科技: 人物 企业 技术 IT业 TMT
科普: 自然 科学 科幻 宇宙 科学家
通信: 历史 技术 手机 词典 3G馆
索引: 分类 推荐 专题 热点 排行榜
互联网: 广告 营销 政务 游戏 google
新媒体: 社交 博客 学者 人物 传播学
新思想: 网站 新书 新知 新词 思想家
图书馆: 文化 商业 管理 经济 期刊
网络文化: 社会 红人 黑客 治理 亚文化
创业百科: VC 词典 指南 案例 创业史
前沿科技: 清洁 绿色 纳米 生物 环保
知识产权: 盗版 共享 学人 法规 著作
用户名: 密码: 注册 忘记密码?
    创建新词条
科技中国——欢迎光临全球最大的互联网博物馆
  • 人气指数: 19949 次
  • 编辑次数: 2 次 历史版本
  • 更新时间: 2012-11-27
方兴东
方兴东
发短消息
高兴
高兴
发短消息
相关词条
戴夫·海厄特
戴夫·海厄特
最佳编程语录大全
最佳编程语录大全
程序员笑话大全
程序员笑话大全
下一代程序员
下一代程序员
女程序员
女程序员
彼得·诺维格
彼得·诺维格
Russ Cox
Russ Cox
15名程序员界性感的奇葩
15名程序员界性感的奇葩
Mike Kruzeniski
Mike Kruzeniski
Jeff Fong
Jeff Fong
推荐词条
希拉里二度竞选
希拉里二度竞选
《互联网百科系列》
《互联网百科系列》
《黑客百科》
《黑客百科》
《网络舆情百科》
《网络舆情百科》
《网络治理百科》
《网络治理百科》
《硅谷百科》
《硅谷百科》
桑达尔·皮查伊
桑达尔·皮查伊
阿里双十一成交额
阿里双十一成交额
王健林电商梦
王健林电商梦
陌陌IPO
陌陌IPO
最新词条

热门标签

微博侠 数字营销2011年度总结 政务微博元年 2011微博十大事件 美国十大创业孵化器 盘点美国导师型创业孵化器 盘点导师型创业孵化器 TechStars 智能电视大战前夜 竞争型国企 公益型国企 2011央视经济年度人物 Rhianna Pratchett 莱恩娜·普莱契 Zynga与Facebook关系 Zynga盈利危机 2010年手机社交游戏行业分析报告 游戏奖励 主流手机游戏公司运营表现 主流手机游戏公司运营对比数据 创建游戏原型 正反馈现象 易用性设计增强游戏体验 易用性设计 《The Sims Social》社交亮 心理生理学与游戏 Kixeye Storm8 Storm8公司 女性玩家营销策略 休闲游戏的创新性 游戏运营的数据分析 社交游戏分析学常见术语 游戏运营数据解析 iPad风行美国校园 iPad终结传统教科书 游戏平衡性 成长类型及情感元素 鸿蒙国际 云骗钱 2011年政务微博报告 《2011年政务微博报告》 方正产业图谱 方正改制考 通信企业属公益型国企 善用玩家作弊行为 手机游戏传播 每用户平均收入 ARPU值 ARPU 游戏授权三面观 游戏设计所运用的化学原理 iOS应用人性化界面设计原则 硬核游戏 硬核社交游戏 生物测量法研究玩家 全球移动用户 用户研究三部曲 Tagged转型故事 Tagged Instagram火爆的3大原因 全球第四大社交网络Badoo Badoo 2011年最迅猛的20大创业公司 病毒式传播功能支持的游戏设计 病毒式传播功能 美国社交游戏虚拟商品收益 Flipboard改变阅读 盘点10大最难iPhone游戏 移动应用设计7大主流趋势 成功的设计文件十个要点 游戏设计文件 应用内置付费功能 内置付费功能 IAP功能 IAP IAP模式 游戏易用性测试 生理心理游戏评估 游戏化游戏 全美社交游戏规模 美国社交游戏市场 全球平板电脑出货量 Facebook虚拟商品收益 Facebook全球广告营收 Facebook广告营收 失败游戏设计的数宗罪名 休闲游戏设计要点 玩游戏可提高认知能力 玩游戏与认知能力 全球游戏广告 独立开发者提高工作效率的100个要点 Facebook亚洲用户 免费游戏的10种创收模式 人类大脑可下载 2012年最值得期待的20位硅谷企业家 做空中概股的幕后黑手 做空中概股幕后黑手 苹果2013营收 Playfish社交游戏架构

彼得·诺维格 发表评论(0) 编辑词条

彼得·诺维格(Peter Norvig), 现在是Google的研究部主任,Google的安全质量总监,Lisp Guru,著名的PAIP和AIMA的作者,不过他的一篇小品文Teach Yourself Programming in 10 Years或许传播得更广。

个人主页:http://www.norvig.com/

目录

[显示全部]

个人简介编辑本段回目录

Peter Norvig is an American computer scientist. He is currently the Director of Research (formerly Director of Search Quality) at Google Inc.

