posts - 195, comments - 34, trackbacks - 0, articles - 1

          馬云:阿里巴巴為什么能夠賺大錢? 

          *孫正義跟我有同一個觀點,一個方案是一流的Idea加三流的實施;另外一個方案,一流的實施,三流的Idea,哪個好?我們倆同時選擇一流的實施,三流的Idea。

           *如何把每一個人的才華真正地發揮作用,我們這就像拉車,如果有的人往這兒拉,有的人往那兒拉,互相之間自己給自己先亂掉了。當你有一個傻瓜時,很傻的,你很會很痛苦;你有50個傻瓜是最幸福的,吃飯、睡覺、上廁所排著隊去的;你有一個聰明人時很帶勁,你有50個聰明人實際上是最痛苦的,誰都不服誰。我在公司里的作用就象水泥,把許多優秀的人才粘合起來,使他們力氣往一個地方使。

            *網絡公司將來要判斷兩個:第一它的team;第二,它有technology;第三它的concept,擁有這些東西,才是存在的必要。 

            *Judge一個人,一個公司是不是優秀,不要看他是不是Harvard,是不是Stanford.不要judge里面有多少名牌大學畢業生,而要judge這幫人干活是不是發瘋一樣干,看他每天下班是不是笑瞇瞇回家。 

            *30%的人永遠不可能相信你。不要讓你的同事為你干活,要讓我們的同事為我們的目標干活,共同努力,團結在一個共同的目標下面,就要比團結在你一個企業家底下容易的多。所以首先要說服大家認同共同的理想,而不是讓大家來為你干活。

             *我認為,員工第一,客戶第二。沒有他們,就沒有這個網站。也只有他們開心了,我們的客戶才會開心。而客戶們那些鼓勵的言語,鼓勵的話,又會讓他們像發瘋一樣去工作,這也使得我們的網站不斷地發展。

             *看見10只兔子,你到底抓哪一只?有些人一會兒抓這個兔子,一會兒抓那個兔子,最后可能一只也抓不住。CEO的主要任務不是尋找機會而是對機會說NO。機會太多,只能抓一個。我只能抓一只兔子,抓多了,什么都會丟掉。

             *我們公司是每半年一次評估,評下來,雖然你的工作很努力,也很出色,但你就是最后一個,非常對不起,你就得離開。在兩個人和兩百人之間,我只能選擇對兩個人殘酷。

             *您能用一句話概括您認為員工應該具備的基本素質嗎?今天阿里巴巴的員工我們要求誠信,學習能力,樂觀精神,和擁抱變化的態度!

             *互聯網是四乘一百米接力賽,你再厲害,只能跑一棒,應該把機會給年輕人。

             *在前一百米的沖刺中,誰都不是對手,是因為跑的三千米的長跑。你跑著跑著,跑了四五百米后才能拉開距離的。

             *我們花了兩年的時間打地基,我們要蓋什么樣的樓,圖紙沒有公布過,但有些人已經在評論我們的房子怎么不好。有些公司的房子很好看,但地基不穩,一有大風就倒了。

             *我們與競爭對手最大的區別就是我們知道他們要做什么,而他們不知道我們想做什么。我們想做什么,沒有必要讓所有人知道。

             *網絡上面就一句話,光腳的永遠不怕穿鞋的。

             *今天要在網上發財,概率并不是很大,但今天的網絡,可以為大家省下很多成本。這個世界沒有人能替你發財,只有你自己才能替你發財,你需要的是投資和投入,spend time,invest time,on the internet,把自己的時間投資在網絡上面,網絡一定會給大家省錢,但不一定今天就能賺多少錢,賺錢是明天的事,省錢,你今天就看得到。

             *電子商務最大的受益者應該是商人,我們該賺錢因為我們提供工具,但讓我們做工具的人發了大財,而使用工具的人還糊里糊涂,這是不正常的。所謂新經濟,就是傳統企業利用好網絡這個工具,去創造出更大的經濟效益,使其成幾十倍地增長,這才是真的新經濟的到來。今天新舊經濟是兩張皮。

             *互聯網上失敗一定是自己造成的,要不就是腦子發熱,要不就是腦子不熱,太冷了。

             *我覺得網絡公司一定會犯錯誤,而且必須犯錯誤,網絡公司最大的錯誤就是停在原地不動,最大的錯誤就是不犯錯誤。關鍵在于總結我們反思各種各樣的錯誤,為明天跑的更好,錯誤還得犯,關鍵是不要犯同樣的錯誤。

             *我們是教人釣魚,而不是給人魚。

             *企業家是在現在的環境,改善這個環境,光投訴,光抱怨有什么用呢?國家現在要處理的事情太多了,失敗只能怪你自己,要么大家都失敗,現在有人成功了,而你失敗了,就只能怪自己。就是一句話,哪怕你運氣不好,也是你不對。

             *中國電子商務的人必須要站起來走路,而不是老是手拉手,老是手拉著手要完蛋。

             *我們知道當時可以敲幾個鑼,就可以圍那么多人的時候,鑼都敲得好,把戲還能不好?敲鑼都敲出花來了。

             *我是說阿里巴巴發現了金礦,那我們絕對不自己去挖,我們希望別人去挖,他挖了金礦給我一塊就可以了。

             *我深信不疑我們的模式會賺錢的,亞馬遜是世界上最長的河,8848是世界上最高的山,阿里巴巴是世界上最富有的寶藏。一個好的企業靠輸血是活不久的,關鍵是自己造血。

             *我們說上市就像我們的加油站,不要到了加油站,就停下來不走,還得走,繼續走。

             *互聯網是影響人類未來生活30年的3000米長跑,你必須跑得像兔子一樣快,又要像烏龜一樣耐跑。

             *我為什么能活下來?第一是由于我沒有錢,第二是我對INTERNET一點不懂,第三是我想得像傻瓜一樣。

             *發令槍一響,你是沒時間看你的對手是怎么跑的。只有明天是我們的競爭對手。

             *如果早起的那只鳥沒有吃到蟲子,那就會被別的鳥吃掉。

             *If not now,when?If not me,who?

             *互聯網像一杯啤酒,有沫的時候最好喝。

             *聽說過捕龍蝦富的,沒聽說過捕鯨富的。

             *我們不能企求于靈感。靈感說來就來,就像段譽的六脈神劍一樣。

             *阿里巴巴的六脈神劍就是阿里巴巴的價值觀:誠信、敬業、激情、擁抱變化、團隊合作、客戶第一。

             *我永遠相信只要永不放棄,我們還是有機會的。最后,我們還是堅信一點,這世界上只要有夢想,只要不斷努力,只要不斷學習,不管你長得如何,不管是這樣,還是那樣,男人的長相往往和他的的才華成反比。今天很殘酷,明天更殘酷,后天很美好,但絕對大部分是死在明天晚上,所以每個人不要放棄今天。

             *男人的長相往往和他的的才華成反比。

             *在我看來有三種人,生意人:創造錢;商人:有所為,有所不為。企業家:為社會承擔責任。企業家應該為社會創造環境。企業家必須要有創新的精神。

             *三年以前我送一個同事去讀MBA,我跟他說,如果畢業以后你忘了所學的東西,那你已經畢業了。如果你天天還想著所學的東西,那你就還沒有畢業。學習MBA的知識,但要跳出MBA的局限。

             *對所有創業者來說,永遠告訴自己一句話:從創業得第一天起,你每天要面對的是困難和失敗,而不是成功。我最困難的時候還沒有到,但有一天一定會到。困難不是不能躲避,不能讓別人替你去抗。九年創業的經驗告訴我,任何困難都必須你自己去面對。創業者就是面對困難。

             *ebay是大海里的鯊魚,淘寶則是長江里的鱷魚,鱷魚在大海里與鯊魚搏斗,結果可想而知,我們要把鯊魚引到長江里來。

             *一個公司在兩種情況下最容易犯錯誤,第一是有太多的錢的時候,第二是面對太多的機會,一個CEO看到的不應該是機會,因為機會無處不在,一個CEO更應該看到災難,并把災難扼殺在搖籃里。

             *淘寶網的主業決不該放在與對手的競爭上,而是把眼睛盯在提升客戶體驗上。

             *上世紀80年代掙錢靠勇氣,90年代靠關系,現在必須靠知識能力!(我好像很早也這么說過)

             *三年前的馬云談到B2C和C2C的時候絲毫不心動,在論壇上還試圖說服8848創始人王峻濤、譚智相信B2C和C2C沒有前途。互聯網似乎和馬云開了一個玩笑,讓他去做自己原先最不看好的事情。不是我不明白,這世界變化快,馬云發出了這樣的感嘆,主要是形勢的變化太快了,我只能與時俱進。既然B2B在中國能夠成功,我想在大環境改變的形勢下再試試C2C,對于新進入的C2C領域,馬云這樣解釋。在全球范圍內,基于個人網上交易服務的模式已經成為互聯網產業最為重要的領域,美國的亞馬遜、Ebay,日本雅虎均在行業內具有舉足輕重的地位,以中國上網人口的龐大基數,中國也應該有可能造就一個巨大的個人網上交易市場,馬云進入角色似乎很快,經過半年多的考察,他對C2C的前景很是看好。

           

            *馬云絲毫不避諱拿淘寶網和易趣對比,一口價、拍賣、買賣街這些模式我們都會采用,當然也會采用易趣開始運行的免費策略,時機合適的時候我們會收費,很可能是三年之后。

           

           

          *如果我馬云能夠創業成功,那么我相信中國80%的年輕人都能創業成功。

           

          *一個企業為什么而生存?使命!這一點我很自信。

           

          *互聯網是影響人類未來生活30年的3000米長跑,你必須跑得像兔子一樣快,又要像烏龜一樣耐跑。

           

          *我告訴新員工,如果認為我們是瘋子請離開,如果你專等上市請你離開,我們要用80年做企業。

           

          *我們必須在別人改變之前先改變自己。

           

          *電子商務和電視機的區別還是很大,因為電子商務是一個手段,怎么把它用好是一個技能,不是說用遙控器就可以了。

          *我自己也喜歡免費的東西,但免費的東西往往是最貴的。如果一個女孩跟你好,她又不想嫁給你,麻煩就大了。與其花這點時間去浪費,不如花一點時間去真正成長。

           

          *我當年學英語,我沒有想到后來英文幫了我的大忙。所以,做任何事情只要你喜歡,只要你認為對的,就可以去做。如果你思考問題功利性很強的話,肯定會遇到麻煩的。

           

          *我們一起創建的是團隊的文化,而不是抱怨的文化。

          *我們必須學會尊重和理解別人。很多時候發現我們缺的不是鈣,而是愛!!!

           

          *每個人都應學會認真做事,大度做人。 

          *中國企業都有一個從少林小子到太極宗師的過程。少林小子都會打幾下,太極宗師有章有法,有陰有陽,中國企業要從第一天就有練太極的想法才行。

           

          *我們新來的員工業績不好,沒關系,如果違背我們的價值觀去欺騙客戶,好,你就一句話都不要講了。不要你說,我也要死了。

           *我們全國各地的公司墻上沒有一個貼著價值觀的。東西貼在墻上就完了,做不好了。

           

          *這個世界不是因為你能做什么,而是你該做什么.

           

              *創意是企業運營中一個很重要的一環,但它只是一環,不是所有,所以要把每項工作落實到實處.

           

              *建立自我,追求忘我。

           

              *做一份工作,做一份喜歡的工作就是很好的創業。

           

              *不是你的公司在哪里,有時候你的心在哪里,你的眼光在哪里更為重要。

           

              *不想當將軍的士兵不是好士兵,但是一個當不好士兵的將軍一定不是好將軍。

           

              *一個創業者最重要的,也是你最大的財富,就是你的誠信。

           

              *小公司的戰略就是兩個詞:活下來,掙錢

           

              *五年以后還想創業,你再創業

           

              *生存下來的第一個想法是做好,而不是做大。

           

              *創業者書讀得不多沒關系,就怕不在社會上讀書。

           

              *在今天的商場上已經沒有秘密了,秘密不是你的核心競爭力

           

              *很多人失敗的原因不是錢太少,而是錢太多。

           

              *概念到今天這個時代已經不能賣錢了。

           

              *創業者光有激情和創新是不夠的,它需要很好的體系,制度,團隊以及良好的盈利模式。

           

             *你的項目感覺是一個生意,不是一個獨特的企業。

           

             *賺錢模式越來越多說明你沒有模式

           

              *最優秀的模式往往是最簡單的東西。

           

              *建一個公司的時候要考慮有好的價值才賣。如果一開始想到賣,你的路可能就走偏掉。

           

              *人要有專注的東西,人一輩子走下去挑戰會更多,你天天換,我就怕了你。

           

              *一個領導者首先是做正確的事,其次才是正確地做事,這個順序不能顛倒。一個人要想辦法讓自己快樂,讓團隊快樂。每個組織成員都要有清晰的角色定位,所有人都認為你有問題,你就一定有問題。

           

              *愚蠢的人用嘴講話,聰明的人用腦子講話,智慧的人用心講話或者說用行動講話。能反映一個人本質的是那些小動作,小動作太多就會讓人不信任。

           

              *在一個商業組織里,有業績而無價值觀的是野狗,要殺掉;沒有業績有價值觀的是小白兔,也一樣要殺掉。

           

             *只為失敗的結果而遺憾,不為失敗的原因去遺憾,那將是遺憾中的遺憾。

           

             *成功就是將平凡的事情做到不平凡。要為成功找方法,不要為失敗找理由。

           

              *戰略中最重要的部分是組織目標,沒有清晰明確目標的團隊就是一群無頭蒼蠅。戰略是什么,戰略就是重點突破!

