20190305【充实计划】第999期

昨日阅2小时，累计阅读610小时

昨日阅读1小时，累积阅读203小时

昨日阅读1小时，累积阅读3小时

王阳明读后：知行合一，说起来简单，做起来难，光一个知，就非常困难，你要去知道正确的道理，但是如何知道你的认识是正确的？如果你只是按照你认为正确的知去行.......都需要上升到逻辑层面。

今天读了3小时，累计645小时

昨日阅读0.5小时，累计阅读372.5小时

昨日阅读2小时，累积阅读33小时
狡兔死，走狗烹；飞鸟尽，良弓藏；敌国破，谋臣亡
把鸟打尽了，打完了，那良弓就没有用处了，兔子已死，那狗也没用了，不如烹了吃了。攻陷了敌国，将臣也就没用了，杀掉也可以了。
这里是指一个人失去了利用价值，就被杀掉或者落下个比别人更惨的下场。

昨日阅读4h，累计 702.5 h
==================
《思想的力量：哲学导论》



438. 环境哲学
环境伦理学，是应用伦理学（applied ethics）的三个主要领域之一。其余两个领域是商务伦理学、生物医药伦理学。
它所讨论的问题大致不外乎以下两项： 1）生态危机如果有哲学上的根源的话，那么它是什么？2）何种实体具备道德身份和固有的内在价值？

439. 几个广受争议的元伦理学问题
1）什么使一个原则成其为道德原则？道德原则的内容可以是任何东西吗？抑或它必须包含某些特定类型的内容？
2）一个道德上义不容辞的行为，就是在其他事情处于同等状态的情况下你必须去做的行为；而一个超义务的行为，它在道德上是值得称赞的，但他在义务的范围之外。这样的区分是否正当？若正当，那么传统的伦理学哲学能否适应这样的区分？
3）伦理学真理是否和特定社会或文化的伦理学信念相关？即伦理学相对主义是否正确？
4）对于“我为什么要讲道德？”这个问题应当作何解释？这个问题提得合理吗？
5）相信某件事情属于道德义务范围，和有动机去做这件事，这两者间是否存在必然联系？（即内在论者-Internalists认为存在这样的联系，外在论者externalists则认为不存在。
6）存在者的道德身份来自何处？
7）是否有某些存在者拥有比别的存在者更高的道德身份？
8）对于机构以及其他集体所做的道德判断，应当作何理解？团体对自身的行动是要负道德责任的，这种责任是否高于团体中的个人所负责任？
9）做某件你知道将会导致不良后果的事，和故意为了产生那样的不良后果而做这件事情，这两者之间是否有道德上的差别？

440. 坐视他人因饥饿而死和杀死他们是否一样坏？（认为两者一样坏，就是所谓的等价命题Equivalence Thesis.）


=====================
Blockchain：


Consensus and coordination
One of the most important aspects of blockchain is the concept of consensus. We will discuss the different ways blockchains achieve consensus in Chapter 7 , Achieving Consensus. For now, it is enough to understand that most blockchain networks have protocols that allow them to function as long as two thirds to slightly over one-half of the computers on the network are functioning properly, though each blockchain network has different ways of ensuring this which will be covered in future chapters.




=======================
昨日阅读4h
累计 702.5 h

tycoon  *[tai'ku:n]  
n. 企业界大亨, 将军  
【经】 企业界巨头, 企业家

Trust is the easiest thing in the world to lose,and the hardest thing in the world to get back.
信任是这个世界上最容易失去的东西，也是最难挽回的东西。

昨日阅读3.5小时，总计103.5 小时

ML在各个领域都有许多成功的应用：
        识别语音、笔迹的商用系统。
        零售商分析他们过去的销售数据，了解顾客的行为，以改善顾客关系管理。
        金融机构分析过去的交易，以预测顾客的信用风险。
        以及生物信息学领域。
        不同路况、不同天气条件下自动行驶的汽车，实时翻译外语的电话、新环境航行的自动化机器人。等等。

本书预备知识：计算机程序设计、概率论、微积分、线性代数等。
（http://www.cmpe.boun.edu.tr/~ethem/i2ml/ )      email: alpaydin@boun.edu.tr

落地了应用领域：

        在互联网领域，搜索引擎、推荐系统、垃圾邮件过滤和入侵检测系统都在常规地使用ML
        生物信息学、计算生物学领域，有数据学习的方法被广泛采用。
        NLP应用（机器翻译）中，从编程的专家系统过渡到从实例文本的大型语料库中自动地学习。
        机器人、医疗诊断、语音和图像识别、生物测序学、财经领域，都在讨论和使用ML方法

其次，理论上取得了重要进步

        核方法：核函数的思想和使用核函数的核机器，能使我们更好地表示问题，且与使用梯度下降训练的、具有S形隐藏单元的多层感知器相比，核机器的凸优化工作前进了一大步。
        贝叶斯方法（通过选定适当的先验分布将专家的知识添加到数据隐含的知识上）
        图模型：允许使用相互关联的节点的网络表示变量之间的依赖，且有效地推断算法使得我们可以查询该网络。

其三，需要更好地设计机器学习实验。（重写了统计检验这一章）
其四，足够的内存和计算能力，使得我们可以使用相对简单的算法来完成任务：这里的技巧是学习（或者从实例数据中学习、或者使用增强学习通过试错学习；机器翻译使用监督学习并且更多的是非监督学习算法很快将会成为可能；使用增强学习的机器人无人导航也是如此）

为机器提供足够的数据（不必是监督）和计算能力，如果机器可以自己学习，我们不需要提出新的算法。

检查你的知识的最佳方法是讲述它。

昨日阅读1小时，累计阅读24小时