(图)Peter NorvigPeter Norvig

He is a Fellow and Councilor of the American Association for Artificial Intelligence and co-author, with Stuart Russell, of Artificial Intelligence: A Modern Approach, now the standard college text. He previously was head of the Computational Sciences Division (now the Intelligent Systems Division) at NASA Ames Research Center, where he oversaw a staff of 200 scientists performing NASA's research and development in autonomy and robotics, automated software engineering and data analysis, neuroengineering, collaborative systems research, and simulation-based decision-making. Before that he was Chief Scientist at Junglee, where he helped develop one of the first Internet comparison shopping services; Chief designer at Harlequin Inc.; and Senior Scientist at Sun Microsystems Laboratories.

Dr. Norvig received a B.S. in Applied Mathematics from Brown University and a Ph.D. in Computer Science from the University of California, Berkeley. He has been an Assistant Professor at the University of Southern California and a Research Faculty Member at Berkeley. He has over fifty publications in various areas of Computer Science, concentrating on Artificial intelligence, Natural language processing and Software Engineering including the books Artificial Intelligence: A Modern Approach, Paradigms of AI Programming: Case Studies in Common Lisp, Verbmobil: A Translation System for Face-to-Face Dialog, and Intelligent Help Systems for UNIX.

Dr. Norvig is also known for his "Gettysburg Powerpoint Presentation", a satire about bad presentation practices using Abraham Lincoln's famous Gettysburg Address.

Peter Norvig is one of the creators of JScheme.

In 2006 he was inducted as a Fellow of the Association for Computing Machinery.

Dr. Norvig is listed under "Academic Faculty & Advisors" for the Singularity University.

诺威格定理编辑本段回目录

Google 研究院主任、美国计算机协会(ACM)资深会员(Fellow,中文有些地方翻译成会士)、人工智能专家彼得·诺威格博士(Peter Norvig)讲,当一个公司的市场占有率超过 50% 后,就无法再使市场占有率翻番了。这几乎是任何人都懂的大白话,但是却道出了许多跨国公司兴衰的根源。

(图)Peter NorvigPeter Norvig

和人一样,一个公司也有成长的青少年期、稳定的中年期和衰退的老年期。当一个公司刚刚兴起时,它很有朝气,又有领先的技术,市场占有率却很小。整个世界对它来讲几乎是无限大,它只要干好自己的事,就能不断占领市场,以几何级数成长,根本不用担心成长的空间的问题。用辛弃疾的话讲,就是少年不识愁滋味。但是,当它占领了大部分市场时,它的成长就受制于整个行业的发展了。而华尔街依然期望着这个新兴公司不断创造奇迹。这时候,该公司就必须寻找新的成长点,才能不断超越华尔街的预期,公司就不得不天天为营收忙碌(如果达不到预期会怎么样,我们以后会谈到它的严重后果)。和传统的工业不一样,一个科技公司非常容易早熟,可能用不了几年就成长到饱和状态。

让我们通过 Google 的例子来看一看科技公司达到饱和状态是多么的快。在山景城 Google 总部四十二号大楼二楼的墙上有一张一米高、几米宽的大图,它是参观 Google 必看的一景。图上画的是从 1999 年以来到 2004 年 Google 上市时为止 Google 搜索流量的增长。那是一张非常漂亮的以几何级数增长的曲线。图上横向是时间,纵向是搜索量。从 1999 年到 2000 年,搜索量增加了十倍,曲线的顶部就要突破了纸的高度,因此不得不将曲线的比例缩小十倍。但是,很快,几个月翻一番的增长速度又使得曲线不得不此按比例再缩小十倍,如此几次,直到 2004 年 Google 上市后不能再公开自己的流量为止。