           

              *暴露自己的弱點并不可怕,弱點是藏不住的。

           

              *其實最聰明的人永遠相信別人比自己聰明,聰明的人是智慧的天敵,你自認為很聰明的人,很難成為智者。

           

              *戰略沒有細節就等于一堆廢紙 

              *領導力在順境的時候,每個人都能出來;只有在逆境的時候,才是真正的領導力。 

              *永遠要把對手想得非常強大,哪怕他非常弱小,你也要把他想得非常強大。

           

              *對待你的商業對手犯錯誤經常會出現是:看不見,看不起,看不懂,跟不上。 

              *商業社會其實是個很復雜的社會,能夠讓自己把握起來就是誠信。因為誠信所以簡單。越復雜的東西,越要講究誠信。 

              * 企業家、商人和生意人有什么樣的區別?生意人唯利是圖、有錢就賺;商人有所為、有所不為;而企業家必須承擔社會的責任、創造價值、完善社會。 

              *誠信是個基石,最基礎的東西往往是最難做的。但是誰做好了這個,誰就路可以走得很長、很遠。 

              *商業過程是一門藝術。只有向競爭者學習的人才會進步。 

              *人要成功一定要有永不放棄的精神,但你學會放棄的時候,你才開始進步。

              *短暫的激情是不值錢的;持久的激情才是賺錢的 

              *對于創業者來說,今天很殘酷,明天更殘酷,后天很美好,大部分人死在明天晚上,看不到后天的太陽

              *創業要找最合適的人,不一定要找最成功的人

              * 一種信仰決定一種生活;一種使命承擔一份責任

              *我們需要雷峰,但不能讓雷峰穿補丁的衣服上街去 

              *男人的智商和長相是成反比的

              *免費是世界上最昂貴的東西

              *這世界最不可靠的東西就是關系

          posted @ 2008-07-10 01:02 小強摩羯座 閱讀(338) | 評論 (0)編輯 收藏

          不過,蓋茨成功最重要的品質是專家們所謂的自覺.不管是編寫BASIC語言還是管理一家慈善基金會,蓋茨都會毫不猶豫地為了自己的激情付出行動.他不斷鼓勵創新,拒絕停下腳步和滿足于過去的成就.他通過全身心投入工作,不斷激勵自己前進.職業顧問亞歷山德拉·萊維特說:“人們應當把蓋茨的成功看作是一個人的成功,而不僅僅是一個商人的成功.無可否認,這是給成功下的一個新定義,但如今隨著個人與職業之間的界限越來越模糊,這一定義已經變得越來越重要.”以下是專家們找出的決定蓋茨成功的七個要素:

            1.起步早

          蓋茨很小的時候就對計算機產生了濃厚的興趣,并在中學時免修了一些課程,把這些時間用在編程的研究上.職業心理學家漢密爾頓·菲利普斯在寫給《福布斯》網站的一封電子郵件中說:“即使在還是個孩子的時候,蓋茨就下定決心做一件轟轟烈烈的事,并從中找到樂趣,因此在成年之后,他擁有足夠穩定的情緒支撐他的工作,并讓他走向成功.”

           2.目標明確 堅持到底

          蓋茨17歲時創辦了他的第一家軟件公司,而且從一開始,就夢想把它做成行業巨頭.職業顧問安德麗婭·凱說:“青年時期,蓋茨花了大量的時間實踐他的技能并搜尋更多有關他感興趣的事物的信息:分析問題,驗證自己的想法.他是個天才,有著令人難以置信的專注.”

           3.理性而不默守陳規

          學校并不適合蓋茨,他自己也清楚這一點.20歲時,他毅然從哈佛大學輟學,創辦了微軟.但在你作出有風險的職業選擇前,確信你已經考慮過后果.舊金山職業指導馬蒂·納姆克說:“如果從蓋茨輟學后取得成功的經歷推斷有抱負的企業家都應當效仿他,那就大錯特錯了.一個人需要的是蓋茨幾個方面的結合,包括哈佛級智商、干勁、掩飾在孩子氣魅力之下的無情,以及最重要的運氣.”

          4.一個好漢三個幫

          蓋茨的微軟團隊從一開始就一直跟著他,蓋茨對團隊的充分信任也給他帶來了豐厚的回報.13歲那年,他與微軟聯合創始人保羅·艾倫相識,而微軟 CEO史蒂夫·鮑爾默和他在哈佛大學時就成了好朋友.牢固的私人關系提供了一種超越工作范疇的信任度,而這種信任度保證你的員工將為你最賣力地做事.

            5.形象就是一切

          蓋茨已經成功地完成了從一個叛逆的暴發戶到企業領導人再到慈善家的變身,在這一過程中,蓋茨也充分認識到公眾對自己的評價.職業指導、《New Rules @ Work》一書作者芭芭拉·帕切特說:“隨著年齡的增長,他已經能夠展現出自己更成熟、更穩重的一面:他的眼鏡越來越小,頭發越來越順.現在,他正將自己的形象從企業領導人轉變成前輩,所以他肯定能夠根據他希望人們怎么看他完成這一轉變.”

           6.決不自滿

          盡管38歲時就成了億萬富翁,但蓋茨沒有停下創新的腳步.那是因為他的目標不僅僅是賺錢.他癡迷于自己的行業,而且熱衷于嘗試新事物.在選擇職業時,確信你對自己要從事的行業真正感興趣.專家表示,你的成績永遠有待于提高,而錢也會滾滾而來.

            7.知自知彼

          在整個職業生涯中,從基礎的編程到慈善事業,蓋茨已通過追求自己的理想取得了成功.他從來不做自己不相信的事.萊維特說:“人們應當把蓋茨的成功看作是一個人的成功,而不僅僅是一個商人的成功.無可否認,這是給成功下的一個新定義,但如今隨著個人與職業之間的界限越來越模糊,這一定義已經變得越來越重要.”

