garbled article from AI

預測 20年後，人工智慧可以寫 幾乎大部分的暢銷書， 但是以今天人工智慧的水準來寫文章，實際上只是用 pattern recognition 的方式 來寫文章。 這一期的經濟學人雜誌，有一個很有趣的報導。 假如大量餵經濟學人的科技文章給人工智慧學習， 人工智慧到底能自己寫出什麼文章? 看到這一期雜誌的毫無修飾的 人工智慧自己寫的科技文章， 真是啼笑皆非，文法全對，但內容亂七八糟， 不知所云。
https://www.economist.com/news/science-and-technology/21732805-weve-got-few-years-left-least-how-soon-will-computers-replace-economists

Taiwan's nauseating air pollution emanates from China?

American Jubilee - The Judgement Day

現在貧富不均的情形已經比一九三零年代要嚴重，每次貧富不均太嚴重的時候，已經無法用 經濟方式來解決，只好用政治方式來解決： 窮人大翻身，所有債務一筆勾銷。 歷史上已經發生多次( 美國就發生三次)， 但也造成了立即的金融大危機， 因為所有的儲蓄在一夕之間可能掉一半以上， 來支付窮人無法償還的債務。 這個預測雖然危言聳聽但卻出自於 2006年 正確預測 在2007年發生的 金融大危機的 Porter Stansberry.

https://orders.cloudsna.com/chain?cid=MKT342135&eid=MKT343314&step=start&hpmv=2&mp_distinct_id=15fe0c0730e902-0fbe84f63a7cc4-3a3e5e06-140000-15fe0c0730f879#AST74018

who is to blame the Taiwan air pollution

12/10/2017 早上7點和 12/11/2017 早上7點由中國大陸吹來的風向完全不一樣 (from https://ready.arl.noaa.gov/hypub-bin/trajsrc.pl)   , 不知道來自中國的空污怎麼算的?    

http://www.sciencedirect.com/science/article/pii/S016041201630294X

Personalized learning

最近和方大哥討論到 個人化的學習，方大哥希望我把我自己對個人化學習的心得寫出來。 我大學學的是機械，在 MIT 的碩士跟博士學位是材料工程，minor 是控制工程, 工作經驗絕大部分是積體電路設計。 我的自主學習從大學才開始有一點領會，真正的自主學習，主要還是來美國以後，才有比較深切的感覺。

自主學習，平常主要還是來自於強烈的學習企圖心，我從機械轉材料，是因為當年在機械系時，材料科學是唯一的幾乎被當掉的科目。 從材料轉積體電路設計是因為，沒有綠卡的身份，材料專長很難找事情，但積體電路設計專長就比較容易。 當然這種跨領域的自主學習，需要長時間，而且要有強烈的意志力。 我運氣不錯，當兵的時候在家裡附近的 206 兵工廠，所以有至少1年半的時間，可以廣泛地閱讀有關材料的書。 材料轉積體電路設計比較辛苦，因為除了照顧繁重的材料系課業外，還要抽時間到電機系旁聽， 以及閱讀有關電路設計的書。 但是當年強烈的企圖心， 還是克服了這些自主學習的困難。

自主學習, 我一直認為有兩個途徑， 一個為考試，一個為領悟。 兩個自主學習的方法，不完全一樣。 為考試的自主學習，必須非常注重細節，要不然考試的時候，寫不出所以然。 為領悟的自主學習，一定要著重長期觀念的培養，要不然幹嘛浪費時間來自主學習，又不考試。 我在工作上遇到的問題，幾乎都是在長期觀念的框架下，然後再花時間去了解些微的相關細節，這樣才能真正解決問題。 也就是我對自主學習的認知是，不注重細節，考試很難拿高分。 但是不注重長期觀念的培養，很難完全解決工作上實際的問題。 每一個人的時間有限，魚與熊掌不可兼得， 這完全取決於時間的應用以及有多少的學習意志力。

自主學習的觀念培養，可能有點抽象，我舉一個例子。 前幾天跟方大哥提到，我在國二化學的時候，根本不知道莫耳到底是什麼東西，只知道是跟一個很奇怪的數目字 (6.022E23) 有關係, 但這個 ”莫宰羊” 完全不會影響到我考試的分數。考完試後，這個莫耳就在我腦中漸漸的消逝，因為它只是一個無關緊要的數目字而已。 前幾天因緣際會看到 莫耳這個字，決定上網查一下， 了解為什麼這世界上會存在這個 6.022E23 ”無厘頭”的數字時， 重新溫習了原子的基本結構(因為莫耳跟這個有關) 以及更深切了解愛因斯坦方程式，E=mc**2( 莫耳也跟這個有關), 甚至莫耳還可以連結到普朗克常數和波茲曼常數， 扯得更遠一點，甚至還可連結到，現在人工智慧非常普偏的所謂 cross entropy。了解這些對考試成績沒什麼用，但是對長期觀念的培養以及 跨領域的銜接，應該是非常有助益。

我當年在機械系流體力學的一些重要觀念的培養，對我後來自學電機系電磁波 Maxwell 方程式的了解，非常有幫助。 但假如只是注重些微細節，流體力學和電磁波就只是兩個毫無關係的領域。後來在材料系的博士論文，也是藉助著一個看起來似乎完全沒有任何關係的熱傳導觀念， 才能解決我在研究技術上的困難。

