人机沟通法则：理解数字世界的设计与形成

人机沟通法则：理解数字世界的设计与形成
🖥️ 机器循环运行
“计算机擅长通过循环重复自己。”

循环的力量
计算机能够非常高效地执行重复性任务，永远不会因疲惫而停止。
例如，通过以下代码可以让计算机从0数到10亿：
python
Copy
top = 1000000000
i = 0
while i < top: i = i + 1
计算机只需接通电源即可处于循环状态并持续运行，展现出超越人类的持续能力。
计算机与现实世界的对比
特征 计算机 现实世界
持久性 永远不会失去能量和热情 动物和机器会感到疲倦
重复能力 完美执行重复任务 需要休息和补给
表现形式 数字化、程序化 物质世界的复杂性
个人经历
在1979年，我第一次接触到计算机，感受到循环的力量。
介绍了康懋达个人电子交易器（Commodore PET），其技术参数与今天的手机相比显得微不足道。
学习编程的初期经历了许多挑战，尤其是输入代码时频繁遇到“语法错误”。
初次编程的体验
通过朋友科林展示的代码学会了如何让计算机重复输出文本：
basic
Copy
10 PRINT “COLIN”
20 GOTO 10
这种简单的循环给我带来了极大的满足感，并激发了我对计算机编程的兴趣。
学习编程的路径
受到母亲支持，购买了Apple II计算机，开始编写实用程序。
编写了一个每月账单程序，帮助母亲的豆腐店提高效率，感受到编程的成就感。
编程中的挑战
遇到如何处理闰年的问题，最终选择了手动输入365条命令。
参加了学校的计算机俱乐部，开始接触更复杂的编程概念，如循环命令。
关键概念总结
“循环是计算机编程的核心，能够让计算机高效、持续地执行任务。”

计算机的循环能力使其成为处理重复性任务的理想选择。
编程可以通过不断实践和解决问题来提升技能和理解。
结尾思考
持续学习和探索计算的世界将是未来创新的关键。
理解计算机和编程的基本原则对个人的成长和职业发展至关重要。
🍣 基于输入的寿司和豆腐订单程序
程序结构
该程序用于处理一年内每天的豆腐和寿司订单，主要通过输入与打印功能来实现，结构如下：

主要功能步骤
行号 功能描述
270 打印提示“如何输入寿司的数量”
280 输入豆腐订单数量
290 打印豆腐订单
300 询问是否继续
310 如果输入为0，跳转至结束
320 打印当前的天数
330 打印提示“如何输入豆腐的数量”
340 输入豆腐订单数量
350 打印豆腐订单
360 打印提示“如何输入寿司的数量”
370 输入寿司订单数量
380 打印寿司订单
390 询问是否继续
400 如果输入为0，跳转至结束
410 重复上述步骤
程序改进
随着对编程的理解加深，程序进行了重写，以更高效地处理365天的输入。重写后的程序结构如下：

新程序结构
行号 功能描述
10 声明数组DIM T(365), A(365)
100 打印感谢信息
110 开始循环，从1到365遍历天数
120 打印当前天数
130 输入豆腐数量
140 打印豆腐订单
150 输入寿司数量
160 打印寿司订单
190 询问是否继续
210 如果输入为0，跳转至结束
220 结束循环
编程思想与循环的力量
重写程序的灵感来自于对程序设计的理解，强调了循环的概念。通过有效利用循环，程序从14,600行简化到50行，显著提高了效率。

“让计算机不断重复相同的任务是编程的艺术之一。我们应学会以合适的方式设定这些重复的任务，使计算机能够自动执行。”

计算机的本质
在讲解程序之前，提到了软件与硬件的区别：

硬件：可以直接看到的物理设备。
软件：不可见的程序和代码，驱动硬件运行。
软件的可见性与不可见性
软件是由程序代码构成的，虽然我们可以看到代码，但其背后的运行逻辑和数据处理过程是不可见的。
正确理解软件和硬件之间的关系是学习编程的关键。
计算历史中的重要概念
图灵机：艾伦·图灵提出的计算模型，奠定了现代计算机科学的基础。
人类计算者：早期被称为“计算机”的人类，负责手动计算。
通过递归理解计算
递归是编程中的一种重要概念，它允许函数调用自身。通过递归，我们可以简化复杂的计算过程。以下是递归的一个简单示例：