          posted @ 2008-06-28 20:33 小強摩羯座 閱讀(241) | 評論 (0)編輯 收藏

          Z: 100本名著濃縮成了100句話

          1.神要是公然去跟人作對,那是任何人都難以對付的。 (《荷馬史詩》)
          2.生存還是毀滅,這是一個值得思考的問題。 (《哈姆霄特》)
          3.善良人在追求中縱然迷惘,卻終將意識到有一條正途。(《浮士德》)
          4.認識自己的無知是認識世界的最可靠的方法。 (《隨筆集》)
          5.你以為我貧窮、相貌平平就沒有感情嗎?我向你發誓,如果上帝賦予我財富和美貌,我會讓你無法離開我,就像我現在無法離開你一樣。雖然上帝沒有這么做,可我們在精神上依然是平等的。(《簡.愛》)
          6.大人都學壞了,上帝正考驗他們呢,你還沒有受考驗,你應當照著孩子的想法生活。 (《童年》)
          7,你越沒有心肝,就越高升得快,你毫不留情地打擊人家,人家就怕你。只能把男男女女當作驛馬,把它們騎得筋疲力盡,到了站上丟下來,這樣你就能達到欲望的最高峰。 (《高老頭》)
          8.我只想證明一件事,就是,那時魔鬼引誘我,后來又告訴我,說我沒有權利走那條路,因為我不過是個虱子,和所有其余的人一樣。 (《罪與罰》)
          9.你瞧,桑丘.潘沙朋友,那邊出現了三十多個大得出奇的巨人。 (《堂.吉訶德》)
          10.我并不愿意你受的苦比我受的還大,希斯克利夫。我只愿我們永遠不分離:如果我有一句話使你今后難過,想想我在地下也感到一樣的難過,看在我自己的份上,饒恕我吧! (《呼嘯山莊》)
          11.幸福的家庭是相同的,不幸的家庭各有各的不同。 (《安娜.卡列尼娜》)
          12.唉,奴隸般的意大利,你哀痛之逆旅,你這暴風雨中沒有舵手的孤舟,你不再是各省的主婦,而是妓院! (《神曲》)
          13.將感情埋藏得太深有時是件壞事。如果一個女人掩飾了對自己所愛的男子的感情,她也許就失去了得到他的機會。 (《傲慢與偏見》)
          14.鐘聲又鳴響了……一聲又一聲,靜謐而安詳,即使在女人做新娘的那個好月份里,鐘聲里也總帶有秋天的味道。 (《喧囂與騷動》)
          15.一個人并不是生來要被打敗的,你盡可以把他消滅掉,可就是打不敗他。 (《老人與海》)
          16.當然,行是行的,這固然很好,可是千萬別鬧出什么亂子來啊。 (《套中人》)
          17.面包!面包!我們要面包! (《萌芽》)
          18.我從沒有愛過這世界,它對我也一樣。 (《拜倫詩選》)
          19.愛情應該給人一種自由感,而不是囚禁感。 (《兒子與情人》)
          20.暴風雨將要在那一天,甚至把一些槲樹吹倒,一些教堂的高塔要倒塌,一些宮殿也將要動搖! (《海涅詩選》)
          21.自己的行為最惹人恥笑的人,卻永遠是最先去說別人壞話的人。 (《偽君子》)
          22.這時一種精神上的感慨油然而生,認為人生是由啜泣、抽噎和微笑組成的,而抽噎占了其中絕大部分。(《歐.亨利短篇小說選》)
          23.歷史喜愛英勇豪邁的事跡,同時也譴責這種事跡所造成的后果。 (《神秘島》)
          24.整個下半天,人都聽憑羊脂球去思索。不過本來一直稱呼她作“夫人”,現在卻簡單地稱呼她作“小姐”了,誰也不很知道這是為著什么,仿佛她從前在評價當中爬到了某種地位,現在呢,人都想把她從那種地位拉下一級似的,使她明白自己的地位是尚叩摹?(《莫泊桑短篇小說選》)
          25.如果冬天來了,春天還會遠嗎?  (《雪萊詩選》)
          26.我明白了,我已經找到了存在的答案,我惡心的答案,我整個生命的答案。其實,我所理解的一切事物都可以歸結為荒誕這個根本的東西。(《惡心》)
          27.世界上有這樣一些幸福的人,他們把自己的痛苦化作他人的幸福,他們揮淚埋葬了自己在塵世間的希望,它卻變成了種子,長出鮮花和香膏,為孤苦伶仃的苦命人醫治創傷。(《湯姆叔叔的小屋》)
          28.當格里高.薩姆莎從煩躁不安的夢中醒來時,發現他在床上變成了一個巨大的跳蚤。(《變形記》)
          29.當現實折過來嚴絲合縫地貼在我們長期的夢想上時,它蓋住了夢想,與它混為一體,如同兩個同樣的圖形重疊起來合而為一一樣。(《追憶似水年華》)
          30.人與人之間,最可痛心的事莫過于在你認為理應獲得善意和友誼的地方,卻遭受了煩擾和損害。(《巨人傳》)
          31.現在我說的您要特別注意聽:在別人心中存在的人,就是這個人的靈魂。這才是您本身,才是您的意識在一生當中賴以呼吸、營養以至陶醉的東西,這也就是您的靈魂、您的不朽和存在于別人身上的您的生命。(《日瓦戈醫生》)
          32.美德猶如名香,經燃燒或壓榨而其香愈烈,蓋幸運最能顯露惡德而厄運最能顯露美德。(《培根論說文集》)
          33.親愛的艾妮斯,我出國,為了愛你,我留在國外,為了愛你,我回國,也是為了愛你!(《大衛.科波菲爾》)
          34.強迫經常使熱戀的人更加鐵心,而從來不能叫他們回心轉意。(《陰謀與愛情》)
          35.在各種事物的常理中,愛情是無法改變和阻擋的,因為就本性而言,愛只會自行消亡,任何計謀都難以使它逆轉。(《十日談》)
          36.只要你是天鵝蛋,就是生在養雞場里也沒有什么關系。(《安徒生童話》)
          37.就投機鉆營來說,世故的價值永遠是無可比擬的。(《死魂靈》)
          38. 誰都可能出個錯兒,你在一件事情上越琢磨得多就越容易出錯。(《好兵帥克歷險記》)
          39.我們經歷著生活中突然降臨的一切,毫無防備,就像演員進入初排。如果生活中的第一次彩排便是生活本身,那生活有什么價值呢?(《生命中不能承受之輕》)
          40.他發現了人類行為的一大法則,自己還不知道——那就是,為了要使一個大人或小孩極想干某樣事情,只需要設法把那件事情弄得不易到手就行了。(《湯姆.索亞歷險記》)
          41.對有信仰的人,死是永生之門。(《失樂園》)
          42.有一個傳說,說的是有那么一只鳥兒,它一生只唱一次,那歌聲比世上所有一切生靈的歌聲都更加優美動聽。(《荊棘鳥》)
          43.離開一輩子后,他又回到了自己出生的那片土地上。從小到大,他一直是那個地方的目擊者。(《尤利西斯》)
          44.同上帝保持聯系是一碼事,他們都贊同這一點,但讓上帝一天二十四小時都待在身邊就是另一碼事了。(《第二十二條軍規》)
          45.在甜蜜的夢鄉里,人人都是平等的,但是當太陽升起,生存的斗爭重新開始時,人與人之間又是多么的不平等。(《總統先生》)
          46.開發人類智力的礦藏是少不了要由患難來促成的。(《基度山伯爵》)
          47.離你越近的地方,路途越遠;最簡單的音調,需要最艱苦的練習。(《泰戈爾詩選》)
          48.悲傷使人格外敏銳。(《約翰.克里斯朵夫》
          49.我在女人跟前經常失敗,就是由于我太愛她們了。(《懺悔錄》)
          50.她睜大一雙絕望的眼睛,觀看她生活的寂寞。她像沉了船的水手一樣,在霧蒙蒙的天邊,遙遙尋找白帆的蹤影。(《包法利夫人》)
          51.我聽見美洲在歌唱,我聽見各種不同的頌歌。(《草葉集》)
          52.倘若你能使你的心時常贊嘆日常生活的神妙,你的苦痛的神妙必不減少于你的歡樂,你要承受你心天的季候,如同你常常承受從田野上度過的四時。(《先知》)
          53.現在我住在波勒茲別墅,這里找不到一點兒灰塵,也沒有一件東西擺得不是地方,除了我們,這里再沒有別人,我們死了。(《北回歸線》)
          54.艷陽高升,原野上的朝露很快便了無痕跡。源氏痛感人生如夢,像朝露一般,愈加萬念俱灰。(《源氏物語》)
          55.那些普普通通而毫無特色的罪行才真正令人迷惑,就像—個相貌平凡的人最難以讓人辨認—樣。(《福爾摩斯探案集》)
          56.你有一處建在房子里面的小池塘嗎?在那個小池塘里,你可以隨時觀察水中生物生活的每一個片斷。(《昆蟲記》)
          57.不要向井里吐痰,也許你還會來喝井里的水。(《靜靜的頓河》)
          58.我看到了各個民族彼此敵視,而且默默地,無知地、愚蠢地、甘心地、無辜地在互相殘殺。我看到了世界上最聰明的頭腦還在發明武器和撰寫文章,使這種種敵視和殘殺更為巧妙,更為經久。(《西線無戰事》)
          59.這張臉同早晨雪天映在鏡子中的那張臉一樣,紅撲撲的。在島村看來,這又是介于夢幻同現實之間的另一種顏色。(《雪國》)
          60.一個人只要有意志力,就能超越他的環境。(《馬丁.伊登》)
          61.站在痛苦之外規勸受苦的人,是件很容易的事。(《被縛的普羅米修斯》)
          62.感情有理智根本無法理解的理由。(《月亮和六便士》)
          63.世界上一切好東西對于我們,除了加以使用外,實在沒有別的好處。 (《魯濱遜漂流記》)
          64.每當太陽西沉,我坐在河邊破舊的碼頭上,遙望新澤西上方遼闊的天空,我感到似乎有未經開墾的土地,所有的道路,所有的人都在不可思議地走向西部海岸。直到現在我才知道,在衣阿華,小伙子們總是不停地騷動喧鬧,因為是那片土地使他們如此無法平靜。(《在路上》)
          65。在有法律之前,合乎“自然的”只有獅子的力量,或者動物饑寒時的需要,更簡單地用一個字表示,便是“欲”。(《紅與黑》)
          66。上天讓我們習慣各種事物,就是用它來代替幸福。(《葉甫蓋尼.奧涅金》)
          67.一個人哪怕只生活過一天,也可以毫無困難地在監獄里過上一百年。(《局外人》)
          68.往上爬吧,多撈錢吧,進入上層社會,那里準備好了一切。(《美國的悲劇》)
          69.念書不能增添智慧。(《痛癥樓》)
          70.不管我活著,還是我死去,我都是一只牛虻,快樂地飛來飛去。 (《牛虻》)
          71.一個人把他整個的一生都押在“女人的愛”那一張牌上頭賭博,那張牌輸了,他就那樣地灰心喪氣,弄得自己什么事都不能做,這種人不算一個男人,不過是一個雄性生物。(《父與于》)
          72.這個家庭的歷史是一架周而復始無法停息的機器,是一個轉動著的輪子,這只齒輪,要不是軸會逐漸不可避免地磨損的話,會永遠旋轉下去。(《百年孤獨》)
          73.現在我只信,首先我是一個人,跟你一樣的一個——至少我要學做一個人。(《玩偶之家》)
          74.天才和我們相距僅僅一步。同時代者往往不理解這一步就是千里,后代又盲目相信這千里就是一步。同時代為此而殺了天才,后代又為此而在天才面前焚香。(《侏儒的話》)
          75.遭受苦難的人在承受痛楚時并不能覺察到其劇烈的程度,反倒是過后延綿的折磨最能使其撕心裂肺。 (《紅字》)
          76.人最寶貴的是生命,生命屬于人只有一次。人的一生應當這樣度過:當他回首往事時,不會因虛度年華而悔恨,也不會因碌碌無為而羞恥。這樣,臨終前他就可以自豪地說:“我已經把自己整個生命和全部精力都獻給了世界上最壯麗的事業——為人類的解放而奮斗。”(《鋼鐵是怎樣煉成的》)
          77.凡是有甜美的鳥歌唱的地方,也都有毒蛇嘶嘶地叫。(《德伯家的苔絲》)
          78.凡是想依正路達到這深密境界的人應從幼年起,就傾心向往美的形體。(《文藝對話錄》)
          79.友誼就是一切。友誼比才能更重要,比政府更重要,它和家庭幾乎是可劃等號的。千萬別忘記這一點。({教父》)
          80.已經活了七十二歲,依然像是昨天的事:居民點的林陰小路,在歇晌的時間,白人居住區,道旁開滿金風花的大街,闐無行人。(《物質生活》)
          81.我明天回塔拉再去想吧。巳那時我就經受得住一切了。明天,我會想出一個辦法把他弄回來。畢竟,明天又是另外的一天呢。(《飄》)
          82.盲目可以增加你的勇氣,因為你無法看到危險.(《格列佛游記》)
          83.本人系療養與護理院的居住者。我的護理員在觀察我,他幾乎每時每刻都監視著我:因為門上有個窺視孔,我的護理員的眼睛是那種棕色的,它不可能看透藍眼睛的我。(《鐵皮鼓》)
          84.每當我追溯自己的青春年華時,那些日子就像是暴風雪之晨的白色雪花一樣,被疾風吹得離我而去。(《洛莉塔》)
          85.寬宏大量,是惟一能夠照亮偉大靈魂的光芒。(《巴黎圣母院》)
          86.很多年以前,那時我的錢包癟癟的,陸地上看來沒什么好混的了,干脆下海吧,去在我們這個世界上占絕對面積的大海里逛逛吧!  (《白鯨》)
          87.我一貫追求的是:在人的肉體與幻想允許的范圍內,獲得最大限度的真誠和信任,以及對所有的一切盡可能長久的保證。(《鏡中微瑕》)
          88.這里有一種無處投訴的罪行。這里有一種眼淚不足以象征的悲哀。這里有一種絕大的失敗,足以使我們的一切成功都垮臺。(《憤怒的葡萄》)
          89.起來,饑寒交迫的奴隸!起來,全世界受苦的人!  (《國際歌》)
          90.我是說孩子們都在狂奔,也不知道自己是在往哪兒跑,我得從什么地方出來,把他們捉住。我整天就干這樣的事。我只想當個麥田的守望者。我知道這有點異想天開,可我真正喜歡干的就是這個。(《麥田的守望者》)
          91.獲取一顆沒有被人進攻的經驗的心,也就像奪取一座沒有守衛的城池一樣。(《茶花女》)
          92.他不知道那個夢已經丟在他背后了,丟在這個城市那邊那一片無垠的混沌之中不知什么地方了,那里合眾國的黑黝黝的田野在夜色中向前伸展。(《了不起的蓋茨比》)
          93.四月最殘忍,從死了的土地滋生丁香,混雜著回憶和欲望,讓春雨挑動著呆鈍的根。(《荒原》)
          94.世間的一切虛偽,正像過眼云煙,只有真理才是處世接物的根據。虛偽的黑暗,必為真理的光輝所消滅。(《一千零一夜》)
          95.下面玩什么花樣呢?(《發條橙》)
          96.昨晚,我夢見自己又回到了曼陀麗莊園。(《蝴蝶夢》)
          97.我不能想像這樣一個人,他認為開棋的時候先走馬而不是先走卒對他來說是英勇的壯舉,而在象棋指南的某個犄角里占上一席可憐的位置就意味著聲名不朽,我不能想像,一個聰明人竟然能夠在10年、20年、30年、40年之中一而再、再而三地把他全部的思維能力都獻給一種荒誕的事情——想盡一切辦法把木頭棋子王趕到木板棋盤的角落里,而自己卻沒有發狂成為瘋子。(《象棋的故事》)
          98.咱家是貓。名字嘛……還沒有。(《我是貓》)
          99.挺起英勇的胸脯前進!
          看,無數的旗幟滿天飛舞!
          誰在那里向右轉?
          向左!
          向左!
          向左!(《馬雅可夫斯基詩選》)
          100.水里照出的是自己的臉,內心反映的是自己的為人。(《圣經.舊約》)

          posted @ 2008-06-28 20:28 小強摩羯座 閱讀(195) | 評論 (0)編輯 收藏

          SVM相關理論
          2007-11-30 12:35

          基于數據的機器學習是現代智能技術中的重要方面,研究從觀測數據(樣本)出發尋找規律,利用這些規律對未來數據或無法觀測的數據進行預測。迄今為止,關于機器學習還沒有一種被共同接受的理論框架,關于其實現方法大致可以分為三種[3]:

          第一種是經典的(參數)統計估計方法。包括模式識別、神經網絡等在內,現有機器學習方法共同的重要理論基礎之一是統計學。參數方法正是基于傳統統計學的,在這種方法中,參數的相關形式是已知的,訓練樣本用來估計參數的值。這種方法有很大的局限性.
          首先,它需要已知樣本分布形式,這需要花費很大代價,還有,傳統統計學研究的是樣本數目趨于無窮大時的漸近理論,現有學習方法也多是基于此假設。但在實際問題中,樣本數往往是有限的,因此一些理論上很優秀的學習方法實際中表現卻可能不盡人意。

          第二種方法是經驗非線性方法,如人工神經網絡(ANN)。這種方法利用已知樣本建立非線性模型,克服了傳統參數估計方法的困難。但是,這種方法缺乏一種統一的數學理論。與傳統統計學相比,統計學習理論(Statistical Learning Theory或SLT)是一種專門研究小樣本情況下機器學習規律的理論。該理論針對小樣本統計問題建立了一套新的理論體系,在這種體系下的統計推理規則不僅考慮了對漸近性能的要求,而且追求在現有有限信息的條件下得到最優結果。V. Vapnik等人從六、七十年代開始致力于此方面研究,到九十年代中期,隨著其理論的不斷發展和成熟,也由于神經網絡等學習方法在理論上缺乏實質性進展,統計學習理論開始受到越來越廣泛的重視。
          統計學習理論的一個核心概念就是VC維(VC Dimension)概念,它是描述函數集或學習機器的復雜性或者說是學習能力(Capacity of the machine)的一個重要指標,在此概念基礎上發展出了一系列關于統計學習的一致性(Consistency)、收斂速度、推廣性能(Generalization Performance)等的重要結論。
          統計學習理論是建立在一套較堅實的理論基礎之上的,為解決有限樣本學習問題提供了一個統一的框架。它能將很多現有方法納入其中,有望幫助解決許多原來難以解決的問題(比如神經網絡結構選擇問題、局部極小點問題等);
          同時,這一理論基礎上發展了一種新的通用學習方法──支持向量機(Support Vector Machine或SVM),已初步表現出很多優于已有方法的性能。一些學者認為,SLT和SVM正在成為繼神經網絡研究之后新的研究熱點,并將推動機器學習理論和技術有重大的發展。

          支持向量機方法是建立在統計學習理論的VC維理論和結構風險最小原理基礎上的,根據有限的樣本信息在模型的復雜性(即對特定訓練樣本的學習精度,Accuracy)和學習能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折衷,以期獲得最好的推廣能力(Generalizatin Ability)。支持向量機方法的幾個主要優點有:
          1. 它是專門針對有限樣本情況的,其目標是得到現有信息下的最優解而不僅僅是樣本數趨于無窮大時的最優值;
          2. 算法最終將轉化成為一個二次型尋優問題,從理論上說,得到的將是全局最優點,解決了在神經網絡方法中無法避免的局部極值問題;
          3. 算法將實際問題通過非線性變換轉換到高維的特征空間(Feature Space),在高維空間中構造線性判別函數來實現原空間中的非線性判別函數,特殊性質能保證機器有較好的推廣能力,同時它巧妙地解決了維數問題,其算法復雜度與樣本維數無關;

          在SVM方法中,只要定義不同的內積函數,就可以實現多項式逼近、貝葉斯分類器、徑向基函數(Radial Basic Function或RBF)方法、多層感知器網絡等許多現有學習算法。
          統計學習理論從七十年代末誕生,到九十年代之前都處在初級研究和理論準備階段,近幾年才逐漸得到重視,其本身也趨向完善,并產生了支持向量機這一將這種理論付諸實現的有效的機器學習方法。
          目前,SVM算法在模式識別、回歸估計、概率密度函數估計等方面都有應用。
          例如,在模式識別方面,對于手寫數字識別、語音識別、人臉圖像識別、文章分類等問題,SVM算法在精度上已經超過傳統的學習算法或與之不相上下。
          目前,國際上對這一理論的討論和進一步研究逐漸廣泛,而我國國內尚未在此領域開展研究,因此我們需要及時學習掌握有關理論,開展有效的研究工作,使我們在這一有著重要意義的領域中能夠盡快趕上國際先進水平。由于SLT理論和SVM方法尚處在發展階段,很多方面尚不完善,比如:許多理論目前還只有理論上的意義,尚不能在實際算法中實現;而有關SVM算法某些理論解釋也并非完美(J.C.Burges在[2]中就曾提到結構風險最小原理并不能嚴格證明SVM為什么有好的推廣能力);此外,對于一個實際的學習機器的VC維的分析尚沒有通用的方法;SVM方法中如何根據具體問題選擇適當的內積函數也沒有理論依據。因此,在這方面我們可做的事情是很多的。

