学问思辨行: 记录生活学习和工作中的实践和思考，以期实现终身成长.
-
基础软硬件产业生态
基础软件是个庞大的系统工程，和芯片一样都是核心的数字产业的基础设施。 软件的生态建立要有一个比较漫长的过程，如开源的基础软件，有linux操作系统，mysql数据库，android系统等。但这些生态也经历了比较漫长的时间，功能不断的迭代，bug不断的被fix，才能像滚雪球一样越滚越大。 基础软件的研发是个庞大的系统工程，操作系统底层要和各种外围设备硬件、persistent memeory， volatile memory，register，cpu等组件通过bus进行连接和通信，这些不同组件的管理都是很复杂的事情，一般在内核态通过系统调用去排他的访问设备，而进程线程的管理和调度等也都是比较复杂的过程。这些庞大的基础软件国内还处于暂时落后的状态。 好的东西是要拿来学习互鉴的，就像三人行必有我师焉，学习彼此的长处，在这种动态的合作博弈中去不断的推动文明的进步，减少彼此的短板效应，才能形成一个更大更深广的“地球人”命运共同体。 国内新的曙光已经出现，如harmony os和小米的澎湃os以及龙芯等都是逐渐实现自主的基础软硬件，希望能够通过开源和硬件的推广吸引更多的开发者去不断的丰富完善其功能，以后的万物互联，智能家居和汽车，智能个人AI agent，将会使得人们的生活越来越便捷，海纳百川，科技的发展将会超乎每一个人的想象。
-
周末充电
今天有幸再到交大的校园参加相关工程技术培训，再次在双创中心感受科技力量。 上次在双创中心老师的介绍下了解了F1方程式赛车的制作，包括使用catia软件进行模型设计，机电部分等等，最终在团队的协作下制造出赛车参加相关比赛，赛车手也是来自内部团队成员。整个过程下来同学们对于汽车制造的过程基本上了解熟悉的差不多了，对于汽车方向的同学面向后续的深造和就业都是很强的竞争力的体现。 今天在双创中心又看到了另一个很有意思的项目：robotcup，机器人世界杯。以下是从同学那里了解的相关信息，不一定完全正确，希望后面又机会再去了解一些细节。 该robotcup双方机器人团队各11个robot，通过挂在赛场上方的摄像头和赛场边上的视觉感知信号处理得出每个robot的位置等信息，然后模拟器通过运动状态去对每个robot的路径做出规划决策，模拟器再将规划决策结果信号发给每个单独的robot进行决策执行。整个robot即有巧妙的机械设计，也有嵌入式芯片和机电的结合。整个项目团队好几十人，来自不同的专业方向，去合作将不同的专业方向融合为一个机器人足球赛系统。其中模拟器是群体智能决策的核心关键部件，据同学介绍也是采用强化学习去做的（感觉和我之前介绍的flappybird有点像但复杂度要高很多），思路也有让机器人在场上比赛收集数据的部分（episode experience replay，收集模拟效果好的数据）。 创新创业是时代发展的动力和引擎，不管是在某一个领域的原创性的创新，还是将多个方向的技术进行集成创新去解决现实的问题，都是能推动社会进一步发展向前的生产力，希望自己也继续努力出一份力。 References
-
思想的复利性
中学的时候学过一句名言，好像是英国的作家萧伯纳说过的：两个人交换一个苹果，每个人还是一个苹果，如果两个人交换彼此的思想，每个人将同时拥有两个思想。从这个简单明了但又寓意深远的名言中我们可以看出思想相对于物质的特殊性。 人类的文明积蓄了几千年，经典的思想著作很多，这些经典的思想是经过历史的实践检验验证过的，亦或是经过严密的逻辑思维证明了的，亦或是具有很高的文化艺术审美价值。这些经典的思想应该加以更大力度的宣传和传播，使得更多的人的头脑武装上这些，实现更宏大的复利效应去改造我们的世界，世界将会变得更加美好。 因此可以看出思想是具有复利效应的，复利一词好像来源于经济学，数学上有个自然数e，其为（1+1/n）^n当n趋于无穷时的极限，体现了复利性的强大作用。而且e还有不少神秘的特性，如e^x的导数仍为其本身（无限可导），还有欧拉方程，最美公式等。是否蕴含着一些还未挖掘出的奥妙？ 其实在计算机中算法的复利性也特别明显，比如排序算法就有不同的性能，如冒泡排序的算法复杂度就要比快排要高，同一个算法，部署在成千上万的机器上，那好的算法节省的计算能量就很显著了。是不是也蕴含着未曾发掘的暗能量可能在尚未发明总结出来的更好的更优的思想、算法、文化等更高级的文明中呢？