递归定义：函数调用自身以解决更小规模的问题。

递归在自然界中的体现：树的结构就是一个递归的例子，树枝是由更小的树枝组成的。
通过以上内容，学生可以更好地理解编程中的基本概念及其历史背景，为后续的学习打下坚实的基础。

🖥️ GNU与递归的无限本质
“GNU代表的是‘GNU’s Not Unix’（GNU不是Unix），这是一个具有无限层次的表达。”

GNU的层次表达
GNU的定义可以通过以下层次表达：
KaTeX can only parse string typed expression
[G]NU
′
sNotUnix
KaTeX can only parse string typed expression
[[G]NU
′
sNotUnix]NU
′
sNotUnix
KaTeX can only parse string typed expression
[[[G]NU
′
sNotUnix]NU
′
sNotUnix]NU
′
sNotUnix
KaTeX can only parse string typed expression
[[[[G]NU
′
sNotUnix]NU
′
sNotUnix]NU
′
sNotUnix]NU
′
sNotUnix
…
这种表达的本质是无限的，类似于俄罗斯套娃的隐喻。

俄罗斯套娃隐喻
俄罗斯套娃是一种有层次的结构，每个套娃内部都有一个更小的套娃。尽管世界上最复杂的俄罗斯套娃最多只有51个，但在计算中，层与层之间的嵌套是没有限制的，除非程序员设置了“基本用例”。
递归与循环的对比
“递归是优雅的概念表达，而循环则是蛮力的执行方式。”

循环
循环（loop）是一种执行重复任务的方式，类似流水线的工作：
列出所有任务
按顺序执行每个任务，返回开头重复步骤
递归
递归（recursion）是一种定义自身的表达方式：
通过定义自身来执行任务
例如，做一锅咖喱的步骤可能需要更小一锅的咖喱
这种方式在计算思维中被视为一种艺术，因为它能用简洁的方式表达复杂思想。

计算机错误与循环
“计算机的循环过程一旦启动，就会以最高速度运行，遇到错误会立即停止。”

计算机的运行与错误
当计算机运行时，如果遇到错误，它会立即停止，整个计算过程会崩溃。比喻为：
一块错位的多米诺骨牌会摧毁整排的多米诺。
错误分类
错误可分为三类：
可避免的（“愚蠢的”）错误
较难避免的错误
不可避免的错误
计算机程序中的“bug”
“‘bug’一词起源于格蕾丝·霍珀在早期计算机中发现的一只飞蛾。”

bug的概念
Bug原本指的是程序运行中的错误，广泛存在于软件中，但并非所有的bug都是致命的。
大型软件程序常常由成百上千人用数年时间开发，因此错误是不可避免的。
指数思维
“指数思维与线性思维的区别在于思考方式。”

睡莲的谜题
睡莲每天翻倍生长，直到覆盖整个池塘。
第30天覆盖536,870,912片睡莲
第15天仅有16,384片睡莲，远不到50%
指数思维的应用
指数思维在计算中非常常见，尤其在设计循环时：
线性思维是逐步增加，而指数思维则是成倍增长。
循环中的循环
定义循环
在编程中，循环可以嵌套：
python
Copy
for (year = 1; year <= 10; year = year + 1) {
for (month = 1; month <= 12; month = month + 1) {
// 执行某些操作
}
}
嵌套循环的结果
运行结果产生了每年12个月的组合，展示了循环与嵌套的强大。
年 月份
1 1
1 2
… …
10 12
通过以上分析，学生可以清晰理解GNU的概念、递归与循环的对比、计算机错误的处理以及指数思维的重要性。

