<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/">
    <channel>
        <title>current</title>
        <link>https://paragraph.com/@current</link>
        <description>undefined</description>
        <lastBuildDate>Thu, 30 Apr 2026 15:43:41 GMT</lastBuildDate>
        <docs>https://validator.w3.org/feed/docs/rss2.html</docs>
        <generator>https://github.com/jpmonette/feed</generator>
        <language>en</language>
        <copyright>All rights reserved</copyright>
        <item>
            <title><![CDATA[为什么科技互联网公司越来越重视数学？]]></title>
            <link>https://paragraph.com/@current/TrLWrW5u62a0Nvr2b557</link>
            <guid>TrLWrW5u62a0Nvr2b557</guid>
            <pubDate>Fri, 14 Oct 2022 15:57:23 GMT</pubDate>
            <description><![CDATA[就我个人看来，科技公司对于数学人才的追求是非常恰当的。毫不夸张的说，整个计算机科学可以说都是基于数学之上的。最早的计算机大神，大多是数学系出身，冯诺依曼是布达佩斯大学数学博士，图灵早在剑桥大学国王学院求学期间就获得过史密斯数学奖。无论是过去，现在，还是未来，基于计算机科学的科技公司对于数学的追求，都是永无止境的。最好的科技公司，同时一定是有最多数学人才的科技公司。 看过一些论调，说科技公司注重的数学，根本不是基础数学，乃至于把所有的东西都“应用数学化”。但就我浅薄的了解来看，基础数学中的矢量矩阵计算，可以算是不折不扣的基础数学了——但深度学习的算法，正是直接对矩阵和向量计算的应用。所以我一直觉得，应用基础数学，切不可轻易简化成应用数学——老婆饼可不是老婆。 所以下文，就不过多对数学的种类进行详细分类了。 有人会说，现在框架那么多，计算机人才只需要专注工程技术就可以了。可是，那些框架是从何而来？工程人员的数学素养，直接导致了能力上的天壤之别，也就是我们常说的码农和大神的区别。 为什么这么说？ 首先，数学方法促进了计算机编程语言的成熟和发展。 无论是JAVA， C#，Python还是...]]></description>
            <content:encoded><![CDATA[<p>就我个人看来，科技公司对于数学人才的追求是非常恰当的。毫不夸张的说，整个计算机科学可以说都是基于数学之上的。最早的计算机大神，大多是数学系出身，冯诺依曼是布达佩斯大学数学博士，图灵早在剑桥大学国王学院求学期间就获得过史密斯数学奖。无论是过去，现在，还是未来，基于计算机科学的科技公司对于数学的追求，都是永无止境的。最好的科技公司，同时一定是有最多数学人才的科技公司。</p><p>看过一些论调，说科技公司注重的数学，根本不是基础数学，乃至于把所有的东西都“应用数学化”。但就我浅薄的了解来看，基础数学中的矢量矩阵计算，可以算是不折不扣的基础数学了——但深度学习的算法，正是直接对矩阵和向量计算的应用。所以我一直觉得，应用基础数学，切不可轻易简化成应用数学——老婆饼可不是老婆。</p><p>所以下文，就不过多对数学的种类进行详细分类了。</p><p>有人会说，现在框架那么多，计算机人才只需要专注工程技术就可以了。可是，那些框架是从何而来？工程人员的数学素养，直接导致了能力上的天壤之别，也就是我们常说的码农和大神的区别。</p><p>为什么这么说？</p><p>首先，数学方法促进了计算机编程语言的成熟和发展。</p><p>无论是JAVA， C#，Python还是各种形形色色，无计其数的计算机语言，他们并不是凭空出现的，他们是基于严谨的，科学的数学基础的，任何存活并发展壮大的语言，都是来源于数学。我们都学过计算机数学，也就是离散数学，在日常工作当中，我们可以看到，有很多计算机大神来自于数学系，物理系，扎实的数学基础，理性化的数学思维方式，让他们能很容易抓住编程语言的本质，对语言的理解和应用，远非机械背诵指令的人可比。