2022读书记录
《诗意的宇宙》
副标题：蔷薇、时空与21时间物理学
时间：2022.11
关键词：【奥】 斯特凡·克莱因/科普/科学/物理/宇宙（电子书）
1 真实的诗意 宇宙大爆炸
通过一枝蔷薇，我们能够意识到，
世间万物均不是孤立存在的。
我们愈了解宇宙万物的联系，
就愈能感受到这个世界的神秘莫测。
那么，地球最初就是一个干燥的荒漠星球。没有人确凿地知道它是如何成为海洋星球的。在众多推测中，最天马行空的一种情形恰恰可能性最大：水分从宇宙中来。那些在太阳系较寒冷地带形成的彗星和小行星，带着水分，像巨大的雪球一般砸在地球这个荒漠星球上。上面的冰融化成湖泊、河流、海洋。因此，濡湿蔷薇花瓣的，是来自浩瀚宇宙的露珠。
而作为燃料的氢元素是所有物质中最古老的，自宇宙大爆炸的第一分钟，它就已然在宇宙间游荡。在恒星的烈焰中，再通过强相互作用力，所有其他元素以氢为基础生成了。所以，地球上围绕在我们周围的一切物质，都曾是恒星的星尘。幼苗的组成成分碳元素也是从它而来的，因此，蔷薇可以说是变幻后的星尘。
如今我们知道，恒星的诞生需要借助外界力量。也就是说，宇宙中的氢仅凭自身引力不足以团聚为氢云。如果没有外界力量，氢就只会均匀分布在宇宙之中，如同糖分融入水中，气体也不可能浓缩，亦不会有任何恒星当空闪耀。宇宙将保持混沌。必定有一些更重的物质，一些我们不了解的物质开了头，将氢聚拢成氢云。这些物质不发光、不可见，因此被称为“暗物质”。没有人了解它们由什么组成、有什么性状。
因为，一朵蔷薇绝非像看起来的那么简单，它见证了世界的形成。
2 宇宙万有中的石球 宇宙微波背景辐射
地球从月亮后头升起，
宇宙初生的景象展现在我们眼前。
在可见的世界万象背后，
藏着多少更广阔的空间。
真实，与我们感知到的大不相同。
……因一切知识与惊奇皆是纯粹喜悦之表达。
——弗朗西斯·培根（Francis Bacon）
这便是我们宇宙中的家园——浩瀚无垠的夜空里一颗孤独而微小、脆弱而美丽的星球。仔细观察可以发现，大气层这薄如蝉翼的光晕在阳光下闪烁着。这是已知的唯一的生命住所，亦是我们唯一的栖居之处。
恰恰是这个陌生的视角让这些图像充满力量。看过它们的人们不再理所当然地看待自身的存在。或许，当我们感到自己深陷于日常的千篇一律之中，生命会显得索然无味。但当我们认识到自身是寒冷宇宙间一颗尘埃之上的孤独旅人，远近皆无朋伴，那么还有什么能比生命更不可思议呢？要想获得对自身处境更深层次的洞见，就必须放下惯常的视角。
恰恰是这个陌生的视角让这些图像充满力量。看过它们的人们不再理所当然地看待自身的存在。或许，当我们感到自己深陷于日常的千篇一律之中，生命会显得索然无味。但当我们认识到自身是寒冷宇宙间一颗尘埃之上的孤独旅人，远近皆无朋伴，那么还有什么能比生命更不可思议呢？要想获得对自身处境更深层次的洞见，就必须放下惯常的视角。
宇宙微波背景辐射图:由欧洲普朗克（Planck）卫星发回并于2013年公开
图中可以看到的是诞生—— 宇宙的诞生。各种色点代表着130多亿年前宇宙大爆炸后不久释放的光线——宇宙最初的光。它无所不往，充斥整个宇宙。随着时间的推移，这些光转化为热辐射。宇宙微波背景辐射图中不同的颜色代表着不同的温度，它们是宇宙大爆炸的余温。这余温让我们知道，宇宙空间不可能曾经完全冷却。这种余温甚至也存在于星系间的虚空之中。虽然我们的肉眼无法察觉，但通过普通的圆盘式电视卫星天线就能接收到这种背景辐射。
我们如今见到的这个宇宙，曾经的体量一定非常微小。假如时间倒流，这个宇宙的体量只会越来越小：小过月球，小过足球，小过原子。但这一切终归有个开始的原点，我们称之为宇宙大爆炸。大爆炸时产生的那个宇宙虽然微小，但已包含一切。此后，宇宙只是在膨胀、在变幻。
从宇宙诞生之初就注定没有足够的时间来到我们眼前，以后也不太可能抵达地球：因为宇宙膨胀的速度太快，如今的宇宙膨胀的实际速度是超光速的。宇宙中遥遥相望的两个区域正急速远离彼此，光速亦追不上它们。因此，普朗克卫星发回的宇宙微波背景辐射图告诉我们，在可见世界之外存在一种真实，它虽无法触及却真实存在：那便是它界（Otherworld）。
宇宙膨胀速度可以超光速？扫盲！5个问题让你了解宇宙膨胀！ - 知乎 (zhihu.com)
在这幅宇宙微波背景辐射图的结构背后，似乎隐藏着完美的机缘：整个宇宙浩大而稳定，它内含的暗物质在使恒星熠熠生辉的同时，又有足够的能量确保那些正在形成的星系和行星系统在宇宙本身膨胀的过程中不会解体。因此，远在138亿年前，当宇宙发出第一道光芒时，就有了孕育生命的可能——孕育我们的可能。
曾经，在电视机里，蓝色的地球从月球后面升起，向人类展示了我们自己的行星：宇宙浩瀚荒芜间的一片绿洲。而今，宇宙微波背景辐射图的魅力在于，它展示了一个更加友善的、为生命而生的宇宙，仿佛这个宇宙早就知道我们有一天会来似的。
驰骋于光线之上 相对论
一个年轻人自问，什么是光。
他通过对光的思考了解世界。
空间与时间向他袒露真心。
可直到他，爱因斯坦，去世，
这光的谜题仍未解开。
这就是光子的痕迹，它使我们得以存在，赠予我们日与夜，带来潋滟水光、皑皑白雪、皎皎月光，以及缤纷的肥皂泡和彩虹、冬夜里摇曳的烛光。
量子理论阐释了世界最小单元的运作机理、所有的事物由何组成；相对论则阐释了我们生活在一个怎样的宇宙之中。
“想象力比知识更重要，因为知识有限，但想象可以包罗万象。”
正因为光以有限的高速度传播，所以我们永远都只能看到这个世界的一个片段。故而，是光决定了我们对于世界的认识。
爱因斯坦的理论带来了一个似乎最玄妙的想法：宇宙在膨胀。星际云汇聚在一起，恒星被点燃，在这种高温下产生了各种元素。熄灭的恒星坍缩成黑洞，继而吞噬光与物质，引力波则使宇宙荡起涟漪。
真知的道路是一架螺旋梯，而非康庄大道。有的人在这条路上走了很久，转了一圈又一圈，看似一次又一次地回到起点。但是显然，他已经登上了新高。
拉普拉斯妖落败 不可预测性
飓风横扫德国，
却无人预知这场风暴的来临。
其中蕴含着世界诡谲难测的原因
以及对宇宙这个创造者的赞颂。
这个世界正在被扫描、采集、转译成机器可以读取的信息：我们以令人惊异的方式接近了皮埃尔·西蒙·拉普拉斯（Pierre Simon Laplace）侯爵的幻想。1814年，这位法国天文学家提出了关于完美智慧生命的假说：“它足够广博，能够解析一切数据。”在这样的世界精神——人称拉普拉斯妖——的面前，任何事物都无处遁形。
拉普拉斯妖的落败使我感到高兴，还因为另外一点：这提醒了我自然构造的美妙。我们周围的一切都由原子组成，它们微小但数量甚繁。这些海量的简单材料能够构建出无比复杂的形体，组成云、风暴旋涡、大脑的也不过都是些原子。它们根据简单的法则组合在一起，产生了新的现象——天气、思维和爱。正是由于宇宙的无限创造力，人类的预测才常常遭遇失败。
一则侦探故事 量子纠缠
一个猖獗的犯罪团体席卷伦敦和纽约。
尽管这些入室抢劫者事前没有串通，
但他们的行动步调全然一致。
探员格洛克试图查出这其中的秘密计划，
可一无所获。他的结论是：
在真实世界里，各处均为一处。
“当然，我们都在那里。”老Qfwfq说，“要不还能在哪里？那时还没人知道太空的存在。至于时间，也同样如此。我们都在那里挤得像罐头里的沙丁鱼，又能对时间做什么呢？”
——伊塔洛·卡尔维诺《宇宙奇趣》（Cosmicomiche）
我敢肯定，没人真正了解量子力学。——理查德·费曼
爱因斯坦原本的目的是驳倒量子力学。但恰恰是因为他认识到了光是光子的涌流，才产生了这一理论发展的道路。凭借量子力学，人类第一次知道了，最微小粒子的世界里在发生着什么；除去相对论，爱因斯坦对量子力学理论的促进作用可以算是他最重要的贡献。不过，爱因斯坦和他的这一精神成果斗争了一辈子。他曾写道：“内心有一个声音告诉我，这还不完备。”为了证实量子力学的这一不完备性，他于1935年设想了一个实验，也就是那个过了近半个世纪才由阿兰·阿斯派克特完成的实验。
量子纠缠的本质在于，携带着两个粒子历史的信息是不可摧毁的。无论两个粒子距离多远，这种信息都不会丢失。
空间，跟时间和意识一样，是我们人生体验的锚。因此，我们会试着将三者归入不可说明的行列。但就像第8章将会讲到的，时间的流逝只是秩序的崩塌。许多证据显示，意识是几十亿神经元共同作用的结果。那么，为什么唯独空间不可说明呢？我们体会到的空间，可能只是对事物关系的粗略说明。左和右，上和下，前和后，只有当事物相互纠缠时才会产生：那么，“近”这个字就像人际关系一样，描述的是一种强烈的联结。所以空间或许不是盒子，而是一张网？一张由我们周围的一切共同编织而成的网。那么格洛克说的没错，世界上的各处在真实世界里只是一处。
这个世界是真实的吗 希格斯场
一把锤子砸到大拇指，
但锤子和其他所有物质一样，是由虚空组成的。
为什么这虚空的东西能带来如此强烈的疼痛？
以及：真的有这种虚空吗？
当我说“无”的时候，我在无中生有。——维斯瓦娃·辛波丝卡（Wisława Szymborska）
粒子物理学家发现的理论是，所谓的真空之中并不是绝对的虚空。这种虚空中其实存在着一种叫作希格斯（Higgs）场的东西，这是以苏格兰物理学家希格斯的名字命名的。希格斯场中粒子的性质与一切我们熟知的事物都不相同，它能完全被光穿透，没有形状，无法直接被证明，但又无处不在。
由此可知，物质粒子的内部虽然充满了虚空，但这些粒子还是能从希格斯场中获得它们的质量。因为只要夸克或电子要运动，就都得穿过雪原，而整个希格斯场会对运动的粒子产生阻力，放慢它们的速度，这种阻力会让我们以为，粒子是有质量的，但事实上，我们感受到的是真空中希格斯玻色子的黏滞作用。
此外，希格斯玻色子还解释了为什么所有粒子的重量并不完全一致：希格斯场对一些粒子的阻力大，而对另一些粒子的阻力小。这就好比滑雪者可以快速地滑过雪原，穿靴子的徒步者却只能在过膝的雪地里深一脚浅一脚地缓行，而飞行的鸟儿则可以在雪原上空倏忽而过，根本不受任何牵绊。电子就像滑雪者，夸克就像徒步者，而光子就像天空中的鸟儿。电子在希格斯场中速度飞快，夸克比较慢，而光子在希格斯场中完全可以畅通无阻地穿行。故而，电子的质量小，夸克的质量大，光子则完全没有质量。但正是得益于希格斯场的这种性质，世界上才可能产生稳定的物质。不过，希格斯玻色子本身并非物质，而是真空的产物。
无并不是绝对真空的状态，而是一种无形的状态。无，是一个还未开演的舞台，是一个一切都有可能出现的空间。我们所经历的一切都是这个舞台上的一出戏——无中有序，一闪而过。这些有序的事物，我们称之为铁锤、大拇指、地球、天空、男人和女人。
“这到底是是恶干的好事？” 暗物质和暗能量
我们生活在一个暗影重重的世界里。
无论往哪儿看，存在的东西都比实际看到的多20倍。
多了些什么？我们毫无头绪。
但要是没有暗能量，没有暗物质，
我们可能就不会存在。
当我仰望夜空的时候，我能体会那些航海家当时面对新世界的海岸时内心的澎湃。目光游走于无垠天空之中，那广袤的宇宙是多么摄人心魄啊，而当我知道在可见世界的背后还隐藏着那么多未知时，内心的震动也毫不亚于此。对探险家来说，那些海岸只是美洲大陆浮出海洋的边界，而夜空只是一个闪烁着的前哨站，背后不可见的世界要广阔得多。
这一切通过四种基本力的作用凝聚在一起。第一种力叫作“强”相互作用力，因为它能将夸克凝聚成原子核，所以也被称作强核力。第二种力叫作“弱”相互作用力或弱核力，它能够引发特定粒子的放射性衰变，这两种力只有在粒子间距离非常近的时候才会表现出来。第三种力叫作电磁力，它使得原子核和电子联结成原子，也是它造就了光波和其他电磁波，比如微波和无线电波。第四种力是万有引力，如同电磁力一样，引力的作用距离也可以达到很远。
这些宇宙中难以解释的物质和能量或许会使科学家陷入绝望，但对人类来说，它们的存在无疑是一种幸运。因为可见的物质不足以打造能够成为人类家园的世界。没有暗物质，整个宇宙中就不可能存在适宜生命栖居的天体；没有暗物质，天空中就不可能有闪烁的繁星，那么在宇宙无垠的永夜之中，就只会有气体游荡其间了。
暗能量拥有撕裂一切的能力，可以随着时间的流逝毁灭一切有形之物。但宇宙中的一切又处于如此精妙的平衡之中，星系、恒星、行星乃至我们人类都因此而创生。这种力量间的完美平衡是让人类得以生存的又一奥妙之处。
时间如何消逝 熵增定律
长白胡子是件令人郁闷的事情，
为何过去不能再从头？
之所以会经历时间的流逝，是因为我们并非无所不知。
宇宙也会变老。
存在概率低的状态消失后，存在概率高的状态就会出现。一种状态存在的概率越低，它的稳定性就越低；一种状态存在的概率越高，它就越稳定，回到原来状态的可能性就越小。当这种变化只能不断向前而无法逆转的时候，我们就会感受到时间的流逝。
在漫长的时间轴上胜出的永远都是大概率事件，是混沌。
视界之外 无限的宇宙
夜之所以是黑暗的，
是因为宇宙有一个开端。
自那以后宇宙不断膨胀。
宇宙很大，
大得超过我们所能想象的极限。
这种惊异引人遐思。
“人类能够体验的最美好的事物是神秘。这种感受孕育着真正的艺术和科学。那些不了解这一点的人，那些不会再感到惊奇、讶异的人就像行尸走肉，他们眼眸中的光芒已经熄灭。”
我们为何存在 生命的诞生和暴胀理论
我们每一个人体内都蕴含着
宇宙最惊人的特性之一：
智慧生命的出现并非偶然事件，
而是大概率事件，
因此谁能断言，我们无足轻重？
如今夜空中的每一点星光，都曾是同一个微观世界的一部分。
《刘慈欣科幻小说》
时间：2022.11
关键词：【中国】 刘慈欣/科幻/短篇小说（电子书）
利用空闲的零散时间来读一读这种篇幅很小的书籍，需要思考记录的较长的书籍就用比较完整的时间。
这28册中的好多其实都已经读过了，不过还是可以再读一下的。
《流浪地球》
《2018年4月1日》
《白垩纪往事》
蚂蚁与恐龙的故事，这个脑洞真的太大啦，大刘怎么想出来的啊！
《创世纪》（短篇版本）
《地火》
《地球大炮》
《光荣与梦想》
《海水高山》
《欢乐颂》
《混沌蝴蝶》
《鲸歌》
《镜子》
《梦之海》
《命运》
《山》
《谁动了我的奶酪？（2）》
时间：2022.11
关键词：【美国】 斯宾塞·约翰逊/人生经验/鸡汤文（电子书）
鸡汤味更浓，感觉不如第一部。
《谁动了我的奶酪？》
时间：2022.11
关键词：【美国】 斯宾塞·约翰逊/人生经验/鸡汤文（电子书）
这是一本很短的书，一会儿就能看完了，感觉没有说的那么的好，就是鸡汤文，且有点啰嗦（配图很可爱。
我感觉对我触动最大的一点是，“无所畏惧，放手去做！”
嗅嗅：及早嗅出变化的端倪 ；
匆匆：立即采取行动；
哼哼：担心事态变得更加糟糕而否认、抵制变化；
唧唧：发现变化可以带来更好的生活后学会及时调整！
- Having Cheese Makes You Happy 拥有奶酪，就拥有幸福
- The More Important Your Cheese Is To You The More You Want To Hold Onto It 奶酪对你越重要，你就越想抓住它
- If You Do Not Change, You Can Become Extinct 如果你不改变，你就会被淘汰
- What would you do if you weren’t afraid? 如果你无所畏惧，你会怎样呢？
- Smell Your Cheese Often So You Know When It Is Getting Old 经常闻一闻你的奶酪，你好知道它什么时候开始变质
- Movement In A New Direction Helps You Find A New Cheese. 朝新的方向前进，你会发现新的奶酪
- When You Move Beyond You Fear, You Feel Free 当你超越了自己的恐惧时，你就会感到轻松自在
- Imagining Myself Enjoying The Cheese, Even Before I Find It, Lead Me To It 在我发现奶酪之前，想象我正在享受奶酪，这会帮我找到新的奶酪
- The quick you let go of old cheese, the sooner you find new cheese 越早放弃旧的奶酪，你就会越早发现新的奶酪
- It Is Safer To Search In The Maze Than Remain In A Cheseless Station 在迷宫中搜寻比停留在没有奶酪的地方更安全
- Old Beliefs Do Not Lead You To The New Cheese 陈旧的信念不会帮助你找到新的奶酪
- When You See That You Can Find New Cheese, You Change Course 当你发现你会找到新的奶酪并且能够享用它时，你就会改变你的路线
- Noticing Small Change Early Helps Adapt To Bigger Change That Are To Come 尽早注意细小的变化，这将有助于你适应即将来临的更大的变化