          上文引自 水母bbs AI版

          相關資源

          SVM的英文主站,
          http://www.kernel-machines.org/

          Support Vector Machine 作者的站點
          http://www.support-vector.net

          piaip 的 (lib)SVM 簡易入門
          http://ntu.csie.org/~piaip/svm/svm_tutorial.html

          林智仁(cjlin)老師的 libsvm for matlab
          LIBSVM — A Library for Support Vector Machines
          Chih-Chung Chang and Chih-Jen Lin
          http://www.csie.ntu.edu.tw/~cjlin/libsvm/

          posted @ 2008-06-21 01:12 小強摩羯座 閱讀(372) | 評論 (0)編輯 收藏

          SVM學習之四——從機器學習到支持向量機

          上一篇 / 下一篇  2007-09-27 10:41:06 / 個人分類:svm

          器學習(Machine Learning, ML)的目的是根據給定的訓練樣本求對某系統輸入輸出之間依賴關系的估計,使它(這種關系)能夠對未知輸出做出盡可能準確地預測。機器學習至今沒有一個精確的公認的定義。作為人工智能(Artificial Intelligence, AI)的一個重要研究領域,ML的研究工作主要圍繞學習機理、學習方法和面向任務這三個基本方面進行研究。模式識別、函數逼近和概率密度估計是三類基本的ML問題。

           

          從數學的角度來考慮,機器學習問題就是已知n個獨立同分布的觀測樣本,在同一組預測函數中求一個最優的函數對依賴關系進行估計,使期望風險R[f]最小。損失函數是評價預測準確程度的一種度量,它與預測函數f(x)密切相關。而f(x)的期望風險依賴于概率分布和損失函數,前者是客觀存在的,后者是根據具體問題選定的,帶有(主觀的)人為的或偏好色彩。期望風險的大小直觀上可以理解為,當我們用f(x)進行預測時,“平均”的損失程度,或“平均”犯錯誤的程度。

           

          但是,只有樣本卻無法計算期望風險,因此,傳統的學習方法用樣本定義經驗風險Remp[f]作為對期望風險的估計,并設計學習算法使之最小化。即所謂的經驗風險最小化(Empirical Risk Minimization, ERM)歸納原則。經驗風險是用損失函數來計算的。對于模式識別問題的損失函數來說,經驗風險就是訓練樣本錯誤率;對于函數逼近問題的損失函數來說,就是平方訓練誤差;而對于概率密度估計問題的損失函數來說,ERM準則就等價于最大似然法。事實上,用ERM準則代替期望風險最小化并沒有經過充分的理論論證,只是直觀上合理的想當然做法。也就是說,經驗風險最小不一定意味著期望風險最小。其實,只有樣本數目趨近于無窮大時,經驗風險才有可能趨近于期望風險。但是很多問題中樣本數目離無窮大很遠,那么在有限樣本下ERM準則就不一定能使真實風險較小啦。ERM準則不成功的一個例子就是神經網絡的過學習問題(某些情況下,訓練誤差過小反而導致推廣能力下降,或者說是訓練誤差過小導致了預測錯誤率的增加,即真實風險的增加)。

           

          統計學習理論(Statistical Learning Theory, SLT)和支持向量機(Support Vector Machine, SVM)建立了一套較好的有限訓練樣本下機器學習的理論框架和通用方法,既有嚴格的理論基礎,又能較好地解決小樣本、非線性、高維數和局部極小點等實際問題,其核心思想就是學習機器(又叫預測函數,或學習函數,或學習模型)F要與有限的訓練樣本相適應。在學習算法中需要選擇恰當的F,這里的關鍵因素是F的大小,或者F的豐富程度,或者說F的“表達能力”,VC維(Vapnik-Chervonenkis Dimension)就是對這種“表達能力”的一種描述。

           

          VC維的定義如下:對于一個指示函數集,如果存在h個樣本能夠被函數集中的函數按所有可能的2的h次冪種形式分開,則稱函數集能夠把h個樣本都打散,h的最大值就是函數集的VC維。VC維是SLT中的一個重要概念,它是函數集學習性能的重要指標。目前尚沒有通用的關于任意函數集VC維計算的理論,只知道一些特殊的函數集的VC維。比如,在n維空間中線性分類器和線性實函數的VC維是 n+1,而 f(x,a) = sin(ax) 的VC維則為無窮大。對于給定的學習函數集,如何(用理論或實驗的方法)計算其VC維是當前統計學習理論中有待研究的一個問題。

           

          由上文可知,在有限樣本情況下,僅僅用ERM來近似期望風險是行不通的。統計學習理論給出了期望風險 R[f] 與經驗風險 Remp[f] 之間關系:R[f] <= ( Remp[f] + e )。其中 e = g(h/n) 為置信區間,e 是VC維 h 的增函數,也是樣本數n的減函數。右端稱為結構風險,它是期望風險 R[f] 的一個上界。經驗風險的最小依賴較大的 F (樣本數較多的函數集)中某個 f 的選擇,但是 F 較大,則VC維較大,就導致置信區間 e 變大,所以要想使期望風險 R[f] 最小,必須選擇合適的 h 和 n 來使不等式右邊的結構風險最小,這就是結構風險最小化(Structural Risk Minimization, SRM)歸納原則。實現SRM的思路之一就是設計函數集的某種結構使每個子集中都能取得最小的經驗風險(如使訓練誤差為0),然后只需選擇適當的子集使置信范圍最小,則這個子集中使經驗風險最小的函數就是最優函數。SVM方法實際上就是這種思想的具體實現。

           

          SVM是一種基于統計的學習方法,它是對SRM的近似。概括地說,SVM就是首先通過用內積函數定義的非線性變換將輸入空間變換到一個高維空間,然后再在這個空間中求(廣義)最優分類面的分類方法。

          posted @ 2008-06-21 01:01 小強摩羯座 閱讀(584) | 評論 (0)編輯 收藏

          2008-06-17 21:22

                忙于項目,看了一些理論書籍,總感覺霧里看花,為了能有點動力,我準備寫一些總結。
          1 機器學習問題表示
          變量y與輸入x之間存在一定的關系,即存在二維聯合概率密度F(x,y)
          機器學習根據m個獨立,同分布觀測樣本求出一個最優函數y=f(x,a),使預測的期望風險最小
          R(a)= |Q(y,f(x,a))dF(x,y),其中Q(y,f(x,a))是f(x,a)與y之間的損失函數

          2 經驗風險最小化
          由于并不知道F(x,y),所以無法利用期望風險來求f(x,a),但根據大數定理的思想,可以用算術平均代替數學期望     Remp(a)= 1/m(Q(yi,f(xi,a))+......),使樣本均值最小求出f(x,a)中參數a

          3 最小均值方法
          求經驗風險最小可以看做是最佳擬合問題,E = (yi-f(xi,a))**2+ ..........
          在調整權值時需要這樣一個算法:在有了新的訓練樣本時可以在原來的基礎上進一步精化權值。對于每一個訓練樣例,它把權值向減少誤差的方向略為調整。這個算法可以看做對可能的假設權值空間進行隨機的梯度下降搜索。權值w更新方式為:w<--w+l(yi - f(xi,a))xi

          4函數集的vc維
          函數集Q(z,a)vc維等于能夠用該函數集以所有可能的2**k種方式分成不同兩類的向量z1,z2....最大數目。越復雜的函數vc維越高。
          期望風險R(a )== 經驗風險Remp(a)+sqr(h/m),可見vc維增加會導致期望風險增加。

          5結構風險最小化
          min(經驗風險Remp(a)+sqr(h/m))

          6支持向量機
          svm的基本思想是通過事先選擇的線性或非線性的映射將輸入向量映射到高維特征空間中,在這個空間中利用了最優化理論和泛化性理論,同時引入了超平面的概念(減少vc維),來構造最優決策函數,并巧妙地利用核函數來代替高維特征空間的點積運算,從而避免了復雜的計算。

          7貝葉斯決策
          設要識別的對象有d中特征測量值x1,x2.....xd,每種特征都是一個隨機變量。
          gi(x)為對應i類的風險函數,利用先驗概率,相應的分類規則為:
          如果gi(x)>gj(x),i,j = 1,2,...c, j!= i,則x屬于第i類,決策面方程為 gi(x)= gj(x)

          8分類與聚類
          分類:樣本已知所屬類別,求出分類函數,對新的樣本進行識別
          聚類:樣本無類別,根據其分布距離進行分類

          9線性分類器
          定義一個準則函數J(w,x),w是分類器參數,它的最小值對應著最優解。得到梯度法迭代公式:
          w(k+1)= w(k)-p(△J)
          因為判別函數g(x)滿足:
          g(x)>0 x∈w
          g(x)<0 x!∈w

          準則函數有最小平方誤差,最小錯分類等。

          10聚類
          相似性測度:歐式距離,馬氏距離,明氏距離,夾角余弦
          散布準則:類內散布,類間散布,總散布
          求解過程是聚類中心點迭代

          11特征抽取和選擇
          選擇:選取要使用的特征
          抽取:利用選擇出來的特征進行降維變換
          抽取方法有線性變換,主成分分析的最佳矩陣變換,

          posted @ 2008-06-21 00:55 小強摩羯座 閱讀(317) | 評論 (0)編輯 收藏

          感覺數學似乎總是不夠的。這些日子為了解決research中的一些問題,又在圖書館捧起了數學的教科書。

          從 大學到現在,課堂上學的和自學的數學其實不算少了,可是在研究的過程中總是發現需要補充新的數學知識。Learning和Vision都是很多種數學的交 匯場。看著不同的理論體系的交匯,對于一個researcher來說,往往是非常exciting的enjoyable的事情。不過,這也代表著要充分了 解這個領域并且取得有意義的進展是很艱苦的。

          記得在兩年前的一次blog里面,提到過和learning有關的數學。今天看來,我對于數學在這個領域的作用有了新的思考。

          對于Learning的研究,

          Linear Algebra (線性代數) 和 Statistics (統計學) 是最重要和不可缺少的。這代表了Machine Learning中最主流的兩大類方法的基礎。一種是以研究函數和變換為重點的代數方法,比如Dimension reduction,feature extraction,Kernel等,一種是以研究統計模型和樣本分布為重點的統計方法,比如Graphical model, Information theoretical models等。它們側重雖有不同,但是常常是共同使用的,對于代數方法,往往需要統計上的解釋,對于統計模型,其具體計算則需要代數的幫助。

          以代數和統計為出發點,繼續往深處走,我們會發現需要更多的數學。

          Calculus (微積分),只是數學分析體系的基礎。其基礎性作用不言而喻。Learning研究的大部分問題是在連續的度量空間進行的,無論代數還是統計,在研究優化 問題的時候,對一個映射的微分或者梯度的分析總是不可避免。而在統計學中,Marginalization和積分更是密不可分——不過,以解析形式把積分 導出來的情況則不多見。

          Partial Differential Equation (偏微分方程),這主要用于描述動態過程,或者仿動態過程。這個學科在Vision中用得比Learning多,主要用于描述連續場的運動或者擴散過程。 比如Level set, Optical flow都是這方面的典型例子。

          Functional Analysis (泛函分析), 通俗地,可以理解為微積分從有限維空間到無限維空間的拓展——當然了,它實際上遠不止于此。在這個地方,函數以及其所作用的對象之間存在的對偶關系扮演了 非常重要的角色。Learning發展至今,也在向無限維延伸——從研究有限維向量的問題到以無限維的函數為研究對象。Kernel Learning 和 Gaussian Process 是其中典型的例子——其中的核心概念都是Kernel。很多做Learning的人把Kernel簡單理解為Kernel trick的運用,這就把kernel的意義嚴重弱化了。在泛函里面,Kernel (Inner Product) 是建立整個博大的代數體系的根本,從metric, transform到spectrum都根源于此。

          Measure Theory (測度理論),這是和實分析關系非常密切的學科。但是測度理論并不限于此。從某種意義上說,Real Analysis可以從Lebesgue Measure(勒貝格測度)推演,不過其實還有很多別的測度體系——概率本身就是一種測度。測度理論對于Learning的意義是根本的,現代統計學整 個就是建立在測度理論的基礎之上——雖然初級的概率論教科書一般不這樣引入。在看一些統計方面的文章的時候,你可能會發現,它們會把統計的公式改用測度來 表達,這樣做有兩個好處:所有的推導和結論不用分別給連續分布和離散分布各自寫一遍了,這兩種東西都可以用同一的測度形式表達:連續分布的積分基于 Lebesgue測度,離散分布的求和基于計數測度,而且還能推廣到那種既不連續又不離散的分布中去(這種東西不是數學家的游戲,而是已經在實用的東西, 在Dirchlet Process或者Pitman-Yor Process里面會經常看到)。而且,即使是連續積分,如果不是在歐氏空間進行,而是在更一般的拓撲空間(比如微分流形或者變換群),那么傳統的黎曼積 分(就是大學一年級在微積分課學的那種)就不work了,你可能需要它們的一些推廣,比如Haar Measure或者Lebesgue-Stieltjes積分。

          Topology(拓撲學),這是學術中很基礎的學科。它一般不直接提 供方法,但是它的很多概念和定理是其它數學分支的基石。看很多別的數學的時候,你會經常接觸這樣一些概念:Open set / Closed set,set basis,Hausdauf, continuous function,metric space, Cauchy sequence, neighborhood, compactness, connectivity。很多這些也許在大學一年級就學習過一些,當時是基于極限的概念獲得的。如果,看過拓撲學之后,對這些概念的認識會有根本性的拓 展。比如,連續函數,當時是由epison法定義的,就是無論取多小的正數epsilon,都存在xxx,使得xxx。這是需要一種metric去度量距 離的,在general topology里面,對于連續函數的定義連坐標和距離都不需要——如果一個映射使得開集的原像是開集,它就是連續的——至于開集是基于集合論定義的,不 是通常的開區間的意思。這只是最簡單的例子。當然,我們研究learning也許不需要深究這些數學概念背后的公理體系,但是,打破原來定義的概念的局限 在很多問題上是必須的——尤其是當你研究的東西它不是在歐氏空間里面的時候——正交矩陣,變換群,流形,概率分布的空間,都屬于此。

