敬畏自然绿水青山

Month: January 2024

  • 元认知元情绪

    人们在日常生活中，很多人都是靠着习惯惯性在做事和思考，以及情绪的反应也是惯性固化的，以至于不能很好的反思和进步。我们称这种情况为缺乏元认知和元情绪。这个其实是认知心理学和情绪相关心理理论的学识的缺乏和缺少相关的实践。 元认知是说人们对自己认知过程的理解和解读，比如我们在做事的时候的对自己思考的过程的观察，是对我们思考的认知，管理和总结。元认知能力强的人对自己的思考过程，自己的认知定位，自己所处的认知高度和深度都会有更加合理理性的评价，因此我们要不断的加强元认知的能力，在不断的认知过程中准确把握自己的认知成熟度和深度，才能有更准确的定位，向着更好更高的台阶迈步。 元情绪和元认知的概念类似，是我们自己对自己情绪的觉察，管理和总结，元情绪能力强的人更加清晰的了解自己的情绪特点，以至于能够更好的去体验调节自己的情绪，对情绪做更好的管理，这样才能更好的解决生活中的难点和问题。感觉元情绪能力强的人更加的对自己的潜意识有更加清晰的了解，甚至能够改变自己的潜意识，比如是乐观者还是悲观者其实可以是可以通过对自己的情绪的理解和管理去调整的。 机器学习里边也有meta learning相关的主题（Learning to learn，学会怎么学习），主要是让机器能够学习最基本的概念和知识，从而能够方便的学习上层的更多庞杂的概念和知识，或者让机器学习具有更强的模型泛化和迁移能力，如few shot learning，人类对于没有看到过的物体和生物物种，只用看一次下次就能再准确认识识别，而现有的一般的机器视觉目标检测算法还达不到这样的能力。 元认知和元情绪看上去是高大上的概念，其实就是要勤于觉察和反思，不断自省去提升自己的各方面的能力，也是成长性思维的体现，反思打破固化，获得提升。

  • 窗外事

    现在社会发展比较快，特别是科技方面的进展，也需要多和行业内更具有前言信息的专家学者们多沟通，了解最新的技术进展，紧跟时代的发展步伐。 现在的AI方面来说，大模型GPT进展确实是挺吸引眼球的，今天GPT Store上线，以后将会有比较丰富多样的专业大模型了（如构建PPT设计和撰写的大模型，构建网站一站式设计和部署的大模型等），不过具体也要看相关构建方面的进展，是否会和App Store一样那么成功还有待时间的检验。也许以后像云计算专业这样的专业技术知识点技能点要点等也可以构建相关的大模型。 现在各个行业都在较快发展，各个行业都已经将信息技术结合进来，加快了行业发展的进度。最新的技术如脑机接口等就结合了脑科学，人工智能科学等相关学科，可以解读人脑脑电波信号，理解人类的意图。最好的应用比如在辅助大脑疾病和受损的人们的一些日常的行为和活动，还有也许可以更好的理解人类意识的产生，甚至以后人脑的数字孪生。 其他的最新的技术如智能制造等等，数字孪生自动化工厂（黑灯工厂，智能化特色的数字工厂），以后的制造业流水线可以达到基本无人化精密化生产，人们也许只需关注原材料的供需情况以及通过数字孪生平台远程看一看车间的仪器运行情况，生产的总体情况和进度就可以了。 还是要提醒自己在做事的同事多了解外面的信息和进展，时代变化很快，农耕时代的几十年如一日的生活已经属于遥远的过去，终身学习和进步才是时代的特色。