自主學習還有一個很重要的一點，當你花 1個小時了解這個科目時 ，還是要花一點時間，把你的觀念寫下來。這絕對會幫助你的了解，而且一邊寫一邊整理你的觀念， 會很有成果。永遠抱著一個想法，假如我一年以後再回來看這個部分時，我只要看我寫的東西，就可以在 1分鐘之內了解這個科目。 當我第二次看到時，平常都會再修正我第一次寫的資料，讓修正後的觀念變得更有直覺性的反應。 第三次看到時，當然就會修正的更完整，因為經驗增加了， 所以有可能 同樣的觀念可以用在不同的領域， 這就會產生一加一大於二的效果。 當然，如何保存而且可搜尋這些經年累月的個人”觀念資料”，那又是另外一項的自學技能了。

還有一點，假如要把自主學習發揮得淋漓盡致的話，英文要加強。 我舉一個例子，上次回台灣的時候，我手機的 SIM card 相容性有問題，所以我到台灣大哥大門市部求助。 兩個技術員操作我的手機15分鐘，甚至上網去查資料，仍然解決不了不能上網的問題。 我不甘心，回家以後上網去查資料，15分鐘之後，我解決問題了，還回去教他們。 這中間唯一的差異是，我用英文查資料，他們用中文查資料，我查的範圍當然會更廣。 自主學習除了時間的妥善運用，學習意志力的加強以外，英文也是另外一個重要因素。

naked in a goldfish bowl

美國現在對有性侵害未成年小孩前科的護照 加以註記，"The bearer was convicted of a sex offense against a minor". 這和中國大陸對嫖客的護照加註 "淫蟲" 有異曲同工的嚇阻作用. 不知道這在台灣會不會違反個資法?  http://www.nj.com/mercer/index.ssf/2017/11/megans_law_sex_offender_notification_cause_rolls_o.html

scot-free corruption

紐澤西州聯邦參議員 Menendez 的貪污案件，被判 "未決審判" (mistrial，因為陪審團不能做出一致的決議)，所以 Menendez 就可以從貪污的案件裡脫身。 2015年維吉尼亞州的州長 McDonnel 被判貪汙有罪，但最後上訴到最高法院被判無罪。 美國現在也漸漸的淪落成，只要為選民服務， 不管接受多少優渥的回饋，就可以理直氣壯地說，我是清白的。 https://www.theatlantic.com/politics/archive/2017/10/menendez-mcdonnell-supreme-court/543354/

Personalized Learning

最近和方大哥討論到 個人化的學習，方大哥希望我把我自己對個人化學習的心得寫出來。 我大學學的是機械，在 MIT 的碩士跟博士學位是材料工程，minor 是控制工程, 工作經驗絕大部分是積體電路設計。 我的自主學習從大學才開始有一點領會，真正的自主學習，主要還是來美國以後，才有比較深切的感覺。

自主學習，平常主要還是來自於強烈的學習企圖心，我從機械轉材料，是因為當年在機械系時，材料科學是唯一的幾乎被當掉的科目。 從材料轉積體電路設計是因為，沒有綠卡的身份，材料專長很難找事情，但積體電路設計專長就比較容易。 當然這種跨領域的自主學習，需要長時間，而且要有強烈的意志力。 我運氣不錯，當兵的時候在家裡附近的 206 兵工廠，所以有至少1年半的時間，可以廣泛地閱讀有關材料的書。 材料轉積體電路設計比較辛苦，因為除了照顧繁重的材料系課業外，還要抽時間到電機系旁聽， 以及閱讀有關電路設計的書。 但是當年強烈的企圖心， 還是克服了這些自主學習的困難。

自主學習, 我一直認為有兩個途徑， 一個為考試，一個為領悟。 兩個自主學習的方法，不完全一樣。 為考試的自主學習，必須非常注重細節，要不然考試的時候，寫不出所以然。 為領悟的自主學習，一定要著重長期觀念的培養，要不然幹嘛浪費時間來自主學習，又不考試。 我在工作上遇到的問題，幾乎都是在長期觀念的框架下，然後再花時間去了解些微的相關細節，這樣才能真正解決問題。 也就是我對自主學習的認知是，不注重細節，考試很難拿高分。 但是不注重長期觀念的培養，很難完全解決工作上實際的問題。 每一個人的時間有限，魚與熊掌不可兼得， 這完全取決於時間的應用以及有多少的學習意志力。

自主學習的觀念培養，可能有點抽象，我舉一個例子。 前幾天跟方大哥提到，我在國二化學的時候，根本不知道莫耳到底是什麼東西，只知道是跟一個很奇怪的數目字 (6.022E23) 有關係, 但這個 ”莫宰羊” 完全不會影響到我考試的分數。考完試後，這個莫耳就在我腦中漸漸的消逝，因為它只是一個無關緊要的數目字而已。 前幾天因緣際會看到 莫耳這個字，決定上網查一下， 了解為什麼這世界上會存在這個 6.022E23 ”無厘頭”的數字時， 重新溫習了原子的基本結構(因為莫耳跟這個有關) 以及更深切了解愛因斯坦方程式，E=mc**2( 莫耳也跟這個有關), 甚至莫耳還可以連結到普朗克常數和波茲曼常數， 扯得更遠一點，甚至還可連結到，現在人工智慧非常普偏的所謂 cross entropy。了解這些對考試成績沒什麼用，但是對長期觀念的培養以及 跨領域的銜接，應該是非常有助益。

