦合协调形成一个整体。 从这个过程来进行拓展和联想到我们人类，也可以看出相似性，不过一般人类将自己的行为当作理所当然，没有去思考罢了，甚至我们人类的这种机制很有可能更复杂，因为我们的四肢和五脏六腑的构造更为精密复杂，运动也更为复杂。 人类的智能还是有很大的挖掘空间的，毕竟机器人是人类自己创造出来的。早就听说过人的大脑就是个小宇宙，期盼着某一天人类的大脑能有更加清晰的全宇宙图景，去一步步改造宇宙，或者说宇宙自身由于人类的存在越来越和谐。 现在的机器人不仅仅在运动上表现出了较强的性能，在决策上，甚至在generative ai的创造上都有很不俗的表现，以后机器人也将会越来越自主，也更像人类的社会行为。引文为张亚勤老师的世界互联网大会的报告文字版链接，大模型技术正在向下面6个大的方向发展的摘要如下： References 附：新版更新于2025/06/12 智能驾驶是一种数理过程及大模型发展方向趋势

  • 大脑如何控制情绪和社会行为

    今天看到生命科学领域的“终极前言”问题，大脑如何控制情绪和社会行为？ 从我自己的个人经历来看，基于类似强化学习的奖惩机理的决策智能是有一定的关联的。 情绪智能是一种特别重要的智能，是智能的一个重要的方面，关乎生活中事件发生时大脑的解释和反应。跟自己的基因，以往的经历和认知，甚至读过的书走过的路都有较大关系。但是基于这种类似强化学习背后的生命科学的解释，虽不熟悉生命科学的相关研究，但也感觉难度还是很大的。 积极心理学中其实也有相关的主题，所以可能不仅仅和生物学相关，可能是一个生物化学和心理学、脑科学等多学科相互融合的研究领域。