  • 云计算专业现状和设想

    云计算专业要在明年准备招生了，在具体开课之前，也需要授课老师对云计算的相关环境比较熟悉和了解，要也能够基本自行搭建部署和运维。这是对相关技术技能专业的老师的基本要求，动手实践能力是基本功。 期待在这学期期末的时候能建好我们的云计算的mini实验环境，可能可以包括几点：1、云计算平台应用demo，比如数字孪生，大模型等，展示云计算的强大的功能，吸引更多的同学有兴趣来报考这个专业；2、云计算的硬件配件即部署实施和管理手册，这个手册可以现有一个基本的版本，能够较为快速的熟悉云平台环境的技术栈，老师们可以熟悉自己动手搭建云计算平台。3、能够有一个研发所需的简要环境，如几张性能差不多于nvidia 4090的GPU计算卡，用于一些研发的实验和验证。 云计算是一个计算机应用专业方向，专业基础课和计算机专业这种更通用的专业的基础课是差不多的，如编程语言（c/c++，python等），数据结构，linux操作系统，计算机网络这些信息技术基础核心课程。这些课程和其他信息技术相关专业（如信息安全，人工智能等）可以共用。后面的专业核心课程具体的就和云计算自身技术更相关了，如openstack虚拟机管理，docker和k8s等，相关云计算安全技术等，这些内容也希望后面能自己掌握其操作实践细节。 计算机相关应用方向都是实践性非常强的工程环节，对细节的要求和过程的管理都比较高，希望后续我们和企业合作的订单班能够在实践环节多重视，如1、设置实验要求同学们从裸机开始搭建多个节点的GPU计算集群软硬件环境，可以通过UI去请求资源并能够合理响应资源（GPU，CPU核，memory和存储等）请求（IAAS）；2、搭建大数据平台，在1的基础上再建立操作系统，中间件和运行时环境，如hadoop的计算环境等，或微服务架构的计算平台等(PAAS平台)。3、以实际行业为背景，在2的基础上再搭建SAAS服务，如web网络应用，邮件服务等。4、可能的新技术的引进，如区块链等。 技术技能教育强调实践和解决问题，包括基础课程在内，希望到时候都以实践操作为主，去在动手中摸索和积累经验，期待同学们学以致用，为相关企业直接带来好的生产力，大家都有更好的获得感。

  • 浅说数据要素

    在人工智能和大数据时代，数据是很重要的资产，是模型赖以产生的源头。在各行各业，都需要开始积累相关的行业数据，为后续的模型不断的更新和快速的迭代做准备。 行业或领域内好的数据可以加快相关技术的迭代发展速度，就拿图像视觉领域来说，由于开源了ImageNet数据集，在上一个十年期间，图像识别竞赛具有显著影响力，催生了深度学习的快速发展，如卷积神经网络，深度网络VGG，深度残差网络ResNet等等关键的深度学习网络backbone，图像视觉成为了发展最快的人工智能应用领域。 其他垂直行业或相关领域的公开数据集也有很多，如目标检测和语义分割的coco，pascal voc，NLP，Speech里边也开源了很多数据集供竞赛打榜和科研论文的算法比较等，为相关行业建立基准的benchmark。 Nature子刊现在也有Scientific Data子刊，可以发布不同行业的标准的数据集，方便相关行业的科研人员能够较快从事相关领域的算法研发和验证。 随着行业发展的需要，数据的体量也在不断的增长，相关行业产业的公司和研究机构也在不断积累数据，将数据保存好不断积累保证安全和便捷检索和访问，可以保证在科技不断发展的同时，“粮草”是足够的，技术更新迭代不会受到数据欠缺导致的生产力滞后的问题。所以相关行业还是要充分重视数据的积累和标记检索。可以将数据作为企事业的“后勤粮草”战略储备。 国家现在也成立了数据局，以后的数据的管理和存储也将会更加的规范科学。云计算技术里边就有大容量存储的技术，随着云计算技术的不断普及和发展，大数据量的存储将不再是什么技术问题，甚至以后也许我们每个人从出生后所有积累的数据都可以访问，如区块链等相关技术的进一步成熟和推广，以后的数据存取访问的模式也会发生变化。随着工程技术的发展，云计算也许能够和区块链技术更好的结合起来，后面我们的云计算专业也可以考虑紧跟时代步伐，将最新的技术进行介绍和引入，期待更加成熟和安全便捷的数据存储和访问技术，为相关产业的数字化的快速发展提供良好的保障。 References