14：变化总是在发生，他们总是不断地拿走你的奶酪，预见变化，随时做好奶酪会被拿走的准备；追踪变化，经常闻一闻你的奶酪你就会知道，它什么时候开始变质。
15：改变，随奶酪的变化而变化。
16：享受变化！尝试去冒险，去享受新奶酪的美味。做好迅速变化的准备，不断的去享受变化。
17：随着奶酪的变化而变化，并享受变化！
18.Beffer late than never. 迟做总比不做好。
19.He realized his fears were making things worse. 他的畏惧只会使事情变得更糟糕。
《科学之路：人，机器与未来》
时间：2022.11
关键词：【法国】杨立昆（Yann LeCun）/深度学习/科学科普（电子书）
信息的自由流动就是进步的动力。——杨立昆
独家专访“CNN之父”Yann LeCun：从未有国家像中国这样，让深度学习成为国家级优先项目 - 知乎 (zhihu.com)
序
这个推荐阵容太强大了！！
人工智能的崛起时刻 - 特伦斯·谢诺夫斯基
专访｜“深度学习”奠基人特伦斯：人工智能和大脑正走向一起_文化课_澎湃新闻-The Paper
世界十大AI科学家之一特伦斯·谢诺夫斯基：有了深度学习和数据，未来人人都会“读心术” (douban.com)
【演讲】特伦斯·谢诺夫斯基：有了深度学习和数据，未来人人都会“读心术” | 造就Talk_哔哩哔哩_bilibili
特伦斯·谢诺夫斯基（Terrence Sejnowski），世界十大AI科学家之一，美国四大国家学院（国家科学院、国家医学院、国家工程院、国家艺术与科学学院）在世仅3位的“四院院士”之一，全球AI专业会议NIPS基金会主席。
所有努力都是为了提升概率 - 张宏江
张宏江-清华大学智能产业研究院 (tsinghua.edu.cn)
国际象棋大师加里·卡斯帕罗夫（Garry Kasparov）曾这样总结自己的常胜秘诀，“我并非根据棋局结果考虑如何调整落子，而是从系统角度，思索怎样改进自己思考的方式”。
常规的同行评审往往“过于合理”，以至颠覆性的研究很难找到真正的同行。
ICML（国际机器学习大会）、NeurIPS、CVPR、ICCV（国际计算机视觉大会）
今天的“创新生态系统”主体由以下这些部分组成：学术界擅长产生新想法，初创企业擅长将高潜力产品推向新市场，企业研发在改善现有产品方面无与伦比。但组成这个系统的机构差异很大，每个机构的体制都有限制因素。杨立昆也描述了他在脸书挑战这些限制所做的努力。
在无人区创新 - 贾扬清
贾扬清 ，浙江绍兴人，本科和研究生阶段就读于清华大学自动化专业，后赴加州大学伯克利分校攻读计算机科学博士。他在博士期间创立并开源了如今业内耳熟能详的深度学习框架Caffe，被微软、雅虎、英伟达、Adobe 等公司采用。
在进入Facebook之前，贾扬清曾在谷歌实习并工作过两年，担任Google Brain的研究科学家，主要从事计算机视觉、深度学习和TensorFlow框架等研究工作。
2016年，他离开谷歌转投Facebook的消息就曾在知乎引起热议。当时，贾扬清本人在知乎问题“如何评价caffe作者贾扬清加入Facebook”下回答称，换到Facebook的原因是为了在个人发展上能学到一些不同的东西，为将来的职业发展继续做准备。另外一个原因是好多以前伯克利同实验室的朋友也在Facebook，比如Ross Girshick和Bharath Hariharan，所以也增加了一份亲切感。
30年前，神经网络走过了非常崎岖的道路。最初的成功过后，神经网络因为本身训练的复杂性、结构的不确定性、对数据量的依赖性、理论的不清晰性等，在2000年年初的一段时间之内逐渐被更加有理论依据的凸优化、核方法、概率图模型等取代。杨立昆和其他两位同获图灵奖的大师约书亚·本吉奥和杰弗里·辛顿回忆起自己在这段时间的坚持的时候，笑称这是“deep learning conspiracy”（“深度学习的阴谋”），而他们自己是Canadian Mafia（“加拿大黑手党”），在各自所在的学校中，他们坚持自己所相信的神经网络研究。
但是从ImageNet的成功开始，神经网络，或者说“深度学习”，开始以摧枯拉朽之势在各个领域展示出它的优势。
从2013年加入脸书开始，杨立昆就一直领导着它的研究部门FAIR在人工智能的前沿无人区创新。FAIR集聚了大量人工智能的优秀学者，其中不乏华人的面孔，例如计算机视觉专家何恺明、增强学习和理论研究专家田渊栋等。
一方面也参与和见证了Facebook AI给社区带来的各种成果，例如ResNeXT、Detectron、FAISS等算法，以及PyTorch通用人工智能框架、ONNX业界模型标准等。Facebook AI多年的成就，和杨立昆一直以来对于人工智能的孜孜追求是分不开的。
从科学思考到科学思维 - 吴军
吴军，清华附中高81级校友，1967年4月出生，毕业于清华大学计算机系（本科）和清华大学电子工程系（硕士），博士毕业于约翰霍普金斯大学[1]，原腾讯副总裁。吴军博士是当前Google中日韩文搜索算法的主要设计者。著有《数学之美》、《浪潮之巅》和《文明之光》。
个人经历
毕业于清华大学计算机系（本科）和清华大学电子工程系（硕士），并于1993-1996年在清华任讲师。
1996年起在美国约翰霍普金斯大学攻读博士，并于2002年获得计算机科学博士学位。
在清华和约翰霍普金斯大学期间，吴军博士致力于语音识别、自然语言处理，特别是统计语言模型的研究。
2002年加入Google公司，任Google研究院资深研究员。到Google不久，他和三个同事们开创了网络搜索反作弊的研究领域，并因此获得工程奖。
2003年，他和两个同事共同成立了中日韩文搜索部门。吴军博士是当前Google中日韩文搜索算法的主要设计者。在Google期间，他领导了许多研发项目，包括许多与中文相关的产品和自然语言处理的项目，并得到了公司首席执行官埃里克·施密特的高度评价。
吴军博士在国内外发表过数十篇论文并获得和申请了近十项美国和国际专利，于2005年起，当选为约翰霍普金斯大学计算机系董事会董事。
2010年，吴军博士离开Google，加盟腾讯公司，担任负责搜索业务的副总裁。并担任国家重大专项“新一代搜索引擎和浏览器”项目的总负责人。
2012年6月15日，腾讯负责搜搜的副总裁吴军发出微博，暗示已经从腾讯离职[2]。
个人作品
著有《数学之美》、《浪潮之巅》、《态度》 、《见识》、《智能时代》 、《全球科技通史》 、《文明之光》。
《浪潮之巅》是一本介绍互联网及IT行业（或者更广义地说，是TMT行业）兴衰变化的书，书中的内容最早由吴军博士发表在Google黑板报上，经过几年的积累，由电子工业出版社整理成书。
所获荣誉
他曾获得1995年的全国人机语音智能接口会议的最佳论文奖和2000年Eurospeech的最佳论文奖。
但是杨立昆却走了一条与众不同的求学道路，他高中毕业后就直接进入一所名气不算太大的大学——巴黎高等电子与电工技术工程师学院（ESIEE）学习。杨立昆做出这样的决定有两个原因：其一，这所大学不需要参加预科课程的学习和考试就能直接申请；其二，在这所学校，他可以获得更多的学习自主权。杨立昆讲，他用自己的经历证明了通过激烈的考试竞争进入名校，不是科学成功的唯一路径。
杨立昆用自己的经历告诉我们，接受教育重要的是获得知识本身，而不是获得名校的光环。
如果要总结杨立昆的成功经验，我们可以用4句话来概括：
• 求学是为了知识本身，而不是文凭；
• 广泛地阅读高水平的专业著作，培养科学的品位；
• 特立独行，做自己感兴趣的事情，即便那件事在短时间内不被人看好；
• 长期的坚持。
杨立昆博士用几个例子讲述了今天人工智能的本质，就是数学公式+大量的数据+计算能力。
以批判性思维持续学习 - 韦青
韦青（微软中国首席技术官）_百度百科 (baidu.com)
“人工智能作为一门科学在研究领域的进步”与“人工智能作为一种工程实践在现实社会中的应用落地”之间的矛盾。
这些科学家的技术与工程理念可以综合地解释为，“任何一种强大的技术，有其正面就必定有其负面，不理解它的负面，就不能更好地发挥它的正面；不能够关闭某种神奇的工具，就不能轻易地把它打开”。这种思想方式始终贯穿本书。
深度学习的探索之旅并不容易，我们不得不与各个方面的怀疑论者做斗争……深度神经网络，即我们提出的深度学习，就是突破局限性的方法。深度神经网络十分有效，但是运作也非常复杂，并且难以进行数学分析，但我们还是如同炼金术士般不懈追求着。
杨立昆的科学之路 - 马毅
Homepage of Professor Yi Ma (berkeley.edu)
ACM Fellow、伯克利教授马毅宣布：明年起加入香港大学，出任数据科学研究院院长 - 知乎 (zhihu.com)
我讲述与杨立昆交流合作的故事，是希望年轻学者充分认识到理论与实践联系的重要性，以及在科研中不断拓宽视野、兼容并蓄、与多个交叉领域的同事交流合作的重要性！
让历史告诉未来 - 黄铁军
黄铁军-视频与视觉技术国家工程研究中心 (pku.edu.cn)
先谈一下对智能的看法。智能是系统通过获取和加工信息而获得的能力。智能系统的重要特征是能够从无序到有序（熵减）、从简单到复杂演化（进化）的。生命系统是智能系统，也是物理系统；既具有熵减的智能特征，也遵守熵增在内的物理规律。人工智能是智能系统，也是通过获取和加工信息而获得智能，只是智能载体从有机体扩展到一般性的机器。
符号主义
连接主义
行为主义
学习就是逐步减少系统误差的过程，机器学习就是机器进行尝试、犯错以及自我调整等操作。机器学习对人工智能最重要的贡献是把研究重心从人工赋予机器智能转移到机器自行习得智能。近年来，最成功的机器学习方法是深度学习和强化学习。
深度学习是连接主义和机器学习相结合的产物，最大的贡献是找到了一种在多层神经网络上进行机器学习的方法，
强化学习的思想和行为主义一脉相承，可追溯到1911年行为心理学的效用法则：给定情境下，得到奖励的行为会被强化，而受到惩罚的行为会被弱化，这就是强化学习的核心机制——试错。1989年，沃特金斯提出Q学习（Q-learning），证明了强化学习的收敛性。2013年，谷歌子公司DeepMind将Q学习和深度神经网络相结合，取得AlphaGo、AlphaZero（阿尔法元）和AlphaStar等重大突破。最近，DeepMind更是强调，只需要强化学习，就能实现通用人工智能。
智能比飞行要复杂得多，深度学习成功实现了智能，但是能够解释这种成功的理论还没出现，我们并不能因此否定深度学习的伟大意义。
人们往往把今天人工智能系统的成功归结为三个要素：大数据+大算力+强算法，其中数据是根本，另外两个要素主要影响效率。
行文至此，我们已经从人工智能发展史中小心翼翼地挑出三根靠得住的基本支柱：一是神经网络，二是强化学习，三是环境模型。在这三根支柱中，杨立昆最突出的贡献是对神经网络的贡献，特别是卷积神经网络。
总而言之，人工智能经典学派有三个：符号主义、连接主义和行为主义。符号描述和逻辑推理不是智能的基础，而是一种表现，读写都不会的文盲就拥有的“低级”智能才更基础。因此，连接主义和行为主义虽然困难重重，但有着更强的生命力，从中发展出的深度学习和强化学习两套方法，成为当今支撑人工智能的两大主要方法。
展望未来，人工智能的发展途径有三条。一是继续推进“大数据+大算力+强算法”的信息技术方法，收集尽可能多的数据，采用深度学习、注意力模型等算法，将大数据中蕴藏的规律转换为人工神经网络的参数，这实际上是凝练了大数据精华的“隐式知识库”，可以为各类文本、图像等信息处理应用提供共性智能模型。二是推进“结构仿脑、功能类脑、性能超脑”的类脑途径，把大自然亿万年进化训练出的生物神经网络作为新一代人工神经网络的蓝本，构造逼近生物神经网络的神经形态芯片和系统，站在人类智能肩膀上发展机器智能。第三条技术路线的核心是建立自然环境的物理模型，通过强化学习训练自主智能模型。比如，构造地球物理模型，训练出的人工智能系统能够适应地球环境，与人类共处共融；构造高精度物理模型（例如基于量子力学模型构造出粒子、原子、分子和材料模型），可以训练出能够从事物理学和材料学研究的人工智能；构造出宇宙及其他星球的物理模型，可以训练出的人工智能则有望走出地球，适应宇宙中更复杂的环境。
人类智能是地球环境培育出的最美丽的花朵，我们在为自己骄傲的同时，也要警惕人类中心主义。地球不是宇宙的中心，人类智能也没有类似的独特地位，把人类智能视为人工智能的造物主，曾经禁锢了人工智能的发展。沉迷于寻求通用智能理论，将是阻碍人工智能发展的最大障碍。破除人类中心主义的傲慢和对通用智能理论的迷思，构建更好的人工神经网络（包括逼近生物神经网络），坚持和发展强化学习基本思想，不断提高环境模型的精度和广度，人工智能将稳步前行，前景无限。
探求未知的科学精神 - 郭毅可
Home - Professor Yi-Ke Guo (imperial.ac.uk)
杨强
彭志辉
吴甘沙
前言
在深入了解机器的旅程中，本书提供了两个层次的阅读目标：第一个层次较为基础，即叙述、描写和分析；第二个层次针对对此感兴趣的读者，本书提供了更加深入的数学和信息技术推理。
人脑由860亿个神经元构成，神经元细胞之间相互连接。人工神经网络也是由大量单元和数学函数构成的，与简化后的神经元类似。在学习时，人脑神经元之间的连接会被改变，人工神经网络在学习时也是如此。因为这些单元的组织通常是多层的，所以它们被称为神经网络，而人工神经网络学习的过程则被称为深度学习。
深度神经网络十分有效，但是运作也非常复杂，并且难以进行数学分析，但我们还是如同炼金术士般不懈追求着。
第一章 人工智能呼啸而来
人工智能正在逐步占领经济、通信、健康和自动驾驶汽车等领域。很多观察家不再将其视为一次技术演变，而视其为一场革命。
- 人工智能无处不在
- FLOPS 处理器每秒操作浮点运算次数的度量单位
- 人工智能艺术家
- 索菲亚：类人生物还是虚张声势
- 我上高中的时候，看到索菲亚被授予沙特阿拉伯国籍的事件，当时我觉得很不可思议，觉得人工智能居然已经发展到了这个地步了，但在这一节中，Yann说，向我一样的局外人并不懂其内在，我们被索菲亚给欺骗了。
- 飞速迭代的人工智能
- 人工智能的世界日新月异，不断地挑战新的极限。当一个关键问题被攻破后，便会进军新的领域，旧的领域便不再属于人工智能的范畴，而是会作为惯用工具存在。
- 迪杰斯特拉算法：Dijkstra’s algorithm - Wikipedia
- A*算法：A* search algorithm - Wikipedia
- 专家系统
- 让机器学会学习
- 人脑是由860亿个相互连接的神经元编织的网络组成的，其中约160亿个神经元活跃在大脑皮层中。每个神经元与平均约2000个其他神经元通过一种被称为突触的结构连接。神经元通过创建突触、删除突触或修改其有效性而进行学习。因此，目前最流行的机器学习方法便是建立人工神经网络，并通过修改它们之间的连接达到学习的目的。
- 机器学习的第一阶段可以被叫作学习或者训练，在此阶段，机器“学习”如何完成一项任务。第二阶段是实施阶段，此时机器不再学习。
- 电子的效率是生物的一百万分之一。
- 技术混搭
- 如今的应用程序通常是机器学习、GOFAI与传统计算机成果混搭的结晶，比如自动驾驶。
- 车载视觉识别系统使用的是一种被称为“卷积网络”的十分特别的神经网络结构，通过不断训练，它可以探测、定位和识别物体以及道路上出现的提示信息。
- 我们应该如何定义人工智能
- 我认为，所谓人工智能就是用机器执行通常由人类或动物完成的任务，即机器要有感知、推理和行动的能力。
- 恩尼格玛密码机：恩尼格玛密码机 - 维基百科，自由的百科全书 (wikipedia.org)
- 图灵早已预见了机器学习的重要性，他曾在文章中写道：“与其编写程序模拟成人的思维，倒不如模拟孩童的思维，此后再给予它适当的培训，它就会拥有成人的思维。”
- 艾伦·图灵的名字与著名的图灵测试息息相关，该测试的内容是让一个人与他看不见的两个测试者（一台计算机和一个人）进行书面对话，由第三者（一个人）在不知情的情况下进行辨识。如果这个人在规定时间内没有辨别出哪一方是机器，那么表明这台计算机通过了测试。
- 人工智能的未来
- 深度学习就是人工智能的未来，我对此深信不疑。然而目前的深度学习系统仍无法进行逻辑推理，因为当前的逻辑与学习能力并不匹配，这是未来几年的主要挑战。
- 算法的广阔天地
第二章 人工智能和我的学术生涯
- 永恒的追求：让机器拥有智能
- 达特茅斯会议：诞生了“人工智能”这一术语
- 两位人工智能领域的先驱马文·明斯基（Marvin Minsky）和约翰·麦卡锡（John McCarthy）