🌀 嵌套循环与计算的维度
“通过简单地将一个循环放在另一个循环中，让你感觉不自然的事情就会发生。”

嵌套循环的基本概念
嵌套循环是将一个循环放入另一个循环的结构，常用于处理多维数据或复杂的迭代问题。

示例代码
c
Copy
for (year = 1; year <= 10; year = year + 1) {
for (month = 1; month <= 12; month = month + 1) {
for (day = 1; day <= 30; day = day + 1) {
// 执行某些操作
}
}
}
计算的维度
每增加一个循环层级，就相当于增加了一个维度。随着循环的嵌套，出现了之前不存在的空间。

维度的扩展示例
循环层级 描述
1层 处理单一数据（如：天）
2层 处理二维数据（如：月和天）
3层 处理三维数据（如：年、月和天）
实际应用场景
嵌套循环可以用于许多实际场景，例如：

数据处理：在多台计算机上并行处理数据。
模拟：模拟复杂的系统，如天气、交通等。
示例代码
c
Copy
for (machine = 1; machine <= 10; machine = machine + 1) {
for (year = 1; year <= 10; year = year + 1) {
for (month = 1; month <= 12; month = month + 1) {
for (day = 1; day <= 30; day = day + 1) {
// 执行某些操作
}
}
}
}
无限循环与计算的潜力
每一次循环的嵌套引入了新的维度，这种扩展在计算中是无限的。例如，可以将年份的循环上限设置得非常高，以模拟长时间段内的行为。

示例代码
c
Copy
for (year = 1; year <= 100000; year = year + 1) {
// 处理每一年
}
计算的奇迹
计算的能力在于控制无穷大和无穷小。通过适当的循环，可以处理大量数据而不受现实世界的限制。

示例代码
c
Copy
for (user = 1; user <= 1000000000; user = user + 1) {
user_data = get_data(user);
for (data = 1; data <= length(user_data); data = data + 1) {
analyze_user_data(data);
}
}
总结
随着编程技术的发展，嵌套循环不仅是基本的编程概念，更是理解多维数据处理和计算复杂系统的重要工具。在计算机的世界中，循环的嵌套使得我们能够探索更广阔的空间和可能性。

🌐 计算机与云计算的协作
邻里关系的比喻
“邻里之间关系好到可以互借东西的程度。”

这句话形象地描述了计算机之间的合作关系。
计算机常常以我们的名义进行相互合作，借助彼此的知识与能力来解决问题。
计算机之间的交流
当一台计算机遇到不确定的信息时，它会询问其他计算机，直到找到答案。
这种信息交流的速度远超人与人之间的沟通。
云计算的概念
小型计算机依赖大型计算机的帮助，尤其是在移动设备或家庭助理设备上。
云计算是指通过网络连接的计算机资源，允许用户按需访问和使用计算资源。
云计算的特点
特点 描述
资源共享 多台计算机通过网络互联，能够共享资源和计算能力。
成本效益 对于如奈飞（Netflix）这样的公司，租用云资源比拥有自己的基础设施成本更低。
可扩展性 计算资源可以根据需求灵活增加或减少。
云计算的影响
云计算的商业模型改变了公司创建与运营的方式，原材料变得虚拟且不可见。
大型科技公司如谷歌、亚马逊等拥有巨大的云计算基础设施，能够支持数十亿台设备的连接与协作。
计算机的“生命”特征
判断生命的标准
“当你看到一个物体‘对刺激做出反应’时，你便能知道它是有生命的。”

