以前有位学生,在校期间一直呆在我课题组, 2014 年本科毕业后创业,一炮而红。昨天路过长沙,回课题组聊天,讲了很多 AlphaGo 底层的工作原理其实就是物理中的一些工作方法,等等。令我脑袋一度爆裂。特别是,他提到图灵的一句话: “We also wish to allow the possibility that an engineer or team of engineers may construct a machine which works, but whose manner of operation cannot be satisfactorily described by its constructors because they have applied a method which is largely experimental. ” 尽管无法立即心领神会懂,这句话的内涵还是瞬间把我大脑很多的神经元同步激发进入活跃状态 : 1 ,物理上很多重大的实验结果是偶然遇到的,甚至反常量子霍尔效应。 2 ,美国学生不懂基本原理,有个想法就先搭个台子干将起来。结果产生了很多革命性的结果。 3 ,你说甚至 AlphaGo 中有千万个参数需要调整等等,获得的最优者可能是经验而非原理知道。 …… 这位旧生学生今天早晨就发了一些详细的资料过来,信件附后。 ---- 插播:如果不能制造传奇,不妨做做传奇的搬运工!---- 对师道尊严没有好感,觉得朋友感、平等交往最惬意。 学生在校,有点无奈。一旦毕业,我都特意“装”一下:“解放了,从此就不是师生了!” 有位女生毕业后,不认我做老师了,但一直对我执兄长礼。现在,她的事业已经蔚为大观,资产配置早已国际化。上天垂爱,她儿子也特别出色。小学、初中基本在一所国际学校寄宿上学,初中毕业后表示要去美国。独自去美上高中,毕业后进入名牌大学,坚持选择数学专业!尚在大学时,就创立了“ Association of Chinese Scientists and Engineers ”。 —————— 2009级毕业生某君,现在西安,胆子特肥!敢于接下一个项目,目前支配的资金在亿的量级。听后我好一阵胆寒。 他觉得在校期间我对他要求过严,一度啧有烦言。直到最经看了一个国外的什么电影,专门讲师生关系,才稍有释怀。 对学生要求是不是很严,我自己的感觉不明显。曾经否决了他同届的一位同学的本科毕业论文,以至于该同学延迟了半年才毕业。而这位同学后来还主动和我联系过一些事情,似乎不以为怪! ---- 插播完---- ---- AlphaGo , 理论物理及其它 ---- 刘老师您好, 这是我最近找到的一些相关材料: Anexact mapping between the Variational Renormalization Group and Deep Learning Deep learning and the renormalization group WHY DOES UNSUPERVISED DEEP LEARNINGWORK? - A PERSPECTIVE FROM GROUP THEORY AI Recognizes Cats the Same WayPhysicists Calculate the Cosmos 关于这个话题的专业或非专业网络讨论 a 知乎 ; b 论坛 ; c.reddit The statistical physics of deeplearning ( 见附件 ) Physics-inspired algorithmsand phase transitionsincommunity detection H. Christopher Longuet-Higgins , PhD 学生里出了 Peter Higgs 和 Geoffrey Hinton (把深度学习从边缘学科拯救出来的人)等。这篇文章讲了一些过往的故事 , 物理学、理论化学与人工智能 。 物理给了人工智能灵感( Hinton 在采访中说道,他领悟到从物理类比而非纯数学理论进行编程之后,是他非常高产时期);机器学习在高能物理、宇宙学方面也大显身手。我一直觉得机器是否会涌现出智能(以及机器有没自由意志?)是一个伪命题。真正重要的是人能做什么。在我看来王浩的三问超越了古希腊三问,非常诱人,欲投之而后快。但《超越分析哲学》并没能给一个我认为满意的答案(某些方面更已过时):他虽然决定把诗学性置于史学性之上,但行文依然不那么可控,致使很多时候感觉在自说自话。 