我當年在機械系流體力學的一些重要觀念的培養，對我後來自學電機系電磁波 Maxwell 方程式的了解，非常有幫助。 但假如只是注重些微細節，流體力學和電磁波就只是兩個毫無關係的領域。後來在材料系的博士論文，也是藉助著一個看起來似乎完全沒有任何關係的熱傳導觀念， 才能解決我在研究技術上的困難。

自主學習還有一個很重要的一點，當你花 1個小時了解這個科目時 ，還是要花一點時間，把你的觀念寫下來。這絕對會幫助你的了解，而且一邊寫一邊整理你的觀念， 會很有成果。永遠抱著一個想法，假如我一年以後再回來看這個部分時，我只要看我寫的東西，就可以在 1分鐘之內了解這個科目。 當我第二次看到時，平常都會再修正我第一次寫的資料，讓修正後的觀念變得更有直覺性的反應。 第三次看到時，當然就會修正的更完整，因為經驗增加了， 所以有可能 同樣的觀念可以用在不同的領域， 這就會產生一加一大於二的效果。 當然，如何保存而且可搜尋這些經年累月的個人”觀念資料”，那又是另外一項的自學技能了。

還有一點，假如要把自主學習發揮得淋漓盡致的話，英文要加強。 我舉一個例子，上次回台灣的時候，我手機的 SIM card 相容性有問題，所以我到台灣大哥大門市部求助。 兩個技術員操作我的手機15分鐘，甚至上網去查資料，仍然解決不了不能上網的問題。 我不甘心，回家以後上網去查資料，15分鐘之後，我解決問題了，還回去教他們。 這中間唯一的差異是，我用英文查資料，他們用中文查資料，我查的範圍當然會更廣。 自主學習除了時間的妥善運用，學習意志力的加強以外，英文也是另外一個重要因素。

Gates' another shot at education reform

蓋茲基金在34億美金的教育支出，最有名的是他在 common core 的推動. 單是在寫common core 的教材方面，他就花掉了 2億3千萬美金. 當年蓋茲基金會和美國教育部強力推動 common core 六年，最後的結果應該算是不成功。 因為 common core 的考試，大部分的問題不是直接就有答案，而是要思考一下才能得到正確答案。 可以想像的，用common core 來考試，全州學生的平均成績只可能下降，不可能提升。 這讓老師和政治人物的壓力大增。 結果是 學生和老師的考試壓力大增，要不然就是州長宣布將 common core 考試取消，回復以前較傳統的考試。 再加上當時全美彌漫着 "聯邦政府不要來干涉我地方政府的教育政策" 的風氣。 最後common core 是無疾而終。

這一次17億美金的花費，主要是用在公立學校，而且是讓 老師來決定 "怎麼樣才能夠讓學生變得更好"。 這和上次的common core 的策略不一樣，顯示蓋茲基金會在教育改革方面，要從多方面來嘗試最佳的策略。 會不會比 common core 成功，將拭目以待。

教育的最佳改革，有時候很難建立在"理想教育策略"上。If past is prologue, 我們看看在2010年臉書 Zuckerberg 捐給紐澤西州 Newark 學校系統 1億美金(政府和民間的捐獻也配合1億美金)， 這兩億美金5年後，對這一個幾乎是全州教育最糟糕的城市有什麼效果？ 兩億美金中有六千萬美金是用在擴大 charter schools 的系統. 在鑑定考試裡，charter school 的學生有71%達到標準 ，公立學校只有41%達到標準(全州的標準平均標準是66%). 現在 Newark 的學生有30%都在 charter schools, 造成公立學校幾乎破產，因為幾乎全部的家長都拼死命的想讓自己的小孩子進 charter school。 Newark 公立學校, 在2011到2014年之間，數學和語言的成績仍然持續下降。 這應該是 Zuckerberg 在2010年捐款的時候，完全沒有預料到的。

https://www.edweek.org/ew/articles/2017/10/19/gates-foundation-announces-new-17b-for-k-12.html

Ivy's responsibility to mitigate income inequality

位於紐澤西州的普林斯頓大學，觀念中是一個 只有有錢人才能進的全世界排名第一的貴族學校, 入學申請率只有 6%. 但只要家庭收入少於5萬塊美金 (全美平均中等家庭收入是55,000美元), 你的入學希望就由 6%突然增加到22% ( 父母之一是由普林斯頓大學畢業的"高等家庭"，優惠入學條件也不過是13%), 而且幾乎不要付任何學雜費的機率非常高( 越窮機率就越高)。