          Differential Manifold (微分流形), 通俗地說它研究的是平滑的曲面。一個直接的印象是它是不是可以用來fitting一個surface什么的——當然這算是一種應用,但是這是非常初步的。 本質上說,微分流形研究的是平滑的拓撲結構。一個空間構成微分流形的基本要素是局部平滑:從拓撲學來理解,就是它的任意局部都同胚于歐氏空間,從解析的角 度來看,就是相容的局部坐標系統。當然,在全局上,它不要求和歐氏空間同胚。它除了可以用于刻畫集合上的平滑曲面外,更重要的意義在于,它可以用于研究很 多重要的集合。一個n-維線性空間的全部k-維子空間(k < n)就構成了一個微分流形——著名的Grassman Manifold。所有的標準正交陣也構成一個流形。一個變換群作用于一個空間形成的軌跡(Orbit) 也是通常會形成流形。在流形上,各種的分析方法,比如映射,微分,積分都被移植過來了。前一兩年在Learning里面火了好長時間的Manifold Learning其實只是研究了這個分支的其中一個概念的應用: embedding。其實,它還有很多可以發掘的空間。

          Lie Group Theory (李群論),一般意義的群論在Learning中被運用的不是很多,群論在Learning中用得較多的是它的一個重要方向Lie group。定義在平滑流行上的群,并且其群運算是平滑的話,那么這就叫李群。因為Learning和編碼不同,更多關注的是連續空間,因為Lie group在各種群中對于Learning特別重要。各種子空間,線性變換,非奇異矩陣都基于通常意義的矩陣乘法構成李群。在李群中的映射,變換,度量, 劃分等等都對于Learning中代數方法的研究有重要指導意義。

          Graph Theory(圖論),圖,由于它在表述各種關系的強大能力以及優雅的理論,高效的算法,越來越受到Learning領域的歡迎。經典圖論,在 Learning中的一個最重要應用就是graphical models了,它被成功運用于分析統計網絡的結構和規劃統計推斷的流程。Graphical model所取得的成功,圖論可謂功不可沒。在Vision里面,maxflow (graphcut)算法在圖像分割,Stereo還有各種能量優化中也廣受應用。另外一個重要的圖論分支就是Algebraic graph theory (代數圖論),主要運用于圖的譜分析,著名的應用包括Normalized Cut和Spectral Clustering。近年來在semi-supervised learning中受到特別關注。

          posted @ 2008-06-21 00:53 小強摩羯座 閱讀(471) | 評論 (0)編輯 收藏

          生活中的概率

           

          概率論滲透到現代生活的方方面面。正如19世紀法國著名數學家拉普拉斯所說:“對于生活中的大部分,最重要的問題實際上只是概率問題。你可以說幾乎我們所掌握的所有知識都是不確定的,只有一小部分我們能確定地了解。甚至數學科學本身,歸納法、類推法和發現真理的首要手段都是建立在概率論的基礎之上。因此,整個人類知識系統是與這一理論相聯系的……”

          嬰兒出生時的男女比例 

           一般人或許認為:生男生女的可能性是相等的,因而推測出男嬰和女嬰的出生數的比應當是1:1,可事實并非如此.

            公元1814年,法國數學家拉普拉斯(Laplace 1794-1827)在他的新作《概率的哲學探討》一書中,記載了一下有趣的統計.他根據倫敦,彼得堡,柏林和全法國的統計資料,得出了幾乎完全一致的男嬰和女嬰出生數的比值是22:21,即在全體出生嬰兒中,男嬰占51.2%,女嬰占48.8%.可奇怪的是,當他統計1745-1784整整四十年間巴黎男嬰出生率時,卻得到了另一個比是25:24,男嬰占51.02%,與前者相差0.14%.對于這千分之一點四的微小差異,拉普拉斯感到困惑不解,他深信自然規律,他覺得這千分之一點四的后面,一定有深刻的因素.于是,他深入進行調查研究,終于發現:當時巴黎人“重女輕男”,有拋棄男嬰的陋俗,以至于歪曲了出生率的真相,經過修正,巴黎的男女嬰的出生比率依然是22:21.

          一名優秀數學家=10個師 

               在第二次世界大戰中,美國曾經宣布:一名優秀數學家的作用超過10個師的兵力.這句話有一個非同尋常的來歷.

               1943年以前,在大西洋上英美運輸船隊常常受到德國潛艇的襲擊,當時,英美兩國限于實力,無力增派更多的護航艦,一時間,德軍的“潛艇戰”搞得盟軍焦頭爛額.

              為此,有位美國海軍將領專門去請教了幾位數學家,數學家們運用概率論分析后分析,艦隊與敵潛艇相遇是一個隨機事件,從數學角度來看這一問題,它具有一定的規律性.一定數量的船(為100艘)編隊規模越小,編次就越多(為每次20艘,就要有5個編次),編次越多,與敵人相遇的概率就越大.

              美國海軍接受了數學家的建議,命令艦隊在指定海域集合,再集體通過危險海域,然后各自駛向預定港口.結果奇跡出現了:盟軍艦隊遭襲被擊沉的概率由原來的25%降為1%,大大減少了損失,保證了物資的及時供應.

          什么是概率天氣預報 

              概率天氣預報是用概率值表示預報量出現可能性的大小,它所提供的不是某種天氣現象的\"有\"或\"無\",某種氣象要素值的\"大\"或\"小\",而是天氣現象出現的可能性有多大。如對降水的預報,傳統的天氣預報一般預報有雨或無雨,而概率預報則給出可能出現降水的百分數,百分數越大,出現降水的可能性越大。一般來講,概率值小于或等于30%,可認為基本不會降水;概率值在30%-60%,降水可能發生,但可能性較小;概率在60%-70%,降水可能性很大;概率值大于70%,有降水發生。概率天氣預報既反映了天氣變化確定性的一面,又反映了天氣變化的不確定性和不確定程度。在許多情況下,這種預報形式更能適應經濟活動和軍事活動中決策的需要。

          生命中的危險概率 

              生活就是一場冒險。日常生活中出現一些危險是難免的,問題是遭遇某種危險的概率有多大。一般說來,如果遭遇某種危險的概率低于十萬分之一,我們還能坦然視之;但如果危險概率提高到萬分之一,我們就得小心了。每年都可能遇到的危險機會有:

             受傷:危險概率是1/3

             難產(行將生育的婦女):危險概率是1/6

             車禍:危險概率是1/12

             心臟病突然發作(如果您已超過35歲):危險概率是1/77

             在家中受傷:危險概率是1/80

             受到致命武器的攻擊:危險概率是1/260

             死于心臟病:危險慨率是1/340

             家中成員死于突發事件:危險概率是1/700

             死于突發事件:危險概率是1/2900

             死于車禍:危險概率是1/5000

             染上愛滋病:危險概率是1/5700

             被謀殺:危險概率是1/1110

             死于懷孕或生產(女性):危險概率是1/4000

             自殺:危險概率分別是1/20000(女性)和1/5000

             因墜落摔死:危險率是1/20000

             死于工傷:危險概率是1/26000

             走路時被汽車撞死:危險概率是1/40000

             死于火災:危險概率是1/50000

             溺水而死:危險概率是1/50000

             如果您自己不吸煙,而您的配偶吸煙,那么您可能受二手煙污染而死于肺癌:   危險概率是1/60000

             被刺傷致死:危險概率是1/60000

             死于手術并發證:危險概率是1/80000

             因中毒而死(不包括自殺):危險概率是1/86000

             騎自行車時死于車禍:危險概率是1/130000

             吃東西時噎死:危險概率是1/160000

             被空中墜落的物體砸死:危險概率是1/290000

             觸電而死:危險概率是1/350000

             死于浴缸中:危險概率是1/1000000

             墜落床下而死:危險概率是1/2000000

             被龍卷風刮走摔死:危險極率是l/2000000

             被凍死:危險概率是1/3000000

             一生中可能道遇到的危險有:

             死于心臟病:危險概率是1/3

             死于癌癥:危險概率是1/5

             遭到強奸(女性):危險概率是1/11

             死于中風:危險概率是1/14

             死于車禍:危險概率是1/45

             自殺:危險概率是1/39

             死于愛滋病:危險概率是1/97

             死于飛機失事:危險概率是1/4000

             死于狂犬病:危險概率是1/700000

          艾滋病的傳染概率有多大 

              艾滋病傳染概率有多大?據地壇醫院性傳播疾病防治中心徐克沂主任介紹,艾滋病是通過3種傳播途徑傳染給他人的,即:血液傳播、性傳播、母嬰傳播。如果一個正常人輸進了HIV(艾滋病病毒)陽性感染者或艾滋病病人的血液其感染的概率是95%,而一個HIV陽性感染者或已經發病的病人與一個正常人發生性關系的感染概率和性別有一定關系,男傳給女的概率是0.2%,女傳給男的概率是0.l%,男傳男的概率要比以上兩種方式大得多。如果母親是一個HIV陽性或艾滋病的病人,其感染給胎兒的概率是25%,但是如果母親經過AZT的抗病毒治療,其胎兒的感染概率下降到8%;經過聯合療法(雞尾酒療法)治療胎兒的感染概率可能下降為2% 

              艾滋病病毒是一種十分脆弱的病毒,它對熱和干燥十分敏感。在干燥的環境中,艾滋病毒10分鐘死亡,在60攝氏度的環境中30分鐘滅活。如果一支剛接觸病人身體帶有血液的注射器,馬上刺入正常人體內,其感染的概率小于0.3%。蚊蟲叮咬不會傳染艾滋病就是因為這個原因。 

              在醫學史上人類經歷了霍亂、鼠疫、黃熱病和天花等多種流行病的侵害,而人類最終還是戰勝了它們。如今面對艾滋病,有關遏制艾滋的醫學研究也正在緊鑼密鼓開展,例如用傳統醫學方法研制的艾滋疫苗;用中醫藥技術研發的艾滋抗體及從計劃生育角度轉而提倡運用的“避孕套”,這些都讓我們看到人類克服艾滋病的曙光。

          彩票中獎概率話你知

          “36選7”“26選5”概率 

              據有關專家介紹,廣東省目前發行的體彩“36選7”、南粵風采“36選7”、南粵風采“26選5”均屬于數字組合型玩法,其中獎概率的計算方式也是相同的,其中“36選7”玩法的頭獎命中概率為1/8347680,“26選5”玩法的頭獎命中概率為1/65780;目前體彩“36選7”二次開獎的中獎概率仍為1/8347680,南粵風采“36選7”全省特別獎(中8個號碼)的中獎概率為1/32060340,南粵風采“36選7”南粵福星獎(中9個號碼)的中獎概率為1/94143280,南粵風采“26選5”幸運獎(中7個號碼)的中獎概率為1/657800。

          excel函數可計算中獎概率 

               針對類似“36選7”的數字組合型玩法,數學專家還向記者推薦了一種利用excel表格軟件函數計算的簡單方法,打開電腦中的excel軟件,在“粘貼函數”欄內選擇“數學與三角函數”中的“combin”函數,填入相關數據就可以計算出相應的中獎概率,如“36選7”的概率計算公式為:combin (36,7),南粵風采“36選7”全省特別獎和南粵福星獎的計算公式分別為:com-bin(36,8)、combin (36,9),彩民朋友可以根據公式自行計算“×選×”型彩票玩法的頭獎中獎概率。

          幸運七星及足彩中獎概率 

              體彩“幸運七星”則屬于數字型玩法,即從0000000~9999999共1000萬個號碼中任選一個七位數號碼組成,每個號碼均從0~9共10個數字中開出,“幸運七星”頭獎的理論中獎概率為1/10000000。 

              目前最受彩民歡迎的足彩實際上也是一種數字組合型玩法,不過計算方法相對比較簡單,13場比賽均選“3、1、0”可組合出3的13次方1594323注單式號碼,一等獎的中獎概率為1/1594323,換句話說,每銷售320萬元的足彩,平均就可能誕生一個一等獎。而如果將足彩競猜的場次增加到14場,足彩的頭獎中獎概率則降低為1/4782969,難度增加了3倍。

          吸煙危及生命概率:50%戒煙等于自救 

              1987年11月,世界衛生組織(WHO)在日本東京舉行的第6屆吸煙與健康國際會議上,建議把1988年4月7日,也就是世界衛生組織成立40周年紀念日,作為“世界無煙日”,提出“要吸煙還是要健康”的口號。1989年,世界衛生組織又把這一天改定在每年的5月31日。 

              今年5月31日,我們將迎來第17個世界無煙日,但目前我國吸煙現狀卻不容樂觀:煙民人數不斷增加,達3.2億人,煙民平均年齡在降低,女煙民及青少年吸煙的數量在不斷增加。 

              我國煙草生產和消費還居八個“世界第一”:烤煙種植面積世界第一;烤煙產量世界第一:烤煙增長速度世界第一;卷煙產銷量世界第一;卷煙增長速度世界第一;吸煙人數世界第一;吸煙人數增加數量世界第一;煙稅增長速度世界第一。 

              吸煙有害健康,這句話人人會講,但是,你可知道,吸煙危及生命的概率究竟達到了何種程度嗎? 

              探究吸煙與戒煙

             一,吸煙為什么會上癮?

             煙民往往都有煙癮,這主要是尼古丁長期作用的結果。尼古丁就像其他麻醉劑一樣,剛開始吸食時并不適應,會引起胸悶、惡心、頭暈等不適,但如果吸煙時間久了,血液中的尼古丁達到一定濃度,反復刺激大腦并使各器官產生對尼古丁的依賴性,此時煙癮就纏身了。若停止吸煙,會暫時出現煩躁、失眠、厭食等所謂的“戒斷癥狀”,加上很多吸煙者對煙草產生一種心理上的依賴,認為吸煙可以提神、解悶、消除疲勞等,所以煙癮越來越大,欲罷不能。

             其實煙草與吸食海洛因引起的成癮性不同,前者是完全可以戒掉的,關鍵要戒除心理上對煙草的依賴。這種心理依賴導致吸煙者的一種行為依賴,使得吸煙者感到戒煙困難甚大,無形中增加了戒煙的難度。

             二,二手煙危害他人健康?

