[2011-05-25]
这个是不是腐败不好说，应该和与他们背景相似的人的投资回报做比较才能确定。但是美国的权钱交易方法很多，完全合法——这也就是为什么有部长当的好好的突然辞职，转天就拿到一个年薪百万的工作。你想想，这些人去私企，收入>10倍。难道所有这些官员都是雷锋？一个两个雷锋有可能，都是雷锋那是yy
转发@新浪美股 的微博: 【美国政客都是选股高手】4名学者对约300名众议员1985-2001年的1.6万笔股票交易进行分析，发现他们的回报率“高得离谱”，按照他们的交易所编制的投资组合每年跑赢大盘大约6%。5年前该研究团队发现参议员更厉害，跑赢大盘大约10%。1994年，希拉里曾被披露早年交易期货获利100倍。
[2011-05-25]
每次看到某人被称/自称公共知识分子，我就想笑。性工作者也是公共的，并不拿这个来炫耀。
[2011-05-25]
sin(x)那个反了吧，变成-sin(x)。其实真正牛的是能摆出sinc(x) = sin(x)/x。这个大概只有杨丽萍做得到。转发@冷笑话精选 的微博: 看不懂的同学高中数学一定不及格！[偷笑] (@韩寒精彩语录 投稿)
[2011-05-25]
转旧文: 《论语》 社会作为一种信息系统，它也应该记录着祖先的一些信息，模仿着祖先的一些行为，上文提到的座谈会制度应该就是一种。正如人脑思考的方式相似于基因的组合，社会也需要捕捉人的思维片段。这些片段漂浮在人类社会中，随意碰撞着，发出碰撞的火花，组合成新的体系。 http://t.cn/hDzaQU
[2011-05-25]
#微数据# 根据 美国National Institute on Drug Abuse，16%的八年级（初二）学生吸毒；21%的高三学生吸食大麻，高于吸烟的比例（19%）。 http://t.cn/hDzqyc
[2011-05-25]
#微数据# 美国13%的青少年15岁前有性行为，70%在18岁满时有性行为。2010年4%15-19岁的女孩怀孕。最高峰是1990年，12%的少女怀孕。2006年，59%的怀孕少女生下孩子。10%的婴儿由少女所生。19%的少女生了>=2个孩子。黑人少女的怀孕率是13%。25%有性行为的青少年感染了性病。（http://t.cn/hDzGXG等）
[2011-05-25]
另外，我感觉在美国，不敢说大多数，很大一个比例的学校的存在，压根不是为了教育学生（根本什么好的都学不到，什么坏的都能学到），而是为了教育工会的选票——就和三大汽车厂一样，生产出来次品无所谓，只要工会会员有饭吃。
[2011-05-25]
美国的大学学费，一般州立大学一年2万，私立的4-5万（美国家庭收入中位数就是5万一年）。所以很多中产从孩子一生下来就开始存钱。清华的学费好像现在还是5000一年，这实在是太便宜了——不过我相信学费和美国接轨，也是迟早的事。
[2011-05-25]
和我岳父母谈话是很有意思的事。从他们身上，可以读到一些对美国普遍的误解。比如我岳父问，听说在美国读书不要钱。我这么解释：中小学，如果你不想你的孩子吸毒/怀孕，只有去好学区。好学区的房价是一般区的两三倍，房产税轻松上万甚至更多。所以往往不如上私立学校，而住到便宜的区。
[2011-05-25]
在海外还常遇到人问，你觉得TG好，为什么不回中国去？很简单，这么多觉得民主好的中国人，没见到几个移民到印度去的啊？
[2011-05-25]
讨论TG好不好，大概和讨论“女人/男人”好不好一样，本身是没有意义的话题。每个人都会根据本位出发，做没有意义的泛化。另外，撼山易，撼屁股难。试图移动别人的屁股是不道德的。
[2011-05-25]
昨天和我岳父聊土共好不好的问题。我和他说现在的白领、年轻人和知识界应该是大部分对土共不满。他很吃惊，不理解。他说30年前，他觉得邓不好，现在觉得邓还是对的，国家发展得很好，他身边所有的人生活都在改善。不过他这个年龄和阶层的人，很少上网。也许这就是传说中的沉默的大多数。
[2011-05-25]
全家的感冒终于都好了
[2011-05-25]
我看到的另一个关于”十三点”的辞源是说钟只有12点，有13点的钟是出毛病了。 //@李世鹏博士: //@黑匣子陈廖宇: 长学问！不知有否达人解释下北京的“二”是怎么来的？ //@暖大人:哇哦。
转发@上海沃画报 的微博: 【”十三点”的来历】”十三点”是英文society的音译， 早期，传统的上海人看不惯那些在交际界混的女人的， “十三点”便被用来代指这些“轻浮，放荡”的交际花，由此演变成了骂女人的专用词。往后，上海人渐渐地淡忘了这层本意，常省略了“点”字简化地骂任何惹人讨厌的人。 #上海闲话#
[2011-05-24]
History不如说是provenance，即数据的源流和变迁过程。很多事情是path-dependent