普林斯頓大學審核學生的入學條件時，只要看到符合政府學費補助的， Essay 或是考試成績, 很明顯沒有請專家幫忙的， 都是列為特別考慮的對象， 不但讓他們的入學機會提高很多，而且還保證他們入學以後，在財務上可以不要擔心。 這固然是普林斯頓大學有220 億美金的資產和捐款可運用，但是全美國像這樣的學生，在全美排名100名之內的大學，也有16%的入學率。像這種 為了盡量消除貧富不均的情形，不惜違反入學公平性的著名美國大學越來越普遍。

https://www.washingtonpost.com/local/education/how-an-ivy-got-less-preppy-princeton-draws-surge-of-students-from-modest-means/2017/10/23/b66955b6-a770-11e7-850e-2bdd1236be5d_story.html?utm_term=.d3c6538c31f8

iPhone X face recognition

一直搞不清楚 iPhone X 臉部辨識是怎麼做到的? 用 "最簡單"的 ToF (Time of Flight, 距離不同，所以光的往返時間不同) 根本不可能，因為就算是同樣距離，光線反射到相機的時間，因為光子在同樣一個 pixel 的落點不同，就可能會有至少50公分的距離差異。

Apple 在2013年收購了一家以色列的公司, Primesense. 這家公司用和 ToF 截然不同的技術。iPhone X 的臉部辨識，用紅外線在你臉上灑下3萬點的 "coded light". 再由這3萬點 "coded light" 反射到相機的數據，和儲存的標準值比較，然後經過非常複雜的數學模式， 算出這些點的距離。 看了 Primesense 在2006年呈給美國專利局的專利，真是嘆為觀止。 這二十幾年來有多少人在夢想，如何用幾萬個 pixels 的 image sensor 來測量物體的距離差別，但都沒有成功。 Primesense 的方法應該算是最成功的。Primesense 在2006年的專利裡，距離的誤差還是有1.5公分，相信十年來這距離誤差應該已經缩到很小， 所以臉部的辨識應該是有可能的。

我相信 iPhone X 臉部辨識的硬體，應該都是台灣做的。Primesense 提供的應該就是最重要，也是最貴的 algorithm。 以色列在數學光學和物理的教育，應該不會比台灣強很多吧，為什麼他們做的就是最重要的東西，而台灣只能做次等的東西?

Opiod crisis

星期天晚上 60分鐘的類鴉片 (opiod) 爆炸性的報導，引起了全國的注意 (甚至川普在記者會，也被迫回答這個他不想回答的問題)。 現在因為 opiod 過量而造成的死亡率，已經遠遠超過 槍枝和車禍的死亡率。 這八年來急速增加的 opiod 死亡率，有很大的原因要"歸功於" 美國國會的推波助瀾， 製藥公司的貪婪，和不加規範的政府旋轉門。

這兩年來製藥公司和藥品經銷商在國會遊說的錢，已經超過一億美金。 遊說的錢越多，死的人就更多。 美國聯邦緝毒署 (DEA)，主張強力規範藥品氾濫的高層官員被迫辭職，而其他缉毒署消極的官員，卻紛紛轉任製藥公司和藥品經銷商的高薪職位，然後再反過來要求國會立法，限制缉毒署的行動。 而兩位立法要求緝毒署不要太積極行動的國會議員之一，竟然被川普提名為打擊毒品的沙皇。 這項荒唐的提名，要是被國會批准的話，那真的是立法要求緝毒署閒閒無代誌的國會議員，也可以當上全國打擊毒品的最高領導人物。

看來因為藥品過量而急速增加的死亡人數沒人在乎，倒是製藥公司和藥品經銷商要能賺足了錢，政府官員可以很輕鬆的轉任民間公司的高薪職位，和國會議員可以有源源不斷的民間公司的資助，才是最重要的。

twisted sentiment in Vietnamese War

最近幾天在看公共電視上的大型越戰紀錄片，其中提到 1970年代越戰的晚期，在 Ohio Kent State 大學，國民兵用67發的子彈射擊抗議越戰的學生，四個學生死亡。 可是當時竟然有 58% 的美國人贊成國民兵的做法。 不同的時空背景，不同的環境影響，fluid public sentiment 真的很詭異。

staggering value of top-notch AI experts

由 Elon Musk 資助創立的 OpenAI 真的會成為現代的 Xerox PARC (據說 Steve Jobs 當年曾經在這裡偷到 GUI 和 mouse 的創新技術)? 頂尖 AI 人才的身價幾乎和 NFL 頂尖四分衛一樣，所以就算是 Elon Musk 的魅力，也不一定能請到 AI 頂尖人才到 OpenAI 工作。(NFL 前10名的四分衛薪水都在兩千萬美金以上)。 最近在 OpenAI 免費提供下載的模擬平台上，嘗試了 Reinforcement Learning 的奇妙. 不告訴 AI 任何東西，讓AI自己能夠在一個移動的平台車上，保持一根棍子不墜。 下一個挑戰是看能不能用 deep Q-Learning 來玩老掉牙的電動遊戲, PacMan. 不過 Q-Learning 的數學非常抽象，有時候兩三個小時， 還無法領悟到這數學模式直覺的觀念。  http://www.bw40.net/8475.html

would-be journalist

兩天前，輸入人工智慧程式 1千7百萬個字的文章，在PC上跑了兩個小時，結果 人工智慧竟然有辦法自己領會出像 zero 這個字是跟 one two three four five six seven ... 是有關係的。 這只是1千7百萬個字(其中 the 就佔了至少1百萬個字)，兩個小時在PC上也不過是反覆訓練了一萬次。 如果是輸入至少幾十億個字，而且是在高速平行運算電腦上 訓練 幾個月，數學最佳化 model 也夠完美的話，那豈不是 獨立學習的 人工智慧的文學修養，可以逼近一個新聞記者的程度。 怪不得現在有些網頁的即時報導，是由人工智慧操刀的