Google 刚成立时每天只有几万次的搜索量,这个数量即使涨一万倍也不会对市场有很大影响。拉里·佩奇亲口对我们讲,他最初的梦想不过是把 Google 办成一个盈利上亿美元的公司。但是,Google 的发展比佩奇自己的梦想还要快得多。Google 成立后没有多长时间,搜索量就涨了上百倍,达到百万级。当时Google主管工程的副总裁乌尔斯·霍尔茨(Urs Hoelzle)还专门发了封庆贺的Email。当时 Google 只有个位数的服务器,霍尔茨需要自己监管这些服务器。没过两年,Google 的搜索量又长了百倍,Google 自己也长成了一个婴儿巨人(Baby Giant)。到 2002 年,它不仅成为世界上最流行的搜索引擎,而且同时为世界上最大的两个门户网站雅虎和美国在线提供搜索服务,估计占到了全球流量的一半。在 1998 年到 2002 年这四年间,Google 的增长主要靠抢占市场份额而获得。但当 Google 签下了和美国在线的搜索合作合同后,全世界几乎就剩不下大的市场份额可以占领了。这时,新加入 Google 不久的诺威格指出了上述朴素而又经典的定理。所幸的是,Google 的整个管理层已经未雨绸缪地看到了危机。Google 从搜索广告进军和内容相关的网络广告(Ad Sense for Content)就是从那时开始的。今天,后者的营业额已经占到 Google 整个营业额的三分之一。

(图)Peter NorvigPeter Norvig

今天,刚十岁的 Google,在全球搜索市场的占有率已经超过了 50% (根据 Comscore, Nelsen 和 Hitwise 等第三方公司的提供的数据)。Google 从搜索业务带来的营业额的增长很大程度上已经受制于整个互联网上商业的增长。Google 的增长率也由早年的每年翻番,到前年 2006 年的 70%,去年 2007 年的 50% 和今年统计到第二季度的 30%。因此,这个时候像 Google 这样的公司发展的关键是开拓新的增长点。

对于在一个全球某个领域占主导地位的公司来讲,如果不能较早地预见到市场的饱和性(或者回避这个问题)是很危险的。当年朗讯公司已经占了美国程控交换机市场的大半江山,它依然梦想着在这个已经开始萎缩的市场上做到快速成长。这当然是不可能的,朗讯公司采用回避问题的方式,自己创造出一个实际上并不存在的虚拟市场:它将设备卖给根本还不上钱的公司。从短期效果看,朗讯公司向外公布的营业额上去了,虽然一大笔钱还只以应收款项出现在它的财务报表上,实际并没有进账。但是当 2000 年后这些钱真的收不回来的时候,朗讯公司就彻底垮掉了(同样的错误非科技公司也会犯, 以世界第一大银行花旗银行为首的金融公司为了达到高速成长的目的,贷款给根本无法还贷的客户,导致几千亿美元的贷款成了坏账不得不报亏损,而且这个黑洞至今看不到底)。

诺威格定理决定了在一个市场占有主导地位的公司必须不断开拓新的财源,才能做到长盛不衰。到目前为止,开拓新的财源有效的途径只有两条,而胡乱的尝试倒有无数多种。被证明是可行的途径包括“扩展”(Leverage)现有业务和转型。Google 从基于搜索的 Adwords 广告扩展到基于内容的 Adsense 广告,微软从操作系统软件 Windows 扩展到应用软件 Office,都属于成功的扩展。而 GE 从一个电器公司转型到一个传媒和金融公司则是成功的转型。扩展适用于在自己特定的领域的业务趋向于饱和,而更大的相关领域还有很大扩张空间时,比如搜索广告趋于饱和,而整个互联网广告市场的潜力依然很大时,才有扩展的可能。后者适合于整个大的行业发展已经饱和,扩展的空间已经不存在时。

(图)Peter NorvigPeter Norvig

扩展是一个公司把它现有的技术和商业优势用到相关的市场上去。我们不妨再以 Google 为例看一看一个成功的公司如何通过扩展的办法来摆脱诺威格定理的宿命。Google 在广告业的技术优势是它的广告系统投放准确率好而且高度自动化,它的商业优势在于它是全世界最大的广告商网络之一。有心于 Google 动态的读者可能已经注意到,Google 在两年前收购视频网站 YouTube,一年前收购可用于 YouTube 广告的双击公司(DoubleClick)。与此同时,Google 于2007年牵头成立了基于开源 Linux 的手机联盟,代号为 Android。所有人都看出这是 Google 将业务从互联网扩张到手机的信号。有些评论认为 Google 这几年没有专注自己的核心业务,过于注重扩张。但是,如果仔细分析就会发现 Google 的扩张实际依然围着互联网广告业务进行,而且从技术上讲,无论是 YouTube 上的视频广告,还是手机上相应的广告,都还只是 Google 现有技术在相邻领域的推广。Google 的广告投放技术既然能用于互联网,改造后就有可能用于传统媒体。Google 已经有了众多的广告商,他们以前通过 Google 在互联网上做广告,以后也有可能通过 Google 在传统媒体和新的工具(比如手机)上做广告。显然,Google 的所做所为没有超过原有的广告工业。它并没有致力于像 Apple 那样开发消费电子产品,或者经营 NBC 那样的传统媒体。扩展的前提是相近领域有可扩展的空间,Google 的情况正好符合这个前提,所以它采取扩展的策略。

世界上最长的Word Palindrome编辑本段回目录

     英语中的回文,也就是Word Palindrome(或者叫Palindromic Sentence),是指正着写和倒着写字母组成完全一样的词语或者句子。比如:

(图)Peter NorvigPeter Norvig

    He stolne lots,eh? 