</p><p>其次，在二十一世纪的今天，真正让科技公司狂热地追求数学人才的原因，是大数据和人工智能。</p><p>现在大数据的输入端已经几乎解决了，海量的数据每天从世界各地各处汇集到各种科技公司，旅游公司，电商公司，外卖公司，视频网站，各种各样的科技巨头每天收集的数据数以亿计。然而数据的使用和分析效率和结果却千差万别，这些数据数据量极其庞大，数据质量参差不齐，无法依靠简单的软件或者人工处理，这正是IBM提出的大数据5个V的特点：：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。</p><p>丘成桐先生曾经说过，大数据的处理，本质上还是数学当中的统计学。</p><p>这句话直击重点。对于大数据的处理和使用，一个好算法和一个不好的算法，在数据处理时间上可能是几千乃至于几百万倍的不同。现在的大数据处理，更多的仍然是基于经验，尚未充分应用数学理论来指导，这带来了极大的人力和计算成本。意识到这一点以后，各大科技公司都在焦急地寻找数学人才。这很容易理解，数学人才学习计算机工程是非常迅速且简单，相比起工程人员精进数学来说，成本和收益可以说是非常高的。</p><p>科技公司对于数学人才的渴求，也来自于深度学习。</p><p>年纪大的一点技术人员可能还记得，最早的人工智能理论，叫做专家系统。这是一种工程化方法，把所有问题的答案都预先记录下来并回答，形成一位计算机专家，这样就能解决所有问题，在十几年前，这个方法是人工智能的主要方向。然后，随着问题的逐渐复杂化，我们看到，人工智能客服，曾经变成只会回答关键词的人工智障客服。后来深度学习横空出世。深度学习这一个目前炙手可热的概念，事实上正是数学的胜利：线性代数。</p><p>通过将事物抽象化成为高维向量，进行矩阵运算计算出特征来模拟人类大脑对于事物的思考方式，这正是深度学习击败专家系统成为各大科技公司首先的原因。</p><p>可能会有人说，这样的数学人才，是最顶尖的少数人。其实不然，各大科技公司需要大量的拥有足够数学素养的工程人员来把它实现出来，转化为真实的生产力，或者进行科研。在深度学习落地这个方面，各大科技公司极其缺乏同时拥有工程能力和数学素养的复合型人才。</p><p>对于计算机科学这个世界来说，无论是科技公司还是工程人员本身，数学素养永远都是一剂火箭助推燃料。</p><p>阿里巴巴设立了“全球数学竞赛”，谷歌通过topcoder公司举行数学大赛，IBM赞助大学生数学建模竞赛，MathWork公司在数学建模竞赛当中特设Matlab奖，等等等等，各大科技公司都已经赤膊下场，全球“海淘”数学人才。</p><p>更不要忘了，数学本身是多么优美的知识，亚里士多德曾经说过：虽然数学没有明显地提到</p><p>善和美，但善和美也不能和数学完全分离。因为美的主要形式家是“秩序、匀称和确定性”，这些正是数学研究的原则。学习一门又优美，又热门的知识，对任何人来说，都是致命的诱惑，不是吗？</p>]]></content:encoded>
            <author>current@newsletter.paragraph.com (current)</author>
        </item>
        <item>
            <title><![CDATA[为什么蓝图（Blueprint）是蓝色的？]]></title>
            <link>https://paragraph.com/@current/blueprint</link>
            <guid>aQ2Zgf34ULPv5x1XlWJh</guid>
            <pubDate>Thu, 13 Oct 2022 12:31:35 GMT</pubDate>
            <description><![CDATA[以前出的工程图纸是“晒”出来的，晒图纸相当于是印刷图纸，其中的化学工艺决定了这种图纸是蓝色的。 图纸不像书籍等印刷品，可以活字印刷。图纸的复印一直是个老大难问题。大家可能不知道以前手绘的时代，制图工程量有多大。就上个世纪八九十年代，一个普通公路工程施工图出图周期是半年。以前改个图，影响到了其他专业，设计人员为此还有打架这些事情。 这还是在有了“晒图”的技术之后，只需要在硫酸纸上画一套底图的情况。在不会晒图之前，要多份拷贝，那就只能多画几份，对于画图员来说，这是一项沉重而且机械的工作，大家可以想象出图周期有多长。 纸张的发明之后，工程师一直都是手绘图纸，即使是印刷术发明之后很长一段时间，工程师还是手绘。因为印刷术需要制版，而为了几份拷贝就制版，成本太高，所以工程领域一直还是手绘。 随着人类进入工业社会，各类工程越来越复杂，图纸越来越多，越来越详细，纯手绘的方式效率太低。人们就开始想一种可以复制图纸的方法。 1842 年，德国人发明了半透明纸，即是硫酸纸。 硫酸纸制作方法和普通纸张制作方法大致相同，只不过要多一个浸泡浓硫酸的步骤，之后还要用甘油处理。这种纸和一般纸张不同之处在于它是半...]]></description>