- 传统智能难以复制
- 这一篇文章是讲，在1970年之前，人们有各种人工智能发展的思路，对人工智能寄予了厚望，但是随着政府预算的消减，人工智能进入了寒冬，人工智能是成功不是那么容易的。
- 树搜索研究取得的巨大成功离不开传统智能，然而这种传统智能却难以复制。
- 人类与人工智能的“战争”
- 1997年，世界国际象棋冠军加里·卡斯帕罗夫与IBM开发的超级计算机“深蓝”（Deep Blue）在纽约展开了6场复仇赛。
- IBM的沃森计算机
- 李世石以1∶4负于AlphaGo。后者是由谷歌子公司DeepMind设计的大型系统，它整合了几种已知相对成熟的技术——卷积网络、强化学习和蒙特卡洛树搜索（一种随机树搜索方法）。
- 与“深蓝”不同，AlphaGo受过专门“训练”，它通过与自己对战积累经验，提升能力。但是，人类与人工智能的“战争”刚刚开始而已……
- 神经流派的崛起
- 加拿大心理学家和神经生物学家唐纳德·赫布（Donald Hebb）
- 心理学家弗兰克·罗森布拉特（Frank Rosenblatt）在康奈尔大学开发出了感知器
- 20世纪70年代，两位美国人，时任加利福尼亚圣何塞州立大学的电气工程学教授理查德·杜达（Richard Duda）和位于加利福尼亚州门洛帕克的斯坦福研究所（SRI）的计算机科学家彼得·哈特（Peter Hart），评估了所有被称为“统计形式的识别”的方法，并撰写了一本评估手册，感知器就是其中一个例子。手册一经推出，立刻成为模式识别领域的参考标杆。
- 遭遇寒冬
- 大多数科学家不再谈论制造具有学习能力的智能机器之事，转而把目光转向了更容易落地的项目。比如，运用一些原本用来研究神经网络的方法创建了“自适应滤波”，这是许多现代通信技术的起源。
- 狂热的疯子
- 芬兰人戴沃·科霍宁（Teuvo Kohonen），他研究的是一个与神经网络比较接近的课题——联想记忆
- 数学家甘利俊一（Shun-Ichi Amari）和一位名为福岛邦彦（Kunihiko Fukushima）的业内人士
- 心理学家杰伊·麦克莱兰德（Jay McClelland）和戴夫·鲁梅尔哈特（David Rumelhart），还有生物物理学家约翰·霍普菲尔德（John Hopfield）和特伦斯·谢诺夫斯基（Terry Sejnowski），以及计算机科学家杰弗里·辛顿。
- 被兴趣激发的人
- 《2001太空漫游》。影片里出现了我所热爱的一切：太空旅行、人类的未来以及超级计算机哈尔的起义。
- 巴黎高等电子与电工技术工程师学院
- 卓有成效的阅读
- 以逻辑的方式无法建构真正的智能机器，我们必须赋予机器学习的能力，让它们能以经验为基础进行自我建构。
- HLM算法
- 我的偶像
- 施乐帕克研究中心
- 我十分渴望见到两位大人物：一位是来自巴尔的摩约翰斯·霍普金斯大学的生物物理学家和神经生物学家特伦斯·谢诺夫斯基（《深度学习》作者），另一位是来自卡内基·梅隆大学的杰弗里·辛顿，后者与约书亚·本吉奥（《深度学习（花书）》作者）和我共同分享了2018年度的图灵奖。
- 辛顿和谢诺夫斯基于1983年发表了一篇有关玻尔兹曼机（Boltzmann Machines）的文章，并在其中描述了一个带有“隐藏单元”的神经网络的学习过程，这个隐藏单元是位于输入和输出之间的中间层的神经元。
- “你认识一个叫杨立昆的人吗？”
- 一个法国的孩子，被辛顿和谢诺夫斯基给盯上了*/doge
- 梯度反向传播的运用
- 发明无法一蹴而就，它们是经历反复实验、失败、进入低谷和讨论的结果，通常要走很长的路才能实现。
- 神圣之地
- 入职贝尔实验室
- 曾有人告诉我：“在贝尔实验室，靠节省开支是无法混出名堂的！”这真是一句发人深省的话。
- 贝尔实验室的岁月
- 他将我的网络命名为LeNet（源自我的名字Le Cun）
- LeNet 5是一个用于识别手写字符的商业化卷积网络
- 职业与信念
- 1995年，新的“寒冬”开始。神经网络基本上成了没人愿意谈及的话题，卷积网络更是成了大家口中的笑话。他们说这项技术太复杂了，除了杨立昆没人能让它发挥作用。这简直就是胡说八道。
- 核方法是由我们实验室内部的同事伊莎贝尔·居永（Isabelle Guyon）、弗拉基米尔·瓦普尼克和伯恩哈德·伯泽尔（Bernhard Boser）于1992—1995年发明的，其核心内容在1995—2010年成为研究机器学习的主要方法。
- 1998年，我们在著名杂志《电气与电子工程协会会刊》（Proceedings of the IEEE）上发表了一篇后来广为人知的论文，题目为《基于梯度学习的文档识别》，作者为杨立昆、莱昂·博图、约书亚·本吉奥和帕特里克·哈夫纳。[插图]这是一次全新的、教学性的、全面性的尝试。
- 1998—2008年，这篇论文的影响力还十分有限，每年仅有几十次引用量。但从2013年开始，引用量开始以指数级增长。仅2018年一年，就有5400次引用。现在许多人都把它视为卷积网络的开山之作，尽管在此前10年，我们已经发表了多篇文章。2019年，它成为我的主要代表作，引用数量超过了20000次。
- 深度学习的阴谋
- 卷积网络的春天
- 说回2005年，这是我在纽约大学出成果的一年。我们证明了可以将卷积网络用于语义分割，即用像素所属的物体类别标记图像的每个像素。
- 2012年是具有决定性意义的一年，[插图]它是一个新时代的开端，人们不再质疑卷积网络的有效性，这也是后文一些章节的主题
第三章 机器的初级训练
机器可以被训练用来完成一些简单的任务，比如旋转方向盘或识别字母。训练的内容包括在机器中建立一个函数f（x），以便输出对应输入信号（图像、声音、文本）的预期答案（识别图像、声音或文本）。
- 从海兔得到的启发
- 通过修改由非常简单的单元构成的网络中的连接，就能产生智能行为。
- 机器学习研究的目标就是以人工神经网络为基础，在机器内重现这种现象。这种通过调整突触效应而进行的学习，是20世纪中叶以来被统计学家称为“模型参数识别”的一个例证。
- 监督学习
- 随机近似
- 数学家的题外话
- 伽利略和比萨斜塔
- 图像识别
- 感知器的创新
- 感知器的创新就是一个学习过程：每识别一次输入的图像并输出相应结果后，它都会自动调整权重。从概念的角度讲，根据数据调整模型参数的想法已经在统计学中存在了几个世纪。弗兰克的高明之处在于，他将这种想法应用到了模式识别上。
- 25像素的网格
- 区分字母C和D
- 泛化原理
- 感知器的局限性
- 不存在一条可以分开黑点与灰点的直线，或者说线性分类器（例如感知器）不能计算这个异或函数。
- 西摩尔·帕普特和马文·明斯基在1969年出版的著作《感知器：计算几何学概论》葬送了感知器的未来，这使相关的研究人员更加沮丧。这次机器学习研究的停顿在人工智能的历史中扮演了重要的角色，它导致我们走入了上文提到的人工智能的几个寒冬期（低谷）里的一个，使研究受阻的科学界转变了研究方向。
- 特征提取器
- 在输入图像和神经层之间放置一个中间模块，也就是所谓的“特征提取器”。它能够检测输入图像中是否存在一些特殊的区域，然后构造一个向量来描述这些区域是否存在、强度如何，并最后将这个向量交由感知器层处理。
- 在系统的第一阶段提取出非常简单的特征；在下一层尝试检测这些特征组合的轮廓或是直接连接特征，以形成诸如圆形或角的基本形状；再在下一层，检测这些组合构成的物体局部；等等。
- 在感知器的学习过程中，只有最后一层经过训练，特征提取器的第一层是无法训练的，必须手动确定。
- 对于输入到机器中的每个图像的数千或者数百万个权重，如何才能手动调整呢？正是由于这个阻碍，20世纪60年代末的学术界放弃了训练端到端智能机器的想法，而侧重于研究构成统计模式识别领域的应用。受感知器启发的体系结构虽然不完善，但直到21世纪10年代初，这个体系一直在相关领域内占据主导地位。接收信号，然后通过手动设计的特征提取器处理信号，再通过由感知器或任何其他统计学习方法构成的分类子系统接收信号：这就是模式识别的惯用方法。
第四章 机器学习的方法
监督学习的基本原理从始至终都没有变过，即通过调整系统参数来降低成本函数，也就是降低在一个学习示例集中测量到的实际输出与期望输出之间的平均误差。实际上，最小化成本函数和训练系统是一回事。
这个原理不仅适用于像感知器这样仅对最后一层进行训练的简单模型，还适用于几乎所有的监督学习方法，特别适用于端到端训练的多层神经网络，这一点我们将在下一章进行讲解。
总之，基于成本函数最小化的学习是人工智能运作的关键要素。因此，理解其局限性同样有利于我们反思人类自身的学习。
- 成本函数
- 提示：训练机器的过程就是调整参数的过程。
- 再强调一遍：学习就是逐步减少系统误差的过程。所谓的机器学习，就是机器进行尝试、犯错和自我调整的操作。每次针对参数的调整都会删除参数原来的值。
- 找到谷底
- 实践中的梯度下降
- 综上所述，存在两种计算梯度的方法，分别是扰动法和偏导数法。
- 随机梯度
- SGD
- 多个谷底的困扰
- 机器学习的原理
- 在学习期间，网络会调整参数，使得学习集中的所有x都能给出期待的结果y。
- 学习后，可以通过内插或外推的方式，为学习集中不存在的新x赋值y。
- 当新的x在学习示例范围内时，我们称它为插值；
- 当新的x在学习示例所覆盖的区域之外时，则被称为外推。
- 模型的选择
- 关于选择模型，有一部分是由工程师决定的，比如系统的结构及其参数化，即函数f（x，w）的形式。这个过程需要依据经验决定，但总的来说，它依赖于瓦普尼克的统计学习理论。
- V. Vapnik and A. Chervonenkis
- 解读机器学习基础概念：VC维的来龙去脉 - 知乎 (zhihu.com)
- 关于选择模型，有一部分是由工程师决定的，比如系统的结构及其参数化，即函数f（x，w）的形式。这个过程需要依据经验决定，但总的来说，它依赖于瓦普尼克的统计学习理论。
- 奶牛和三名科学家
- 使用先验知识做出预测是必要的。
- 一定存在几个可以解释数据的基础模型。
- 奥卡姆剃刀原理
- 奥卡姆剃刀原理阐明了精简的原则：“Pluralitas non est ponenda sine necessitate”。
- 这句话可以翻译为：“若无必要，勿增实体。”
- 对一系列观察的解释应尽可能简单，而不应该使用不必要的概念。
- 机器训练方案
- 在一套标准的方案中，机器训练分为三个阶段，目的是为给定任务确定一个最有效的模型。
- 想要选择一个模型，即一类尽可能最小化的函数，需要事先衡量其预测能力，也就是使用它在训练过程中没有出现的示例评估它的成本函数。这些示例构成了验证集。
- 在训练过程中，函数必须调整其参数以使得到的输出近似于期望的输出，并同时使成本函数最小化。在该集合中出现的误差叫作学习误差（也称为？训练误差）。
- 为了评估经过训练的系统的性能，同时为了验证机器不仅记住了示例，还能够处理未曾见过的示例，我们利用另外2500个学习对（x，y）测量训练后的误差，即验证误差。
- 最后，我们用剩下的2500个示例在被保留的模型上测试，得出的误差就是测试误差。
- 为什么要计算测试误差呢？仅仅使用验证误差不足以说明问题吗？
- 这是因为验证误差偏向乐观：我们选择该模型是因为它的验证误差最低，跟在验证集中训练一样。
- 为了在开展应用之前正确地评估系统的质量，最好的办法就是将其置于真实的情况下，用完全没有见过的示例测试其性能。
- 最佳折中方案
- 瓦普尼克公式
- 过于简单的模型是无法对大量学习数据进行建模的.
- 如果模型足够复杂（例如1000次幂的多项式或大型神经网络），它便能“学习”整个学习集，只不过如此一来，其泛化能力必然不够良好。这样的函数非常灵活，换句话说，它在各点之间的振荡幅度很大，我们需要更多的学习示例使其停止精确通过所有的点，从而减少震荡，并能够对新的数据点做出良好的预测。也就是说，让它停止记录学习数据，开始学习发现数据蕴含的基本规律。
- 我们需要在数据数量和模型复杂性之间找到一个平衡点。
- 当示例的数量超过一个阈值时，曲线无法再通过所有点，并且开始泛化。也就是说，对于给定数量的示例，我们必须寻求最佳的折中方案，并以此来选择合适的模型。*(学习能力越强大的函数，越无法正确地泛化，除非我们能够提供足够多的训练示例。)*
- 换句话说，为了让系统发现数据背后的规律，我们必须输入足够数量的示例使其开始犯错，这样系统就能突破“死记硬背”但不“理解”的束缚。
- 瓦普尼克的公式
- 1.学习误差或经验误差。它体现了系统在训练数据集中的性能。
- 2.测试误差，即系统在训练期间没有见过的其他数据点上的性能。如果有无穷多个点，我们便可以精准地估计系统在实际应用时产生的误差。
- 3.模型容量。当所有可调整参数均发生变化时，模型容量度量的是模型可以实现的函数数量。该容量又被称为瓦普尼克维度。
- Etest<Etrain+k*h/（p**alpha）
- 布尔函数的眩晕
- 当我们只有适当数量的示例时，该机器就需要有一定的约束条件，能够专用于学习输入输出关系（我们称之为“概念”）。
- 此外，约束条件主要来自模型的体系结构。
- 正则化：调节模型的容量
- 为了保证学习的有效性，我们必须在学习误差和用于获取该误差的函数的复杂性（或其函数族的容量）之间找到一个最佳的折中方案。
- 瓦普尼克公式
- 人类的教训
第五章 完成更复杂的任务
为了解决感知器及其同类机器的局限性，科学界选择了最有效的解决方案，即堆叠多层神经元层，以使系统可以执行更复杂的任务。
我们还要找到一种从头到尾训练这些系统的方法——梯度反向传播
神经网络也可以用来学习复杂的任务，并且可以在数百万的数据上进行训练。我们把这样的训练称为深度学习，因为此时使用了（网络）层的堆叠。
- 贡献度分配
- 如今，反向传播已成为深度学习的基础，几乎所有的人工智能系统都在使用这种方法。
- 我们将这种每层都从前一层或前几层获取输入的网络称为前馈多层网络（feed-forward）。
- 如果从高层（在出口附近）向低层（在入口附近）的方向也存在连接性，则称为循环网络。
- 传统的多层神经网络存在两种类型的层，它们相互交替
- 每个单元计算其输入的加权和，将结果传递给激活函数*，并将其计算的输出发送到下一层作为其他单元的输入。
- 网络就是这样由两种类型的层交替形成的，即执行加权和的线性层和应用激活函数的非线性层。
- 线性层：每个输出都是输入的加权和，且输入和输出的数量可能并不相同。之所以称它们为线性的，是当我们把两个信号的总和作为输入时，该层输出的结果等于分别处理这两个信号而产生的输出之和。
- 非线性层：通过将非线性函数应用于相应的输入来获得相应的输出。此非线性函数可以是平方函数、绝对值函数、S形函数或其他函数。非线性层的输入与输出的数量是相同的。这些非线性操作是多层网络强大功能的关键所在。
- 为什么要交替进行线性和非线性运算呢？因为如果所有的层级都进行线性操作，那么整个过程都是由线性操作组成，换句话说，它等效于一个线性操作。这将使神经元层的堆叠变得毫无意义，因为线性网络只能计算线性函数。
- 连续神经元
- 对于我们所讲的“更好的”神经元，即便是其中某一个输入的某个参数的最细微变化（例如加权和的变化），都会使神经元的输出发生变化。当我们逐步增大或减小此参数时，无论变化多么小，系统的最终输出都会自动发生变化，从而导致成本函数的变化。这种变化的连续性使得我们可以使用梯度下降方法来训练多层网络。 - 我的分层学习机
- HLM
- 赛跑
- 数学的美妙之处
- 梯度反向传播:其原理是在网络中颠倒信号传播的方向，但不像HLM那样传播目标，而是传播梯度，即偏导数。
- 反向传播基于的数学概念是复合函数的链式法则。
- 多层结构的益处
- 学习的原理并没有改变：调整网络的参数，使系统尽可能地少犯错误。
- 多层网络端到端的训练构成了深度学习。这一类系统不仅学习分类，而且连续的各层也会设法将获得的输入转换为有意义的表达，类似于特征提取器在增强型感知器中的行为。
- 实际上我们可以说，连续的各层就是某种经过训练的特征提取器。
- 这是多层网络的决定性优势：它们会自动学习如何适当地表示信号。
- 打破异议
- 局部极小值
- 多层网络的魅力
- 在多层网络中，我们可以将前面各层视为特征提取器。但与常规方法不同，这种特征提取器不是“手动”设计的，而是通过学习自动生成的。这就是使用反向传播训练的多层网络的魅力所在。
- 深度学习
- 1.通过配置和连接模块来构建多层网络的体系结构；
- 2.利用反向传播计算梯度之后再通过梯度下降法训练该结构。
- 形容词“深度”仅仅是为了表达网络结构是多层的这个事实，别无他意。
第六章 人工智能的支柱
LeNet
- 2012年的重磅炸弹
- ImageNet是计算机视觉研究领域中用于识别图像中的物体的一个数据库，是由斯坦福大学、普林斯顿大学和其他一些美国机构的学者联合开发的。