  • 再说人类智能的优越性

    和人工智能相比，基于人脑的生物智能的复杂度要高得多，现在的人工智能的技术在近一二十年取得了长足的发展和进步，但相对于人脑的智能程度来说，还有很长的技术发展空间。这里说说几点来分析一下。 1、人脑智能的多通道混合感知特性，从感知功能来说，人类的视觉，听觉等多通道同步感受能力相对于AI来说有遥遥领先的优越性，仅从视觉来看，人脑能够分割任何全景场景，人脑能够脑补遮挡部分，识别未见过的物体，实时tracking能力等都非常强，人脑的视觉时间分辨率，颜色分辨率，物理空间大小分辨率都挺高。这些AI的能力现在还距离比较远； 2、人脑的决策能力也非常独特，虽然在某些单项的游戏场景中，AI已经超过人脑，但是人脑的决策能力贯穿于生活工作社交的方方面面，如日常生活的衣食住行，工作中的设想，规划和执行以及社会交往中的沟通交流，活动组织，宣传外交等等的决策都由每个人的人脑去执行，而且人类是群体性社会性的生物，智能的决策很多时候不仅仅由一个人来执行，而且集思广益后做出的选择性的较优决策，而集这些能力于一体的AI的决策智能体的实现可能还有些路程要走； 3、人脑也有生成式AI的功能，而且是复合式生成的智能，如既可以说话（语音生成），也可以写撰写文章（如chatgpt），还可以唱歌（AI music），舞蹈，绘画等等，人类大脑最强大的生成能力在于人类的艺术创造力和科学创造力。而集成如此多项能力于一体的生成式AI的模型的研发也不是那么容易实现； 4、人脑也是一个GAN网络，GAN网络其实也是生成式AI的一种技术实现，不过GAN网络也可以用作判别。比如某人当前生成了一个想法观点，待实践验证发现和想法不太一致的时候，下次可能就会动态调整生成策略。这个时候实践验证就可以理解为物理世界帮我们生成了训练集，而观点想法则可以理解为生成式网络。我们的想法和判断不停的去动态的博弈，最终我们的想法会越来越和实际世界接近，这个时候我们可以说我们的大脑的GAN网络的生成网络训练就比较成功了；还有我们接受信息也是会加以自己的理解和判断的，怎么解读也是判别式网络，如果解读的和后面发现的物理世界的实际发生不一致时，也相当于为我们生成了训练集，我们也可以训练我们的判别式网络，解读的越合理我们的判断就越准确，以便后面的决策； 5、人脑也具备动作规划和执行功能，手脚的精细运动，现在的机器人的能力也差距比较远；斯坦福的aloha的机器人做家务的场景也是后面人为的精细操作的动作捕捉的复现； 6、人脑的自主性，人类可以自主的学习生活工作和与人交往，能自主感觉饥饿，自主看书学习和进化，这也是现在的AI所达不到的。 说几点主要的AI优势： 1、精确快速大算力的数值计算和表示；2、AI for science在分子材料设计药物设计和其他科学方面的效率比人类要强；3、AI在人类不太适合的工作场景下能够工作等等。 综合上述的分析，虽然AI在某些方面比人类的能力强，但综合来看达到人类的智能还比较遥远，AI在不断延申人类能力辅助人们更好生活工作的同时，也在不断的随着科学家和工程师的努力在进化和发展，期待AI给人类带来更多的便利和福祉。