     2002年的时候,Peter Norvig读到了Don Hoey编写的用于产生回文句子的程序。这个1984年编写的程序可以生成一个包括540个单词的回文句子。由于对自己编程能力的自信,Peter Norvig觉得自己完全可以编写一个更好的程序来超越Don Hoey。他的第一次试验生成了包含15139个单词的回文。而最近,他又得到了一个由17259个单词组成的回文--也就是现在的世界纪录。

     由于两个人的算法都是基于下面那句经典的回文,所以最后得到的回文基本上没有什么可读性。不过Norvig使用的是Python来编程,并且有在自己的网站上公布整个开发的过程。我看了他的文章和那些天马行空的留言,对自己死去的创造力感到无限的哀伤。

       A man, a plan, a canal: Panama.  

     相比之下,回文单词更有意思。世界上最长的回文单词出现在芬兰语中,共有两个冠军:“saippuakivikauppias”(卖皂石的人)和“solutomaattimittaamotulos”(测量单位测出的番茄重量)。而英语中有三个最长的回文单词:“tattarrattat”、 “kinnikinnik”或者是? “detartrated”,当然,我很怀疑这些东西能不能够称为英语单词。
??
     在国外,有大量的文字游戏爱好者都喜欢玩回文,他们甚至有自己的杂志。下面是诗人James的一首回文诗Dopplganer,本座觉得比电脑生成的世界记录要有意思多了。

(图)Peter NorvigPeter Norvig

                         Doppelganger
     Entering the lonely house with my wife
     I saw him for the first time
     Peering furtively from behind a bush --
     Blackness that moved,
     A shape amid the shadows,
     A momentary glimpse of gleaming eyes
     Revealed in the ragged moon.
     A closer look (he seemed to turn) might have
     Put him to flight forever --
     I dared not
     (For reasons that I failed to understand),
     Though I knew I should act at once.

     I puzzled over it, hiding alone,
     Watching the woman as she neared the gate.
     He came, and I saw him crouching
     Night after night.
     Night after night
     He came, and I saw him crouching,
     Watching the woman as she neared the gate.

(图)Peter NorvigPeter Norvig

     I puzzled over it, hiding alone --
     Though I knew I should act at once,
     For reasons that I failed to understand
     I dared not
     Put him to flight forever.

     A closer look (he seemed to turn) might have
     Revealed in the ragged moon.
     A momentary glimpse of gleaming eyes
     A shape amid the shadows,
     Blackness that moved.

     Peering furtively from behind a bush,
     I saw him for the first time,
     Entering the lonely house with my wife.

Peter Norvig:Google手里有大量数据也很有钱编辑本段回目录

    在最近的Google开发者日上,Google研究主任Peter Norvig发表演讲称,目前的互联网上一共拥有大约100万亿个单词(当然绝大部分都是英文),并且还在不断增长。

    Peter Norvig表示,如果把这100万亿个单词放在一起,就将得到950亿个句子(文章?),足以装满7张DVD光盘;同时互联网上的单词量还在以每月10-20%的速度增长,不过由于其中很多正在“死亡”,所以净增长率要小一些。

    在问答环节里,Peter Norvig还谈到了语言翻译和图片搜索问题。他说,Google还需要一段时间才能做到把其他任何语言自动翻译成英语,同时提供可靠的效果;另外Google正在试验新的图片搜索技术,今后不但可以找到符合相关文字的图片,还能确定某张图片上是否包含特定文字——也就是说,即使文字主题是嵌在图片上的,Google也能通过分析找到它。

    Peter Norvig曾在美国航空航天局的Ames研究中心工作,2001年加盟Google,主管研究工作。在被问及为何来到Google时,Peter Norvig引用了著名银行抢劫犯Willie Sutton的一句话,“因为那里(银行)有钱”,说自己是冲着Google掌握的大量数据来的。当然,Google手里也很有钱。

开发心得分享:10年编程无师自通 编辑本段回目录

  原文:Teach Yourself Programming in Ten Years

(图)早期照片Peter Norvig早期照片Peter Norvig

  作者:Peter Norvig
  翻译:郭晓刚(foosleeper@163.net
  最后修订日期:2004-3-19
  2005-01-12增加了新的译本链接。