- 自2010年以来，ImageNet每年都会组织一次“ImageNet大规模视觉识别挑战赛”（ILSVRC），不过所有人都习惯将其简单地称为ImageNet。这是一个供研究人员就他们的图像识别方法一较高下的赛事。
- 在2011年以前，即便是最好的系统也会有25 %的识别错误率。但在2012年，一支来自多伦多大学的由杰弗里·辛顿和他的学生组成的团队打破了这一纪录，将错误率降至16 %！
- 卷积神经网络和GPU
- 视觉系统的信息处理
- 哺乳动物的初级视觉皮层V 1的区域包含简单细胞和复杂细胞。每个简单细胞都会在被称为“感受野”的输入中的一个小窗口中检测到模式。这些细胞排列在被称为“特征图”的平面上。相同特征图的所有细胞在输入图像的不同位置检测同样的模式。每个特征图检测的模式与其他特征图检测的模式不同。具有相同感受野的所有特征图的细胞检测不同的模式，例如第一个检测45度的一个边缘，第二个检测水平边缘，第三个检测到另一个角度，等等。复杂细胞会聚集来自一个小窗口的简单细胞的响应。当模式在输入端稍微移动时，复杂单元的响应几乎没有变化或根本没有变化。
- 在V 1中，复杂细胞（另一类神经元）会整合来自相同类型的相邻简单细胞的响应：一个复杂细胞整合一个小邻近区域的所有1号神经元，另一个整合所有的2号神经元，依次类推。这个聚合操作可以计算简单细胞输出的平均值，或者简单地计算出它们中的最大值。
- 复杂单元可以在一定的位置偏差内检测出模式。这种关键的聚集机制（又称为池化）解释了不变性。由此可以得知，一个V 1复杂细胞的感受野大于一个V 1简单细胞的感受野。
- 休伯尔和威泽尔在视觉皮层上的发现为人工智能领域的研究提供了两个思路。
- 1.局部连接。视觉系统第一层中的神经元仅连接到图像中的一个小区域，即一小块像素——感受野。
- 2.在视野上（也就是在整个图像上）进行重复操作。具有不同感受野的几个神经元在不同的位置检测相同的模式。
- 有远见的东京科学家
- 福岛邦彦：20世纪70年代的认知机和80年代初的神经认知机。
- 科学界方法之争
- 出于从休伯尔、威泽尔和福岛邦彦工作中得到的收获，以及对哺乳动物视觉皮层研究的迷恋，我设想了一个多层网络架构，能够将简单细胞和复杂细胞的交替以及反向传播训练结合在一起。在我看来，这种类型的网络非常适合用于图像识别。后来，我将其命名为卷积网络，即卷积神经网络（convolutional neural network），有些人将其缩写为CNN，但我更喜欢把它叫作ConvNet。
- 卷积网络全貌
- 什么是卷积网络
- 卷积是此体系结构的一个组成部分，是一种数学运算，它被广泛应用于信号处理，与视觉皮层简单细胞执行的计算相似。
- 池化可以产生输入图像模式的一个不变性表征（相对于小的位移而言）。最大池化的作用是在输入中找到最大值，即感受场中最强的模式。如果此模式移动一个或两个像素，但仍旧停留在池化神经元的同一窗口中，则该神经元的输出保持不变。
- 一个卷积网络是由卷积层、ReLU层和池化层堆栈组成，典型的架构为：卷积→ReLU →池化→卷积→ ReLU →池化→卷积→ ReLU→卷积。
- ResNet，何恺明
- 神经网络的连接体系结构，即各层神经元的组织以及神经元之间的连接是确定的。但是权重，即加权和的参数是不确定的，它们可以通过学习来确定。
- 在卷积网络中，梯度反向传播会调整权重，使不同层中的神经元能够检测出对识别输入图像至关重要的内容。
- 当我们训练卷积网络用来识别自然图像中的物体时，第一层的一些神经元学会了检测定向轮廓，这与神经科学领域的研究人员在视觉皮层中观察到的结果非常相似。
- 池化层输出的分辨率低于其输入的分辨率，这使得输入图像的特征模式在发生微小变化的情况下具有鲁棒性。
- 目标检测、定位、分割和识别
- 基于卷积网络的语义分割
- 语义分割旨在对图像中每个像素所属的对象类别进行标记。它与目标检测不同，后者是在输入窗口中心检测到相关目标时，网络输出就会被激活。如果不想检测到外部目标，而仅仅想检测图像中的某个区域（例如草、树叶或道路上的沥青），那么就适合使用语义分割。
- 在短短几年时间内，视觉研究界在目标检测和定位方面就取得了长足的进步。其中最先进的当数FAIR的Mask R-CNN（一个通用对象实例分割框架）和RetinaNet，它们的代码都是开源的。
- 什么是卷积网络
第七章 深度学习的应用
- 图像辨识
- 内容嵌入和相似度测量
- 在执行比较功能时，我们通常会用到“嵌入”（embedding）和“度量学习”。
- 嵌入使用的是由神经网络计算得到的向量表示图像、视频或文本。如果两者内容相似，经过训练的神经网络会输出两个彼此靠近的向量，否则输出两个相互远离的向量。
- 语音识别
- 语音克隆
- 近年来，人们一直在利用一种被称为“反卷积”的特殊类型的卷积网络进行声音和语音的合成。
- 在某些系统中，输入数据中带有一个说话者的嵌入向量。使用经过训练的卷积网络，只需一个人几秒钟的语音即可计算出他的语音嵌入向量，把这个向量作为输入提供给语音合成器，机器就可以使用这个人的声音读取任何一个文本。我们把这项技术称为语音克隆。
- 语言的理解和翻译
- 智能预测
- 人工智能与科学
- DeepMind公司的AlphaFold系统。
- 自动驾驶汽车
- 我认为自动驾驶系统将经历三个阶段：
- 在第一个阶段，系统的很大一部分功能由人工编程，深度学习仅被用于感知；
- 第二个阶段，深度学习的重要性逐步提升，并占据重要地位；
- 第三个阶段，机器具备足够的常识，驾驶技术比人类更可靠。
- 我认为自动驾驶系统将经历三个阶段：
- 大型应用程序的架构：虚拟助手
- 医学影像与医学
- 从传统搜索算法到强化学习
- lphaZero通过自己和自己进行数百万局比赛的方式来训练网络，加强了可以获胜的策略，削弱了可能导致失败的策略。这便是强化学习：我们没有给机器正确的答案，只是告诉它输出的答案是好还是不好，就好像是在给它奖赏或惩罚。只需结合少量树形图的探索，该方法便可拥有非凡的性能。
第八章 我在脸书的岁月
- 与脸书结缘
- 脸书的人工智能研究实验室
- 用技术实现信息过滤
- 技术、平台与媒体
- 对带标签数据的渴求
- 图灵奖与我的新身份
第九章 前景与挑战
- 探究智能和学习的基础
- 一方面，不被世人所知的实验是没有未来的。研究以交流为基础，它应该是共享的、开放的，我在贝尔实验室领悟到了这一理念，并将它带到了FAIR。
- 另一方面，我们尝试复制生物学机制的前提是理解自然机制的本质，因为在不了解生物学原理的情况下进行复制必然导致惨败。
- 人工智能研究的未来不能仅仅复制大自然。
- 我认为，我们必须探究智能和学习的基础原理，不管这些原理是以生物学的形式还是以电子的形式存在。正如空气动力学解释了飞机、鸟类、蝙蝠和昆虫的飞行原理，热力学解释了热机和生化过程中的能量转换一样，智能理论也必须考虑到各种形式的智能。
- 机器学习的局限性
- 在人工智能领域中最常使用的监督学习只是人类或动物学习的一种平淡的反映，它的原理是逐步调整一个架构的参数，从而接近要完成的任务。但是如果要这样训练一个系统来识别物体，我们需要为它提供成千上万甚至数百万个物体的图像。
- 而且这些示例必须事先进行人工识别和标记。为了生成获得训练系统所需的数据，公司需要雇用大量零工来标记图像，或将一种语言的文本翻译成另一种语言。
- 为什么网络会如此轻易地上当呢？以监督学习的方法训练出的机器可以在学习示例的范围内产生良好的输出，但学习示例的范围毕竟有限，它仅仅能够覆盖输入空间的一小部分。在示例之外，函数并不知道该做些什么。
- 监督学习不能构建真正的智能机器，它只是解决方案的一部分。如果我们把构建智能机器比喻成拼图，那么现在这块拼图上还缺少很多零件。
- 强化学习的局限性
- 强化学习可以在对机器进行训练时，无须给出预期答案，而只需告诉它产生的结果是否正确。当我们无法为系统提供正确答案，只能够评估系统答案的质量时，强化学习就是一个很好的选择。
- 机器人会尝试一种策略，观察它是否有效，如果不成功，则尝试下一种策略，并重复该过程，直到找到一种可靠的策略为止。
- 强化学习的优势在于，它可以训练系统且无须提供正确答案便可评估其性能，主要适用于系统必须采取行动的情况，例如控制机器人或玩游戏。我们已经通过DeepMind的AlphaGo、AlphaZero和脸书的Elf OpenGo看到了强化学习在竞技领域所取得的惊人成就。
- 该机器与自己进行了数百万次，甚至数十亿次游戏对决。有了足够多新型计算机并行运行的支撑，系统可在数小时内进行几百万次游戏。它之所以能获得超凡的表现，是因为它见过绝大部分棋局。
- 有待开发的学习新范式
- 模拟真实世界问题的sim2rel（simulation to real world）是目前一个非常活跃的研究领域。
- 有限的预测能力
- 目前的人工智能没有常识，但常识至关重要，它制约着我们与世界的联系，它能填补空白，弥补隐含的信息。
- 人类常识的特征之一就是这种推断能力，它让我们能够自我定位并采取行动。我认为这是另一种学习形式的结果，我称为“自监督学习”。
- 人是如何学习的
- 婴儿在生命的最初几个月中学习了大量有关世界运作方式的基础知识。这种学习主要是通过观察来完成的。
- 我们能在脑海中设想数千种情形及结果，我们还掌握着上千种人类行为的预测模型，它们丰富了我们的社会智能，使我们能够想象周围人会对我们的行为做出何种反应，或更笼统地说，我们的行为可能对世界造成什么后果。
- 如果我们破解了人类和大部分动物通过观察来获得关于世界的大量知识的奥秘，那么我们就可以改进人工智能系统。
- 如何训练预测系统
- 自监督学习的基本思想是：获取一个输入后，隐藏该输入的一部分，以此来训练机器从可见部分预测被隐藏部分。以视频预测为例，我们给机器看一个视频短片，并要求它预测短片接下来的内容。然后我们将接下来的内容作为期望输出提供给机器，让机器据此进行调整，以完善其预测能力。这看起来非常像监督学习，但不同之处在于期望输出是先前被隐藏的输入的一部分。
- 自监督学习旨在获取输入（例如视频片段）后，隐藏输入的一部分，并训练一个模型以根据可见部分预测被隐藏部分的内容。
- 如果让我在阻碍人工智能发展的所有问题中指出最重要的一个，那就是：当信息无法完全预测、连续且高维时，该如何进行自监督学习。
- 多重预测和潜在变量
- 自监督模型是一个参数化函数（例如神经网络）yp=g（x，w），其中x是观察到的输入部分，yp是预测值。
- 关键思想是在f中添加一个参数z，我们称之为潜在变量：yp=g（x，z，w）.通过改变给定集合中的z值，输出yp本身也将在某个集合中变化。当z在给定集合中变化时，产生的所有输出的集合构成模型的预测集合.
- 现在有几种方法可以训练潜在变量模型，最流行的GAN（generative adversarial networks，生成对抗网络）是2014年由约书亚·本吉奥的学生伊恩·古德费洛（Ian Goodfellow）提出的。
- 给定一个示例（x，y），我们从可能值的集合中随机取出一个z值，这将产生一个预测值yp。由于z是随机选取的，因此预测值yp等于所期待的y值的可能性很小。GAN的想法是引入第二个网络，它被称为“判别网络”，以判断预测值yp是否在合理的输出集合中。我们可以将判别网络视为一个可训练的成本函数。对判别网络进行训练是为了使与示例相关的输出（x，y）的成本降低，使其他所有观察结果的成本增高。
- 一个GAN由两个同时训练的网络组成，一个是生成器，另一个是判别器。
- 生成器获取观测值x（例如视频短片的原始片段），从潜在变量z（一个向量）中随机抽取一个值，并产生预测值yp。该预测由判别网络进行评估。判别网络是一种可训练的成本函数。
- GAN和更广泛的现代生成模型在创意辅助方面有许多应用，比如旧电影着色、图像分辨率的提高、图像处理和合成工具。有些人也将它们用于声音合成和音乐创作。
- 由于GAN的训练是无监督的，因此有希望在有监督学习阶段之前使用对抗的方式对系统进行预训练，我们希望能够借此减少此过程中所需示例的数量。但到目前为止，这些方法尚不能提升视觉系统的性能。
- 此外，还没有人找到利用它们生成文本的方法。GAN更偏向于像图像一样的连续数据，而不是像文本一样的离散数据。
- 赋予机器预测能力
- 我们必须依靠现象学模型，根据观察到的数据来预测我们感兴趣的变量，而不能求助于变量之间因果关系的简化模型。
- 计划一个动作序列的学习模型是很多实验室深入研究的一个课题，例如FAIR、加州大学伯克利分校、谷歌及其子公司DeepMind以及其他一些实验室。但是，我们所有人都面临着相同的障碍：预测很困难，因为世界不是完全可预测的。
- 系统智能接近人类智能任重而道远
- 自主智能体的体系结构
- 到目前为止，我们描述的系统都是围绕着自然信号的感知和解释进行的。
- 强化学习试图将感知和行动整合到一个单一学习范式中。
- 人类的行为有两种机制驱动，第一种机制是刺激——响应类型的反应机制，该机制主导我们完成不经过思考即可执行的动作。第二种机制是仔细思考类的，涉及我们的世界模型和计划能力。
- 这两种思维和行动方式就是著名心理学家、诺贝尔经济学奖获得者丹尼尔·卡尼曼（Daniel Kahneman）所称的“系统1”和“系统2”。系统1的某些行为是与生俱来的，例如，当物体快速接近我们的面部时，我们会不由自主地闭上眼睛；但大多数行为是习得的。第二种机制引发的行为涉及意识和反思性推理过程。
- 智能体通过对环境采取行动，学会最大限度地减少痛苦，获得最大的快乐来满足自己的冲动。
- 深度学习和推理：动态网络
- 自主智能体的体系结构
- 集成电路创新的爆炸式增长
- 人工智能的未来
第十章 隐忧与未来
- 人工智能将改变社会和经济
- 人工智能也是如此，受到威胁的职业数量增加得越快，技术在经济中的传播速度就越慢。
- 人工智能创新的生态系统
- 谁将从革命中受益
- 军事失控的风险
- 危险警报：人工智能的滥用
- 如何解释人工智能
- 一些悲观主义者认为深度学习系统是“黑匣子”，但他们错了。工程师可以深入检查神经网络的功能，包括所有的细节。诚然，当神经网络具有数百万个单位和数十亿个连接时，似乎很难完全理解它的一个决策，但这不正是所有智能决策的特点吗？
- 理解人类智能
- 大脑只是一部机器吗
- “所有重大的科学革命都有一个共同点，那就是它们都把人类的傲慢从一个又一个先前坚信我们是宇宙中心的信念基座上拉下来。”西格蒙德·弗洛伊德（Sigmund Freud）
- 所有模型都是错的
- 担忧的声音
- 人工智能并不万能
- 大脑的学习机制
- 数学家弗拉基米尔·瓦普尼克规范了机器学习的统计理论，该理论规定了系统可以从数据中学习概念的条件，认为要使一个实体具备学习能力，就必须让其专攻一个有限的任务领域。
- 机器能否产生意识
- 语言在思维中的作用
- 机器人想要获得权力吗
- 我们对机器人想要获得权力的恐惧主要来自人性特质在机器上的投射。
- 除了对统治的渴望，为了人类物种（或基因）的生存，我们的许多冲动和情感已通过进化建立了起来，其中包括好奇心，对探索的渴望，竞争力，屈服，渴望与我们的同类接触，爱，仇恨，掠食，以及我们对家庭成员、我们的部族、我们的文化、我们的国家的偏爱，没有这些冲动和情感的人、动物或机器也都可以是有智慧的。
- 价值观的统一
- 艾萨克·阿西莫夫（Isaac Asimov）机器人的三大法则：
- • 机器人不得伤害人类，也不得因其不作为而使人类受到伤害。
- • 除非违背第一法则，否则机器人必须服从人类的命令。
- • 在不违背第一或第二法则的情况下，机器人必须保护自己。
- 新的疆界
- 智力科学
- 人工智能研究仍处于创新阶段，它还算不上是一门科学，我们尚未总结出一般性智力理论。目前仅有一种学习理论，但这个理论仅限于监督学习，它为我们设定了可能性的极限，但并没有告诉我们大脑运作机制的细节，也没有告诉我们如何进行正确的自监督学习的方法，尽管自监督学习正是它自己的本质特征。
结语
不要害怕被机器超越。几个世纪以来，人类已经习惯自己的生理和心理能力被其他工具超越了：打磨过的石头和刀具比牙齿更坚硬；耕畜、拖拉机和挖掘机比我们的体力更强；马、汽车、飞机比我们的双脚移动得更快；计算机的计算速度比人脑更快。技术发现提升了我们自身的能力，机器智能也将延展人类智能。
《宇宙》
时间：2022.10
关键词：【美国】卡尔·萨根/宇宙/天文/科学科普（电子书）
简介:《宇宙》由知名天文学家卡尔·萨根所著，是影响深远的一本天文科普名著，是豆瓣9.5分同名传奇纪录片的姊妹篇。《宇宙》一书将科学思辨和人文精神结合，从我们身边的锁事追溯到万物的开端，从浩渺的宇宙视角审视人类自身。作者在天文、生物、化学和地理学之间进行“异花授粉”，将科学与历史、艺术、人类学和哲学交织，向我们描述了宇宙了前生今世，帮助读者拥抱科学，了解人在宇宙中的位置。