几篇人工智能运用于物理的文章: Rice 大学物理系教授博文 : Can we use machine learning tosolve really hard physics problems? NATURE MATERIALS : Adapting granular materialsthrough artificial evolution (类似有创业公司将机器学习应用到药品研发,大幅缩小成本) Machinelearning for many-body physics: efficient solution of dynamical mean-fieldtheory Machine learning for many-body physics: The case of theAnderson impurity model https://www.oreilly.com/ideas/big-science-problems-big-data-solutions 当机器拥有识图能力的时候,非常有利于天文观测 昨天和 BB 聊天,他提到 XX 级社科 XX 班 MMM 自杀的 消息 。很震惊很惋惜。这位女生刚拿到香港大学优秀毕业生荣誉,去年年底在上海找工作( BB 说是名校毕业与找金融工作岗位时的落差)。她是公认的智商情商双高的人,平时很开朗,给别人带来快乐的大姐大的形象。之前跟刘老师说 “ 人生没有那么多胜与负,生存下来就好 ” ,即使对自己的安慰,也是总结这几年来,意识到自己跟那些优秀的人比起来确实存在大差距。差距是先天不足以及后天的习惯缺陷积累造成的。有些人凭借自己的天赋直线行走守成即可获得声誉(很羡慕 YF 、 XJ 。他们目前顺利,而未来又那么可期);有的人必须尝试别人不敢的尝试,坚守不被看好的坚守,用冒险来换回一点 “ 翻盘 ” 的可能性,放逐而获新生。改造与革命是 underdog 们的权利和机会。一个二流棋手要战胜天赋异禀棋手,得开始一段前人没有尝试机器之旅。既然把一切都当做尝试,胜负已不报期许,生存下来就有希望,绝境亦能获得真自由。林语堂总结说楚地之人的精神是 “ 性灵、悲剧感和逍遥精神 ” ,我理解的悲剧感是,意识到自己的渺小,依然直面内心使命召唤的酒神精神。 毛主席在我这个年龄段的 文章中 说 “ 读书为上,教书、办事为下。 ” 我现在想法也是读书为上,工作为下。一方面,我能感受到很多人思维受学科训练框架的钳制;另一方面,也为自己至今没有深入进入任何一个领域而羞愧。这是我想去攻读一个博士学位原因。 再次感谢刘老师的款待! XX
PATRIOT运动追踪系统具有圆滑、颇具时代感的外形,是一款非常经济实用的六自由度追踪和三维数字化产品。 PATRIOT带有两个运动追踪传感器,每个运动追踪传感器的采样率是60Hz。PATRIOT提供直观友好的图形界面(见下图),具有高的信噪比、高度可靠性、稳定性。电磁单元的大小仅为6.75英寸长x 6.25英寸宽x 1.75英寸高 PATRIOT能够实时测量/记录位置和方位,可以集中模式工作:连续不断地更新数据,或离散地(一点一点地)采集数据,或逐渐增加地采集数据。利用可选的配件——探笔, 你能够采集目标的物理外形轮廓或内部的孔、洞,获得更加精准的X, Y, Z轴的数据点。 PATRIOT的工作范围是5英尺;分辨率为 0.0015 英寸;0.01 度静态精度;动态精度:X, Y, Z 位置0.1英寸 RMS,方位0.75 度 RMS;两个传感器同时工作的延迟小于10毫秒 。 特点 花费少:以很低的花费提供位置和方位数据。 使用方便:用几分钟安装和使用。 多种输出格式:用户可选择输出笛卡儿坐标位置(英制或公制);方位角余弦等数据格式。 多传感器操作:在一个测量系统中可以使用两个传感器同时工作,不需要其它的电子元件。 可靠性高:工厂校准,不需要调整装置。 应用 虚拟现实头部追踪 生物力学分析制图学 机器人视觉立体定位 CAD数据库建模 模型外形尺寸存档 组成部分 PATRIOT系统包括一个系统电子单元(SEU),一个电源,一个传感器和一个发射器。可以通过增加一个传感器来提升 系统的性能 系统电子单元 包括产生磁场和感应磁场所需的硬件和软件,计算位置和方向通过RS-232或者USB和上位机进行通讯。 发射器 发生器包括包着塑料外壳的电磁镀锡卷板,它产生磁场。发生器是传感器测量的参考端。 传感器 传感器包括包着塑料外壳的电磁镀锡卷板,它探测由发生器产生的磁场。一个很轻的立方体单元,在传感器移动的时候,它的位置和方位被精确的测量。传感器是完全被动式的。 技术指标 工作范围:该系统在非金属环境下工作性能好,用标准的TX2的发生器时,传感器工作在30英寸范围内(TX4时工作在40英寸范围内),要是超过范围会使性能下降。 