AI learning gratis

最近自學Google人工智慧的 Python API。 讓我很驚訝的是 Google 自從2015年11月釋出人工智慧程式碼 Tensorflow 後，可以說是毫無保留。 Google甚至提供 TensorBoard， 可以將你寫的人工智慧程式轉成 neuron 操作圖(如下圖)。 全部 neuron 的訊息, 全部 neuron 的連結， 和 neuron 如何發射信號， 全都顯現在這張圖上，以便 debug和分析.

雖然像 Xilinx 也把 FPGA 設計軟體釋出, 但是像高階的 C-to-Verilog 的軟體就要付費，而且你用他們的免費設計軟體，必須還要再買他們昂貴的 FPGA硬體才有用。但 Google的 Tensorflow 人工智慧軟體完全免費。 除非你要分析的數據不是幾萬個而是幾百萬個，幾億個，那就可能要花錢去買 PC 的 GPU 卡，要不然運算太慢。 任何人都能夠以 Python 程式搭配 Tensorflow人工智慧的API來分析至少幾萬個數據， 可以在自己家裡的 PC上進行，而且不花一毛錢。

人工智慧軟體的免費享用，使得這兩年來學習人工智慧的人數高速成長， 也讓賣 GPU 晶片的 NVIDIA，一年內股票成長3倍 ( 我剛剛也在ebay買了一個低階的 GPU卡)。 現在的學生，與其擔心以後被人工智慧取代，那還不如現在就學人工智慧，以後來取代別人。 反正學習的資源都是免費， Python 也不難學，而且 Tensorflow 所需要的數學也不過是基本的微積分。當然，還是要花很多時間去學習每一個 Tensorflow API 的內涵.

growing AI market apace

人工智慧的市場在3年後有每年60億美金的價值，8年後有每年 370億美金的價值。 這個龐大的市場意味著有多少的高薪工作會增加，以及多少的工作會被取代。

Family-centered policy trumps points-based policy?

Most of the Americans, definitely including Trump, have the corny misconception that immigrants have low educational levels. In 2011-2015, 50% of the immigrants have college degrees (compared to 27% between 1986-1990). In 26 states of the U.S., average educational level of immigrants is higher than the native citizens. Even with declining power, U.S. is still the catnip for world-wide intellectuals.

http://www.economist.com/news/united-states/21723108-far-being-low-skilled-half-all-legal-migrants-have-college-degrees-immigrants

3D pictures from Sony

Sony CMOS sensor 現在有測距感應器 (ToF)，所以就可能有立體照相的結果。 這個 ToF的技術一直是我职耿於懷的，因為我不知道怎麼設計在這種小小的照像晶片上, 可以有幾十萬，幾百萬個 ToF感測器. 
看了 Sony 的簡略 ToF 照像技術資料後，我才比較釋懷。 Sony 的 ToF 感應器， 兩公尺以外的物體，測距誤差 1公分, 4公尺以外的距離測距誤差是4公分。距離越長，測距誤差越大。 而且這個數據要在非常明亮的燈光下 (2千 lux, 但平常明亮的辦公室照明只有400 lux)， 不能有餘光或任何外界的困擾。 軍事用途的 ToF距離, 至少是兩三公里, 而且至少要能辨識戰車的形狀. 二三十個 pixels 還可以, 兩三百萬個 pixels 根本不可能，因為辨識 3公里以外的距離誤差，至少是辨識物體長度的10倍以上。
Sony的這個技術，我相信主要是在於當光子進入晶片後，被 PN junctipn 吸收的時間，幾乎每一個 pixel 都能調整到差不多。 這個 Sony 晶片的 pixel 是10 微米，我估計因為光子進入每一個 pixel的落點都不會一樣，可能至少會有3到5奈秒(10的負9次方秒)的誤差， 加上其他外界的影響和光子數量的不同 ( Poisson distribution)，這時間誤差會更大。 3公尺的距離 來回需要20奈秒。 但是因為光子隨機落點的不同，就有0.6公尺的距離誤差。 Sony 能夠解決這個時間誤差問題，至少對幾公尺外近距離的立體照相，還是很了不起。 只是不知道光線要多亮，距離要多近，才能顯現立體效果？
http://technews.tw/2017/06/10/sony-tof/

gilt-edged home value for priviledged admission to primary school

這應該是中國最貴的房子吧， 3.3坪在北京第二實驗小學旁邊的"學區房", 去年3月以台幣2千3百50萬賣出。不過現在在北京政府強力打壓學區房的趨勢下, 可能已經狂跌了吧 .
https://www.bloomberg.com/news/articles/2017-06-07/try-getting-your-kid-into-a-beijing-public-school