            <content:encoded><![CDATA[<p>以前出的工程图纸是“晒”出来的，晒图纸相当于是印刷图纸，其中的化学工艺决定了这种图纸是蓝色的。</p><p>图纸不像书籍等印刷品，可以活字印刷。图纸的复印一直是个老大难问题。大家可能不知道以前手绘的时代，制图工程量有多大。就上个世纪八九十年代，一个普通公路工程施工图出图周期是半年。以前改个图，影响到了其他专业，设计人员为此还有打架这些事情。</p><p>这还是在有了“晒图”的技术之后，只需要在硫酸纸上画一套底图的情况。在不会晒图之前，要多份拷贝，那就只能多画几份，对于画图员来说，这是一项沉重而且机械的工作，大家可以想象出图周期有多长。</p><p>纸张的发明之后，工程师一直都是手绘图纸，即使是印刷术发明之后很长一段时间，工程师还是手绘。因为印刷术需要制版，而为了几份拷贝就制版，成本太高，所以工程领域一直还是手绘。</p><p>随着人类进入工业社会，各类工程越来越复杂，图纸越来越多，越来越详细，纯手绘的方式效率太低。人们就开始想一种可以复制图纸的方法。</p><p>1842 年，德国人发明了半透明纸，即是硫酸纸。</p><p>硫酸纸制作方法和普通纸张制作方法大致相同，只不过要多一个浸泡浓硫酸的步骤，之后还要用甘油处理。这种纸和一般纸张不同之处在于它是半透明的，有一定透光度。我们用含碳墨水画过的地方，又不透光，所以当光线透过硫酸纸绘制的图纸之后，可以形成明暗不同的光影，就为通过感光来印刷的方法创造了条件。而且硫酸纸有个好处，想要修改的话，还可以用刀片刮掉表层笔迹重新绘制（晒出的图纸其实是看得到刮痕的，纸张刮过之后的透光性能有轻微不同）。</p><p>硫酸纸画出的图大概像这样，我找不到手绘的图纸，这是机器打印出来的手绘图纸</p><p>之后晒图的过程，其实和“洗照片”差不多。绘图员在硫酸纸上绘图完成，然后将其在重氮复印纸上，玻璃夹紧之后放在阳光下暴晒。重氮复印纸就像胶卷，上面涂有重氮化合物，会感光，平时这种纸都用黑色的包装裹得严严实实。</p><p>用重氮复印纸晒出的图纸，国内的蓝图通常都是这种。</p><p>重氮复印纸暴晒之后氨水熏制显影。取回硫酸纸保存好，还可以反复使用。</p><p>用重氮复印纸晒图的方法叫重氮复印法，这种方法大概在上世纪四五十年代开始应用。最早的蓝图则不是用重氮化合物，而是用柠檬酸铁铵。纸上涂有柠檬酸铁铵，当它被紫外线之后，分解产生亚铁氰化铁，即是大名鼎鼎的普鲁士蓝。这种传统方法显影时，线条挡住紫外线，看起来像阴刻。</p><p>有了这项技术，图纸复制速度和成本大幅降低，在没有复印机的年代，工程图纸都用这个方法生产多份拷贝。重氮复印纸是蓝色的，上面的显影也是深浅不一的蓝色阴影，所以人们管这个图叫蓝图。</p><p>在我国，硫酸纸复制蓝图的这个过程叫晒蓝图。现在随着机刷技术发展，已经可以不用硫酸纸晒图，有专门的工程制图打印机可以直接打印蓝图。</p><p>关于为什么用蓝图的问题。</p><p>随着复印技术的发展，有些国家已经不再用蓝图，不过我们国家还有使用。就我比较熟悉的土建领域，建筑和市政施工图必须出蓝图。公路工程出白图，白图就像是用打印机直接打印出来那样。</p><p>为什么还用蓝图，其实我也不知道，多半还是传统吧。这个问题我从进单位就在思考，到现在也不知道原因。</p><p>晒蓝图优缺点都有，最大的缺点就用晒图因为要用到氨水，所以味道很大，长期接触对呼吸道有伤害。以前我有段时间办公室和图文室很近，晒图的时候那个味道飘进来，还是有点难受。</p><p>蓝图的优势嘛，首先蓝图不好直接涂改。平时不好找蓝色的笔，一般的圆珠笔什么的，看上去都是蓝色，实际色差很大，涂改很容易被发现。而在白图上涂改就相对难以察觉。</p><p>其次有效力的图纸是需要盖章的，在以前外审机构没有联网的时候，设计单位和外审机构就直接在硫酸纸底图上盖章，之后业主想要多少份，我们就晒多少份，这样就不用每次出图都跑来跑去盖章。</p><p>现在有些地方开始推行设计全过程联网，以后可能业态又有改变了。全过程上网之后，各单位可以直接在网上盖电子章，以后可能就是网上保存一份电子稿底稿，各方进入系统直接下载打印。</p>]]></content:encoded>
            <author>current@newsletter.paragraph.com (current)</author>
        </item>
    </channel>
</rss>