人类常通过物体的反应来判断其是否有生命。
例如，运动的蜡烛或在黑暗中移动的物体都可能被认为是有生命的。
布雷滕伯格的机器人实验
通过简单的马达和传感器组合，展示了机器人如何表现出类似生物的行为。
例如：
一个光敏机器人会在光照下移动，反之则停下。
通过改变程序逻辑，机器人可以表现出不同的行为模式。
人工智能与生物行为
现代的自动客服代表是通过程序模拟人类对话，但它们没有情感。
计算机的反应速度与其“生命力”相关，快速反应可能会让人感到它们更“聪明”。
计算机与人类的关系
计算机的反应速度提升了我们对其智能的期待。
人类期待有生命的物体对输入做出迅速反应，而这一点在现代计算机中得到了实现。
仿生科学的复兴
Eliza程序的例子
Eliza是第一个模拟英语对话的计算机程序，通过对话让人误以为与人类交流。
该程序使用“符号计算”方法，基于输入的关键词进行响应。
神经网络与人工智能的崛起
神经网络是模拟大脑神经元相互连接的一种计算方法。
与传统的“符号计算”不同，神经网络通过输入与输出之间的关系进行学习。
神经网络的特点
特点 描述
适应性 神经网络能够通过不断的学习来适应新信息。
黑匣子模型 内部机制复杂，难以通过简单的代码解析其工作原理。
处理能力 依赖于图形处理器（GPU）来进行高效的计算。
深度学习的技术
深度学习是应用于机器学习的一种技术，使用神经网络模型进行决策。
它通过观察行为模式来学习，而不需要事无巨细地编写规则。
机器学习与深度学习的区别
术语 描述
机器学习 基于规则的学习方法，通过if-then规则进行推理。
深度学习 使用神经网络模型，通过观察来学习行为技能。
结论
计算机与云计算的协作能力正在不断提升，未来可能在各个领域产生深远影响。
人工智能的发展让计算机能够表现出更复杂的行为和更高的智能，使得人与机器的关系也在不断演变。
🤖 人工智能的影响与艺术视角
人工智能的短期影响
“如果你在试图理解人工智能的短期影响，那么不要想‘感知能力’，你应该想‘打了类固醇的自动化’。”——吴恩达

自动化的加速
随着摩尔定律的发展，计算机系统的能力不断增强，导致区分人类和机器反应的难度加大。
打了类固醇的自动化（Automation on steroids）指的是机器以高效且无疲劳的方式执行任务，类似于“永不疲倦的僵尸”。
数据的重要性
吴恩达指出，机器学习需要大量的数据集以训练神经网络。
2012年之前，图像识别的平均错误率为28%，而在机器学习普及后，错误率降至7%。语音识别的错误率也从26%降至4%。
🎨 艺术与科学的交融
支持艺术教育的必要性
“艺术不仅仅是你能看到或感觉到的东西，艺术是关于去发现表象之下的东西。”

艺术与STEM（科学、技术、工程和数学）相结合的理念被称为STEAM（科学、技术、工程、艺术和数学）。
在科技公司中，艺术家的参与能提升产品的用户体验。
艺术家的观察力
艺术家通过深入观察（如了解苹果的几何形状）来描绘事物的本质。
例如，苹果的自然形状是一个有五条棱的柱体而非简单的圆。
连接与创造
艺术家与设计师在创作过程中，能够跨越不同的思维层面，建立不太可能的联系。
例如，通过显微镜观察蝴蝶翅膀的构造，发现表面下的细节。
🔗 连接的力量
社交与合作的重要性
**“说话人与做事人”**的对立：说话人重视交流，做事人注重行动。
交流能促进创造和合作，增强团队的创造力。
计算机与人类的协作
计算机通过网络连接，相互交流，提升了计算能力。
我们的身体内有数万亿个微生物，这些微生物通过沟通和合作确保生存。
自然界的启示
帝企鹅通过相互交换位置取暖，展现出自然界的合作行为。
这种行为不仅是生存的需要，也是自然界合作的象征。
🕹️ 康威的生命游戏
通过简单的规则，模拟生命的相互依赖和群体行为。
规则示例：
孤独的活单元格死亡。
有邻居的活单元格存活。
过度拥挤的活单元格死亡。
空单元格与邻居交配生成新单元格。
群体行为的产生
仅利用简单的规则，多个单元格可以作为一个整体行动，不需了解整个网格的情况。
这种协作能力是在相邻单元格之间的沟通中产生的。
💡 艺术的价值
艺术提供了更深入的观察角度，能够挖掘事物的本质。
在科技与艺术的结合中，能够创造出更具人性化的技术与产品。
结论
通过理解艺术与科学的结合，能够更好地应对人工智能时代的挑战。
我们需保持开放的心态，勇于探索和创造，以便在快速发展的科技环境中找到我们的位置。
🤖 人工智能的演变与挑战
人工智能的历史回顾
“人工智能的初衷是让计算机能够思考，最初的焦点集中在下棋上，这是因为计算机科学希望通过棋类游戏吸引数学家们的参与。”