Generous financial aids

紐澤西普林斯頓大學 undergraduate 今年有超過3萬個申請入學，只有6.1%的錄取率. 這3萬多個入學申請，有40%成績是全A ( 所以很多成績特優的學生，都會被摒棄在外). 入學許可的學生包括有色人種 (people of color) 約53%, 家庭歷史的第一個能上大學的學生，竟然高達普大入學許可的19%。 普林斯頓大學，每年的學雜費加生活費約5萬3仟美元， 但是學校給每一個學生的平均補助，約4萬8仟美元。 能夠進入普林斯頓大學，家長4年可省約6百萬新台幣。 對於清寒或特殊族裔的學生，假如願意回饋社會的話，很容易可以找到其他校外的獎學金，所以四年普大的教育可以說是免費。 不知道在台灣的頂尖大學有沒有類似的財務補助?
http://www.nj.com/education/2017/03/princeton_incoming_freshman_class_is_most_selectiv.html

A.I. vs M.D.

這一篇可能是我看過有關AI文章最實在的。 作者是一個癌症醫生，曾經因為他的癌症暢销書 "The Emperor of All Maladies" 得到普立茲獎. 昨晚他在 Charlie Rose 訪談節目裡暢談 AI 對醫生的影響。 他承認 AI 遲早會將醫生對病人診斷的 一些細微感覺和精细判斷都能取代。 讓 AI 和 25位皮膚專科醫生一起診斷黑素瘤，結果AI 全部勝利。 雖然AI可以解決很多問題, 甚至AI自己也完全不知道自己為什麼能夠解決問題， 不過我大致同意這篇文章講的一句 "AI can solve the case. It cannot build a case" 無論如何, 現在 AI 也威脅到醫生的職業了. AI 始祖，加拿大多倫多大學的 Hinton (很多AI 計畫的主持人, 都是他當年的學生) 甚至講出 "不要再繼續訓練放射科醫生了"
http://www.newyorker.com/magazine/2017/04/03/ai-versus-md

Not a cooling saucer any more

Since the founding of United States, Senate had been a "cooling saucer" (quipped by George Washington) for the hot and partisan Congress while Supreme Court is a moderator on the issues that legislative bodies could not come to terms. Now, by invoking "nuclear option" in Senate, even the Supreme Court is destined to become partisan. Democracy in the U.S. is insidiously relegated to populism.

computing with blistering speed

IBM號稱將最近在 cloud 平台提供量子計算 (IBM Q)服務. 現在傳統快速電腦 在人類的一生才能夠算出來的東西，量子電腦號稱可以在幾個小時就算出來。 量子電腦可以解決製藥公司的非常複雜的 molecular dynamics的問題， 可以解決製造肥料現在竟然需要用到 1-2% 的全世界能源, 可以讓股票 portfolio 的分配，每幾分鐘就完全重整一次。 假如這在20年後真的是事實的話，加上人工智慧 ，那人類怎麼辦？ 是福是禍？
http://www.newsweek.com/2017/04/21/quantum-computing-ibm-580751.html

A school in the middle of nowhere

仍然很難相信這怎麼成功的? 學校建在鳥不生蛋的山丘上，沒有水源(全部的水要用卡車運入), 老師的薪水一個月 相當於7,500塊新台幣(但包括吃和住), 大部分的老師以前從來沒有教過書。 學校四周都是很高的圍牆和倒刺鐵絲網，還有警戒瞭望台防止外界勢力入侵。 學校的學生從7年級到12年級全英語教學, 但是全部的學生在七年級入學的時候, 一句英文都不會講。 這個學校在非洲索馬利蘭( 25年前從非洲索馬利亞自行宣佈獨立，但至今沒有任何一個國家承認，國民每天的收入不到 一塊美金) 的學校竟然有90%的學生，能夠到 美國或是其他國家讀大學拿獎學金，包括 MIT, 哈佛和耶魯. 這所在非洲索馬利蘭的學校是美國波士頓一個對沖基金經理花50萬美金所創立的。 這所學校 每年學費 1,800塊美金，但如果你的資質夠好，就算你是牧羊的小孩子，也可以得到這個經理的獎學金(學校就有一個當年是放羊的小孩子，現在是MIT電機系拿獎學金的四年級學生). 學校的成功似乎沒有特別的因素, 早上7點到晚上, 一個星期五天半上課。 學校的成功似乎就在要求嚴格，而且學生進取心很強。 不過這所學校的成功經驗隨時會終止，因為川普的旅行禁令包括索馬利亞，而索馬利蘭至今還是被美國認為是索馬利亞的一部分。
http://www.cbsnews.com/news/ex-hedge-fund-manager-founds-school-in-somaliland/

Riveting book

幾乎廢寢忘食地讀完了這本六百多頁，十年來從來沒有讓我這麼入迷的書. 作者是哥倫比亞大學醫學院的教授，癌症專科醫生，曾得過普立茲奬。 作者文筆順暢，用字多元化，深度化。 這本書曾經得到紐約時報暢銷書的第一名，用說故事的方式來描述人類對基因的好奇, 發現和運用，非常地生動。

