ophelia

连在食堂里吃饭，都有人认出你从背后叫你的时候，你才发现学校里的人多了那么多。不再是孤岛了。岁月湖前如同上课期间，停满了单车。龙眼花也不再掉落了，这种季节才意欲结果，我居然从来没有感到讶异。朋友陆续回来，许久不见的也打来电话。Welcome to the real world.自己的世界尽头，可以找个高维空间躲起来了。

看<How to read a book>，正常的热血青年都会涌起一股读完后面137本推荐读物的欲望吧。OK我的大二目标之一。话说回来，要抵制过量阅读的陷阱，看了这么多，是要有产出的。否则阅读无质量，浪费了太多时间，却得不到太多改变。所谓信息量，正是靠你理解它以后，你view of  the world,of the reality改变了多少来衡量的。

<Making up the mind>以后，我总试图用自己的知觉来厘清brain和mind的关系。Brain做的很多事情，Mind都不能留意到。Mind是Brain的关于choice/decision/emotion等等的那部分么？因为意图用自己的知觉去直接感受，正如一个以自身为子集的集合一样，会产生很多混乱的。

作者说，作为Bayesian Observer，我们是心中先存在着一个Model，再由观察和model的来回互动，model始与object吻合，此时我们便可以recognize这个object。接着他含糊地描述到，这些model来自我们出生后几个星期里的直接经验。没有证据啊！I can’t believe it!但是毋庸置疑，Bayesian是制造robot的一种简便方法。

果然是相关的领域相关的比喻。<How the mind works>里就从制造具有AI（人工智能）机器人的困难谈起，表现人脑的不可思议。robot制造者取巧，用的是低级的Bayesian方法，只能解决简单的forward questions——寻找一个与model相符的目标，认出他。人脑却可以解决完全相反的问题——reverse questions——看到某物，然后tell what it is.暂且还不能被Inverse question的难度震撼。可能因为我是用脑思考的吧。= =

总结robot工作的原理，虽然简单，但也佩服想出它的人。要知道，这不就是柏拉图的理型世界和现实世界的理论嘛！！！恰巧今天在<how to read a book>里看见一句话，怀特写的：一切西方哲学都不过是柏拉图的脚注罢了。

这里有个视觉的例子。室内的snow反射出的光线可能比室外的coal少，人脑依然认出室内的snow是snow而不是coal。一台好的相机，除了人为的过曝之类，只能忠诚地记录光线。那么同样，Bayesian robot has problems with identifying whether it is snow or coal.据书上说是人脑有计算平均光线、对比亮度的能力。并说到，人脑的这种可以自动调整，是基于一个假设，假设创造出一个程序。假设就是，阳光是自上而下均匀地撒在大地上的。作者进一步说到，这种根植于人脑的假设是进化的结果。

不太明白此中的物理道理。但是我对进化论越来越没有爱了。一切为了生存，生存又为了什么呢？是谁造我们出来然后植入一条程序让我们struggle for life?如果这样，和阿西莫夫的机器人第三定律有什么区别。OH..好吧我承认，我的质问是基于我们是被造出来的假设上的，那么刚好与进化论背道而驰。（看书时一同值班的同事在看the thirteenth floor…今天发生的所有事情都是巧合透了。）就像那本畅销书，《自私的基因》。基因并不是人类借以延续的手段，相反，人类是基因延续的载体！鸡生蛋，蛋生鸡，把鸡作为蛋赖以延续的方式没有任何逻辑错误。

恶毒的想法啊真是。你如果会穿墙术，不是你比墙壁软，而是你比墙壁更固体。就像你穿过一阵雾，是因为你是固体，雾仅仅是汽体（不是气体）而已啊。

回归现实。我想出去跑步，可是暴风雨快来了。