  本中文译本得到了Peter Norvig的许可。

为什么每个人都急不可耐?
  走进任何一家书店,你会看见《Teach Yourself Java in 7 Days》(7天Java无师自通)的旁边是一长排看不到尽头的类似书籍,它们要教会你Visual Basic、Windows、Internet等等,而只需要几天甚至几小时。我在Amazon.com上进行了如下搜索:

    pubdate: after 1992 and title: days and (title: learn or title: teach yourself)
    (出版日期:1992年后 and 书名:天 and (书名:学会 or 书名:无师自通))

  我一共得到了248个搜索结果。前面的78个是计算机书籍(第79个是《Learn Bengali in 30 days》,30天学会孟加拉语)。我把关键词“days”换成“hours”,得到了非常相似的结果:这次有253本书,头77本是计算机书籍,第78本是《Teach Yourself Grammar and Style in 24 Hours》(24小时学会文法和文体)。头200本书中,有96%是计算机书籍。

  结论是,要么是人们非常急于学会计算机,要么就是不知道为什么计算机惊人地简单,比任何东西都容易学会。没有一本书是要在几天里教会人们欣赏贝多芬或者量子物理学,甚至怎样给狗打扮。

(图)Peter NorvigPeter Norvig

  让我们来分析一下像《Learn Pascal in Three Days》(3天学会Pascal)这样的题目到底是什么意思:

  ·学会:在3天时间里,你不够时间写一些有意义的程序,并从它们的失败与成功中学习。你不够时间跟一些有经验的程序员一起工作,你不会知道在那样的环境中是什么滋味。简而言之,没有足够的时间让你学到很多东西。所以这些书谈论的只是表面上的精通,而非深入的理解。如Alexander Pope(译注:英国诗人、作家,1688-1744)所言,一知半解是危险的(a little learning is a dangerous thing)。

  ·Pascal:在3天时间里你可以学会Pascal的语法(如果你已经会一门类似的语言),但你无法学到多少如何运用这些语法。简而言之,如果你是,比如说一个Basic程序员,你可以学会用Pascal语法写出Basic风格的程序,但你学不到Pascal真正的优点(和缺点)。那关键在哪里?Alan Perlis(译注:ACM第一任主席,图灵奖得主,1922-1990)曾经说过:“如果一门语言不能影响你对编程的想法,那它就不值得去学”。另一种观点是,有时候你不得不学一点Pascal(更可能是Visual Basic和JavaScript之类)的皮毛,因为你需要接触现有的工具,用来完成特定的任务。但此时你不是在学习如何编程,你是在学习如何完成任务。

  ·3天:不幸的是,这是不够的,正如下一节所言。

10年编程无师自通
  一些研究者(Hayes、Bloom)的研究表明,在许多领域,都需要大约10 年时间才能培养出专业技能,包括国际象棋、作曲、绘画、钢琴、游泳、网球,以及神经心理学和拓扑学的研究。似乎并不存在真正的捷径:即使是莫扎特,他4 岁就显露出音乐天才,在他写出世界级的音乐之前仍然用了超过13年时间。再看另一种音乐类型的代表--披头士,他们似乎是在1964年的Ed Sullivan节目中突然冒头的。但其实他们从1957年就开始表演了,即使他们很早就显示出了巨大的吸引力,他们第一次真正的成功之作《Sgt. Peppers》也要到1967年才发行。Samuel Johnson(译注:英国诗人)认为10 年还是不够的:“任何领域的卓越成就都只能通过一生的努力来获得;稍低一点的代价也换不来。”(Excellence in any department can be attained only by the labor of a lifetime; it is not to be purchased at a lesser price.) 乔叟(译注:Chaucer,英国诗人,1340-1400)也抱怨说:“生命如此短暂,掌握技艺却要如此长久。”(the lyf so short, the craft so long to lerne.)
下面是我在编程这个行当里获得成功的处方:

(图)Peter NorvigPeter Norvig

  ·对编程感兴趣,因为乐趣而去编程。确定始终都能保持足够的乐趣,以致你能够将10年时间投入其中。

  ·跟其他程序员交谈;阅读其他程序。这比任何书籍或训练课程都更重要。

  ·编程。最好的学习是从实践中学习。用更加技术性的语言来讲,“个体在特定领域最高水平的表现不是作为长期的经验的结果而自动获得的,但即使是非常富有经验的个体也可以通过刻意的努力而提高其表现水平。”(p. 366),而且“最有效的学习要求为特定个体制定适当难度的任务,有意义的反馈,以及重复及改正错误的机会。”(p. 20-21)《Cognition in Practice: Mind, Mathematics, and Culture in Everyday Life》(在实践中认知:心智、数学和日常生活的文化)是关于这个观点的一本有趣的参考书。