             一個人吸煙似乎“無關他人”,其實不然,其家人正受到被動吸煙的危害。根據世界衛生組織的定義,被動吸煙是指不吸煙者一周中有一天以上每天吸入吸煙者呼出的煙霧長于十五分鐘。中國71%的家庭、32.5%的公共場所和25%的工作場所,因有人“吞云吐霧”而成為被動吸煙場所。

             被動吸煙也即是吸“二手煙”,目前我國有六億人受到被動吸煙的危害。被動吸煙者所吸入的有害物質濃度并不比吸煙者低,吸煙者吐出的冷煙霧中,煙焦油含量比吸煙者吸入的熱煙霧中的多1倍,苯并芘多2倍,一氧化碳多4倍,如此多的有害物質對周圍的人特別是兒童、孕婦和老年人造成很大的危害:

             據估計,美國每年有四百萬兒童因吸入“二手煙”而患病。父母吸煙使兒童下呼吸道疾病如哮喘、肺炎的發生率增加50%,兒童易出現各種慢性呼吸道刺激癥狀,如咳嗽、咳痰、喘息等,甚至出現持續的肺功能損害;

             被動吸煙易引起中耳積液,使兒童中耳炎的發生率增加;

             被動吸煙可以使哮喘患兒的哮喘發作次數與嚴重程度明顯增加,對有過敏體質的患兒更易誘發哮喘發作;

             被動吸煙與嬰兒突然猝死綜合征(SIDS)的發生密切相關;

             父母吸煙使兒童更易成為吸煙者;孕婦吸入“二手煙”易引起流產、早產、出生低體重兒以及嬰兒先天性畸形如唇裂、顎裂等;

             老年人長期吸入“二手煙”易引起肺炎、急性心腦血管疾病的發生……

             三,戒煙為何戒不了?

             有研究表明,吸煙者中有11.7%的人是復吸者,而且復吸者的肺部損傷程度較一直吸煙者為重,原因有多方面:復吸者較其他吸煙者更易成癮,復吸后其吸入香煙的數量更多,且每口煙的吸入程度更深,對身體的影響不言而喻。對于每一個吸煙者來說,在一些特定的“危險”情形下(當周圍人吸煙、感到壓力大、心情煩躁、飲酒后)會更有吸煙的沖動,那么請盡量避免這些情況的發生,當有吸煙沖動時做幾次緩慢的深呼吸或從事其他活動轉移注意力是個好方法。

             四,戒煙后生活會變化嗎?

             如果您選擇戒煙,您將選擇告別咳嗽氣喘、煙灰異味、污濁空氣、皮膚衰老、疾病困擾……讓我們看看您戒煙后生活發生了哪些變化:8小時后血液的氧合作用恢復正常,患心肌梗塞的風險開始降低;24小時后口氣清新,肺開始排泄粘液和焦油,患呼吸道感染、支氣管炎和肺炎的風險開始降低;48小時后血液中不再檢測出尼古丁;1周后味覺、嗅覺得以改善;3—9月后呼吸得以改善(咳嗽、氣喘減少),肺功能提高5%—10%;1年后患心臟病(如心肌梗塞)的風險減半;5年后患腦中風、口腔癌、食道癌、膀胱癌的風險減半;10年后患肺癌的風險減半,患腦血管突發事件(腦“中風”)的風險與未吸煙者持平……所以選擇了戒煙,你就選擇了一個健康清新的生活。

             “吸煙危及生命的概率是50%,戒煙等于自救”。這是法國國家戒煙委員會和煙草預防辦公室在巴黎舉行的第30屆法國醫學沙龍上對所有吸煙者發出的警示和呼吁。 

             復旦大學附屬中山醫院呼吸內科瞿介明宋琳

          消息來源:上海疾控中心

          10%的酗酒概率 

               我們經常見到,當全家人圍坐在節日餐桌旁的時候,父母讓年幼的孩子喝上一點酒,這是否對孩子有害?專家們的看法是:90%的情況下不會有任何危害。但是,仍有10%的孩子,因為基因的特殊性而導致日后酗酒。誰來給這10%的孩子上保險,不致使他們進入這10%的行列?美國總統夫人弗爾德描述了自己酗酒的情況。她回憶說,當她感冒的時候,她媽媽將一勺威斯忌倒進了她的茶里。這足以使她成年后成了酗酒者。

          中數字出現的穩定性(法格遜猜想) 

               在的數值式中,各個數碼出現的概率應當均為.隨著計算機的發展,人們對的前一百萬位小數中各數碼出現的頻率進行了統計,得到的結果與法格遜猜想非常吻合.

          我們是不是該相信小概率事件?

          文/葛民勤

          一、什么是小概率事件?

           小概率事件,字面意義就是發生的可能性極小的事件。比如,北京地區出現日全食;山西洪洞發生里氏5級地震,新疆吐魯番地區下了一場暴雨,小行星撞地球等等。以上這些是發生在自然界的小概率事件,發生在人類社會的小概率事件諸如上證指數突破2000點,某特定國家通過允許同性戀的法律,某兩個國家統一等等。至于發生在日常生活中的小概率事件,也是不勝枚舉,如某個特定的人中了彩票頭獎,某日某地有人跳樓自殺,等等。

           小概率事件是要和不可能事件,也即無概率事件區別開的。所謂不可能事件,就是指完全不可能發生、概率為零的事件。不可能事件可以分為三類。第一類,如某人某時刻既在甲地又在乙地,世界上既有能刺穿一切盾的矛又有能抵擋一切矛的盾等等,屬于自相矛盾的事件,違反了邏輯,也就絕對不可能發生。這類不可能事件顯然沒有研究意義。

           第二類,如日本沒有進行南京大屠殺、諸葛亮的隱居地在河南南陽而不是湖北襄陽等等,是對于歷史上確鑿發生過的事件的否定,也即對必然事件的否定,其概率自然為零。但是這種不可能事件在統計學上也沒有研究意義,因為統計學更多地是關注在一定條件下可以重現的事件以及一般性的事件,而不是永遠無法重現的個別事件。

           不可能事件的第三類,如永動機、常溫常壓下純冰在零攝氏度以下自發融化、地球接收到三秒鐘前太陽發射的光線等等,違反了最基本的自然規律,也是對必然事件的否定,因而發生的概率也為零。永動機違反了熱力學定律;常溫常壓下純冰在零攝氏度以下融化違反了冰的相圖,實質也是違反了熱力學第二定律;地球接收到三秒鐘前太陽發射的光線則違反了相對論“真空光速不變”的原理。不過,某些這一類的不可能事件的判定不是很簡單的,后文還要提及。

          二、基本的概率計算方法

           小概率事件彼此也可以相差很大的。例如,同樣是發生里氏5級以上地震,在日本和在山西洪洞的概率就明顯不同。日本幾乎每年都會發生至少一次里氏5級以上地震,而山西洪洞發生里氏5級以上地震的概率大約是200年~300年一遇(同一地震序列中的幾次5級以上地震按一次計算)。又如同樣是干旱地區,吐魯番和南美洲智利阿塔卡馬沙漠的暴雨概率也大為不同。1958年8月14日,吐魯番突降36.0毫米的暴雨,引發山洪泛濫;這種暴雨在有記錄以來的阿塔卡馬沙漠地區還從未出現——相反,阿塔卡馬沙漠曾創造了1845-1936年間整整91年沒有降水的紀錄。

           要對小概率事件發生的可能性有正確的認識,就必須估計出小概率事件的概率。概率計算的最基本方法,是先估計出與該事件互不相容(即永遠不可能同時發生)的所有事件的數目,則該事件包括的所有情況的數目與所有這些互不相容事件的數目之比,就是該事件的概率。最直觀的例子是擲骰子。骰子共有六面,擲一次骰子得到某一點值就有六種可能,而且是互不相容的。因此,全部互不相容事件的數目是6。假如我們要算擲一次得到1點的概率,這個事件只有一種可能,所以其概率為1/6。假如我們要算擲一次得到點數為3的倍數的概率,因為這個事件包含兩種情況(3點和6點),所以其概率為2/6=1/3.

           這種基本方法有兩個局限:第一,它所計算的事件如果要發生,只能發生一次;第二,它所計算的事件是瞬間決定的,而不是一個連續的過程。但是這兩個局限并不難突破。對于多次發生的事件,可以應用獨立事件的積的辦法計算某一事件的概率。所謂獨立事件,是指兩件或兩件以上事件彼此之間互不干擾,一件事發生與否對另一件事的概率沒有影響。如兩次彩票的頭獎號碼,因為抽獎過程是完全獨立的,因此第二次彩票的頭獎號碼有可能和第一次相同,而不會有意避開。顯然,在考慮幾次事件聯合發生的概率時,總的互不相容事件的數目是每一獨立事件的互不相容事件數目的乘積。如擲兩個骰子,第一個骰子有6種可能,第二個骰子也有6種可能,總可能性就是6×6=36種。因此,總概率也就是每一獨立事件發生的概率之積。例如擲兩個骰子出現兩個6點,每個骰子出現6點的概率是1/6,總概率就是(1/6)×(1/6)=1/36。

           如果事件發生的次數再多,應用簡單的四則計算就會感到計算量龐大而難以算出結果。而對于連續性發生的事件,也不能用硬性分割的辦法把它簡化為瞬間發生的多次獨立事件。幸而高等數學已經解決了這個問題。極限概念的引進為解決復雜的概率計算提供了理論基礎,微積分就是極限概念的應用。應用微積分來計算概率,也就成為統計學的基礎。

          三、小概率事件的估計方法

           不同的小概率事件,有不同的各具特色的概率估計方法,概率值的表達形式也不相同,但都體現了上述基本的計算方法。例如,對地震、旱災、洪水之類自然災害的概率,我們常常用“××年一遇”這種表達形式。仍以洪洞地區地震為例。自有史料記載以來,1303年9月25日在城關鎮-趙城鎮(當時為洪洞縣和趙城縣)發生了大地震,據史籍文獻里的烈度推算,震級為里氏8級;1695年5月18日,在洪洞南部的臨汾發生八級大地震,強烈波及洪洞地區。如果再算上一些震級較小的破壞性地震,洪洞地區5級以上破壞性地震的概率大約是兩三百年一遇。

           需要說明的是,這種通過史籍的記載來進行自然災害的統計和概率估計的方法是中國特色的,因為只有中國保留下來了如此眾多而完備的各種史籍。對于缺乏史籍的國家和地區,對自然災害的統計和概率估計,只能通過自然調查的方法。

           又如對外星人來訪的概率估計。首先是分析事件發生的原因。外星人來訪有兩個前提條件,一是生命能夠存在,二是生命能夠進化到智慧生命并且發展到宇航時代。影響這兩個前提條件的必備因素是很多的,首先必須要求恒星是穩定的主序星,溫度不能過熱,而且是單一存在,不是雙星或多星系統;其次,行星大小適中,有足夠的水和大氣,與恒星的距離適中,軌道偏心率不能太大;再次,有足夠的時間供生命演變,也即宇宙環境要穩定,在行星系統30光年內的所有恒星都必須保證在這一時間段內不發生災變。如果對每一個原因都利用現有的天文觀測資料進行慎重的估計,文明世界在銀河系內發生的可能性只有不到10^(-6),換句話說,銀河系的四千億顆恒星里,可能存在宇航時代文明世界的恒星不到四十萬個,即文明世界的平均半徑達70光年。這一計算方法首先由SETI工程的先驅者、美國天文學家弗蘭克·德雷克(Frank Drake)提出,德雷克因此建立了一個計算概率的公式,稱為德雷克公式。德雷克公式清晰地告訴我們,即使按最保守的估計,外星人來訪的可能性也不會比你猜中一個隨機生成的六位數更大。

           同樣,對于社會和日常生活中的小概率事件的統計和概率估計,也有自己獨特的方法。但總不外乎原因分析、建模和調查這幾種基本方法。統計學發展到今天,已經是一門嚴謹精密的科學,在自然科學和社會科學的研究中得到了越來越多的應用。例如統計熱力學,就是統計學方法和物理學的完美結合。社會科學的研究更離不開統計學,因為社會發展的規律本身就是以統計性為其特征的。因此,掌握統計學的基本原理,已是對從事各種研究的學者的最起碼要求。

           

           

           

          四、有意義和無意義的小概率事件

           以上對小概率事件及其概率估算方法做了簡單的分析。分析結果是需要應用于實踐的。對小概率事件估算出來的概率值,可以科學地決定我們的決策。這時我們就需要判定,哪些小概率事件是有意義的,哪些小概率事件是無意義的。因此,判斷小概率事件是否有意義,就是判斷它對于我們的實踐是否有影響。這體現了對小概率事件的意義判斷的“實用性”。

           首先,概率本身的大小是一個重要的判定依據。如果一個小概率事件的概率太小,比如,低于10^(-5)量級,那么在絕大多數情況下,它對于實踐的影響可以忽略,也就因此是沒有意義的。比如月亮從天上掉下來,嚴格地說,這也是小概率事件,因為既然地球對月亮有吸引力,它從天上掉下來是理論成立的。那么這種事件發生的概率是多少呢?同樣先要找原因。月球掉下來的最可能原因不外乎三種:一,有小行星撞過來,改變了它的運行軌道;二,外星人所為;三,地球人自己所為。前兩種的概率都不到10^(-7),而第三種,在最近幾十年內,概率趨近于零。三種原因合起來考慮,這一事件發生的概率至多是2×10^(-7),盡管不是零,但卻足以被認定是無意義的。因此,不會有任何一個國家準備足夠的核彈頭,以備萬一月球下墜時發射、以改變其運行軌跡、使之飛離地球或回到原軌道之用。