-
傅里叶变换
今天说一说数学上的傅里叶变换，后面可能在做工程应用上会用得到。傅里叶分析的使用场景挺多，有对信号特性进行分析的，有数据压缩方面的应用（如jpeg图像压缩用到了DCT，余弦正交基）。 傅里叶变换是将信号从一维时域信号（二维或三维空间域信号）转换为频域的过程，频域就是频率域，频率是变化快慢的度量，其单位为赫兹(hz)。 傅里叶分析基于三角函数的正交性原理，从直流分量，到基频，倍频之间存在着正交性，从而利用这种性质将函数分解为不同的正交基下面（不同频率）的幅值、相位。 傅里叶变换可以在实数域进行，也可以在复数域进行，相比于实数域，复数域的表达式更简洁，但是理解起来稍微麻烦些（欧拉公式的理解+复数域表示相位和幅值）。具体可以参考引文中的介绍。 基于python语言的傅里叶变换的代码实现有基于numpy的实现，如：Xfft = np.fft.fft(x)（其中x为原始信号信息），具体结果的解释参考引文。 References
-
有效沟通
人们之间的沟通其实不是那么容易的事情，因为语言本身表达有模糊性和理解的多义性，每个人的理解与每个人的认知结构成长经历都有关系。虽然说自然科学类的表达如公式图表等比较严谨基本没有二义性，但是我们日常的口语人文社科类的表达就模糊多了，特别是中国人的表述有时候还喜欢拐弯抹角，言在此而意在彼，醉翁之意不在酒的场景很多，甚至可以成为一种生活的艺术。 今天偶尔看到有个小视频，说的是易敏感的人们的心里特征，感觉还是有点道理的，易敏感的人们容易联想，想象力比较丰富，有好处也有坏处，需要自己对自己的这种特性有充分的理解，能合理区分想象和事实，甚至当想象和事实不能进行辨别的场景下，保留其“有待验证”的状态，这才是比较理性的认知和行为。 人们的一句话有很多种解释的可能，就像之前说过，与人们的认知状态和经历有关，因此也提醒我和人沟通的时候需要注意一下，耐心一些。
-
冬日简书
今天休息，附上简书一张，11月份的工作基本完成，以终为始，继续加油进步。
-
IT资讯
今天刚看到一条IT资讯，关于产教融合的强强联合的人工智能研发案例：“基于大模型可进化智能体研究”，具体可以参考引文。 人类就是这样，从出生后都是在不停的主动的或被动的学习，被动的学习好比被家长和老师的填鸭式教育，我们人类要不停的收集数据去手动启动训练，总感觉效率不高。有主动学习机制之后，就好比基于兴趣的学习，机器就能主动的收集数据，和主人通过交互来学习适应相互的习惯，可以理解为自己能动态在线的去获取环境信息去适应环境。这样机器就更加主动，AI agent和人类的合作就更加的便捷。 期待更多的产教融合的优秀案例和成果！ References
-
跑步五公里
今天带上了运动衣服，在学校的操场慢跑了五公里。人的身体是个大系统，身心状态是整个系统的两个方面，是相互影响的，好的心里状态对身体有利，好的身体状态也会有更好的精神状态。天人合一，身心合一，知行合一，不急不慢尊重自然规律，希望自己心里要牢记这个指导思想。
-
周末见闻