延迟时间:17毫秒(不需要软件滤波) 刷新频率:60HZ(固定)/每个传感器 接口:RS-232 串口(高达115.2 K波特率可选)或USB 静态精度:X, Y, Z 轴0.1英寸RMS和方位角0 .75度 RMS 分辨率:0.0015 英寸;0.1o 方位。 测量范围:使用TX2发射器能够达到5英尺;使用TX4发射器会使数据更加稳定。 方位探测范围:任何角度 工作环境:如果大的金属物体在发生器或传感器旁边,会影响系统的性能 工作温度:10oC - 40oC 相对湿度10% - 95%,不凝固 通信:有图形用户界面和软件开发工具包;有用于Windows? 和Linux的USB驱动器 物理特点(尺寸数据): SEU - 6.75 in. L x 6.25 in. W x 1.75 in. H 电源 - 3.5 in. L x 2.4 in. W x 1.4 in. H 发射器 - 2.3 in. L x 2.2 in. W x 2.2 in. H (standard 2 in. ) or (4 in. ) 接收传感器 - 0.9 in. L x 1.1 in. W x 0.6 in. H 供电电源: 10W, 100-240 VAC, 47-63 Hz 精度:0.01 度-0.1英寸RMS 分辨率:0.0015 英寸 范围:5英尺 更新频率: 50HZ 用途:运动采集、扫描和整体追踪应用
计算机图形学研究中有一个特殊的应用分支,就是对于织物和服装这类柔性对象( cloth-like soft body )的仿真与模拟。往大了说,可以称为科学可视化,通俗的说,就是 3D 游戏中人物服装的动画仿真,以及大片中人物动画的仿真。 不过坦白的讲,模拟出一块织物随风飘动的感觉不是一个很难的事情,一个数学稍微好一些的中级程序员大概一个星期就能写出这样的代码,在米国的几个 CS 比较牛的学校里面, cloth simulation 已经是研究生课程中需要完成的大作业( project )之一。 织物模拟的流派很多,从本质上来说,对织物建模就不能回避它的结构力学问题,这里就有一个力法还是能量法的选择。按照织物结构力学二代祖师 J.W.S. Hearle 的原话(原文出自 From Biological Macromolecules to Drape of Clothing: 50 Years of Computing for Textiles ): There is one more general point to make. The first approach to modeling textile mechanics has usually been to apply equilibrium of forces and moments. However, almost always, energy methods have proved more powerful. There are various reasons for this, but the most basic is that forces and moments are vector quantities, so that equations are needed for six components. Energy is a scalar quantity, so that there is one basic relation to satisfy. A practical advantage is that it is easier to make useful simplifying assumptions with energy methods. If there is a geometrical relation between macro- and micro-strains, e.g. affine deformation, conservation of energy can be used; if the deformation is undefined, as in buckling, minimum energy or the principle of virtual work is used. Another practical point is that it is usually better to work with mass units (specific stresses in Newton/tex, where tex = g/km, and energies in J/g) than in conventional stress units (Pascals). 