  ·如果你愿意,在大学里花上4年时间(或者再花几年读研究生)。这能让你获得一些工作的入门资格,还能让你对此领域有更深入的理解,但如果你不喜欢进学校,(作出一点牺牲)你在工作中也同样能获得类似的经验。在任何情况下,单从书本上学习都是不够的。“计算机科学的教育不会让任何人成为内行的程序员,正如研究画笔和颜料不会让任何人成为内行的画家”,Eric Raymond,《The New Hacker's Dictionary》(新黑客字典)的作者如是说。我曾经雇用过的最优秀的程序员之一仅有高中学历;但他创造出了许多伟大的软件,甚至有讨论他本人的新闻组,而且股票期权让他达到我无法企及的富有程度(译注:指Jamie Zawinski,XEmacs和Netscape Navigator的作者)。

  ·跟别的程序员一起完成项目。在一些项目中成为最好的程序员;在其他一些项目中当最差的一个。当你是最好的程序员时,你要测试自己领导项目的能力,并通过你的洞见鼓舞其他人。当你是最差的时候,你学习高手们在做些什么,以及他们不喜欢做什么(因为他们让你帮他们做那些事)。

(图)Peter NorvigPeter Norvig

  ·接手别的程序员完成项目。用心理解别人编写的程序。看看在没有最初的程序员在场的时候理解和修改程序需要些什么。想一想怎样设计你的程序才能让别人接手维护你的程序时更容易一些。

  ·学会至少半打编程语言。包括一门支持类抽象(class abstraction)的语言

开发心得分享:10年编程无师自通。(如Java或C++),一门支持函数抽象(functional abstraction)的语言(如Lisp或ML),一门支持句法抽象(syntactic abstraction)的语言(如Lisp),一门支持说明性规约(declarative specification)的语言(如Prolog或C++模版),一门支持协程(coroutine)的语言(如Icon或Scheme),以及一门支持并行处理(parallelism)的语言(如Sisal)。

  ·记住在“计算机科学”这个词组里包含“计算机”这个词。了解你的计算机执行一条指令要多长时间,从内存中取一个word要多长时间(包括缓存命中和未命中的情况),从磁盘上读取连续的数据要多长时间,定位到磁盘上的新位置又要多长时间。

  ·尝试参与到一项语言标准化工作中。可以是ANSI C++委员会,也可以是决定自己团队的编码风格到底采用2个空格的缩进还是4个。不论是哪一种,你都可以学到在这门语言中到底人们喜欢些什么,他们有多喜欢,甚至有可能稍微了解为什么他们会有这样的感觉。

  ·拥有尽快从语言标准化工作中抽身的良好判断力。

  抱着这些想法,我很怀疑从书上到底能学到多少东西。在我第一个孩子出生前,我读完了所有“怎样……”的书,却仍然感到自己是个茫无头绪的新手。30个月后,我第二个孩子出生的时候,我重新拿起那些书来复习了吗?不。相反,我依靠我自己的经验,结果比专家写的几千页东西更有用更靠得住。

(图)Peter NorvigPeter Norvig

  Fred Brooks在他的短文《No Silver Bullets》(没有银弹)中确立了如何发现杰出的软件设计者的三步规划:

  1、尽早系统地识别出最好的设计者群体。

  2、指派一个事业上的导师负责有潜质的对象的发展,小心地帮他保持职业生涯的履历。

  3、让成长中的设计师们有机会互相影响,互相激励。

  这实际上是假定了有些人本身就具有成为杰出设计师的必要潜质;要做的只是引导他们前进。Alan Perlis说得更简洁:“每个人都可以被教授如何雕塑;而对米开朗基罗来说,能教给他的倒是怎样能够不去雕塑。杰出的程序员也一样”。

  所以尽管去买那些Java书;你很可能会从中找到些用处。但你的生活,或者你作为程序员的真正的专业技术,并不会因此在24小时、24天甚至24个月内发生真正的变化。


Photoshop教程 数据结构 五笔输入法专题 QQ病毒专题 共享上网专题 Google工具和服务专题
参考文献
  Bloom, Benjamin (ed.) Developing Talent in Young People, Ballantine, 1985.
  Brooks, Fred, No Silver Bullets, IEEE Computer, vol. 20, no. 4, 1987, p. 10-19.
  Hayes, John R., Complete Problem Solver, Lawrence Erlbaum, 1989.
  Lave, Jean, Cognition in Practice: Mind, Mathematics, and Culture in Everyday Life,
  Cambridge University Press, 1988.