卡尔·萨根
卡尔·萨根曾担任康奈尔大学天文学和空间科学大卫·邓肯教授一职，也是行星研究实验室主任。他在水手号、海盗号、旅行者号和伽利略号系列太空航天器的深空探索中发挥了领导作用，并因此两次获得美国国家航空航天局（NASA）颁发的杰出科学成就奖章和一次杰出公共服务奖章。
他的系列电视纪录片《宇宙》获得了艾美奖和皮博迪奖，创下了美国公共电视收看纪录，伴随纪录片出版的书籍《宇宙》，成为了英语出版界最畅销的科普图书之一。由于他在科学、文学、教育和环境保护上的突出贡献，萨根博士获得了普利策奖、奥斯特奖和其他许多奖项，还有美国各所高校大学颁发的二十个荣誉学位。萨根博士去世后，美国国家科学基金会追授他最高荣誉奖，称“他的研究改变了行星科学……他给予人类的礼物价值无可估量。”
萨根博士于1996年12月20日逝世。
之前见过的非常美的关于天文学的句子都是卡尔·萨根所写的，我也买了《暗淡蓝点》和《布罗卡的脑》纸质书，都在家里吃灰呢，一直也没有读。这段时间在读科学科普类的书，并且在微信读书中《我们为什么要睡觉？》一书是需要付费会员才能读的，于是我买了微信读书的会员，趁着这个月的会员，读几本会员专享书。
这个月的学习和生活的任务比较多，《睡觉？》一书也读了好久才读完的，不知道还能拿出多少时间来读《宇宙》。
拖拖拉拉地《宇宙》一书读完了，这段时间确实是太忙了，没有很多空闲时间，都是吃饭的零碎时间读的这本书，感觉有点浪费了这本书！！
前言
终有一日，今天的未知之谜会得到解开，但那需要漫长的勤勉研究。人类寿命有限，一个人穷尽毕生之力也不足以攻克天空这如此巨大的课题。……因此，唯有经过岁月和持续数代的研究，此等知识才能逐渐显现。终有一日，我们的子孙会惊讶于他们的先人竟不了解那些无比浅薄的常识……待到谜团揭开之时，我们早已被遗忘。如果宇宙无法为人类世代提供无穷无尽的谜题，那它就实在太渺小，太可悲了……大自然不会一下子彰显它的全部奥秘。 ——塞涅卡，《自然问题》卷七，1世纪
- 科学揭示出的宇宙如此古老，如此浩瀚，以至于人类在其中的戏份乍看之下无足轻重，我们和宇宙的距离反倒显得更远，甚至变得遥不可及，星空不再与日常事务有什么相干。
- 我们身处的时代处于决定人类文明走向，甚至物种存亡的十字路口。不论去向何方，我们的命运都与科学密不可分。
- 科学不断发展，永无终结，不存在什么终极真理能让所有科学家解甲归田。
- 技术的发展既能帮人类进一步探索宇宙的奇迹，也能让地球陷入混乱无序。我们有幸生于史上最重要的时代之一，甚至有幸决定历史的走向。
第一章 星海之滨
最初创造成形的人被唤作“笑巫”“夜巫”“不洁者”和“黑巫”……他们有智慧，通晓天地间的一切。他们睁开眼，便洞悉万物。他们依次望向天堂的穹顶、大地的圆脸……（然后造物主说：）“他们无所不知……该拿他们怎么办呢？让他们的眼睛只能顾及近旁；让他们只看得到大地之脸的片段吧！……我们所造的，不该是简单的自然生物吗？难道要让他们也成神吗？”——《波波尔·乌》[1]，基切玛雅人
已知有涯，而未知无涯；我们如同立于荒岛之上，被苍茫大海所困。每一代人的任务，都是填出一小块新的陆地。——T.H.赫胥黎，1887年[1]《波波尔·乌》：古代基切玛雅人的圣书，成书于16世纪。
- 宇宙即一切。过去是，将来亦如是。对宇宙的遐思即便再卑微渺小，也能撼动人心——那是脊柱上传来的刺痛、嗓子里的哽咽，或者某种模模糊糊、从高处坠落的久远记忆。如此，我们知道，那最伟大的谜团近了。
- 地球位于星海边缘。人类的绝大部分知识都在这里学得。如今，我们刚向海洋探出一小步，被海水濡湿了脚趾——至多到脚踝。怡人的水温，宛如海洋的呼唤。内心深处有个声音说，那里是起源，是游子渴望回归的故乡。这渴望可能会触犯某些神明，但我相信它并无不敬之意。
- 人类已经进化到了以学习为乐，并以获取知识为生存先决条件的地步。我相信，人类的未来取决于对宇宙的了解程度。毕竟苍穹浩瀚，我们不过是晨空中一粒飞扬的尘埃。
- 太初时，没有星系、恒星和行星，没有生命和文明，只有一个充满所有空间的火球。从大爆炸的混沌到宇宙的秩序，我们有幸瞥见了质能之间最叹为观止的转换。在找到其他智慧生物前，人类就是这转换最不可思议的产物。作为大爆炸的子嗣，人类也正在理解，并逐步改造这个孕育了他们的世界。
从宇宙的角度看地球，我们只是很小，很微不足道的一点。但是人类这个人物种年轻、好奇、勇敢，而且充满希望，人类正在从地球出发，向外探索，向未知进发。宇宙中的星系各不一样，有超大体积但却脆弱如肥皂泡，有小如城镇但密度极大，有谢恒星茕茕孑立，有的有自己的伴星、三星甚至几十颗恒星系团，有照亮整个星系的超新星爆发，有不可见的黑洞，年轻的恒星发蓝光，高热量；中年的恒星发黄光，光源稳定；红色的恒星往往年事已高；还有挣扎在死亡边缘的白矮星、黑矮星。
地中海文明，亚历山大城
第二章 宇宙的复调
地球上所有存在或曾经存在的生物，可能都从某种原始形态演化而来。那是生命的第一次呼吸……这是种动人的生命观……当这颗星球按照万有引力的法则循环往复时，生命从最最简单的形式演化而成，而且将继续演化出数之不尽、美轮美奂，又无比奇妙的形式。——查尔斯·达尔文，《物种起源》，1859年
- 演化是通过变异和自然选择进行的。
- 迄今为止，我们听见的生命之音只回荡在这个小小的世界里。但我们终于开始侧耳倾听宇宙赋格曲的其他声音了。
自然选择，人类选择
“平家蟹”的故事
这一章主要是讲的自然选择，为什么人类会但是在地球上，为什么地球孕育了生命，其他星系中会孕育生命吗？
第三章 和谐世界
我们不该问鸟儿为什么歌唱，因为那是它们与生俱来的欢快天性。同理，我们不该问为什么人类要费尽心思探寻天空的奥秘……自然的参差多态之美，天空无穷无尽的奥妙，都是为了使人类的大脑永远不会缺少新鲜的营养。——约翰内斯·开普勒，《宇宙的奥秘》
- 如果我们生活在一个什么都不会改变的星球上，那就没多少事情可做。少了需要解决的新问题，科学会失去发展动力。如果我们生活在一个无法预测的世界里，所见的一切都在以完全随机，或者太过复杂的方式变化，抓不住事物背后的规律，科学同样会停滞不前。但我们生活的宇宙介于两者之间。这里没有一成不变之事，万物的变化又有迹可循。抛向天空的棍子总会落下，西沉的太阳第二天黎明总在东方升起。我们可以从这些叫作自然规律的东西里窥出些门道，进而发展科学，再用科学来改善生活。
- 牛顿：“我不知道世人怎么看我；但我就像个在海边玩耍的儿童，为不时找到些漂亮卵石和贝壳而高兴不已，却对浩瀚的真理之海浑然不觉。”
这一章讲的是自然规律，环境不是一成不变的也不是无规则的变化的，人们一直在演讲这些变化的规律，这就是自然规律，这就是自然科学。
占星术
托勒密的“地心说”，哥白尼的“日心说”，开普勒的“行星运动的三大定律”，牛顿的万有引力，
第四章 天堂和地域
天堂之门毗连地狱之门，且完全相同。——尼可斯·卡赞扎基斯，《基督的最后诱惑》
- 地球是个可爱的，至少还算比较平静的地方。这里万事万物都在变化，但速度缓慢。我们可以平静地度过一生，其间遭遇的最大灾难也不过一场风暴。正因如此，我们变得自大、怠惰，忘了居安思危。但大自然的历史记录清晰地显示，世界曾经遭到过毁灭。其实，就算没有自然灾难，新发展出的技术可能也会让人类有意无意地迈向自我毁灭。而那些更古老的过去，都完好地记录在其他星球饱经摧残的地貌里。灾难只是个时间问题，这并非危言耸听。百年难得一见的劫难，放在千年里可能难以避免。实际上，哪怕只看地球，哪怕只看这个世纪，我们也能观察到一些非常独特的自然事件。
- 地球是颗可爱的蓝星，也是我们唯一的家。金星太热，火星太冷，只有地球堪称天堂。毕竟，这是我们诞生和演化的地方。但地球的气候可能并不稳定。这颗可怜的星球未必经得起人类反复折腾。我们会不会把地球变成金星似的炼狱，或火星般的冰球？答案很简单：没人知道。对全球气候的研究，以及对地球和其他行星的比较研究都还处在起步阶段，而且资金匮乏，维持艰难。与此同时，我们还在一边污染大气，一边增亮大地，完全没意识到长此以往会带来无法预料的后果。
- 人类诞生于几百万年前，那时地球已步入中年多时。这颗46亿岁的行星已经告别了它躁动不安、多灾多难的青春岁月。但人类的出现代表了一种全新的，也许是决定性的因素。智力和科技发展赋予了人类改变环境的力量。然而这份力量应该如何使用？在影响整个人类大家庭的事情上，我们真的应该放任自己的无知和狂妄吗？我们是否将短期的利益，置于地球的福祉之上？我们要不要学着把目光放长远一点，为了我们的子孙后代，去学习、去了解这颗星球复杂的生态系统？地球是个渺小又脆弱的世界，它值得我们珍惜。
通古斯事件
彗星
金星
对我们来说，地球就是天堂，地球之外就是地狱，但人类却正在肆无忌惮的破坏天堂，天堂会变成地域吗？
第五章 红星蓝调
他在众神的果园里注视着运河……——《埃努玛·埃利什》，苏美尔文明，约公元前2500年
同意哥白尼观点的人认为地球是颗行星，和其他行星一样绕着太阳转动，被阳光照亮。他们难免会偶尔陷入幻想……其他行星上是否也存在居民，且有自己的服装、家具……但我们总是倾向于认为，研究大自然在别处的创造注定徒劳无功，因为人类的猜想永远无法被证实……不过前段时间我又对这个问题仔细思考了一番（我并不自认比伟大的前人更优秀，只是有幸出生在他们之后），感到它并非完全不切实际，困难也不是绝对无法克服，只不过可供我们推测的余地实在太大了。——克里斯蒂安·惠更斯，《关于行星世界及其居民和产物的新猜想》，约1690年
- 我是水、碳和其他有机分子的合成体，名叫卡尔·萨根。你也由几乎完全相同的物质组成，只是名字不一样。但这就是全部了？我们只是分子的聚合，仅此而已？有些人觉得这种说法有损人类自尊。然而在我看来，如果宇宙允许分子机器演化成你我这样复杂而精妙的生物，其实是莫大的荣光。
- 罗威尔认为火星人开凿了运河，这种幻想也许，只是也许，是一种预言。也许有一天，火星会完成地球化。人类会建立永久居住点，与那颗红星和谐相处，把罗威尔的幻想化为现实。到那一天，火星人，就是我们。
火星上有没有生命，地球外有没有外星人？这一切都是未知，但我们人类对外星人一直津津乐道。
第六章 旅行者的故事
世界多重，抑或唯一？此乃自然研究最深奥问题之一。——阿尔伯特·马格努斯，13世纪
我们可以离开沉闷的大地，从高处下望，想一想大自然是否为这片小小的尘埃耗尽了她所有的力量与美感。就像旅人去往遥远异国，这种方式能让我们更好地审视家园，为万事万物的价值做出准确的判断。当我们意识到还有许许多多的世界与地球类似，同样有人居住时，就不会再对那些号称“伟大”的事物如此顶礼膜拜，也会懂得许多庸庸碌碌之人关注的只是鸡毛蒜皮之事。——克里斯蒂安·惠更斯，《已发现的天体世界》，约1690年
第七章 夜空之脊
多明了件事理，胜过当波斯人的王。——阿夫季拉的德谟克利特
如果一个人能坦诚看待“神性”这个词，就不得不承认“神”，很大程度上是用来描述那些他亲眼看见，却不理解、不明白的遥远事物的；当事物的原委模糊不清，当已知无法解释未知时，他就用起了这个词来。事物的起因结果总是环环相扣，一旦他丢失了线索，或者跟不上事态的发展，就把一切都归因于他的神。这是不必费心思考就解决困难的好办法……他认为是他的神引发了某种现象……除了闭目塞听，虔敬于内心早已熟识的神明之外，他还做过别的努力吗？——保罗·海因里希·迪特里希，冯·霍尔巴赫男爵，《自然的体系》，伦敦，1770年
第八章 时空之旅
我们深爱星辰，乃至不惧夜的黑。——两位天文爱好者的墓志铭
- 演化的最终结果取决于初始条件，特别是密度与分布。但只要初始条件合理，就会生成包含约十个行星的星系，其中类地行星接近太阳，类木行星则处于更远的地方，看起来与太阳系类似。而在初始条件变更后，我们还能见到各种不同的情形：有些情形中不存在行星——只有零碎的小行星带；或者恒星附近存在巨大的类木行星；要不就是类木行星吸收了足够多的气体和尘埃，成为另一颗恒星，于是该星系就变成了双星系统。虽然下结论为时过早，不过看起来银河系内恒星系存在行星系统的概率很高，而且种类五花八门。我们认为，所有的恒星都由这样的气体和尘埃云生成。银河系里等待探索的行星系统大概数以千亿计。
- 放眼宇宙，每一颗行星的未来都由它们当下的变化决定。而我们的小小星球，恰好处在历史的重要分岔口。这个岔口的重要性不亚于2500年前爱奥尼亚科学家和神秘主义者之间的那场对决。无论我们在这个时代做出什么抉择，都将深深影响一代又一代子孙，以及他们通往群星的命运。
第九章 恒星的一生
苍穹在上，繁星点点。我们常躺在地上眺望群星，讨论它们到底是被造出来的，还是自己冒出来的。——马克·吐温，《哈克贝利·费恩历险记》
我有……一种渴望……我可以这么说吗？……像是宗教。然后我会走出门，去看星夜。——文森特·凡·高
- 恒星是宇宙厨房，氢原子在那里被烹饪成更重的原子。恒星由星际气体和尘埃云凝成。氢是那些云团的主要组成部分，起源于大爆炸。
- 所以如果你真的想从头开始做一个苹果派，首先得创造宇宙。
- 答案在那些电子云上。我胳膊肘原子的外部带着负电荷，桌子也一样。负电荷会彼此排斥。我的手没办法穿过桌子，就是因为原子核周围有电子，而且它们力量很强。
- 太阳核心的氢氦反应不只表现在可见光的光子亮度上，它还产生了更神秘、更鬼魅的中微子辐射。和光子一样，中微子没有质量，以光速传播。但中微子不是光子。它不算任何一种光。和质子、电子还有中子一样，中微子有它的固有角动量或者说自旋，光子则完全没有自旋。对中微子来说，物质是透明的。它可以毫不费力地穿过地球和太阳，只有很小一部分会遭到阻截。
- 银河是未经探索的神奇大陆，充满了以星辰为尺度的奇异事物。
第十章 永恒的尽头
晴朗的夜空中，高悬着光辉灿烂的大道，叫作银河。它通往雷电之主的寓所与宫殿……那些声名显赫、威力无比的诸神也定居于此。我斗胆称之为天庭的官道。——奥维德，《变形记》，罗马，1世纪
有些愚人认为造物主创造了世界。这种神创之论缺乏智识，应当被摈弃。如果世界真为神明所造，那世界得到创造之前，他在哪儿呢？……没有原材料，造物主如何创造世界？如果认为他先创造了原材料，然后再创造了世界，那这个问题就会无穷无尽地重复……要明白这个世界不是被神创造的。它就像时间一样，既没有开始，也不会终结。它基于这些原理……——摩诃婆罗那（意为“伟大的传说”），耆那，印度，9世纪
- 当某个物体以极高的速度接近时，光谱线会发生蓝移，高速远离时会发生红移。我们在遥远星系中观察到的光谱线红移现象得到了多普勒效应的解释，而这种现象是宇宙学的关键。
- 引力红移就是其中一例。当光在逃离强引力场时，会损失一部分能量，在遥远的观测者看来，那束成功逃离的光线波长会变得比之前更长，颜色更红。
- 微弱的静态无线电波从宇宙的各个方向均匀地辐射而来，如果大爆炸是真的，那么它的辐射冷却至今，就该是这个强度。
- 这两种现代宇宙论都谈不上令人欢欣鼓舞。第一种里，宇宙一二百亿年前诞生，然后开始永无止境地膨胀，星系彼此不断远离，直到完全从视野中消失。星系天文学就此关张。很久很久以后，群星逐渐冷却熄灭。随着物质本身不断衰变，宇宙的最终命运是变成由基本粒子组成薄雾，再无他物。另一种假说里，宇宙不断振荡，无始无终。我们被困在它死亡与重生的无限循环中，没有任何信息能够翻越周期间的藩篱。无论上一个宇宙周期演化出了什么星系、恒星、行星、生命或者文明，有关它们的任何信息都无法通过大爆炸流入宇宙的这个周期。在这两种宇宙观里，宇宙的命运看起来都令人沮丧，但它涉及的时空尺度巨大。我们也许可以从中获得些安慰。宇宙的最终命运远在几百亿年后，甚至更遥远的未来。我们人类，还有我们的继承者——无论他们是谁——都可以在宇宙消亡前的几百亿年里，完成各种各样的伟业。
- 我们的宇宙，到底在无限地膨胀，还是无限地重置，其实有几种办法查清答案：计算宇宙中物质的总量，或者观察宇宙的边缘。
- 当代的射电望远镜非常灵敏，甚至能探测到遥远类星体微弱到只有千万亿分之一瓦的辐射量。地球上所有射电望远镜接收到的来自太阳系外的能量，还没有一片雪花落地产生的多。无论是探测宇宙背景辐射、分析类星体，还是寻找外太空智慧生物信号等其他方面，射电天文学家处理的能量几乎称得上虚无缥缈。
- 三维物体的二维投射，无法完美还原出它的本来相貌。这就是几何物体降低维度的代价。
- 一个在第三维度卷曲的二维宇宙，不存在中心点——至少不在球体表面。它位于无法进入的球体内部，位于三维空间。球体表面积有限，但并没有边界。边界之外是什么，这个问题对平面生物而言没有意义。他们无法独立逃离二维宇宙。
- 20世纪20年代，人们在M31相反的方向发现了一对遥远的螺旋星系。他们想，那会不会其实是银河系和M31？就像从宇宙的另一个方向上看到了自己的后脑勺？
- 之前提过，只要能在虫洞中穿行，我们就可能出现在宇宙的另一个地方而无须长途跋涉。你可以把这些虫洞想象成贯穿第四维度的管道。虫洞存在与否还是个未知数，但如果存在，它们的出入口位置会永远固定吗？它们会不会通往其他宇宙，去那些我们原本不可能到达的地方？据目前所知，可能有许许多多的宇宙。也许它们在某种意义上彼此嵌套。
