開發十年，就只剩下這套架構體系了！ >>>
風口不會隨便眷顧乙個人。因為歷史不會對默默「打怪公升級」著墨，它只看結果。
在阿西莫夫的代表作《基地》中，除了先知謝頓貫穿全線，其他主角都是門徒。他們內在為直覺所驅動，外在被時代所推動。他們在歷史上的出場毫無徵兆，卻在潮流中游刃有餘。你會驚嘆，為什麼是他？
從五道口出發，大概地鐵十分鐘、或者走路乙個半小時，就能到達地球中心「上地」。當你走過這裡的街道就會發現，挖掘機在冬天揮著大爪子尋找青草的味道，麻辣燙和烤串的香味即使在白天也勾搭誘人。
在這裡，吃和住解決了，這幫人就開始琢磨著改變世界。他們會一邊擼著串，一邊聊著怎麼樣讓使用者每天對著冰箱說話，「10元錢+2小時」能不能同時解決產品封裝和一頓晚飯，以及你怎麼判斷正在烤串的大爺是不是乙個人工智慧。到了夜晚，他們一邊看著凌晨2點的北京，一邊坐車到回血點——回龍觀完成新一輪的公升級。
這裡，聚集了目前中國技術最好的一批人，空氣中都漂浮著未來的味道。
戴文淵從最開始背靠香港，還是決定，在兩年前把公司搬到了上地。然後，目前能支援超大規模集群以及資料量的人工智慧應用者開發平台——「先知」，在這裡降臨。
如果回頭看戴文淵的這十幾年就會發現，所謂先知，並不見得是可以某一次時，比別人先走三步；而是在趨勢開始前，永遠可以精準地先走半步。
沈南鵬在第一輪就投了第四正規化。那是在2023年，當戴文淵把所有要幹什麼都說完之後，沈南鵬問，「你有什麼問題想問我的？」戴文淵就問，你怎麼看待我們做的這個事情。現在回憶起來，戴文淵依然記得當時沈南鵬說，「我其實不太關心你們做的是什麼。在創業的初期階段，相較於具體的業務，我更關心你的團隊。」
紅杉投資看人。2年過去，說起這一幕，戴文淵說，如果現在再見到沈南鵬，「我很想告訴他，我還在做當時的那個事情」。
所謂「當時那個事情」，戴文淵是在2023年入坑的。彼時，他獲得了2023年acm國際大學生程式設計競賽世界冠軍。這項由美國計算機協會（acm）主辦、被稱為計算機界奧林匹克，一般描述是「入門之後基本拿獎靠智商，拿到銀牌就能成為offer收割機」。
那會，上海交通大學計算機系有乙個實驗班，學生大三就可以按個人喜好選擇實驗室。戴文淵在外備賽，等結束時，像圖形學（即cg）等熱門方向都選完了，只剩下冷門的人工智慧沒有人選。「那個年代，沒有人相信ai能做成。」戴文淵說。
在學術界，戴文淵多走了的半步，叫做遷移學習。
如今，在遷移學習領域，**引用數排名第一的，是戴文淵的導師、香港科技大學計算機系教授楊強，華人界首位國際人工智慧協會院士。而戴文淵，憑藉10年前發表的一篇**（boosting for transfer learning），單篇**引用排名世界第三。
但在當時那個年代，整個ai學界都是基於凸優化（機器學習中的最優化問題）做ai研究。參加學界會議，一半的人都在研究最優化，就和現在一半的人都在做深度學習一樣。
而且，即便是深入多年的學者，自己也不相信基於這條路，ai可以做出來。可以建出非常好的數學體系，卻沒有能力為它提供知識的內容。我國自動化領域的領軍者王飛躍教授曾說，「到2023年，人工智慧領域在中國幾乎沒人了，全走了。」當時甚至有乙個說法，做人工智慧的全都是吹牛的。
走這樣一條學術的路徑，做出來的效果和乙個3歲小孩的認知力相比，還差的很遠。那為什麼不去學習3歲的小孩怎麼思考？人是基於神經的學習，為什麼ai不能用神經網路做？楊強帶著戴文淵，在沒有太多經費支援的情況下，硬是把這個方向堅持了下來。
alphago就是典型3歲孩子獲取知識的思路。「所基於的人工智慧技術，強項不在於推演，而是借鑑過去見過的局面。所以，如果要擊敗alphago，需要盡可能把局面導向歷史上沒人下過的棋。」在alphago和李世石對弈第一局後，戴文淵在知乎上回答。他還不忘提醒，想要不敗，需要注意控制自己的心魔。