答案
  各种操作的计时,2001年夏天在一台典型的1GHz PC上完成:

    执行单条指令            1 纳秒 = (1/1,000,000,000) 秒
    从L1缓存中取一个word        2 纳秒
    从主内存中取一个word        10 纳秒
    从连续的磁盘位置中取一个word    200 纳秒
    从新的磁盘位置中取一个word(寻址) 8,000,000纳秒 = 8毫秒

脚注
  T. Capey指出Amazon上面《Complete Problem Solver》的页面中,《Teach Yourself Bengali in 21 days》和《Teach Yourself Grammar and Style》被列在了“购买此书的顾客还买了以下书籍”栏目里面。我猜其中一大部分察看这两本书的人都是从我这里过去的。


译本
  感谢以下作者将本文翻译成其他语言:

  日文(Yasushi Murakawa),中文(郭晓刚),繁体中文(Jason Chen),西班牙文(Carlos Rueda),德文(Stefan Ram),法文(P. E. Allary),土耳其文(?a??l Ulu?ahin)。

  Peter Norvig (Copyright 2001)

怎样写一个拼写检查器 编辑本段回目录

Peter Norvig

(图)Peter NorvigPeter Norvig

翻译: Eric You XU

上个星期, 我的两个朋友 Dean 和 Bill 分别告诉我说他们对 Google 的快速高质量的拼写检查工具感到惊奇. 比如说在搜索的时候键入 [speling], 在不到 0.1 秒的时间内, Google 会返回: 你要找的是不是 [spelling]. (Yahoo! 和微软也有类似的功能). 让我感到有点奇怪的是我原想 Dean 和 Bill 这两个很牛的工程师和数学家应该对于使用统计语言模型构建拼写检查器有职业的敏感. 但是他们似乎没有这个想法. 我后来想了想, 他们的确没什么理由很熟悉统计语言模型. 不是他们的知识有问题, 而是我预想的本来就是不对的.

我觉得, 如果对这方面的工作做个解释, 他们和其他人肯定会受益. 然而像Google 的那样工业强度的拼写检查器的全部细节只会让人感到迷惑而不是受到启迪. 前几天我乘飞机回家的时候, 顺便写了几十行程序, 作为一个玩具性质的拼写检查器. 这个拼写检查器大约1秒能处理10多个单词, 并且达到 80% -90% 的准确率. 下面就是我的代码, 用Python 2.5 写成, 一共21 行, 是一个功能完备的拼写检查器.

import re, collectionsdef words(text): return re.findall('[a-z]+', text.lower()) def train(features):    model = collections.defaultdict(lambda: 1)    for f in features:        model[f] += 1    return modelNWORDS = train(words(file('big.txt').read()))alphabet = 'abcdefghijklmnopqrstuvwxyz'def edits1(word):    n = len(word)    return set([word[0:i]+word[i+1:] for i in range(n)] +                     # deletion               [word[0:i]+word[i+1]+word[i]+word[i+2:] for i in range(n-1)] + # transposition               [word[0:i]+c+word[i+1:] for i in range(n) for c in alphabet] + # alteration               [word[0:i]+c+word[i:] for i in range(n+1) for c in alphabet])  # insertiondef known_edits2(word):    return set(e2 for e1 in edits1(word) for e2 in edits1(e1) if e2 in NWORDS)def known(words): return set(w for w in words if w in NWORDS)def correct(word):    candidates = known([word]) or known(edits1(word)) or known_edits2

Google研究主管Peter Norvig:智能不能解决所有的问题编辑本段回目录

norvig

Peter Norvig 是 Google 的研究主管,他说自己拥有世界上最好的工作。与 Google 核心业务不同,他所负责的团队面向最前沿的科技,孕育着许多激动人心的项目。最近,Peter Norvig 接受了英国卫报的采访,谈到了人工智能、个人计算、地图服务诸多领域。

Google 研究团队汇聚了业界顶尖的人才,不过它并一定适合所有人。如果你希望创办自己的公司,或者希望在小公司工作,并不适合你。除了无人驾驶汽车之外,Google 也不会资助硬件上的研究。

“在内部我们仍然需要做出选择。这里比初创公司更加自由一些:坏的决策不会立刻导致破产,但是你不能说,我要做些事情,给我 20 个工程师吧。”显然,这涉及到优先级的问题,虽然有些优先级项目听起来非常奇怪。

在 60 年代、70 年代的时候,许多重大科技成果来自贝尔实验室、IBM 沃森研究中心、施乐帕克研究中心(Xerox PARC),它们都研究与公司核心业务无关的技术,而许多发明都没有获得商业上的成功。对此,Peter Novig 非常了解,他提到了一本 1999 年的书:《探索未来:施乐如何创造、然后错过了首个个人计算机》。