讀完這本書，我最大的感觸是 "人類是平等的"。 人類基因的不同排列組合，絕對是超過幾億兆種。 固然有些疾病的產生是 一個基因的突變， 但是平常最在乎的可能是智力跟性格。 智力和性格是很多基因的組合，所造成的一個外在的效果， 當然也與環境的互動有關係。 所謂的高智力，實際上是某一個基因和別人不太一樣, 而這個突變的基因，剛好很適合我們這個環境, 也很適合某一種特定形式的智力測驗。 但智力是由很多的基因組合， 不可能全部跟智力有關係的基因，都會比別人"強". 發現DNA雙螺旋體的諾貝爾獎得主 James Watson, 他的兒子竟然有精神分裂症; 爸爸的智力基因群, 有幾個很適應我們現在這個環境，但他兒子的基因群, 卻有幾個非常不適合這個環境。 我最欽佩的諾貝爾獎得主，半導體理論專家 William Shockley, 實際上有 high-performance autism 的毛病。

作者將兩千多年來，人類基因的歷史，基因理論的演進， 基因的發現和運用， 娓娓地道來。 從兩千多年前的畢達哥拉斯和阿里斯多德 "很有趣的" 基因理論, 200年前的 達爾文進化論和他的仍然 "很有趣" 的基因理論， 比達爾文晚生13年, 在捷克修道院種豌豆的默默無聞的孟德爾， 直到死亡時仍沒人理睬他千古留名的基因理論， 湯瑪斯摩根在120年前，將實驗室弄得像蒼蠅窩的的果蠅基因實驗，美國在100年前，因為優生學作祟，設立了"白癡集中營", 二次大戰時希特勒 殘酷的優生學和荷蘭1944年冬天大饑荒，對人類遺傳學研究的影響，人類遺傳的因素存在於DNA的發現( 這麼偉大的發現竟然沒有讓三次被提名的 Oswald Avery得諾貝爾獎, 因為沒人相信人類偉大的基因, 竟然存在於不起眼的DNA裡面), DNA雙螺旋體結構的發現，用細菌來傳遞不同種類的基因組合的發明， 在2003年完成的長達13年的人類32億對的DNA排序， 18年前在費城賓州大學的基因治療的慘劇, 到最近6年前才發現的 CRIPR/Cas9, 這個不得了的發現，竟然可以在任何動物和人類上，砍掉特定的基因，然後再換上你所想要的基因( 這也引發了哈佛, MIT和柏克萊大學的瘋狂專利權大戰 )

15年前要想知道你身上32億個DNA的排序如何，要花30億美元費時13年，現在只要花 1千美元一天就可以知道。 強烈優越感作祟的優生學已經困擾人類至少上千年， 現在製造一個"完美無缺"的寶寶的各項步驟都已經存在 (只是要繼續改進, 更有效率更準確)。依作者而所述，只要不管道德的約束，5年後就以可以完成這個"夢想", 一個可怕的"夢想"。 ( 現在全世界只有中國大陸的兩個研究團體, 竟然"敢"用 CRIPR/Cas9，將人類胚胎的部分基因砍掉，再換成新的基因. 不過實際上很多國家的研究團隊，也在進行類似的實驗，只是不像中國大陸這麼的明目張膽)。 以前曾經有一個哲學家問 "是不是以後的世界, 會有機器看得懂它自己本身的操作手冊?" 難道我們現在要問 "是不是以後的世界, 會有機器自己寫自己本身的操作手冊?" 這幾年突發猛進的基因研究， 會讓這個問題不再是很愚蠢的問題。

https://www.amazon.com/Gene-Intimate-History-Siddhartha-Mukherjee/dp/147673352X/ref=sr_1_1?s=books&ie=UTF8&qid=1495852793&sr=1-1&keywords=gene+history

Every kid is wunderkind

當一個公立高中學生的平均SAT成績 ( 相當於學測) 是全美國考生的 99.1% ( 我社區的高中 SAT平均成績 只有87 %), 想進入這樣的公立高中， 八年級的時候 就要考試，200多個學生參加考試，只錄取26個。 這個時候學校的負責人，就會接到無數次的"有頭有臉"人物的拜託電話. 這些特殊的公立高中都有他們的主題譬如數理, 人文, ... 這些學校只注重學科，完全沒有學校球隊和其他跟學校主題沒有太大關係的活動。 這些公立高中本來是公立高職，但招生有困難。 後來慢慢轉變成專攻大學，只注重專門學科為導向的公立高職 (以大學的特定學系為以後職業導向的高職)。 這種只注重學科，畢業後大部分可以進入常春藤大學的公立高職， 雖然讓家長趨之若驚，但是這種全班都是資優生的高職，真的是最好的教育嗎?

http://www.nj.com/education/2017/05/njs_elite_public_private_high_schools_explained.html

Self-serving Trump

Rationale for US to withdraw from Paris Climate Agreement today:
1) To stanch the hemorrhage of job loss of coal-mining workers who are the staunch Trump’s supporters 2) To put a brave face on “America First” 3) To keep the beautiful view of Trump’s seaside golf courses when there are no eye-sore of wind mills along the coast if US continues to dig coals.