           其次,實踐的精度也是一個重要的判定依據。如果做一件事不需要太多的考慮,也就是說,不需要太高的精度,那么凡是低于這個精度的不確定性都可以不在考慮之列,也就因此是無意義的。比如計算月球軌道,如果只是為了定農歷的初一,那么至多考慮地球引力、太陽引力、歲差等三四項就可以了;如果要精確計算的話,大行星的攝動之類也必須考慮進去。二十世紀初,英國天文學家E.W.布朗(E.W. Brown)在精密的觀測和天體力學理論的基礎上,建立了新的月球運動理論,并以畢生精力投入到月球軌道計算中去。他所考慮的影響月球軌道的因素,就有幾百項之多。這對于尖端的天文學應用(例如后來的人造衛星發射和控制)當然是十分有意義的,但對于編制農歷,考慮這么多的因素就無意義了。

           再次,考慮小概率事件的發生時,需要注意到它的發生頻率不均性。小概率事件的發生概率只能是在一定范圍內平均而言,但分布可以是不均的。例如我們常常說我國是多地震國家,但地震在時間和空間上都分布不均。比如,我們不能要求地震很少的江西省盲目加大抗震基礎設施建設,那樣是對資金的浪費,自然是無意義的。國家頒布的中國地震烈度區劃圖就是根據不同地區不同的地震發生頻率制訂的,有效地避免了抗震措施的盲目采取和資金的浪費。又如,1976年7月28日唐山地震后,圍繞如何重建唐山展開了爭論。如果按唐山地震的最大烈度XI度設防,則需要的建設資金過高,新唐山難以重建。因此,在地震學者的詳細勘察之后,認定五十至一百年內,唐山地區不會再發生5.0級以上地震。于是把唐山地區的烈度區劃定為VIII度區。這時候,1976年的唐山地震最大烈度高達XI度這一小概率事件對于今年五十至一百年這個時間區段內的城市抗震建設就是無意義的了。

           劃分小概率事件的有意義和無意義,可以使我們科學地對各種可能影響實踐的因素進行取舍,從而使我們的決策具有最大的合理性。這也是運籌學的基本思想。

          五、小概率事件和不可能事件的分辨

           小概率事件以其概率小,有時是容易和不可能事件混淆的。如何區分小概率事件和不可能事件,不是一件簡單的事情。首先,確實得承認某些情況下的區別是一個歷史范疇,也就是說,隨著科學技術的進步,某些被判定是不可能的事件可能成為小概率事件,而某些被判定是小概率的事件可能成為不可能事件。但是,這種分辨標準的變化只是個別標準的變化,而不是全部標準的變化。科學技術的發展是對宇宙客觀規律的不斷深入認識,是一個趨近絕對真實的過程,這就好比巖石在海中沉積,不斷會有新的巖層生成,而老的巖層并未消失,而是成為新巖層的基礎和支撐。承認個別判定標準的變化,決不是為了推而廣之,認為整個科學體系的判定標準都有問題。

           比如,惰性氣體在發現之后的半個多世紀內,一直認為絕對不能與其他元素化合。但1962年,加拿大化學家巴特列(N. Bartlett)率先合成了第一種惰性氣體的化合物——六氟絡鉑酸氙,開創了惰性氣體化學這一嶄新的無機化學分支,也使人們不得不把惰性氣體改稱為“稀有氣體”,以圖名正言順。但是,在常溫常壓的大部分情況下稀有氣體是無法和其他物質反應的,氦、氖、氬三種稀有氣體至今沒有拿到化合物,說明稀有氣體的化學反應只是小概率事件。這是不可能事件轉變為小概率事件之一例。 又如,1898年,英國物理學家凱爾文(W.T. Kelvin)曾憂心忡忡地認為,隨著工業文明的不斷發展和人類數目的不斷增多,地球上的氧氣在500年之內就會耗光,人類就會滅亡。事實上,早在1772年,英國化學家普利斯特里(J. Priestley)就發現了光合作用,以后的科學家陸續發現,光合作用消耗二氧化碳,制造氧氣,恰恰和呼吸作用相反。生態學的發展使人們確立了碳循環、氧循環的概念,知道在尊重自然規律的前提下,人類的活動不會造成地球上的碳循環和氧循環失衡,生態環境會一直保持下去,因而,凱爾文的擔心只是杞人憂天。這又是小概率事件轉變為不可能事件的例子了。

           但是需要指出的是,這種小概率事件和不可能事件的區別,僅僅是哲學層面上的意義。在實踐層面上,一旦認定某小概率事件是“無意義”的,那么它和不可能事件也就沒有任何區別。這就像是用計算器計算,如果你不停地用2除1,在一直不斷地按等號之后,最后肯定會得到一個零。盡管從理論上講,“一尺之棰,日取其半,萬世不竭”,但計算器把若干次操作之后的結果,和真正的零等同起來,也就說明小概率事件和不可能事件的哲學層次區別,不能簡單地套用在實踐中。

          六、小概率事件的另一個層面性

           前面講到了小概率事件有意義和無意義的一個層面性,即哲學層面和實踐層面的區別。小概率事件的另一個層面性,是個體層面和一般層面的區別。事實上這也只不過是事物的種種矛盾中的一般矛盾和特殊矛盾的區別,但因為在我們討論中的重要性,姑且把它提升到“層面”的高度來討論。

           我們舉一個通俗的例子。日本漫畫《機器貓》中曾經有一個故事,野比看到電視上保護朱鹮的新聞報道,忽然意識到自己也是世界上獨一無二的一個,于是要機器貓“保護”自己以逃避繁雜的功課享受童年的快樂,結果適得其反。這里面就存在個別和一般層面的區別。野比作為人類,只是一個個體,而人類則是一個一般層面上的概念。個體的野比的“滅絕”和一般的人類的滅絕,顯然是不同的。

           同理,小概率事件作為偶然性的一種體現,只能起到補充和完善必然性的作用。如果承認歷史唯物主義是正確的,人類社會的發展是客觀的,那么社會規律必然是客觀的,而作用在整體社會上的小概率事件,如果是起源于社會內部,而不是外部世界強加的不可抗力,就不會扭轉人類社會本身發展的大勢。但是在個體層面,這種小概率事件卻可以扭轉個人以至局部社會的命運。

           不錯,有時候社會領域里的小概率事件確實給人一種“身不由己”的感覺。但是這種“身不由己”感只在個人層面上有意義,從整個社會的發展來看,它只不過是滾滾洪流中的一瞬間的浪花。在承認歷史唯物主義的前提下,過分渲染這種“身不由己”感,如果不是文學式的感喟,就是歷史相對主義對人的意識的夸大;而抹煞這種“身不由己”感,又落入了機械歷史唯物主義的窠臼。

           所以,能夠辯證地看待小概率事件,也是我們認識自然世界和人類社會,并更好地應用統計學和運籌學來解決問題的一個前提。

          七、我們是不是該相信小概率事件? 經過上述的分析,下面我們來回答本文題目中的這個問題。

           所謂“相信”某事,最簡單的解釋是認為某事是真的,不懷疑。如果我們不去考慮現代心理學對相信這一意識行為發起的原因的探析,而僅分析它的表現形式的話,那么“相信”至少有兩個層次:其一,僅僅停留在哲學層面上的相信,而不用它指導實踐;其二,既是哲學層面上的相信,也是實踐層面上的相信,即用這一所相信的理念來指導實踐。

           顯然,第一種相信對于指導實踐是沒有意義的,它所滿足的,僅是一種內心的需求,一種純思辯的愉悅。第二種相信則不僅僅達到這一點,而且將所相信的事物,用作自己行動的指南,并將這種指導實踐的作用,作為發揮“相信”的能動性的重點。

           對于自然科學研究來說,因為實踐是其重點,一切自然科學研究的理論都要符合實踐,所以從科學實踐的角度來講,第二種相信才是真正的相信,第一種相信對此而言只能是“偽相信”。比如,有一些科學家信教,但是在科學研究里面,他們并不把那些獨屬于宗教的教義拿來實施,宗教只是他們科學實踐以外的感性生活里的重要成分。因此,對于他們作科學研究這件事來說,宗教的信仰只能是一種偽相信。不過需要特別強調一點,本文中所有“偽相信”中的“偽”,對應英文的pseudo-,只是一個中性的前綴,不具貶義,因此不能說,偽相信就是不合理的。

           同理,上文已經論述,無意義的小概率事件對于實踐不具指導作用。相信這種小概率事件只能起到對意識本身的能動作用,而對于實踐,只能是一種偽相信。

           反過來,在人文藝術領域,因為不涉及以物質為客體的實踐,上述偽相信和真相信的區別,也就沒有必要。盡管在科學實踐的立場上,人文藝術領域的相信都是“偽相信”,但這樣講顯然是對人文藝術不公平的——因為人文藝術并不要求能指導實踐。因此我們另換一種說法,稱其為“人文式相信”更合適一些。可以說,人文藝術所孜孜追求的也就是人文式相信。但是把這種人文式相信上升到科學實踐角度的真相信的層次,也即人文藝術越俎代庖地指導科學實踐,就是一種錯誤的作法了。

          八、違反上述作法導致的錯誤作法舉例

           在本文的末尾,我們舉兩個今年發生的有名事件,以闡明違反上述作法會導致怎樣的錯誤。

           “非典”期間,著名科幻作家王晉康先生寫了一組文章,闡述自己的“平衡醫學觀”,并認為“非典”的爆發正是現代醫學違反“平衡醫學觀”而引發的咎由自取現象。王文見網之后,立刻引發了留美生物學博士方舟子及清華大學教授趙南元、網人桔梗等人的抨擊。方舟子以自己掌握的專業知識,論證了王晉康“平衡醫學觀”的荒謬之處;趙南元則重點批評了王晉康越俎代庖的行為。客觀地說,王晉康的“平衡醫學觀”經過他自己的補充和發揮,是一套很有趣味的思想體系。最初,王晉康只是把這種思想體系應用到科幻小說創作中來,只局限在人文藝術的框架里,自然收到了很好的效果。因為那些不以科普為目的的科幻小說的本質是純文學或通俗文學,科普以外的審美為第一要求,不用來指導實踐,所以王晉康在小說中寫這樣的觀點無可厚非,反而使他的小說因具備思想性而錦上添花。但現在王晉康把他的觀點應用到實踐層面上,意欲指導科學,從科學實踐的角度來說,不管王是不是意識到這一點,都是犯了以偽相信為真相信的錯誤。

           又如中國科技大學校長朱清時在接受別人訪談時,稱自己相信西藏喇嘛可以用內功融化披在身上的冰毯上的冰。這種相信對科學實踐來說也只是一種偽相信。因為他所相信的事物,在沒有外界不可抗力的作用下,足以被證明是一個不可能事件;即使在有外界不可抗力(如外星人之類)的作用下,也只能是一個小概率事件。如果真是外星人所致,前面已經分析,外星人和地球人打交道的概率不超過10^(-6),而外星人幫助喇嘛融化冰毯,概率只可能更低。這種小概率事件對于指導科學實踐已經沒有意義。但是朱院士在訪談中侈談科學和哲學,并且以確鑿的語氣認為,喇嘛的拙火“就是科學”,這種認識顯然也犯了以偽相信為真相信的錯誤,是偽相信性質的人文式相信在越俎代庖指導科學,所以是應當受批判的言論。公開發表這種言論,更是與朱清時的院士和科技大學校長身份不相匹配的。

           我想那些贊同王晉康或朱清時的人們,也應該慎重地考慮自己對這個

          問題的認識是不是太簡單。

          生命起源進化的高概率事件:統計(生物)化學

          摘要:生命的起源和自然進化有他自己的生命動力學--非線性動力學,他是有較高概率或較高條件概率的易發生事件,是信息進化,統計生物化學的結果,它有別于傳統進化論的低概事件. 

               從生物和非生物事件發生概率的角度看,傳統的生物起源和進化觀點都認為,生命的出現或創生是與無生命的物理事件雷同的等概率或低概率事件[1],P→0,或P=0,即生命的起源或進化是自然界中無數可能發生的事件(或組合)中極少或根本不可能發生的極低概率事件(或組合),P≈0?但從物理、化學(無機化學、有機化學)生物化學、生物等系統的發生、發展、演化的過程(進程)看,其各系統中特有事件發生的概率是逐漸增高的,并且有極高的專一性、特異性.從最初的經典物理--熱力學、分子物理學的等概(均勻、均衡、一種幾率、能量均分原理)事件,到量子物理的量子化(間斷,分立)的概率分布----高低概率事件的混合;從統計物理學的"全同粒子的不可分辨性原理",到化學、生化、生物系統中實際存在的"非全同粒子的可分辨性(原理)"----"統計化學、統計生物化學、統計生物學",與非線性動力學--混沌學、分形學的間斷、不連續、不等概率事件才是生物從無序、無生命的"東西(死物)"進化為有序、有生命的生物,及豐富的自然生物種群的機制!它是達爾文進化論的拓展,也是"信息進化"的新途徑和軌跡. 

              化學、生化、生物系統及統計(生物)化學是大大有別于物理系統或統計物理的,常有特殊高概率事件(化學反應,化學變化,Pch—×→0,即Pch≠0,Pch→a)發生的非物理、非等概事件的系統.(平庸的)物理變化、物理性反應中的質點或粒子常是(假設)無差別的.各粒子間的相互作用也是等同、無優先次序、無選擇性的等概、同級、遍歷或各態歷經、"無智能"的均勻系統:無特殊事件--各事件都是均等的無差異共性事件(非線性有序物理過程除外).而化學、生化、生物界確到處充滿了特殊事件(有差異事件)--個性事件"化學反應".生化、生物系統中的"質點、粒子"是有差別、不等同、有優先次序、有選擇、有識別、非等概、多級、多層次、間斷、跳躍、"有智能"、"不均勻"的系統或事件元、組的集合.