結局大家都知道了。在「虐」完李世石之後，alphago橫掃了圍棋界，然後又在德州撲克中成為「賭神」。這時候大家一下子都懵了，原來「演算法+大資料」可以讓人工智慧這麼猛。
這一點，在2023年戴文淵就認識到了。多年的積累和強大的判斷力，讓他意識到資料在ai這條路上的強大助力。用他自己的話說，「這時候一些大型網際網路公司，資料的累加對人工智慧會做的貢獻，開始比在學術圈做演算法的技巧，更有意義，會有最大的提公升」。
對於趨勢的判斷，他有著不容反駁的自信。「我一直是做ai，十幾年了。對這個行業應該做什麼事、處於什麼狀態，有自己的判斷，我不會在十幾年前做這個事情，那時候技術還不足以支撐。」
在將ai產品化的階段，戴文淵多走的那半步，是更早認識到了資料的魔力，證明ai是可以「for someone」的。
在華為也是一樣。剛到華為的時候，華為正在與國際巨頭爭奪自己在金融領域的話語權，「去銀行爭解決方案，那個階段的華為贏面並不大」有一次，在離給客戶承諾的時間還有2星期時，乙個問題當時的工程師怎麼都除錯不出來，大家壓力都非常大。
那會戴文淵已經有3年沒有寫過**，他花了15分鐘把**寫完並解決了。對於幫華為在金融領域鑿開口子這一點，戴文淵頗為滿意。那一仗打得非常漂亮，華為最終競標成功。
然而，攻城略地的日子很快就沒了。等到快離開華為的時候，他似乎每天只需要工作1天，其他時候就是打卡。要是在知乎上回答問題，戴文淵最適合的大概有兩個，第乙個是「在大公司最年輕的t10科學家位子上混吃等死是種什麼樣的感受」，第二個是「喜歡安逸的金牛座如何跳出自己的舒適區」。
這個穿著格仔襯衫、戴著黑框眼鏡、談吐娓娓溫和的年輕人，骨子裡有著一開口就能感受到的「不安分」。
「我希望做ai的能量更大一些」。戴文淵說。在ai工業化階段，他正在試圖再多走半步，證明ai可以for everyone。
2023年7月，第四正規化發布了一款人工智慧開發平台「先知」，這是ai領域首個面向應用者的開發平台。第四正規化對先知設定了引數自動化的演算法，並搭建了比spark快數百倍的機器學習的基礎架構，它降低了人工參與的特徵工程和模型訓練過程，還能提供自動或半自動的特徵工程、模型選擇調參工具，降低了對資料科學家的依賴。
用戴文淵的話說，就是乙個完全不懂技術的小白，大概經歷2周的時間，就可以成為乙個ai專家。去年年底，戴文淵利用這個平台在公司內部做了乙個叫做「一顆賽艇」的競賽，這估計是全球首個非專業人士參加的人工智慧建模大賽。這場特殊的比賽，對參賽選手唯一的身份要求 ，便是非「資料科學家」、非「建模工程師」；此前，縱然人工智慧攻陷了圍棋、撲克領域，也沒有任何乙個公司敢挑戰「讓普通人做出alphago」這一難題。
在沒有經過任何專業培訓的情況下，這些銷售、市場、公關等非專業人士中，有超過70%的參賽組合auc成績（auc是衡量模型效果的專業指標，取值在0到1之間）跨過0.8大關。在實際業務中，凡是auc高於0.8的模型就已經達到工業水準；而在整個行業中，只有極少數深耕機器學習多年、擁有豐富大規模資料處理經驗的資料「大神們」才能搭建出auc0.8以上的模型。
「但先知這個平台，在我的心中還沒有及格，路還很長。我們還有30%的人經過了培訓沒有做到」。戴文淵說，過去一段時間，公司把較多精力放在了機器學習的演算法。「現在的門檻不是演算法，是資料怎麼樣能和平台實現無縫對接。」
他滿腦子都在想，怎麼樣通過降門檻、降成本，讓每個人都能用的起ai，讓每個公司都可以實現自己的ai策略。「我們總結出『4+1』個先決條件：一是要有資料；二要有明確定義的業務目標；三是充足的計算資源；四是要有演算法能力，當然也可以由第三方來提供。最後是乙個plus，屬於沒有沒關係，但有了更好的，就是形成反饋閉環。譬如說你下了一局圍棋獲得的資料，能形成反饋進一步優化演算法」。
「ai過去是只能服務一家，現在可以服務幾百家，以後可以服務每一家」。商業化階段，戴文淵用最堅定的信仰告訴大家，ai是真的可以「for everyone」的。