我從來沒有想到，我用信用卡買什麼東西的資料，會使得銀行和 data aggregator 的科技公司, 鬧得不可開交. 最近越來越多人用像 Personal Capital 類似的免費服務, 將你所有帳號在各個銀行，投資公司，貸款和負債的全部資料， 一次顯示在螢幕上。 就算你什麼事都不做，也會至少每24小時就自動幫你更新一次。 但這也使得你在哪裡買東西，最喜歡買什麼東西，有多少能力消費的資料全部曝光。 集合全部消費者的習慣，這些交易資料對譬如 hedge funds 而言，是極端寶貴的資料. 怪不得銀行不肯放棄這塊肥肉，而對 data aggregator 的科技公司加以限制， 強迫這些科技公司簽下很多城下之盟。我的 personal capital 的帳號，最近更新很慢，有一個帳號甚至已經一個月無法更新。 消費者大概沒有想到，他們的銀行資料，竟然被很多科技公司和銀行本身視為是金礦. ( 即使這些科技公司或銀行本身在賣資料給別人時，已經把消費者的私人資料全部刪除). 最近的 Venmo 和 Mint 兩家公司的資料外洩 ,會讓人覺得，到底方便重要還是安全重要? 
 https://www.nytimes.com/2017/03/23/business/dealbook/banks-and-tech-firms-battle-over-something-akin-to-gold-your-data.html

17年前 Goldman Sachs 在紐約股票交易所有600個交易員，現在只有兩個。 用人工智慧來取代500美元時薪的投資銀行員工，絕對比取代速食店8美元時薪的員工來的合算。 高利潤高難度的 IPO 股票承銷工作的146個步驟，也非常可能標準化而被人工智慧取代。 投資銀行和對沖基金的股票交易，大約有10%已經完全由電腦來選擇和決定。 但電腦的股票選擇和下決定，還是遵循 quants (高級數學家) 所寫的 models. 這些 quants 寫的 models 不可能隨時隨地都能更新, 吸收, 和學習, 所以電腦選擇的股票, 並不一定絕對比人類選擇的股票來的亮眼. 但最近兩三年，這些 quants 所寫的 models 已經漸漸被人工智慧取代. 所以這兩三年來，電腦所選擇的股票大部分比人類選擇的股票來得正確 (圖示於 https://www.wired.com/…/the-rise-of-the-artificially-intel…/)， 因為人工智慧可以即時地把這些 models 更新吸收和學習. 這趨勢對年薪百萬美元的投資銀行的員工是一場噩夢， 但是對人類可能是一個福音，因為這些頂尖人才不一定要向華爾街靠攏，也許他們會去發展可以開一千多公里而不需要充電的電動車，可以去發展更有效的能源， 可以去國家安全局 NSA 對付恐怖份子 (NSA 的薪水只有年薪10萬美元，很難吸收到頂尖人才). 假如以後的股票交易和選擇全部交由電腦處理，還會有一個好處是，假如 Trump 按下核子彈頭的紅色按鈕, 投資銀行的股票交易員可能全都人間蒸發了, 你可以安心的是, 電腦還是會很忠誠地繼續進行你的退休金的股票交易和選擇。

https://www.technologyreview.com/s/603431/as-goldman-embraces-automation-even-the-masters-of-the-universe-are-threatened/

最近台灣的年金吵得很兇。 做了一張圖表，看看美國的社會福利金的所得替代率到底有多少。 就算是美國的中等收入，所得替代率也只有42%. 而且這個42% 的退休金，需要工作35年, 滿 66歲又兩個月以後才能領.

中國科學院去年3月開始接受申請總共 15年92億美金的精確醫學(Precision Medicine Initiative) 的研究計畫. 美國歐巴馬總統上個月也簽署了總共63億美金的 21st Century Cures Act, 其中48億美金在往後幾年，將用在 Precision Medicine Initiative, Brain Initiative 和 Cancer Moonshot 。 生化醫學的研究，在往後十年，可以想見的將是非常的火紅。 在這方面有可能中國所投下的經費與人力，比美國還多。
http://www.nextbigfuture.com/2016/06/chinas-92-billion-precision-medicine.html

138位放棄大學學位的年輕人，參加 Thiel (Paypal 的共同創辦人) 的青年創業家資助團 (兩年總共給10萬美金，所以可以在創業時生活無慮)。 這138位青年創業家 (只有12位重返大學唸書) 總共自己籌資了4億5千萬美金，創造了25億美金的資產。Thiel 雖然自己擁有 Stanford 大學的博士學位,卻向來鼓吹大學的文憑因為學費太貴了, 根本就不合算. 他6年來所資助的青年創業團的成功經驗，剛好給他 一個 "大學文憑不合算" 最好的宣傳。 不過這6年來, 頂尖大學很怕類似的矽谷資助團搶走他們最頂尖的在學的學生， 很多大學在校內設置類似的計畫，讓學生能夠在學校時就能開始創業或作創業的準備。
http://www.newsweek.com/2017/03/03/peter-thiel-fellowship-college-higher-education-559261.html