- 有一种观点怪异而迷人，它是科学和宗教里最精妙的猜想之一，但完全没有得到证明——可能永远也不会得到证明。这个猜想认为，宇宙有无限的嵌套结构。如果我们能窥视基本粒子，比如电子的内部，会发现那里也存在完全封闭的宇宙，大量更小的基本粒子组成了微观星系和其他更小的结构。而这个小宇宙的内部，同样包含了更更小的宇宙，就这样无穷无尽地嵌套下去，无限向下递归。向上也是同样。我们熟悉的星系、恒星、行星和人类，也不过是上一个宇宙的基本粒子，是另一个无限递归中的一环。
- 要进入那些宇宙，我们必须以某种方式穿透第四个物理维度——这当然不是件容易的事，但黑洞给了我们一条可能的道路。太阳系附近也许就存在小型黑洞。站在永恒的边缘，我们就要投身其中……
第十一章 记忆挥之不去
天空和大地的命运已然注定，沟渠与运河亦各行其道，底格里斯与幼发拉底的河堤也已经建立；我们还能做什么？我们还能建什么？阿奴纳奇，伟大的天神啊，我们还能做什么？——亚述人关于创造人类的记载，约公元前800年
无论到底是哪位神祇，他因此决定把秩序赋予世界，并削改混沌，使之成为宇宙的部分。他先把地球塑造成了巨大的球体，让它从各个方向看起来都形似……如此，没有一处地方缺乏特有的生命形式。群星和圣灵占据了天堂的基底，闪亮的游鱼以大海为家，大地接纳了野兽，流动的空气迎来了鸟儿……随后人类诞生……尽管其他动物都面朝大地，神祇却赐给了人类一张仰起的面孔，叫他挺直身子，望向天空。——奥维德，《变形记》，1世纪
- 银河系数百万颗存在智慧文明的星球中，有这样一个世界。它是整个恒星系中唯一一颗地表富含大量液态水的行星。这颗星球演化出的生物，自然而然地适应了它们的生存环境：他们有的长着八条可以抓取物体的柔软附肢；有的通过改变身上明暗斑驳的图案交流；陆地上一种聪明的小动物，还会乘木制或者金属质地的载具在海洋中短暂停留。不过我们要谈论的，是这颗星球上最伟大的生物之一。它们是优雅又敏感的深海之主：鲸鱼。
- 大脑皮层的右半球主要负责图形识别、直觉、感知和创造力。左半球主管理智、分析和批判性思维。两个半球分工明确，这就是人类思维的本质。它们协同合作，一边产生各种各样的想法，另一边测试其有效性。左右脑交流的通道是胼胝体，这巨大的神经束如同桥梁，连接了创造力和分析力，而这两者都是理解世界所不可或缺的。
- 如今，地球上有大量的跨国无线电、电视和雷达电波，如果用一些特定频段来观察地球，你甚至会发现它已经成了太阳系中最强大的射电源，比木星、比太阳更加耀眼。如果有外星文明在监视地球的无线电波并接收到了这些信号，他们一定能得出结论：那颗行星最近发生了一些有趣的事情。
- 携带金唱片的“旅行者”系列速度慢得令人揪心。它们是人类有史以来最快的飞行器，然而要数万年后才能飞得比最近的恒星系更远。与此同时，任何刚刚播完的电视节目只要几个小时就能在土星附近追上已经先行好多年的“旅行者”。只要4年多一点，它们就可以抵达半人马阿尔法。如果几十或者几百年后宇宙中有人收到了我们的电视广播，希望他们能对人类做出个好评价。这个物种是宇宙在经历150亿年的演化后局部物质转化成意识的结果。智能赋予了人类可畏的力量，然而我们究竟有没有智能到可以避免自我毁灭，目前来看还是个问题。但至少我们中的一些人正为此竭尽全力。希望从宇宙的尺度来看，地球很快就能和平统一，让所有生灵都得到尊重。唯有这样，它才能准备好迈出新的一步，成为银河文明社会中的一员。
第十二章 银河百科全书
“你是谁？从哪儿来？我从未见过你这样的东西。”造物者渡鸦看着人类……惊讶地发现这个新生物居然和他如此相似。——爱斯基摩创世神话
自然的主宰……使我们目前无法在地球上与宇宙中的其他神圣天体建立起联系，很可能他也切断了那些行星和星系彼此间的联系……我们的好奇心被观察激起，却无法得到满足……彰显在整个自然界中的智慧，应该不愿只让我们彼此遥望，吊足胃口……却以失望而告终……因此，认为现状只是我们的起点，它正在为将来的进一步发展做准备和测试，实在是自然而然的事情……——科林·麦克劳林，1748年
- 我们已经向群星发射了4台航天器，分别是“先驱者”10号和11号，“旅行者”1号和2号。它们落后原始，在浩瀚星海间速度形同梦游。不过将来我们会做得更好。我们的航天器会飞得更快，探索目标更明确，而且迟早会载上人类船员。银河系里一定存在许许多多比地球早诞生数百万乃至数十亿年的行星，所以地球会不会已经被外星人拜访过了？我们星球生命诞生后的这几十亿年间，难道就没有一艘来自遥远文明的古怪飞船自天空俯瞰，然后缓缓降落，让五彩斑斓的蜻蜓、好奇的爬行动物、尖叫的灵长类，或者惊叹不已的人类目睹一下技术奇观？这是个自然而然的想法。任何考虑过外星智慧文明的人，不管考虑得多么粗浅，都会想到这个问题。不过，这种事真的发生过吗？解答这个问题的关键在于证据。
- 我们需要经得起怀疑论者仔细检查的证据，而不是道听途说的流言，或者一两个人的信誓旦旦。按照这一标准，我们到目前为止还没有见到令人信服的案例证明外星人曾经造访过地球。UFO和古代宇航员之类的传言常常闹得满城风雨，简直让人怀疑地球上到处都是异星来客。我宁愿事情有另一种发展：哪怕只是找到了外星人留下的标记——比如复杂的铭文之类——也会无可辩驳地证明他们存在。更重要的是，那些东西还会成为理解外星人和外星文明的基石。这种渴望，我们古已有之。
- 门外汉的胡说八道吓得许多专业人士不敢继续从事这个行当。
- 为了和其他文明交流，我们需要超越行星间距，达到恒星系间距的沟通手段。理想情况下，这种交流手段应该具备几个特点。其一是廉价，这样才能收发大量信息；其二是高速，这样才能使跨恒星系的对话成为可能；其三是显眼，这样任何技术文明，无论它们的演化路径为何，都能很快发现信息。有意思的是，这种沟通手段确实存在。那就是射电天文学。
- 天上真的有人能和我们对话吗？仅银河系就有3000多亿或者5000亿恒星系，地球真的是唯一一颗有生物存在的星球吗？更可能的情况是宇宙中技术文明并不鲜见，银河系里到处都是熙熙攘攘的发达社会，人类距离最近的外星文明并不遥远——没准我们将来某天接收到的广播，源头就在某颗肉眼可见的恒星系里，从星际尺度来看这几乎就在隔壁。也许当我们仰望星空时，某个微弱的光点附近，有个与我们截然不同的生物，也正悠闲地望着那颗被我们叫作太阳的恒星。
- 如果每个文明都在进入技术时代后倾向于自我毁灭，那么放眼银河，我们也许找不到一个可以交流的对象。而且说实话，我们自己做得也不怎么样。
- 文明需要经过几十亿年曲折的演化才能出现，毁灭却只要一瞬间的愚蠢。
- 雷克方程
- 为了进一步探索这个重大问题，我们可以把银河系中技术文明的大致数量设定为N。这里的技术，指具备射电天文学能力。当然，这个定义有些狭隘。可能有无数的世界诞生了才华横溢的语言学家和诗人，但对射电天文学漠不关心，所以我们收不到他们的消息。
- N是一系列参数相加或者相乘得出的结论，每个参数的基数都必须非常庞大，才能保证大量的文明社会存在。
- N代表银河系的恒星数量；
- fp代表拥有行星的恒星系比例；
- ne代表宜居行星的比例；
- fl代表存在生命的星球比例；
- fi代表演化出智慧生物的星球比例；
- fc代表不但存在智慧生物，还诞生了技术文明的星球比例；
- fL代表了能让技术文明存续的星球比例。
- 现在，让我们写下方程N = NfpneflfifcfL。所有的f都是分数，取值在0和1之间，它们会减少N*的最大值。
- 什么他们没有出现？有很多可能的答案。其中一个听起来有点和阿利斯塔克还有哥白尼的遗产相悖，但我们可能才是银河的长子。
第十三章 谁为地球代言
死亡与奴役正发生在眼前，我为何要费心去探索星辰的奥秘？——阿那克西美尼问毕达哥拉斯，约前600
与这些宏伟的天体相比，地球只是个小小的舞台。人类所有伟大的工程、史诗般的航海和战争都微不足道。那些王侯将相为了他们的野心，不惜牺牲众人的生命，不过是想成为一个小角落的主人。这真值得他们反思。——克里斯蒂安·惠更斯，《关于行星世界及其居民和产物的新猜想》，约1690年
让我们回望过去。数不清的年月前，潮起潮落的滩涂里，生命逐渐成形。他挣扎着变成一个又一个不同的形状，攫取了一种又一种不同的力量，终于自信地爬上陆地。经过一代又一代的变化，他控制了天空，也潜入了黑暗的深渊；我们看着他在愤怒和饥饿中重塑自身，看着他越来越像我们。他不断伸展，不断优化，向着难以置信的目标一刻不停地前进。然后，他变成了我们，生命的韵律至今在我们的大脑和动脉中搏动……可以认为过去的一切，不过是序章的开篇，黎明的第一抹曙光。我们可以认为人类思想成就的一切，只是苏醒前的迷梦……从我们的……血脉中，思想将获得解放，他对他人类童年时光的理解，胜过我们今日对自我的认知。未来时间无限，终有一日，那些栖居在我们思想里、藏在肉身中的生物将傲然立于地球之上，仿若那只是小小的脚凳。他会向着群星伸出手，朗声欢笑。——H. G.威尔斯，“发现未来”，《自然》，1902年
- 我发现宇宙，宛如昨日之事。百万年来，人们的认知都局限于地球。直到我们这个物种历史最近的千分之一，也就是从阿利斯塔克时代至今的短短日子里，我们才不情不愿地意识到，人类居住的并不是宇宙中心，而是一个渺小脆弱的角落。地球漂流在永恒无垠的宇宙之海中，地球之外竟然还有上千亿星系，数十万亿的恒星系。我们鼓起勇气去星海之滨试了试水，发现海水与我们如此相契。我们身上的某种东西，认出宇宙就是家。我们由星尘所铸。我们的起源和演化与遥远的天体事件相关。探索宇宙的过程也是发现自我之旅。
- 从太空望向地球时，国境线并不明显。
- 一个理性的社会，难道不该把更多资金用在分析和预防战争上，而不是为下一场战争做准备么？
- 婴儿总是渴望爱抚，年轻人总是有强烈的性冲动。如果这些愿望可以顺遂地实现，成年人组成的社会也许会对侵略、领地意识、仪式行为和社会等级制度嗤之以鼻（虽然儿童在成长过程中很可能需要经历这些爬行动物阶段）。
- 我们每个人都可以通过温柔地抱一抱婴儿，为世界做出自己的贡献。
- 太初之时，宇宙大爆炸。物质和能量四溢横流，一切混沌无形。没有星系，没有星球，也没有生命。到处是浓稠到无法穿透的黑暗，空间里密布氢原子。随后，气体逐渐凝聚成团，它们是体积比恒星还要大的氢云团。随着最初的核子火焰在气态云团中点燃，第一代恒星诞生，它们点亮了宇宙。不过那时候还没有任何行星受到阳光的照耀，也没有任何生物欣赏天空的光辉。恒星熔炉深处，核聚变炼金术使氢元素化作更重的元素，它们燃烧后的灰烬成了未来行星和生命的原材料。那些大质量的恒星很快就把储存的核燃料挥霍殆尽，在天崩地裂的爆炸中把大部分物质抛回曾经凝结出它们的虚空。恒星间稠密的暗云里，多种元素汇成新云团，成为后几代恒星的温床。它们附近还有更小的云团，这些团块的体积不足以点燃核子火焰，于是逐渐变成了行星。一个由石头和铁组成的不起眼世界也在其中，那就是原始的地球。
- 这一切，都是氢原子历经150亿年演化的产物。
- 不过我们已经能够清楚地看到，地球上所有的生灵都是银河氢工业的最新产物，都是宇宙漫长演化的成果，它们全都弥足珍贵。宇宙的其他地方可能也存在同样惊人的物质变化，所以聆听天空是明智之举。
- 关于叛国与不忠的论调。富裕的民族国家，将不得不接济那些穷国。但就像H.G.威尔斯曾经在一篇文章里说的，我们要么拥抱宇宙，要么一无所有。
- 如果人类生存了下去，那么这个时代会因为两个原因而得到铭记：在技术青春期，我们设法避免了自毁；也是在这个时期，我们探索起了星空。
- 我们会意识到，要深入太空探索，我们必须代表全地球的人类。我们不应致力于自我毁灭，而是要为生存奋斗：我们需要增加对地球及其居民的了解，同时寻找来自其他地方的生命。太空探索——无论载人还是不载人——需要用上多种技术、强大的组织能力和过人的勇气与胆识，这些也是战争所需的。如果我们在核战爆发前真正实现了裁军，超级大国的军事机构就可以转而从事起这项纯洁的事业来。我们为战争所做的准备，可以相对容易地转化为对宇宙奥秘的追寻。
- 大约360万年前，今天坦桑尼亚北部的一座火山喷发，飘飘扬扬的火山灰覆盖了周围的大草原。1979年，古人类学家玛丽·利基在那里发现了灰烬中的足印，她相信那些足迹属于原始的人类，甚至可能是今天所有人类的老祖宗。而在3.8万千米之外，另一颗星球的“静海”地区，人类在欢呼声中留下了又一个足印。我们已经走过了360万年、46亿年、150亿年。
- 我们是产生了自我意识的局部宇宙。我们已经开始思忖起了自己源于何方：我们由星辰所铸，如今眺望群星；我们由100亿亿亿亿个原子组合而来，而今考虑起了这些原子的悠久演化；我们回溯着意识（至少在地球上）诞生的漫漫长路。我们忠于地球及其物种。我们为地球代言。我们要生存下去。因为这责任不仅属于我们，也属于那古老而浩瀚的宇宙，属于我们的起源之地。
《我们为什么要睡觉？》
时间：2022.10
关键词：【英国】马修·沃克/睡眠/实验/理论/科学科普（电子书）
简介：你认为自己最近睡眠充足吗？你还记得上一次自然醒后神清气爽的感觉吗？不用怀疑，我们正在进入一个失眠已经成为流行病的时代。作为一名杰出的神经科学家，沃克对生物的睡眠行为充满好奇，这促使他成了睡眠研究方面的专家。本书中，他总结了人类有史以来的睡眠研究成果，以及前沿的科学突破，告诉我们睡眠的运行机制、睡眠不足的坏处、睡眠与做梦的有益功能，以及睡眠对专业人士个人能力提升的惊人影响。我们的身体健康、心理健康、情商智商、记忆力、运动力、学习力、生产力、创造力、吸引力，甚至食欲，这些让日间生活丰富多彩的能力，原来都与夜间那场睡眠有着密不可分的关系。现在，你知道我们为什么需要充足的睡眠了吧。打开这本书，看平凡的睡眠如何带来非凡的生命能量，顶尖科学对于睡眠的所有了解及如何睡好觉的诀窍都将在这部关于睡眠的“百科全书”中逐一揭晓。
这段时间读了太多小说了，感觉有些疲惫了。又打算拾起已经被放下很久的“科学科普”类书籍了！
“睡眠”对每个人来说都是一件非常重要的事情，饮食、运动和睡眠是健康的三大要素，睡眠已经被我忽视了很久了。从电子产品侵入了我的生活开始，睡眠的时间就在不断地被压缩了。从高中以来，学习以及被我放在第一位太久了。大学以来，睡眠的时间更是被不断地压缩，每天的睡觉几乎不会超过7小时！推免之后的时间，对我来说也许是个很不错的时期。这段时间，健康是第一位的，也希望我在这段时间能养成一个非常好的习惯！
读完这本书，我也在做出我的行动，重视睡眠，晚间睡眠以7小时为红线，整日睡眠争取达到8小时！！
导言
- 健康是1，家庭、事业、财富都是0；没有前面的1，后面有再多0也毫无意义，这道理浅显易懂，可知易行难。
01 睡吧……
人类实际上是唯一一种会在没有合理益处的情况下故意剥夺自己睡眠的物种。
睡眠是健康三要素（睡眠、饮食、运动）中最重要的。
答案不过是通往下一个问题的跳板。
02 咖啡因、时差和褪黑激素 怎样控制你的睡眠节奏
第一个因素，是你大脑深处的24小时生物钟发射出的信号。
第二个因素，是一种在你的大脑中积聚的化学物质，会制造出“睡眠压力”。
褪黑激素通过系统地向整个机体发出“天黑了”的信号来帮助调节睡眠发生的时间安排。但是褪黑激素对睡眠本身的形成几乎不产生影响
当比赛（即睡眠）开始，计时员（褪黑激素）会控制比赛何时开始，但不会参与进去。
当向东旅行时，要适应新的时区比向西旅行要困难得多。
第二个因素就是睡眠压力。此时此刻，一种叫作腺苷的化学物质正在你的大脑中逐渐积累。它会随着每一分钟的流逝而不断增加。
让你感觉更加警觉和清醒的化学物质来人为地降低腺苷的睡眠信号：咖啡因。咖啡因不是一种保健品。相反，它是世界上使用最广泛的（被滥用的）精神兴奋剂。
通过胁迫和占据这些受体，咖啡因阻断了腺苷向大脑正常传递的困觉信号。结果是：尽管腺苷水平高到正常情况下足以让你入睡，咖啡因还是会诱使你感觉十分清醒。
咖啡因的平均半衰期为5~7小时。
年龄越大，大脑和身体清除咖啡因需要的时间也就越长，因此随着年龄增长，咖啡因对睡眠的干扰也会变得越明显。
咖啡因是一种兴奋剂，也是唯一一种我们很容易给予孩子和青少年的致瘾物质
03 睡眠的定义和形成 时间膨胀与1952年一个关于婴儿的发现
通常情况下，梦中的时间比真实的时间更长。
快速眼动（REM）睡眠，这是人类主要的做梦阶段。
人类睡眠不仅是睡觉，而是两种完全不同的睡眠模式在交替循环。他们根据典型的眼部特征来命名这两种睡眠阶段：非快速眼动（NREM）睡眠和快速眼动（REM）睡眠。
非快速眼动睡眠得到了进一步的剖析，它被划分为四个独立的阶段，并且被缺乏想象力地命名为非快速眼动睡眠阶段1到阶段4（我们睡眠研究者可是一群创意“爆棚”的人），睡眠深度随数字递增。
前半夜占据主导地位的深度非快速眼动睡眠的一个关键功能是淘汰和去除不必要的神经连接。相比之下，在晚些时候开始占上风的快速眼动睡眠的做梦阶段，则在加强这些连接方面起着重要作用。