  • 数字化教育产业发展的一点想法

    教育是利国利民的大事，是国家后续的现代化建设的关键因素，关乎人才的培养，关乎每一个人得到良好的发展。百年大计，教育为本。这是多年来在学校的墙壁上的宣传标语。其实教育的效益没有那么慢，20年的从家庭到学校到社会的的精心投入和培育，就基本可以成才，延续三代以上良好的教育，整个社会的发展风貌肯定会大不同。虽然教育也是一种延迟满足的行业投入，但是事关国家民族的更好可持续发展，应该引起相关管理决策部门的更大重视，这里主要从数字化教育作为一个产业来说说数字化教育发展的一点思考。 教育是一个人全面发展的培养过程，德智体美劳都很重要，之前可能强调的更多的是智育和筛选，但是其他的几个方面的重要性也特别重要，每个人的合理发展都很重要，这里从个人和教育机构两方面说说数字化教育的方方面面。 一、从个性化学习的角度。1、关于智育，可能主要是文化课的教育上面，好的教学资源如优秀的老师的课程可以大范围传播，自适应的学习系统可以记录每一个同学的学习过程中的动态学习过程，擅长的和显得不足的地方都有统计和分析并作出自适应的调整，如错题集的分析和继续基于此上面的学习就是一种自适应的学习过程。2、关于体育健康，也是可以做一些记录的，比如同学们参加跑步的次数，跑步的成绩都可以用数字化的方式记录下来，以及身体的体检记录和状况等，这些都是一个人成长过程中身体素质的信息记录，对后续个人的健康管理也很重要；3、关于德美劳，学生个人自己，家长和学校以及经营相关业务的公司都可以做出一定的设计和行动，如参加公益活动，参加组织的夏令营等以及记录其感想等等可以数字化记录下来；4、关于心里健康和发展，可以通过学习过程的学生的行为和心里状态的记录和跟踪，运用教育学心理学的相关理论进行分析和总结，给出每个同学的相关行为和心里发展的更好的建议和指导。5、关于推荐系统，可以建立相关个人全面成长的理论和分析方法，给出当前每个人在全面发展方面的行动和策略建议，如学习某项新技能，要多以一点体育运动等；6、特殊方面的技能才能教育，如计算机艺术机器人等的特长竞赛教育，也可以线上和线下相结合。 二、从教育机构的教学活动运营角度。1、作为教育机构如学校本身运营的数字化系统，如学校有数字化校园，各种办公和学习辅助系统如邮件校历教室管理校友信息等信息管理系统；2、学生的学习和相关身心健康等指标分析，既有整体性的了解和也有个体情况的细节把握，做到因材施教更好的个性化学习；3、校园安全，低碳校园等教学环境辅助系统；4、好的教学资源分发系统以及支持学生创新和发展的社团和相关资源的使用等的教学辅助系统等。 现代社会知识信息增长速度很快，根据科技经济社会发展的需要，每个人能力不是先天就固化下来的，而是需要养成成长性思维，不断进步以不断满足社会发展的需要。要建立终身学习型的社会，教育就不仅仅局限于学校和课堂，数字化教育系统可以陪伴每个人的一生，甚至可以考虑是一个人一生的成长辅助系统，不仅仅关乎知识技能的学习，可以从更广的视角来看，是个人全面发展的智能助手。 关于数字化教育的技术方面和具体的应用以及工程技术方面的设计开发和部署等，希望后面有机会和相关同仁去探讨和合作，形成产业的联合体也是挺有意义的一件事。

  • 情绪智能

    情绪是人的情感的直接体现，一般表现为喜怒哀乐悲恐惊，在心理学和教育学领域研究的挺多的，情绪一般是个人对发生在其身上的事件的直接反应，同一事件不同人的情绪反应可能不一样，甚至不同时期同一个人的反应也会不同，因此情绪虽有共性的地方，但也更有个性的地方。 情绪智能一般叫做情商，和智商相对应，情绪智能不仅表现在自己的个人的对外部事件直接反应，而且也表现在自己对自己情绪的觉察和管理上，是有相关的学科和研究的。 情绪智能不仅仅表现在对自己的情绪觉察和管理上，也要有对别人的情绪的觉察和理解，一般称为同理心或共情。因此在和人交往的过程中，情商显得就很重要，理解他人，温暖他人，利他才能更好的利己，这也是人际交往和管理中需要的能力。 通过学习情绪管理方面的知识，每个人的情绪智能是可以提升的，虽然情绪的养成是一个比较复杂的过程，可能有先天的，但感觉后天的环境，家庭的氛围都挺重要。随着人生的不断的经历和历练，只要个人愿意学习和总结，情绪的调整和管理都会逐渐走向更成熟的阶段，不论是对内的自己的察觉，还是对外关系上的察觉，都会有更好的理解和实现。 所以从上面来看，情绪智能丝毫不比智商的重要性低，甚至和性格息息相关，好的情绪管理就会表现为性格上的优势，希望自己能有不断的加深的认识和行动，去管理好情绪，在实践中不断的总结，有所提升。

