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