在这种先由非快速眼动睡眠在前半夜占主导，紧接着快速眼动睡眠在凌晨占主导的模式中存在一个风险，这是大多数普通人都不知道的。
一个人的睡眠纺锤波越强、越频繁，就越能适应外界的噪声，否则沉睡的人就会被吵醒。
每天晚上，深度睡眠的远程脑电波将把记忆数据包（最近的经历）从一个短期储存位置转移到一个更持久、更安全的长期储存位置。
在做梦状态下，大脑是高度活跃的，但身体不能动，这种惊人的分裂状态使得睡眠科学家能够很容易识别出——因此可以区分——快速眼动睡眠的脑电波和清醒状态的脑电波。
大脑麻痹了身体，这样才可以安全地做梦。
在快速眼动睡眠期间，你眼球的运动会表现出一些急速左右移动的阶段。
04 猿类的床、恐龙与半脑睡眠 哪些物种会睡觉，我们怎样睡觉及睡多少
以鲸类（比如海豚和鲸鱼）为例，它们只有非快速眼动睡眠，而且可以是单个脑半球睡眠，这意味着它们可以一次只用半个大脑来睡觉！在水环境中，有一半的大脑必须保持清醒，以维持生命必需的运动。但是，另一半的大脑会不时地进入最美妙的非快速眼动睡眠状态中。深沉、有力、有节奏且缓慢的脑电波会覆盖一个大脑半球，而另一个大脑半球会充满着狂热、快速的脑电波活动，是完全清醒的——尽管这两个脑半球都被一层厚厚的纵横交错的连合纤维连接在一起，并且像人类的大脑一样，间距仅有几毫米。
我们所说的情商的关键——取决于能否在夜间获得充足的快速眼动睡眠。
复杂的情感过程所赋予的适应性优势，是一种真正意义上的丰碑，
我认为，快速眼动睡眠乍看之下为个体带来的这种较小的优势，实际上是一种最宝贵的资产，它确保了人类作为一个集体的生存和统治地位。
非快速眼动睡眠会帮助将新信息安全地转移到大脑的长期储存处。
针鼹鼠和鸭嘴兽。
05 一生中的睡眠变化
一个人类婴儿在出生之前，几乎所有的时间都处在一种类似于睡眠的状态中，大部分时间类似于快速眼动睡眠。
24小时的周期中，包含了大约6个小时的非快速眼动睡眠、6个小时的快速眼动睡眠，以及12个小时的中间睡眠状态（我们不能确定究竟是快速眼动睡眠还是非快速眼动睡眠，但肯定不是完全清醒的）。
06 你的母亲和莎士比亚都知道 睡眠对大脑的益处
睡眠能够提供一个更有辨识能力的辅助方法来改善记忆：优先挑出哪些信息需要或不需要最终加强。
运动记忆被转移到了在意识层面以下运作的大脑回路中，而不是像保存事实信息所需的那样从短期储存处到长期储存处的记忆转移。
07 比《吉尼斯世界纪录》更夸张 睡眠剥夺与大脑
微睡眠仅仅持续几秒钟，在此期间眼睑会部分或全部闭合。这通常发生在长期睡眠不足（定义为每晚睡眠时间少于7小时）的个体中。
绝望和希望之间的最佳桥梁是一场良好的睡眠。
阿尔茨海默病与一种叫作β-淀粉样蛋白的毒性蛋白质的积聚有关，它们会在脑中聚集成黏性团块或斑块。淀粉样斑块对神经元具有毒性，会杀死周围的脑细胞。然而，奇怪的是，淀粉样蛋白斑块只影响大脑的某些部分而不影响其他部分，其原因尚不清楚。
淀粉样蛋白本身不影响大脑的记忆区域，那么它又是如何导致阿尔茨海默病患者记忆丧失的呢？
08 癌症、心脏病和更短的寿命 睡眠剥夺与身体
交感神经系统是个具有强烈活性化、刺激性，甚至煽动性的系统。必要的话，它会在几秒钟内在全身发动原始的战斗或逃跑压力反应。就像一个有实力的大将军指挥千军万马一样，交感神经系统可以在身体的各种生理分工——从呼吸、免疫功能、应激化学物质到血压和心率——中激发活动。
大脑和心脏一样，对于非常小的睡眠波动十分敏感
事实证明，睡眠对于大脑和身体来说，是一个强烈的代谢活跃状态。出于这个原因，那些认为我们睡觉是为了保存大量能量的理论不再被接纳。微不足道的卡路里储备并不足以抵消睡眠带来的生存危险和不利因素。
当你睡眠不足时，身体对于舍弃脂肪会变得特别吝啬。取而代之，肌肉质量会减少，而脂肪会被保留下来
如果你希望成功繁育后代、身强体壮、具有威力，那么每天晚上你都应该好好睡一觉。
09 日常精神错乱 快速眼动睡眠时的梦
- 实上，当人们开始在快速眼动睡眠中做梦时，大脑中有四个主要模块的活动会加剧：（1）大脑后部的视觉空间区域，主导复杂的视觉感知；（2）发起运动的运动皮层；（3）我们之前讲过的海马体及其周边区域，它们支持着你的自传体记忆；（4）大脑的深层情绪中心——杏仁核，和位于它上方并排列在大脑内层表面的带状组织扣带皮层——这两者都有助于产生和处理情绪。
- 快速眼动睡眠可以被看作具有以下特征：视觉、运动、情绪和自传体记忆相关的大脑区域的活动非常活跃，而控制理性思维的区域的活动相对减弱。
- 因此，梦并不是我们清醒生活的大规模重播。我们不会简单地倒带当天记录的体验，晚上在大脑皮层的大屏幕上将其投影重温一遍。
- 35%~55%的情绪主题及参与者在白天清醒时所担心的问题，强有力且毫无疑义地重现在了他们晚上产生的梦境中。
10 作为夜间疗法的梦
- 第一个功能涉及对我们的情绪和心理健康的护理，这是本章的重点。第二个功能在解决问题和创造力方面，一些人可以通过控制他们的梦来更充分地利用它的力量，我们将在下一章中讨论。
- 你进入有梦睡眠状态时，一种叫作去甲肾上腺素的与压力有关的关键化学物质，会在你的大脑中完全停止释放。事实上，在一天的24小时中，快速眼动睡眠是唯一一次你的大脑中完全不存在这种引发焦虑的分子的时候。
- 这是夜间治疗的理论。它假定快速眼动睡眠做梦的过程实现了两个关键目标：（1）睡眠会记住那些有价值的、突出的经历中的细节，将它们与现有的知识结合起来，置入自传景观中；（2）睡眠会忘记或去除先前萦绕在这些记忆周围的内心深处的痛苦情绪负荷。
- 当需要解决我们情绪上的历史包袱时，仅有快速眼动睡眠，甚至做普通的梦，都是不够的。她的患者需要快速眼动睡眠的梦，而且需要是非常特殊的梦：明确梦见清醒时创伤的情绪主题和感受。只有做这种特定内容的梦才能完成临床上的情绪缓解，并为这些患者提供情感封闭，使他们在情感上能够进入一个新的未来，而不会受到过去创伤的奴役。
- 缺乏快速眼动睡眠和重置大脑情感指南针的能力，会使同一个人无法准确地对周围社会和情感进行理解，从而导致不恰当的决定和行为，这可能会产生严重的后果。
11 梦的创造性和对梦的控制
- 当我们进入快速眼动睡眠，梦境成为主宰时，一种启发式的记忆调和术就开始进行了。我们不再拘泥于看到记忆单元之间最典型、平凡的明显联系。取而代之的是，大脑偏重于积极寻找信息集合之间最遥远、最不明显的联系。
- 睡眠正是关系较远的信息元素之间建立联系的桥梁，而这些信息元素之间的关系在清醒的时间里并不明显。
12 夜间作怪的事物 睡眠障碍和睡眠缺失导致的死亡
- 大鼠在快速眼动睡眠剥夺后的死亡速度几乎与完全睡眠剥夺后的死亡速度一样快。完全没有非快速眼动睡眠也是致命的，只是需要花费更长的时间才能造成同样的死亡后果
13 iPad、工厂的汽笛与睡前饮酒 是什么让你睡不着？
- 视交叉上核——脑中的24小时生物钟
12条健康睡眠小贴士
- 坚持固定的睡眠时间。每天在同一时间上床睡觉，在同一时间醒来。作为习惯性的生物，人类很难适应睡眠模式的变化。等到周末再补觉，并不能完全弥补一周内睡眠不足的情况，并且会导致周一早上很难醒来。可以为就寝时间设置闹钟。我们通常只会为起床时间设置闹钟，却不会为睡觉时间这么做。如果你只能从这12条建议中记住一条，那么记住这一条吧。
- 锻炼很有益，但不要在一天中太晚的时间进行。尽量每天尝试锻炼至少30分钟，但要在睡前2~3小时结束锻炼。
- 避免咖啡因和尼古丁的摄入。咖啡、可乐、某些茶和巧克力都含有兴奋剂咖啡因，其效果可能需要8小时才能完全清除。因此，在下午晚些时候喝杯咖啡，会让你晚上很难入睡。尼古丁也是一种兴奋剂，通常会使吸烟者睡得很轻。此外，戒烟者通常会因为尼古丁戒断反应而在早晨过早醒来。
- 睡前避免喝酒精饮料。睡前喝一杯酒或含酒精的饮料可以帮助你放松，但大量摄入酒精会让你失去快速眼动睡眠，使你处于睡眠较轻的阶段。大量摄入酒精也可能导致夜间呼吸问题。当酒精的影响消失时，你也会在半夜醒来。
- 深夜避免大量进食和喝饮料。简单的零食可以，但大量进食会导致消化不良，干扰睡眠。晚上喝太多液体会导致频繁醒来上厕所。
- 尽量避免使用会延迟或破坏睡眠的药物。一些常用的心脏、血压或哮喘药物，以及一些治疗咳嗽、感冒或过敏的非处方药和草药都可以破坏睡眠模式。如果你有睡眠问题，请咨询你的医疗保健机构或药剂师，看看你是否服用了任何会导致失眠的药物，并询问是否可以改为白天或晚上的其他时间服用。
- 下午3点以后不要午睡。午睡可以帮助弥补缺失的睡眠，但是午后的午睡可能会造成夜间更难入睡。
- 睡前放松。不要把白天安排得太满，以至于没有时间放松。你的睡前习惯应该包含一项轻松的活动，如阅读或听音乐。
- 睡前洗个热水澡。洗过澡后，体温的下降可能会使你感到困倦，洗澡也可以帮助你放松和缓解紧张，让你更容易入睡。
- 保持卧室幽暗凉爽，并且不要放置任何电子产品。摆脱卧室里任何可能让你分心的东西，比如噪声、明亮的灯光、不舒服的床或过高的室温。如果房间里的温度保持凉爽，你会睡得更好。卧室里的电视、手机或电脑可能会让你分心，无法入睡。拥有舒适的床垫和枕头，可以帮助促进良好的睡眠。失眠的人会经常看钟表，因此请将时钟的表盘转到看不见的方向，这样你就不会在尝试入睡时担心时间了。
- 适当晒晒太阳。日光是调节日常睡眠模式的关键。尽量每天在自然阳光下晒30分钟以上。如果可能的话，早晨随着阳光醒来，或者使用非常明亮的灯光。睡眠专家建议，如果你有睡眠问题，那么你应该在早晨接受阳光照射1小时，并在睡前调暗室内灯光。
- 醒着时不要躺在床上。如果你躺在床上20分钟后仍然很清醒，或者开始感到焦虑或担心，那么就起床进行一些轻松的活动，直到感到困倦。不能入睡的焦虑会使你更难入睡。
荐书：
《我们为什么要睡觉？》一书是英国神经科学家马修·沃克所著的一本关于睡眠的科普书，该书总结了对睡眠研究的成果和前沿的科学突破，介绍了睡眠的运行机制、睡眠不足的坏处、睡眠与做梦的有益功能。本书大量篇幅是作者针对日常生活中出现的情况设计的对比实验，用实验数据与结果向读者展示睡眠不足带来的问题以及充足的睡眠将给我们带来什么样的提升。睡眠是一件非常重要的事情，睡眠对我们的身体健康、心理健康、记忆力、创造力等多方面有全方位的影响。“要使大脑和身体健康恢复到最佳状态，我们唯一能做的也是最有效的事，就是睡觉，它是大自然赐予我们的最佳对抗死亡方法。”在亿万年的进化中，睡眠仍然占据了动物也包括我们人类一生中的多数时间。但现代生活中，学习与生活的压力、娱乐与电子产品的入侵，留给睡眠的时间被一再压缩，在很长的时间里，我每天睡眠时间都只有六个多小时，在读完这本书之后，我了解了睡眠的机理，认识到了睡眠的意义，对睡眠给予足够的重视。
本书读完于2022.10.23，共花费12个小时14分钟
《借命而生》
时间：2022.10
关键词：【中国】石一枫/犯罪/悬疑/小说（电子书）
短短几天，很快啊，就把这本书读完了~
这本书的情节还是非常不错的，读到最后才知道为什么以《借命而生》为书名！
但这本书也存在缺点，感觉有点啰嗦了！
我感觉这本书非常适合改编成电视剧，有点《无证之罪》的感觉！
《人民的名义》
时间：2022.09
关键词：【中国】周梅森/犯罪/政治/社会小说（电子书）
《人民的名义》是一部大火的影视剧，虽然我没有看过全片，但是很多名场面也是信手拈来，朋友之前谈起了，大家也都是津津乐道，因此，在九月末，我选择了读一下影视剧的原著，这是一本挺长的小说的。
《人民的名义》人物形象分析（剧透慎入） (douban.com)
赵德汉：小官巨贪、表里不一
李达康：应该叫李大胆，笃信“法无禁止即自由”，满心扑到工作上，私生活毫无情趣的改革闯将
沙瑞金：刚正不阿的一把手，邻省干过三年纪委书记，空降汉东侧面说明**对当地干部不是充分信任
高育良：学者型官员，本应该充满理想主义情怀才对，结果被磨平磨滑了，成了太极高手。关键一步上不去，是个伏笔，可能已被中纪委盯上了
赵立春：副国级大老虎，剧中级别最高的反派
赵公子：打着父亲旗号横征暴敛、颐指气使的二世祖
陈岩石夫妇：忠诚、耿直的老革命
祁同伟：苦孩子出身，穷怕了，心术不正又一心想出人头地
丁义珍：外逃贪官
季昌明：谨小慎微，处事圆滑
程度：一把手都敢监听了，还能说啥
孙连成：懒政怠政的庸官，宇宙之大，书记算个屁。。。
易学习：有政绩的基层干部，没有人脉资源，原地打转几十年
王大路：深谙官场规则的前下海官员
蔡成功：向官员行贿的企业家、不良政商关系的受害者
赵东来：刑警出身，干练有魄力的公安局长，关注人物走向会不会黑化
欧阳靖：不知餍足的官太太
高小琴：情妇、美女蛇
梁璐：高干子女，野心家丈夫的垫脚石，怪可怜的
杏枝：上访群众、老实本分的劳动妇女
郑西坡：老实巴交的国企干部，身为工会主席能与下岗工人在一起，很不错了
林处长：表哥、高校基建处长，说明象牙塔也不干净
陆亦可：心气儿高的机关超大龄剩女
郑乾：在这个角色的处理上，编剧和导演欠年轻观众一个交待，猴子家的学生妹不错（口水）
人民的名义（周梅森创作的长篇小说）_百度百科 (baidu.com)
侯亮平
H省检反贪局长，为人公正、公平、正义，为调查丁义珍的腐败贪污案而被派到汉东省担任检察院反贪局局长，是个一身正气的男子。身为检查官的他在对待嫌疑犯方面有着独树一格的方法，擅长与嫌疑犯“打太极”，以周旋的方式让嫌疑犯放松警惕，使对方摸不清他的底牌。在工作过程中，他要深入各阶层展开抽丝剥茧的调查工作，还要以身涉险，与位高权重的贪腐分子展开斗智斗勇的抉择。
高小琴
山水集团的老总，出身贫寒、美丽聪明。在传统观念看来，作为祁同伟与梁璐夫妻的第三者，高小琴是破坏家庭美满的“狐狸精”；对于公安厅长祁同伟一路贪腐的催化和参与，高小琴是误政毁权的红颜祸水；对于检察机关与侯亮平来说，高小琴的山水集团是显而易见又难以攻克的犯罪的堡垒。
祁同伟
H省省公安厅厅长，出身贫寒，为了爬上高位不惜向省委副书记的女儿梁璐下跪，从而成为了省委副书记的女婿。后来遇到高小琴，两个人产生了感情，并生下了一个儿子。祁同伟在人生最后反思的时刻，想到了高小琴但并没有归罪于高小琴，祁同伟本人并不认为她是“红颜祸水”，他能客观地思考与高小琴的关系，意识到造成悲剧的不是遇到了高小琴，而是同她一起空手套白狼地建立了山水集团和永无止境的贪欲使他们联起手来各种巧取豪夺，聚敛财富，无视人民，草菅人命。
李达康
H省省委常委、京州市委书记。他是事业上有魄力的政治家，但也是一个远远不及格的丈夫和父亲。他对妻子和女儿不管不问，没有给妻子过过生日，晚上从不在十二点前回家，女儿出国留学的学费情况都不了解，生活中很无趣，工作上“绝对”不近人情。
吴慧芬
明史专家、H省大学的教授，被双规的高育良的前妻。西蒙娜·德·波伏娃说，婚姻是传统社会指派给女人的命运。吴慧芬正是此种夫权命运全身心的顺从者，作为妻子她自居第二性的附属地位，投身家庭扶持丈夫不惜毁灭自我。先是鼓励丈夫高育良去攀援政界大腕梁群峰，并利用她与梁群峰女儿梁璐的私人关系为丈夫铺路，最终在梁群峰的提拔下，高育良成了H省副书记。
欧阳菁
京州城市银行副行长，李达康的前妻。从政治的和男性的眼光来看，她是清官李达康家里的贪妻恶妇，如果不是李达康心如铁石般意志坚定，说不定就会被妻子欧阳菁连累成贪官污吏。欧阳菁的性格如众人所评，女强人的外表下裹着一颗小女人的心。阴差阳错，拥有小女人心的欧阳菁遇到了无趣刚硬的李达康，无论在爱情上，还是事业上他们两个人之间都充满了矛盾。
《信》
时间：2022.09
关键词：【日本】东野圭吾/犯罪/成长/言情/社会问题小说（电子书）
不算特别长的一本书，花了两天左右的时间就读完了，和之前读的东野圭吾的书的风格很不一样，读下来还是不错的。
书中探讨的“株连九族”这个话题是非常难的一个话题，成见如山，每个人遇到这样的事情，大概都难以解决。
《绝叫》
时间：2022.08
关键词：【日本】叶真中显/悬疑推理小说（电子书）
非常典型的推理型小说，基本脉络在读的过程中很容易就梳理出来，但是很多自己觉得的没有什么用的小细节，最后确实整件事结局非常重要的一环！！推理爱好者值得一读！
缺点就是感觉没有很明显的特色，确实是一部很不错的悬疑推理小说，但读完了也不会记得这本书的作者是谁，也没有想去读作者其他书的冲动！
书的前半部分做了记录，后半部分就没怎么记录了。
《沉默的大多数》
时间：2022.08
关键词：【中国】王小波/杂文随笔/思想文化（电子书）
之前也从来没有读过王小波的书，第一次尝试！——完蛋，尝试失败，散文很难用零散时间去读，更适合有大段时间在安静环境下去读。
王小波（中国当代学者、作家）_百度百科 (baidu.com)
如果现在开始读王小波的书，推荐看哪些，按什么顺序？ - 知乎 (zhihu.com)
1 | |
没读完，挖坑。
《华丽人生》
时间：2022.07
关键词：【日本】伊坂幸太郎/悬疑/非线性叙事（电子书）
读这本书的体验就像拼拼图一样，边读边猜测，读到后面发现之前的猜测是错的，等读完就会发现，哦!原来是这么一个故事啊!