              1.物理事件的概率說 

              物理系統中,系統處于第i種狀態的概率(幾率)Pi和物理量M取值Mi的幾率是一致的.如果N是測量M的總次數--微觀狀態總數或粒子總數,ni是測量中發現M取Mi的次數或第i種狀態下的微觀狀態數或粒子數,則

              Pi = lim (ni/N)

                  N→∞ 

             對于狀態是連續變化的系統,量M從M到M+dM范圍中的值的概率是 

              dP(M)=ρ(M)dM                                                    

          式中ρ(M)是概率密度或概率分布函數。有平均概率Pi和平均狀態或平均粒子數ni,及信息(狀態)守恒或不滅律. 

              在經典統計物理中遵從"能量均分原理",Pi基本與平均概率Pi一致,即Pi=Pi.對量子統計有"準經典的近似"方法,相空間中粒子數的分布函數,及最可幾分布問題(函數,概率).多用平均粒子數ni表示.

               2.化學事件的概率:"統計化學"的起源 

              對于可逆的化學反應系統: 

             A+B←→C+D

          兩兩"粒子"間的碰撞(反應)總數共有N=42=16種.其中,粒子A與A、B與B、C與C、D與D、A與C、B與D間的碰撞(反應)與物理系統類似,不發生化學反應,算無差別、無差異的同一或等同狀態,即每一對碰撞的物理狀態數Nph=1=NAA=NBB=NAC=...,產生物理碰撞的概率Pph=Nph/N=1/16=0.0625,及Pp=12/16=3/4=0.75,但是,它們發生化學反應的概率是Ppc=Npc/N=0/16=0;而A與B、C與D不同于物理碰撞,可發生化學反應,并且比A-A、B-B、C-C、D-D等間的作用更優先、更強烈,且具有選擇性、高親合力和針對性(特異性).其A+B或C+D的化學碰撞--反應的狀態數各為2=NAB=NCD,合并的化學狀態數Nch=4,故此系統發生化學反應(碰撞)的概率為 

               Pch=Nch/N=4/16=1/4=0.25, PAB=PCD=2/16=1/8=0.125

          顯然,化學反應的機會較不發生化學反應的機會(物理碰撞-無化學-特殊反應或有差異的變化)大許多,Pch>Pph、PAB=2Pph、Pch>>Ppc=0.顯示了化學(信息)是比物理學的進化程度更高的系統(機會、概率增加);化學合成、分解反應是較物理過程為高的概率事件---有偏概率,或有較高的條件概率。 

               3.生物化學事件的概率:"統計生物化學"

              在生物化學系統中,生化反應可有:

              ∑Ai=∑Bj,        (i=1,2,...,m;j=1,2,...,n.m=n或m≠n)

          若生化、化學反應與物理狀態的總微觀狀態數是N=Nph+Nbio(信息守恒律[2]),生化、化學反應的微觀狀態數Nbio=∑NAi+∑NBj;顯然,物理碰撞發生化學或生化反應或向生命(人工機器人除外)進化的概率為Pphch=0,則發生化學、生化反應狀態的概率

              Pbio=Nbio/N=∑Pbioi=∑Nbioi/N

              Pbioi=Nbioi/N,  Pbio+Pph=1

          Pbio>>Pphch=0,生化反應過程的概率高于普通物理過程的概率,就象DNA中互補的堿基對腺嘌呤A-胸腺嘧啶T、鳥嘌呤G-胞嘧啶C優先(高概率、概率權重高)結合拷貝復制,堿基對又與相對應的蛋白質-氨基酸優先(高概率、非等概)結合組裝蛋白;及其它的生化反應和生化循環等.生物、生化反應的"較高概率事件"或條件概率--信息進化(Pch、Pbio↑;Pbio≠0、Pbio-/→0)、信息統計,才是生命起源和生物進化的關鍵機制和動因.

               4.生物、生命事件的概率--分形分維 

             生物化學是生命,生物學存在的基礎.生化反應的歷程、軌跡、路程,不是遍歷無縫隙、連續的,就象公路、河流、血管(高概率的通道路徑,與不完全充滿或占有二維平面的部分面積的低概率的通道周邊田野的混合。“……走的人多了,就形成了路”);也有她自己最可幾的起源、進化,生成、生長的固定路線、程序或概率分布(規律),和她自己固定的自然演化的軌跡、路線和方式,如非線性動力學(方程):DNA的復制:N=2N(N=1,2,3,...m),細胞分裂;生物的繁衍,生物種群分類(分類樹,類別:種、屬,、門、綱),人口,種群的消長:Xn+1=μXn(1-Xn)--非線性、混沌、分叉、分形、分維等.其(化學、生化、生命起源、進化機制的)非線性動力學的概率分布函數或統計分布函數有

              P(Xi)=F(xi)

              對離散隨機生命變量

              P(X1  

              對連續隨機的生物(生化,信息)變量

                          X1

              P(X1<ξ 

                          X2

          ρ(x)是分布密度.總∑P(xi)=1,∑ni=N,信息(狀態)守恒不滅定律[2].生命起源進化的非線性動力學軌跡,其填充度是非全滿的--不會填滿全部的可能性空間,機會(概率Pi)不均等,有高概率事件(有利進化事件)和低概率事件之分.她的分形維數:信息(概率)維數等常有非整數,分數維數,及非等概特征Pi≠Pj.他們趨向演化進化(有序,軌跡線上)的概率高于非演化(無序,平衡態,線外--田野)的概率.生物起源與進化正是在這較高概率(線)條件下的非線性"信息進化"才有可能"自然"形成有序生命,并"戰勝,克服"無序熵增傾向,建立了有序,豐富的生物種群和多彩世界. 

              生命起源和進化遵從它自己的內在規律性或生命的動力學(非線性),就象物理,化學等自然現象一樣有同源性,即"非線性動力學--混沌,分形論"的機制.其生命起源進化的非線性非一維的決定論確定性動力學公式中蘊含著(不均衡)隨機性--不確定性,而復雜"不確定""隨機性"的生命活動中又潛含著決定論的確定性:奇怪吸引子(吸引點,線,面,體),"無形的手";排斥子.生命有它自己的非線性(非一維,非二維,非三維性)的發展進化路徑,軌跡.在這軌跡(線)上的事件發生或保留的概率就高,線外的事件發生或存活的概率就低. 

              無生命的物理,化學世界中廣泛存在著類似生命進化的有序分形的形態發生,有規律的分形生長、隨機行走、全息自相似的復制、凝聚、結晶等.無生命、無智能的煤灰、粉塵也能有"規則"漂亮的分形凝聚,即有一個凝聚中心(種子、元胞、分形元、分形子)點的"粒子-粒子凝聚(PPA,PARTICLE-PARTICLE AGGREGATION)模型",又叫"擴散-限制凝聚(DLA)模型";和多中心點(起點、起源)的"集團-集團凝聚模型(CCA,CLUSTER-CLUSTER AGGREGATION)",又稱"動力學集團凝聚模型(KCA)".生命的起源和進化也與上述無生命單組份塵粒的有序單層次的物理凝聚類似,但他們是復雜性更高,組份和層次更多的化學-物理混合,復合型的"點(粒子)-集凝聚(PCA)和分形生長(模型)".從無生命的塵埃粒子可以粘附聚集("吸納吃飯")、解聚(排泄)、"復制、代謝"成有序(無生命)形態的功能結構和分界--壁、膜的前身;無生命的"生命分子"--點也能PPA1凝聚合成-分解,復制,代謝生成有序有功用的分形"生命前組元(組合,集合)";許多"生命前組元"--集團又非線性的CCA1聚合-分解、復制、代謝長成"生命初體",進而PCA1或CCA2成"生命基本單位(細胞)"和壁或膜(生命分界),直到生命細胞再多層次的PCAn或CCAn生長自造出更高的有序全息的"生命單元",如人.無生命的質點的簡單的初始功能單元,如結合-分解,和細胞中功能分化的各種細胞器,如吸收-消化、信息、產能等單元,與人的更高度分工的組織、器官、系統,有著從小到大,從低級到高級的自相似、準全息的對應--分形關系:高概率的對應關系.生命的發生、發展,起源、進化走著一條"上帝(自然原動力的非線性動力學的法則.看不見的妖)"制定的較高概率的發生.發展、生長變化的優化、優勢的優選途徑--生命起源進化的新假說:(高概率的非一維--非線性的生命動力學起源進化模型)

          posted @ 2008-06-12 21:00 小強摩羯座 閱讀(355) | 評論 (0)編輯 收藏

          出乎意料的人生三問

          上課鐘響了,班主任來了,但他并沒有帶書。站在臺上半天沒有出聲,同學們一邊笑一邊詫異地望著他。

           老師掃視著同學:“這節課我們來討論三個問題。”他問道:“世界上第一高峰是哪座山?”大家哄堂大笑地回答:“珠穆朗瑪峰!”老師接著追問:“第二高峰呢?”這下同學們面面相覷,無人應聲,老師轉過身,在黑板上寫下一句話:屈居第二與默默無聞毫無區別。

           老師頓了頓,說:“好了,下面我們來看第二問題。有個人燒壺開水,可是等他生好火才發現柴火可能不夠,他該怎么辦?”同學們議論紛紛,但意見都趨同于趕快去找柴火,或說去借,或說去買。可老師都不置可否,他說:“為什么不把茶壺里的水倒掉一些呢?”同學們一聽,一片佩服聲。

           接下來,老師又說出了第三個問題:“我國古代有一個人,想學好一門立身的本領。他曾經反復的比較,決心去學屠龍之技。于是,他拜名師,日夜苦練,終于有所成。大家說他會怎么樣呢?”同學們興致勃勃,說他肯定能成為英雄、明星,受世人崇拜。有的還旁征博引。老師越聽越搖頭,他說:“這個人一定會窮苦潦倒一生,因為世上根本就沒有龍。”

           經過老師一節課的循循善誘,大家終于明白,原來這節課老師要告訴我們的是做人、做事、做學問的道理。那就是做人要力求出色,勇爭第一,這樣別人才能發現你、記住你;做事要敢于創新,方法靈活,千萬不可墨守成規;做學問要學以致用,能將知識轉化效益,閉門造車是沒有出路的。

           的確,這節課,讓我們所有的人受益終生。

          posted @ 2008-06-12 20:43 小強摩羯座 閱讀(217) | 評論 (0)編輯 收藏

          大學上概率論課,我就很納悶:這1%的概率和99%的概率有區別嗎?

          打一個比方:有四張彩票供三個人抽取,其中只有一張彩票有獎。第一個人去抽,他的中獎概率是25%,結果沒抽到。第二個人看了,心里有些踏實了,他中獎的概率是33%,可結果他也沒抽到。第三個人心里此時樂開了花,一來其他的人都失敗了,覺得自己很幸運。二來自己中獎的機率高達50%。可結果他同樣沒中獎。由此看來,概率的大小只是在效果上有所不同,很大的概率給人的安慰感更為強烈。但在實質上卻沒有區別,每個人中獎的概率都是50%,即中獎與不中獎。

          同樣的道理,對于個人而言,在生活中要成功做好一件事的概率是沒有大小之分的,只有成功或失敗之分。但這概率的大小卻很能影響人做事的心態。


          人們常說:“希望越大,失望越大”,此話并不無道理。希望越大,成功的概率就越大,由此而麻痹了人的心態——以為如此大的概率也是自己能夠成功的籌碼,這樣在思想和行為上就會有所懈怠。自以為十拿九穩的事,到頭來卻把事情弄砸了。這并不奇怪,因為所謂的“概率大”已逐漸由“希望”轉移到“失望”上面了。一說到把這件事做好的概率微乎其微,做事的人難免心灰意冷,因為覺得機會渺茫。因此而喪失了克服困難的意志,覺得事情做不好那是理所當然。

          如果說概率有大小之分,那應該不是針對個體而言,而是從一個群體出發,因為不同的人有不同的信念,有不同的做事方法。把地球給撬起來,這在大多數人眼里是絕對不可能的。但在牛人亞里士多德眼里,他覺得成功做這事的概率那是100%——絕對沒問題,只要你給他一個支點和足夠長的杠桿。就像前面提到的抽獎一樣,25%、33%和50%這些概率只不過是外界針對這個群體給出的。25%的機率同樣能中獎,50%的機率也會不中獎,對于抽獎者個人而言,沒有概率大小之分,只有中與不中之分。別人說做這件事相當容易,切莫掉以輕心,也許你做這件事會相當困難。大家都說做這件事相當困難,切莫心灰意冷,也許你做這件事能如魚得水。成功與否,不在概率大小,而在于自己能否清楚地認識自己:容易的事自己是否具有做這件事必備的素質,困難的事自己是否有克服這個困難的潛質。

          總之,在自己沒做一件事之前,不要在外界評價的“容易”和“困難”之間對號入座。要對自己有個清楚的認識,不要膨脹了“自信”,更不要埋沒了自己的“潛質”。不要被“絕對有希望”所蒙蔽,也不要被“希望渺茫”所打垮。記住:生活中的概率有且僅有一個數值,那就是50%。

          posted @ 2008-06-12 20:27 小強摩羯座 閱讀(393) | 評論 (0)編輯 收藏

          僅列出標題
          共20頁: First 上一頁 9 10 11 12 13 14 15 16 17 下一頁 Last 
          主站蜘蛛池模板: 南溪县| 泾阳县| 河曲县| 宝应县| 班玛县| 白河县| 淮阳县| 辰溪县| 准格尔旗| 阳谷县| 铁力市| 阿拉善盟| 阳城县| 文化| 邵阳市| 祥云县| 梓潼县| 苍南县| 广昌县| 平定县| 祥云县| 长海县| 攀枝花市| 金坛市| 余庆县| 大石桥市| 庆阳市| 慈溪市| 红原县| 涿鹿县| 保康县| 台东市| 全州县| 车险| 通州市| 和林格尔县| 通海县| 城口县| 政和县| 当涂县| 佳木斯市|