“书中说他们在探索未来,但他们以某种方式发明了未来”,他说,“我觉得他们租借了未来。有一天人们能够买得起 PC,但是我们仍然没有走到那一步,于是拿出 20 万美元给研究员配备个人计算机,这样可以看到未来会是什么样子的。从某种程度上来说,我们在 Google 做的事情也是一样的”。比如无人驾驶汽车、智能眼镜,或者使用 1 万多台计算机检查 1000 万的图片去识别猫脸。

和上述那些研究中心不同,Google 的研究和公司的其它业务是紧密联系的。“从某些方面看,我们做的事情很像英特尔,那里的研究团队会设法开展新业务,如果他们做成了某种东西,但其他人从新业务中获得更多利润,他们并不担心,只要业界仍然买英特尔的芯片。我们也是一样——如果我们发明了新东西,即使我们不拥有它,只要它能让两个人开始使用互联网,就有可能有一个人会变成我们的用户。因此,如果我们开创了一个新行业,对我们来说就是成功。”

无人驾驶汽车、智能眼镜就是这样的产品。“我们把它们当做已有优势的延伸——汽车是地图能力的延伸,同样,眼镜是通讯和本地服务的延伸。”

对于 Google 的地图服务来说,9/11 是一个决定性的时刻。从那时候起,网络成为重大消息的源头。9/11 和 Katrina 台风使得 Google 以新的视角看待自身的服务。Peter Norvig 说,人们开始问“新奥尔良今天看起来和昨天有什么不同?”。这使他们意识到时间将成为地图服务的重要维度,“人们会要求更多的实时信息”。

Peter Norvig 的职业生涯中,人工智能是重要的一个方向,从 80 年代中期开始,他开始研究概率推理和不确定性。这涉及到贝叶斯的理论,当时在人工智能领域,对于这位 18 世纪数学家的想法仍然充满怀疑。不过,随着计算机的发展,他的理论已经获得了广泛应用。Peter Norvig 说,构建一个可用的系统是说服他人的最好方法。

他提到了 Google 翻译,这个服务并不是由语言学家开发的,而计算机学习语言的过程与人类完全不同,它利用的是广阔的互联网,从大量的翻译文档中学习将不同的语言配对。这和 Google 利用上万台计算机辨认猫一样,属于模式辨认。

Peter Norvig 在今年的奇点大会上介绍了自己的工作成果,但他并不相信计算机能力的增强会把我们带到奇点,即人工智能赶上人类智能的时刻。他支持奇点研究院的原因是因为他认为一切都会加速变化,并且会改变社会,人们应该意识到这一点,不过,“我最大的担心是,人们太关注特定日期了”。在今年的大会上,有人把奇点到来的时间确定为 10 到 100 年之间。

被称为“人工智能之父的”的 John McCarthy 在人生的最后阶段仍然认为奇点是“胡扯”。在广泛的研究之后,Peter Norvig 认同他的观点。他说,我们并没有处于一个特殊的时间点上,“我们在创造新东西,但是和过去比起来,今天做的并没有什么不同。”

科技的进步并没有改变人和机器的关系,“我是比较抗拒智能可以无限扩展自己的想法的。智能可以帮助你解决更难的问题,但是有些问题是抵抗智能的,你会到达这样一个点,聪明不会对你有任何帮助,我认为我们的许多问题都是这样的。就像政治——我们不会说,只要有一个更聪明的政治家就可以解决所有的问题”。

人们是否过分高估了智力的价值?对此,Peter Norvig 说,“ Kevin Kelly 与我讨论过这个问题;他将此称作‘Intelligentism’——认为智力是唯一重要特性的一种偏见。我们认为智力是重要的,并以此称呼自己的种族,但是,如果我们是大象,或许我们会希望得到超级力量,或者如果我们是猎豹,会希望获得超级速度。有些社会问题很难,是因为它们就是那个样子,那不是我们足够聪明之后就可以解决的”。

图片来自 Google+

参考文献编辑本段回目录

→如果您认为本词条还有待完善,请 编辑词条

词条内容仅供参考,如果您需要解决具体问题
(尤其在法律、医学等领域),建议您咨询相关领域专业人士。
1

标签: 彼得·诺威格 彼得·诺维格 Peter Norvig

收藏到: Favorites  

同义词: 彼得·诺威格,Peter Norvig,诺威格定理,诺威格

关于本词条的评论 (共0条)发表评论>>

对词条发表评论

评论长度最大为200个字符。