这本书还是非常值得一读的，特别是悬疑作品爱好者！
《东方快撤谋杀案》
时间：2022.07
关键词：【英国】阿加莎·克里斯蒂/悬疑（电子书）
1 | |
因为这本书所改编的电影我已经了解过了，所以再读这本数的时候已经知道结局了，读的体验不算很好。
非常需要吐槽的是，这本书的翻译真的太差了，导致我现在出了中文和日本翻译书籍之外，其他的完全不想再读了，之前读过的好多英文书的翻译都太烂了，读都读不通顺，读着太别扭了！美国人写的书的翻译还可以，但是欧洲作家特别是英国作家的书，太绅士范了，翻译的也太绅士范了，读起来太别扭了。
我的英文水平还不允许的直接读英文原著，但迟早有一天我需要去读英文原著的。
《恶意》
时间：2022.06
关键词：【日本】东野圭吾/悬疑/嫉妒心（电子书）
这个无限反转的感觉太爽了，读着的感觉是这样的：当你感觉“就这？”的时候，下一秒你就被“打脸”了。
另外，本书对人心的刻画也比较有深度，你会去思考“我是不是这样的一个人?”，“我身边有没有这样的人？”
《永久记录》
时间：2022.05/2022.08
关键词：【美国】爱德华·斯诺登/棱镜门/政治（电子书）
该书一共分为上中下三个部分，上半部分写的是斯诺登的童年，家庭，亲情等；中段是写的斯诺登的工作；下半部分是斯诺登的爆料与流亡。
拖拖拉拉，22年9月1号终于读完了，对这本书的评价一般般吧，只是了解了棱镜门事件是怎么发生的。对于斯诺登这个人，我感觉他虽然揭露了这个事件，他其实也并没有接触到很多这件事的核心部分，斯诺登也并不懂政治，只是因为侵犯了所谓的自由和人权就揭发这件事。真正的政府监控事件可能远比斯诺登所了解的要复杂的多。
永恒才是你的敌人——《永久记录》读后感 (viflythink.com)
Edward Snowden - Permanent Record (temporaryrecord.com)
《十问：霍金沉思录》
时间：2022.02
关键词：【英国】斯蒂芬•霍金/科普/物理（电子书）
序&导言
- 电磁波由以光速传播的振荡电力和磁力组成。它们撞击带电粒子，例如无线电或电视天线中的电子，它们来回摇动粒子，在粒子中卸下波携带的信息。然后该信息可被放大并馈送到扬声器或电视屏幕以供人们理解，
- 根据爱因斯坦的说法，引力波由振荡的空间弯曲组成：空间的振荡拉伸和挤压。
- 只有两种类型的波可以穿越宇宙，为我们提供有关遥远事物的信息：电磁波（包括光线、X射线、伽马射线、微波、射电波……）和引力波。
- 因为引力波是空间弯曲的一种形式，能最强烈产生引力波的物体本身应该完全或部分由弯曲的时空引起——这尤其意味着应由黑洞引起。我们得出结论，引力波是探索和检验史蒂芬对黑洞洞见的理想工具。
- 2015年9月14日，LIGO引力波探测器（由莱纳和我还有罗纳德·德雷弗共同建立的1 000人项目建造，由巴里·巴里什组织、组装和领导）记录了它们的第一次引力波。
- 在史蒂芬骨灰入葬西敏寺时，在我对他的悼词中，我用这些话来纪念这种奋斗：“牛顿给了我们答案。霍金给了我们问题。而霍金的问题本身将继续在几十年间产生突破。当我们最终掌握量子引力定律并完全理解宇宙的诞生时，这可能主要归功于站在霍金的肩膀上。”
我们为什么必须问大问题
- 罗杰·彭罗斯证明过，一旦垂死的恒星收缩到一定的半径，就不可避免地会出现奇点，这就是空间和时间结束之处。
- 作为父亲，我总尝试告诉孩子提问题的重要性。
- 如果广义相对论是正确的，并且能量密度是正的，那么黑洞的边界——事件视界的面积具有这样的性质，当额外的物质或辐射落入黑洞时，它总是增加。此外，如果两个黑洞碰撞并合并形成单个黑洞，则围绕所产生的黑洞的事件视界的面积大于围绕原始黑洞的事件视界的面积之和。
- 我和彭罗斯的研究工作证明了广义相对论在奇点处崩溃，所以很明显下一步是将非常大的理论（广义相对论）和非常小的理论（量子论）结合起来。
- 在缩小的黑洞遗留下的辐射里怎么能携带形成它的东西的所有信息？我发现信息没有丢失，但它没有以有用的方式返回——就像燃烧百科全书后，只有烟雾和灰烬留下。
- 我在这个星球上过着一种非凡的生活，我利用奇思异想和物理定律穿越宇宙。我到过银河系最远处，旅行进入过黑洞，还返回过时间的起点。
- 在这个地球上，我经历了高潮和低谷、动荡与安宁、成功和痛苦。我遭遇贫穷，享用富裕，曾经矫健，又身患残疾。我既受到赞扬，也受到批评，但从未被忽视过。通过我的研究，我非常荣幸地能够为人类对宇宙的理解做出贡献。但如果宇宙中不存在我所爱且爱我的人，那的确会是一个空虚的宇宙。没有他们，它的一切奇迹都对我毫无意义。
- 我希望科学技术能够回答这些问题，但需要人，有知识和理解力的人，去实施这些解决方案。让我们为每个女人和男人奋斗，为了让他们都能过上健康、安全，并充满了机会和爱的生活。我们都是时间旅行者，让我们一起踏入未来。让我们共同努力，使这个未来成为我们想去访问的地方。
- 勇敢、好奇、坚定、战胜困难。我们一定能够做到。
上帝存在吗？
- “我想成为一名伟大的科学家。然而，当我在学校时，我不是一个非常好的学生，并且难得优于班级半数的同学。我的作业不整洁，我的书写不太好。但我在学校有好朋友。我们谈论所有的话题，特别是宇宙的起源。这就是我的梦想开始的地方，我很幸运它已经成真。”
- 大约公元前300年，一位名叫阿利斯塔克的哲学家被日食、月食迷住了，特别是月食。他很勇敢地质疑它们是否真的是由神造成的。
- 他小心翼翼地研究了天穹并获得一个大胆的结论：他意识到月食其实是地球的阴影越过月球，而不是一个神圣的事件。这一发现使他心灵解放，他能够弄清他的上空真正发生的事情，并绘制显示太阳、地球和月球的真实关系的图。从那里他得出了更为非凡的结论。他推断出地球不像众人以为的那样是宇宙的中心，而是围绕着太阳运行的。
- 爱因斯坦意识到某种极其非凡的东西：制造宇宙所需的两种主要成分，质量和能量，基本上是一个东西，如果你愿意的话，可以说两者是同一枚硬币的两面。他著名的等式E=mc2只是意味着质量可以被认为是一种能量，反之亦然。
- 我们现在可以说，宇宙并没有三种成分，它仅有两种成分：能量和空间。
- 空间和能量是在我们现在称为大爆炸的事件中自发产生的。
- 宇宙大爆炸核心的巨大神秘之处在于，解释不可思议的巨大的、拥有空间和能量的整个宇宙如何能无中生有。其秘密在于我们的宇宙最奇怪的一个事实。物理定律要求存在某种叫作“负能量”的东西。
- 为了帮助你理解这个奇怪的但很关键的概念，让我借鉴一个简单的比喻。想象一下，一个人想在平地上建造一座小山。那座山将代表宇宙。为了造这座小山，他在地上挖了一个洞并用土来堆他的山。当然他不只是在建一座小山，他还挖了一个洞，实际上是山的一个负版本。那个洞里面的东西现在已经变成山丘，所以这一切都完美地平衡。这就是宇宙开端背后的原理。
- 大爆炸产生了大量的正能量，它同时也产生同样多的负能量。
- 根据引力和运动的自然定律——科学中最古老的那些定律——空间本身就是一个巨大的负能量仓库，足以确保一切加起来为零。
- 这意味着，如果宇宙叠加起来是无，那么你就不需要上帝来创造它。
- 我们的日常经验让我们认为，发生的一切必须由某些发生在较早时期的事情引起，所以自然认为一定是某种事物——也许是上帝——导致了宇宙的产生。
- 自然本身的定律告诉我们，宇宙不仅像质子，不需任何辅助就突然涌现，宇宙还不需要任何能量，而且大爆炸由无产生是可能的，就是无。
- 对此进行解释的依据是回到爱因斯坦的理论，以及他对宇宙中的空间和时间如何在根本上交织在一起的见解。大爆炸瞬间发生了一件对时间非常关键的事情，时间本身开始了。
- 随着时钟越来越接近黑洞，它开始变得越来越慢。时间本身开始减速。现在想象一台进入黑洞的时钟——嗯，当然假设它可以承受极端的引力——它实际上停止了。它之所以停止，不是因为它被毁坏了，而是因为在黑洞内部时间本身并不存在。而这正是宇宙开始时发生的事情。
- 我相信，时间在宇宙开始时所扮演的角色是消除对大设计师的需求，时间是揭示宇宙如何创生自己的最终关键。
- 大爆炸之前不存在时间，所以没有时间让上帝在其中创造宇宙
宇宙中存在其他智慧生命吗？
- 我想采取更开阔的观点，将外部传播的信息和DNA一起包括在人类的进化内是合理的。
- 这意味着个人最多只能掌握人类知识的一小部分。人们必须专注于越来越狭窄的领域。
我们能预测未来吗？
- 实际上，他所说的是，如果我们知道宇宙中的所有粒子在某一时刻的位置和速度，那么我们就能够计算出它们在过去或将来任何其他时刻的行为。
- 直到1927年，另一位德国物理学家沃纳·海森伯才指出，你无法同时准确地测量粒子的位置和速度。要看到粒子的位置，人们就必须把光线照射在它上面。
- 你越准确地测量粒子的位置，你就越不能准确地知道速度，反之亦然。这被概括为海森伯制定的不确定性原理：粒子位置的不确定性与速度的不确定性的乘积，总是大于普朗克常数与2倍粒子质量的商。
- 如果你知道某一时刻的波函数，那么根据所谓的薛定谔方程就知道它在其他时刻的值。
- 当我们试图预测位置和速度时，虽然量子力学导致了不确定性，它仍然允许我们确切地预测位置和速度的一种组合。但是，即使是这个程度的确定性似乎还受到更新近的科学发展的威胁。问题的出现是因为引力可以把时空弯曲到某种程度，以至存在我们观察不到的空间区域。
- 总结一下，拉普拉斯提出的经典观点，如果人们知道某一时刻粒子的位置和速度，那么它的未来运动是完全确定的。当海森伯提出了他的不确定性原理之后，这种观点必须加以修改。该原理说，人们无法同时准确知道位置和速度。然而，仍有可能预测一个位置和速度的结合。但是如果考虑到黑洞，甚至这种有限的可预测性也可能消失。
没读完。
《被讨厌的勇气》
副标题: “自我启发之父”阿德勒的哲学课
时间：2021.08（读了一点）/2022.02（读了一点）
关键词：【日本】岸见一郎&古贺史健/日常琐碎/人际关系/心理学/哲学（电子书）
本书采取了一种很有趣的写作风格，一位青年不赞同哲人的观点，与哲人进行辩论，哲人认为“人可以改变、世界极其简单、人人能获得幸福。”，而年青人不这样认为，于是双方以对话的形式进行了对问题的探讨!
第一夜 我们的不幸是谁的错
佛洛依德 荣格 阿德勒
他为什么会如此激烈地反对哲人的主张呢？原因已经不言而喻。青年自幼就缺乏自信，他对自己的出身、学历甚至容貌都抱有强烈的自卑感。也许是因为这样，他往往过于在意他人的目光；而且，他无法衷心地去祝福别人的幸福，从而常常陷入自我嫌恶的痛苦境地。对青年而言，哲人的主张只不过是乌托邦式的空想而已。
阿德勒心理学考虑的不是过去的“原因”，而是现在的“目的”。
阿德勒在否定心理创伤学说的时候说了下面这段话：“任何经历本身并不是成功或者失败的原因。我们并非因为自身经历中的刺激——所谓的心理创伤——而痛苦，事实上我们会从经历中发现符合自己目的的因素。决定我们自身的不是过去的经历，而是我们自己赋予经历的意义。”
阿德勒说，决定我们自己的不是“经验本身”而是“赋予经验的意义”。
我们给过去的经历“赋予了什么样的意义”，这直接决定了我们的生活。人生不是由别人赋予的，而是由自己选择的，是自己选择自己如何生活。
如果闭门不出一直憋在自己房间里的话，父母会非常担心。这就可以把父母的关注集于一身，而且还可以得到父母小心翼翼的照顾。另一方面，哪怕踏出家门一步，都会沦为无人关注的“大多数”，都会成为茫茫人海中非常平凡的一员，甚至成为逊色于人的平庸之辈；而且，没人会重视自己。这些都是闭居者常有的心理。
人并不受过去的原因所左右，而是朝着自己定下的目标前进，这就是哲人的主张。
目前还是没读完，读不下去了。
《沙丘》
时间：2021.11（读了一点）/2022.02（读了一点）
关键词：【美国】弗兰克·赫伯特/科幻/长篇连载小说（电子书）
- 我绝不能恐惧。恐惧是思维杀手。恐惧是带来彻底毁灭的小小死神。我将正视恐惧，任它通过我的躯体。当恐惧逝去，我会打开心眼，看清它的轨迹。恐惧所过之处，不留一物，唯我独存。
- “你有没有听过动物为了逃脱陷阱而咬断一条腿的事？这是一种兽类的伎俩。但人类会留在陷阱里，忍痛装死，以便伺机杀掉设置陷阱的人，解除对同类的威胁。”
- 很久以前，人们想要获得自由，便将思考的事交给机器去干。然而这只会导致其他人凭借机器奴役他们。”
- 很久以前，人们想要获得自由，便将思考的事交给机器去干。然而这只会导致其他人凭借机器奴役他们。”
- “汝等不得创造像人一样思维的机器。”保罗引述了一句话。
- “这是芭特勒圣战和《奥兰治天主圣经》里的原话，”她说，“但《奥天圣经》其实应该这么说：‘汝等不得造出机器，假冒人的思维。’你有没有研究过门泰特人？”
- “芭特勒圣战，这场大骚乱夺去了人类的一根拐杖，”她说，“这迫使人类的思维进一步成长。于是人们创立了学校，以训练人的才能。”
- 老太婆点点头。“那种古老的学校只有两所幸存于世：贝尼·杰瑟里特和宇航公会。在我们看来，公会侧重的差不多是纯数学。而贝尼·杰瑟里特发挥着另一种作用。”“政治。”保罗说。
- 从传宗接代的目的来看，如果不将真人群体和凡人群体区分开来，那么这种延续性就无从谈起。
- 从传宗接代的目的来看，如果不将真人群体和凡人群体区分开来，那么这种延续性就无从谈起。
- 想要了解穆阿迪布而不了解他的宿敌哈克南人，就像要明白真理而不懂得谬误一样。像是不懂得黑暗而去寻找光明，那是不可能的事。
- 明显的嫌疑人选是岳医生，他的确是我们的间谍。但哈瓦特已做过调查，知道我们的医生是一位苏克学校的毕业生，经受了帝国预处理——据称是绝对安全，甚至可以直接伺候皇帝本人。
- 萨多卡！”菲德-罗萨抽了一口冷气。他的脑中现在全是这些可怕的帝国士兵的样子，一群毫无慈悲的杀手，帕迪沙皇帝的盲目信徒。
- 财富是重中之重。宇联商会是取得财富的关键，每个显贵家族都通过占有董事席位，从公司的金库中分一杯羹。
- 男爵挪步离开厄拉科斯星球仪，当他从阴影中现身的时候，映入人眼帘的是一个极为庞大的身形——不管是质量还是体积上——那是一身肥肉。他穿着黑色长袍，衣服的皱褶下有一些细微的隆起，可以看出他身上装着便携式浮空器，托着那身肥肉。他的体重可能达两百公斤，但他那双腿却只能承受五十公斤的重量。
- 哥尼·哈莱克，一位吟游诗人兼战士，你将在本书中读到他的一些诗；杜菲·哈瓦特，一位老迈的门泰特刺杀大师，就连帕迪沙皇帝也惧他三分；邓肯·艾达荷，来自吉奈斯的剑术大师；威灵顿·岳医生，虽然他顶着一项背叛的污名，但他本人却闪烁着智慧的光芒；杰西卡夫人，以贝尼·杰瑟里特的方式引导爱子。当然，还有雷托公爵本人，他作为父亲的优秀品质一直没有得到挖掘。
- ‘想通过中止一个过程来理解它，那是不可能的事。理解必须与过程的发展同步，必须融入其中，与其一同发展。’
- 一个世界是许多东西的集合——人、土壤、生物、月亮、潮汐、太阳——这些未知的集合名为自然，这是一个没有现在概念的模糊集合。
- “在屏蔽场战斗中，防守应迅速，攻击应缓慢，”保罗说，“进攻的唯一目的是欺骗对手，让他脚步混乱，通过空当一击中的。屏蔽场能瓦解快速攻击，但却挡不住双刃刀的缓慢刺入！”
- 他看着哈莱克下巴上那条甜菜色的伤疤，想起了它的来历，那是在杰第主星的哈克南奴隶场中被野兽拉班砍伤的。
- “愿望不是鱼，否则世人都会去撒网。”
没读完，挖了一个大坑。