  • 乡村的未来设想

    中国的乡村形态有很多，有江浙富庶的新型乡村城镇，有西北的高原窑洞，有北边的广袤平原，也有南方绵延的丘陵。 我的家乡是一个典型的丘陵地区，乡村的人们的住房没有统筹规划在一起，一般是临近的散居，可以依山傍水而建，属于一种田园生活。现在就我的几里家乡说一说现在的发展情况以及未来可能的设想。 由于中国的现代化建设，这里的年轻老乡们比较少呆在老家，大都出去求学或物工，而乡村的建设和发展相对比较滞后，近年来也有不少的改变，具体表现在：1、修了路，有句话叫要想富，先修路。以前的路下雨后走起来比较泥泞，不太方便；2、山丘上的枞树好多被砍伐进行了经济作物改造，枞树的观赏性和经济性都一般，现在有相关负责的人能有办法获取资金进行经济作物改造，如油茶和核桃；3、乡镇和县市之间的国道进行了扩建，道路很宽，行车和往昔的国道已经不可一日而语；4、互联网经济的渗透，乡村的小店也有美团代购点，乡一级基本都实现了快递的输送，虽然离最后一两公里还有点远；5、互联网设施已经基本覆盖，家家户户都可以通过三大网络运营商连接世界。 未来的更好的乡村发展设想如下：1、更方便快捷的邮政快递服务，由于居民比较分散，感觉无人机传送商品比较便捷，期盼相关商家可以考虑乡村无人机投递商品的业务，便捷用户特别是年纪大腿脚不方便的老年人的网络购物服务；2、农业有很好的发展，农业的科技化数字化辅助有机农产品更新升级，好的农产品如蔬菜和其他五谷以及家禽等可以通过科学的种植和饲养加以科学的保鲜和输送渠道加快高质量食品的流通，家家的菜篮子都能装上绿色健康美味的食材；3、智能驾驶业务的发展，可以考虑配备在农村的这种智能驾驶短程接送业务，方便更多不会开车的人们的出行；4、农村的现代化逐步发展，绿水青山的美丽田园风光得到维护和加强，教育医疗得到更好的保障，城市和乡村的阶级或等级观念逐渐淡化，越来越多的人来农村工作生活或旅居养老。 还有比较长的路要走，希望在大家的努力下逐渐看到一点点一步步的改变。