「不過，後來我也想明白乙個事情。其實我們的大環境缺的並不是有理想有抱負的科學家，而是sponsor（發起人）。所以真正挑戰人類的其實是ibm，不是許峰雄；是google，不是deepmind團隊。就像，真正修成聖彼得大教堂的，是天主教會，而不是公尺開朗基羅。這也是為什麼，我覺得還是要做乙個公司，用商業的成功帶動科技的成功」。
這種用天衣無縫的邏輯，論證直覺準確性的思維模式，實在是戴文淵最具魅力的地方，更是值得不少創業者深思的。即使他說的是乙個故事，這難以讓人反駁的強大論證能力、縝密邏輯能力、快速執行能力，也讓你甘心把酒奉上。
在沒有當ceo的時候，戴文淵認為自己「並不關心別的同事在做什麼」，除非「他做的事和我的技術目標有關聯」。但現在，這種縱向思考的模式正在逐漸改變。
他開始把與國際前沿技術的對接，放心地交給楊強教授這個公司的精神領袖；把人工智慧在工業應用上的優化與研究，交給人工智慧行業大牛陳雨強；把產品化交給另一位聯合創始人胡時偉。
他依舊追求技術細節，但是更多時間會放在把控公司大方向上；去把所有技術的成果，去和產品、商業市場做對接，做技術和市場商務之間的橋梁；同時，他開始去管理那麼多門檻不同、優勢不一，甚至在除了技術之外的其他很多方面比他強的人。
「技術只有0和1的區別，沒有0.1。但現在我要把自己變成乙個沒有0和1的人，才能把整個團隊聯接好。」戴文淵回憶起當年以隊長之職準備acm競賽時，對每個隊友的選擇都用最高的標準，容不得一顆沙子。而到了工業界，這種管理的模式行不通了。
做技術出身的人，常常會追求安逸，覺得乙個有網路的世界就夠了，覺得自己可以寫一輩子的**；而現在面對市場，卻發現市場是一直在變的，是最沒有穩定和「一招鮮」的。
戴文淵覺得自己永遠都沒有安全感，卻在不停的改變中發現，市場怎麼變，自己都不會死。這種永遠不在舒適區的狀態，反而給了自己莫大的安全感。真的不知道有多少創業者，會對此有共鳴。
直至目前，非bat的公司，即使是非常不錯的企業，都仍然很難找到靠譜的人完成ai團隊的自建，成本、人才都是門檻，技術團隊的人太貴了。「絕大多數企業都希望有這一條路，但這一條路在目前是走不通的。一定得是平台，得是降門檻，才能讓更多人參與，讓十來萬個人來一起玩，才能遍地開花。」戴文淵說。在這一點上，他兩次用「要相信」來強調自己的立場。
的確，我們或許不會記得pc是誰發明的，但我們會記住pc是賈伯斯帶給世人的。在智慧型時代的浪潮之巔，也許我們不會記得誰發明了深度學習，但我們每個人都記住了alphago。戴文淵，這個把人工智慧的火種燎原到各行各業的人。
20年後，新時代再見。
mysql第四正規化 資料庫的四個正規化之間的區別
資料庫的設計正規化是資料庫設計所需要滿足的規範，滿足這些規範的資料庫是簡潔的 結構明晰的，同時，不會發生插入 insert 刪除 delete 和更新 update 操作異常。反之則是亂七八糟，不僅給資料庫的程式設計人員製造麻煩，而且面目可憎，可能儲存了大量不需要的冗餘資訊。正規化說明 1.1 第一...
第四正規化戴文淵 降低門檻是解決AI瓶頸的最佳路線
8月22日，由中國發展研究 會 紅杉資本中國 共同主辦的 投資人力資本，擁程式設計客棧抱人工智慧 中國未來就業的挑戰與應對 報告發布暨課題研討會在京召開。人力資源和社會保障部副部長張義珍 發展研究中心副主任隆國強 中國發展研究基程式設計客棧金會副理事長兼秘書長盧邁 紅杉資本全球執行合夥人沈南鵬等政企...
學習python的第四天之運算子
a 10,b 20 運算子 描述例項 加 兩個物件相加a b輸出結果 30 減 得到負數或是乙個數減去另乙個數 a b 輸出結果 10 乘 兩個數相乘或是返回乙個被重複若干次的字串 a b 輸出結果 200 除 b a輸出結果 2 取整除 向下取整，9 2 輸出結果4 9.0 輸出結果 4.0 取餘...