今天周六休息，说说碰到的两件事 1、小区楼下附近有一个公益的小的几栋楼，一个穿着运动服的帅小伙（看上去像是一个富家子弟）免费公益带着10个左右的小少年们在暖和的阳光下，在稍显局促的小篮球场下面学打篮球的一招一式，感觉到了运动和放松的气息； 2、在一个十字楼口，一对年轻人夫妇开车的时候和一对老年人发生了磕碰，年轻人飞扬跋扈趾高气扬的姿态让人有些看不下去，应该也是一个富家公子哥，虽说我不了解具体的情况，但看着80岁左右的老人躺在地方没有起来，他的这种态度总显得不合时宜； 3、央视春晚的图标很喜庆。“龙行龘龘（音同“沓（dá））”形容龙腾飞的样子，昂扬而热烈。期待每个人都能够活出龙的传人的精气神，整个社会才能有更多的朝气和活力。 闲下来细心观察，还是能够发现身边的生活有不少的变的更好的地方，希望自己在生活的细微处更加能够善于观察，反思，总结和进步。因为见微知著，微言大义，要先要求自己从小处做的更好。
-
智能的载体是自然语言吗？
今天受邀回答了知乎科技的问题，以下是我的回答，感谢知乎，大家有一个很不错的关于知识的分享交流平台。 个人的理解和观点如下仅供参考： 首先自然语言是一种智能信息载体，人类的语言博大精深，全世界不同的语系语言纷繁绚丽，就拿汉语和英语来说，历史长河中人类智慧的结晶主要用自然语言通过书籍进行传承。 自然语言的魅力不仅在于其传达日常的信息，更在于其表达的模糊性和多样性，一千个读者眼里有一千个哈姆雷特，从而可以说语言是一种博大精深的艺术。华夏五千年的四书五经（虽然没有系统读过），莎士比亚的悲喜剧，还有无数经典的中外小说琳琅满目不计其数，文史哲这类的鸿篇巨制也是目不暇接。而计算机的编程语言是一种更加规范和约束性的语言范式，没有二义性，是对计算过程的准确定义和描述。 基于深度学习的自然语言模型如基于transformer架构的GPT模型等通过大量的语料库对语言之间文字的上下文相关性进行统计学习来对语言的规律进行建模。大模型是基于人类反馈的强化学习进行的统计训练，也是基于大量的问答数据进行的统计学习。强化学习从生物的刺激响应的特性（巴普洛夫条件反射实验）中获得启发，因此如chatgpt和其他开源大模型的表现一样，从输入输出来看拥有一定的智能。 但是智能的载体不限于语言，从我个人的理解，智能的出现可能是历史进程中长时间的生物进化过程中出现的，从单细胞到多细胞，从植物到动物，特别是智人的出现，耳聪目明，心灵手巧，人类首先可能是通过眼睛观察世界，耳朵倾听世界（还有触觉嗅觉味觉感知通道）来不断加深对世界的了解和不断的归纳总结并且通过不断发展的手段将这些了解记录传承下来，使得文明的程度得到持续积累和进步。 因此个人的观点，智能的数字空间载体是信息（是一种数字和抽象的表达，如自然语言，数学公式语言等），信息可以是传统的各种语言文字，也可以是数字图像、语音、图形等多媒体富媒体形式，智能的物理空间载体是纸张，磁盘，电磁波以及人脑的记忆等等，智能的载体是其物理空间载体和数字空间载体的融合，所以可以说智能的载体是个很宽泛宏大的范畴，智能本身也是深邃和没有止境的，就如浩瀚无边的宇宙一样。 所以现有的大模型基于自然语言的智能其表现出的智能程度还是有较大局限的，所以有多模态的数据加入进来，但是现在多模态的融合好像还没有发展的很好。而且人类的智能发展经历了久远时代的积累，而机器表现出的智能才仅仅很短的时间，李飞飞教授也好像说过，从类比来看，机器的智能还处于前牛顿时代。所以期待人类和机器都能够不断的相互学习中迭代进步，人类的技术发展可以给机器赋予情感，成为彼此的朋友。 References
本博客主要包含一些工程技术方面的短文和日常生活的随想。感谢所有师长领导朋友和老同学们的关心支持，特别感谢上海交通大学、上海建设管理职业技术学院、上海闵行职业技术学院、中科院软件所、北京师范大学及中小学的老师同学们和上汽集团等工作过公司的领导同事们给与的关爱和支持，以及家人们的期望和默默付出，希望有些文章能对大家有所启发。由于作者水平有限，撰写较为仓促，文章中难免存在一些缺点和错误，殷切希望来自世界各地的读者批评指正。期待能够和大家一起学习，迎接挑战，共同进步。