  • 再说虚拟现实和AI技术

    计算机图形学出现以后，虚拟现实作为一个应用发展方向得到了很好的发展，一些前言的数字化技术如智能眼镜，元宇宙等都用到了虚拟现实技术。如实时街景地图，云上citywalk，分子结构和运动，宇宙星体运行可视化，通过虚拟增强现实等实现更好的人机交互都是很好的应用场景。 虚拟和现实是我们的世界的两个相互耦合的时空，虚拟一般指在物理世界不存在的，比如头脑想象的场景，如做梦等现象。在文学中一般的情节也是虚拟和通过精心构造的，在现实世界不一定发生过，或是对现实世界发生事务的一种再演绎。而现实世界一般是指我们的物质世界。如实际发生的一系列事件，自然的山水田园等等。 在以往，虚拟和现实一般的边界是比较清晰的，我们很容易就能判别，但是由于人工智能技术的发展，虚拟和现实的边界就不再那么清晰。很多时候我们已经不能区分数字化的内容“真假”，举例就能很好的理解和说明。比如现在的生成式AI技术，图像，视频以及语音和知识问答，文档自动撰写等都可以通过AI技术进行生成，而生成的这些数字化的内容和通过现实世界进行采样数字化的内容已经不能判别出处。虚拟的生成和现实世界的数字化变得混淆不清，有利也有弊。有利的地方可以举例说明：1、通过虚拟生成可以构造近乎真实场景的数据来反哺其他AI应用场景，如智能驾驶；2、通过虚拟生成可以在生物制药和分子设计等方面有很多的应用，可以加快相关行业的科技发展速度；3、通过自动问答系统可以解决垂直行业的知识问答系统或一些较为程式化重复性的文案撰写等工作或一些知识型智力性的设计和实现工作，解放更多的人力去从事更有人类情怀和远大目标的事情。不利的地方也可以举例说明：1、生成的数字的音视频图像内容不少的人们不能辨别真假，如果被别有用心的人们加以利用，则会带来经济和社会的一定程度的紊乱，人们日常的行为和决策难度会变大；2、通过虚拟生成的文档或相关内容可能会使得人们对技术工具的依赖加深，有些人们可能会变得懒惰，不再进行合理的脑力劳作去收获成果，这些人群的整体发展可能会出现退化；3、通过AI生成的内容的正确性质量可能参差不齐，现在尚未实现自主AI，AI大脑的多样化没有人类大脑的多样化这样庞杂，同一个AI大脑生成的模型可能会存在同质性的问题，这些都可能会给数字空间带来一定的质量问题。 这些虚拟生成的利弊可能是AI伦理需要考虑的问题，虚拟和现实存在着相互的融合和改变，关于数字化产业方面的发展方向就是一个很重要的经济社会议题。与经济效益和社会治理都有关系，AI的发展的方向和重点应该是解决人类命运的重大问题，需要相关决策部门和技术管理部门认真考虑制订相关的政策以规范AI的发展和应用场景。

  • 日常决策的难点

    我们每个人日常都碰到很多的决策行为，如早上吃什么，今天是否运动，是游泳还是跑步等，决策的时候很多，有小的决策，也有大一些的决策，有关于个人生活的一些决策，也有和人相处关系的一些决策。有学习工作方面的决策，也有经济行为的一些决策，还有社会交往方面的决策。决策是特别重要的行动方案的制订，一般的日常生活中的决策主要靠感觉和判断（一些比较重要的决策要看数据和理性的推演），因此也就存在着理性和非理性的一面，需要在日常生活中多反思和总结。 经济学中其实研究决策是最多的，主要和博弈的一些理论相关。虽然这些博弈的理论没有系统的学习过，但也能感觉出一些门道道来，因为在人工智能里边有关于博弈理论的应用，如GAN网络（生成对抗网络）在图像生成里边有一些很成熟亮眼的应用。博弈也分为完全信息博弈和非完全信息博弈，如我们日常的人与人的交往的过程中基本属于非完全的信息博弈，彼此的知识认知观念不同，彼此的信息获取也非对称，因此在交往过程中容易有冲突出现，因此恰恰可能是决策的难点。 所以我们每个人最好都要有这个认识，我也时常提醒自己，自己做的决策是否漏掉了或没有知晓关键的信息，或者别人的行为和决策与自己的预设有不同的时候是不是都要包容一些，当然有时候冲突在所难免，甚至冲突是前进或改变的机会。让我们停下来思考一下，对齐一下相关的信息，才发现彼此都有不容易的地方，只是我们的决策中和我们的言行中没有充分的考虑我们周围的世界，或者都有不小的各种压力来源。 还是之前的总结那样，沟通是一门大学问，也许大家都没有清晰界定的对与错，还是要我们自己要善于总结问题，规避矛盾，找到合作共赢的最佳实现策略。希望自己能做的更好一些。