织物的悬垂形态主要是 buckling 的结果,因此能量最小化在一开始的物理建模中属于开山之作。 D.E Breen 等 90 年代初期最早发表的粒子系统就是将简化后的悬垂现象所蕴含的三种能量,剪切能,弯曲能以及拉伸(压缩)能通过 KES 风格仪的经验曲线用多项式逼近出来,然后把能量最小化得到织物的静态悬垂效果。为了加快速度,最小化过程的求解还采用了模拟退火的方法。应该说,无论是理论模型还是求解方法,都是一个很精彩的算法,所以尽管 Breen 的方法现在已经很少有人用了,但是其文献的被引用次数依然是这一个分支中排到 Top 10 的( 117 次 A particle-based model for simulating the draping behavior of woven cloth )。 不过从程序员的角度来看, Breen 的能量法不好,因为求解速度很慢,那个时代他们用工作站算一帧也要十几个小时(具体时间记不清了),当然你可以说那时候机器的速度慢。我最近 peer review 一个日本人的 paper 时,他也是用的能量法,是日本人 Okabe 92 年( Three-Dimensional Apparel CAD System )提出来的基于三个假设的模型: 1. 织物是薄板; 2. 织物结构是连续介质; 3. 用弹性力学的能量定义来描述织物的变形。我怀着极大的兴趣看到文章的最后,结果他报道说速度是每帧两个半小时( Intel E4300 CPU ),所以说能量法离实现实时计算的目标还有很长很长的路要走。 所以 95 年的时候, X. Provot 讨了个巧,把基于粒子系统的能量法改造成了基于质点弹簧的力法,用弹簧网格所蕴含的拉伸力,弯曲力和剪切力来替代同名的三种能量,求解织物的悬垂形态变成了求解这么一个弹簧网格的动力学问题,这个就简单多了,他用一阶显示积分(欧拉积分)就实时完成了任务。自那以后, mass-spring system 就成了程序员的最爱,直到现在还是最流行的方法,因为它够简单,速度够快,而且可改进的余地很大,就像一把 AK47 一样。
Marvin P 发表于 2009-04-16 3:04 (本文已刊登于《广州日报》。) 《黑客帝国》里的赛弗说我知道这块牛排实际上不存在,我知道当我把它放在嘴里时,是矩阵发送给我大脑的信息让我相信这牛排是多么地鲜嫩多汁。这听起来有点画饼充饥的凄惨况味,但是目前我们就是想吃块数码牛排都不容易,因为时下的虚拟环境技术依然很初级,主要应用都集中在视觉和听觉模拟,大众能体验到的不过是三维眼镜加振动座椅的全息电影,大不了高级点的椅背后突然滋点小水柱吹点小风吓人一跳。 不过海市蜃楼总有着让人们追逐的魔力:目前英国的约克大学和华威克大学正在进行一项名为目标:真实虚拟的研究,希望能同时激发人的视听嗅味触五感。 他们正在开发的使用界面是名叫虚拟茧的头盔,它可以按配方释放化学物质制造气味,用触觉器捅他们模拟触觉,通过置于使用者口中的感受器引发味觉,加上业已很成熟的视听模拟和滋小水柱吹小风的技术,这个装置可以让使用者足不出户就游历大千虚拟世界。据开发者说,虚拟茧并不是为了取代真实,而是对真实世界的一种补充。 想象一下,你可以安全地环顾庞贝古城被火山掩埋前几秒的街道,似有若无的硫磺味是只有你能察觉的凶兆;或者在迈阿密的海滩上吹着椰风看日落,看潮涨,看超级大海啸劈头卷来也不用转身逃跑,从此宅人更宅,胖人更胖,不知花非花雾非雾,今夕何夕。 开发者声称目前他们已经掌握了制造这头盔的必要技术,但对于这种多感觉模拟,有个很重要的问题是要协调各种感觉之间的同步关系,如果眼中看到仙人掌却摸到柔软的喀什米尔围巾,或者听着舒缓的爵士乐却闻到过期奶酪气味,会让人感觉当彩色的声音尝起来是苦的而且既然取名为茧却只设计头盔部分,似乎略显小气,如果有人想虚拟一下头部以外的感觉,比如泡温泉怎么办,难道让头盔回答对不起,没有找到您的查询结果,最近似的结果是虚拟淹死,您要不要执行? 虚拟茧的模型今年三月在伦敦奥林匹亚会议中心展出,只是模型。虚拟世界再好,我们活着也不能靠充电。若想吃真牛排,现在还有时间。 Ref: Engineering and Physical Sciences Research Council (2009, March 4). First Virtual Reality Technology To Let You See, Hear, Smell, Taste