转发@李世鹏博士 的微博: 人的Context（上下文）的种类：1）physical: 自身向环境的延伸带来的信号。地点，时间，环境，各种传感器，声音、图像、温度等。2）cyber: 模拟向数字世界延伸带来的信号，邮件，日历，记事本等 3）history: 时间轴向前延伸带来的信号 4）social: 个体向群体的延伸带来的信号。关系，喜好等。
[2011-05-24]
生孩子就是格式化硬盘，教育孩子就是装操作系统。1岁这个阶段，大概就是在烧BIOS（基本输入输出系统）。
[2011-05-23]
Vulcan现在也有类似的项目，比如Halo Project，不过至少在这块，总的感觉还是R多于D。
转发@李世鹏博士 的微博: 尽管当时人人羡慕，不幸的是Interval Research于2000年解体了。总结其失败原因：1）技术想法太超前。十年时间都有点短。2）没有产品意向或者孵化机制。无的放矢。3）IP保护不是很aggressive。8年100多人才出了100多个专利。4）Paul在后期改变策略，少R多D，时机太晚。5）动脑多于动手。工程师太少。
[2011-05-23]
Matrix与Godel不完备定理: Matrix讲的是形式系统的相容性和完备性的矛盾. Matrix中的个体的活动, 都是一个定理证明过程. Matrix是一个相容系统, 但是不完备, 设计师就把那些不能证明的命题送到Zion去观察, 经过学习, 由The One为Matrix添加新的公理(matrix reload) http://t.cn/hedNDF
[2011-05-23]
我实在觉得期刊这东西，和不列颠百科全书一样，该进历史的垃圾堆了——wiki的模式就蛮好。应当这样：submission就算publish了，有版权，别人不能复制。但是submission要被peer reivew，也是公开的（可以匿名）。review本身也可以被review。得分最高的文章，或者争议特大的文章都会被定期加精。
转发@数学文化 的微博: 《自然》前几年登了一个消息（附加下面的形象配图），说美国顶尖大学之一的康奈尔大学因受不了爱思维尔的疯狂加价，决定取消几百本这家出版商的期刊订阅。爱思维尔对康奈尔要价170万美元，大学图书馆觉得没法活了。舆论闹大了，最后出版商只能做到谈判桌上妥协。见http://t.cn/hereNk 老实被人欺啊
[2011-05-23]
霍夫曼编码是霍夫曼的学期论文成果。
[2011-05-23]
好像TBL和前妻已经分居有一阵子了。 //@npubird:转发微博。
转发@新浪科技 的微博: #私奔#不分国界，互联网之父也玩#私奔#。。。被誉为“互联网之父”的蒂姆·伯纳斯-李(Tim Berners-Lee)已与他的美国妻子离婚，并与女企业家罗丝玛丽·莉丝(Rosemary Leith)开始了一段新的恋情。。。http://t.cn/heBnra
[2011-05-22]
还有人用hotmail？:) 有另一个统计，说可以从你的Email提供商大致推断出你的年龄甚至职业。比如如果你还在用aol邮件，那你的网龄可能比很多人的年龄都长 //@李世鹏博士:数据可供参考。
转发@戴龙猫 的微博: 2011年手机：全球手机使用量53亿部，占总人口的77%.智能手机：21.8%的手机为智能手机。Skype：用户6.3亿。Facebook：注册用户6.29亿，2.5亿用户移动登陆。QQ空间：用户4.8亿。Twitter：用户破2亿，近40%用户移动登陆。电邮：Hotmail仍占统治地位，Gmail增长快速……http://t.cn/heYTPI
[2011-05-21]
难道Web不是？想想看以前多么神奇的设想，比如电视电话，视频点播，5W通信，现在在Web平台上都轻松实现了。Web对政治和社会组织形式的影响，更是在体现中。
转发@Alisoncastle 的微博: 【变革】发达国家现在基本都处于stagnation状态，很多资本都找不着去的好地方所以给发展中国家带来了通货膨胀。我们都着指望信息革命能如同工业革命一般发生，但仔细看现在还是有点失望，看不到如同蒸汽动力和电力的innovation带来的产业巨变，难道这轮产生的只是general purpose technology吗？
[2011-05-21]
从inductive logic programming到inductive ontology learning，对超越传统的relation learning现在在做有益的探索。数据的依赖关系，贝叶斯关系往往只是一种近似。
转发@宋阳秋 的微博: 1. 从表达到推理。统计机器学习统制了20年，很多机器学习的问题现在变成了提高几个百分点的问题。但是，依然没有解决对数据的表达。Daphne Koller所领导的关系贝叶斯学派，王珏老师提出的“结构”还是“统计平均”问题，都对这种更深层次的机器学习方向进行了思考。