早期目标
计算机科学在20世纪50年代的目标是实现智能。
国际象棋被视为逻辑思维的代表，成为吸引资金和人才的手段。
人工智能的兴起与寒冬
人工智能在20世纪50年代开始繁荣，持续近20年。
由于对智能的过高期望，导致20世纪70年代资金大幅削减，进入“人工智能寒冬”。
时间段 事件
1950年代 人工智能的兴起
1970年代 人工智能寒冬，资金削减
当今 人工智能的复兴，数十亿美元的投资回归
人工智能的复兴与未来
现代发展
新的工业革命和政府、企业的投资使人工智能再次成为焦点。
人工智能被视为未来的必然趋势，越来越多的行业开始关注其影响。
复利法则与人工智能
“复利法则是巴菲特成功的关键，存的钱越多，随着时间推移赚的钱就越多。”

计算能力的快速提升类似于复利法则，长时间的积累将带来巨大的收益。
例如，若以66.66%的年利率计算，持有1美分50年后将超过10亿美元。
年利率 50年后总值
1% 2美分
5% 11美分
10% 1.17美元
66.66% 超过10亿美元
计算思维与科幻小说
科幻小说的影响
“科幻小说不仅是小说，也是描绘现实的手段。”

弗诺·文奇预言在30年内将创造超人智能。
他的“奇点”理论描述了技术超越人类智能的时刻。
雷·库兹韦尔的预测
预测计算能力将在2015年超过老鼠智力，2023年超过人类智力。
2045年计算能力将超越地球上所有人类智力的总和。
设计与计算的关系
现代设计哲学
敏捷开发与精益开发的概念，强调快速迭代和持续改进。
传统的瀑布式开发方法过于线性，难以适应快速变化的市场需求。
云计算的优势
“云计算使得数字产品的更新变得迅速且无缝。”

通过云技术，数字产品的发布和更新变得极为高效。
设计不再追求永恒，而是强调及时更新与适应变化。
设计的演变与未来
设计的变化
设计不再局限于传统的“设计圣殿”，而是向公众开放。
设计的标准不再由少数特权人士决定，而是由广泛的用户反馈和数据驱动。
数字产品的未来
数字产品的边际成本接近零，允许快速迭代和更新。
消费者的期望不断提高，企业必须持续优化产品以保持竞争力。
设计风格 描述
过时风格 错过时机，未能跟上潮流
流行风格 时机刚好，融入主流
创造风格 先锋风格，挑战常规
结论
当前的设计与计算环境正在经历快速变革，必须适应不断变化的市场需求和技术进步。
企业和设计师需要拥抱变化，利用计算能力和数据来驱动创新与设计。
🏛️ 设计圣殿与计算产品
包豪斯学派的背景
“包豪斯学派教义的发展是为了回应工业革命，回应利用工厂中的机器和流水线制造产品的新能力。”

包豪斯学派：20世纪初，致力于创造大众可用、可负担的产品。
工业革命：机器和流水线的使用使得生产效率大幅提升，但产品设计往往未能满足消费者的需求。
新工业革命的挑战
计算驱动的新方式
随着技术的发展，设计必须适应新的计算能力。
勇气：新一代设计师需勇于创新，接受人与机器的沟通。
质量的新定义
传统的设计圣殿追求完美的产品，而现代设计则强调快速迭代和市场反馈。
品质：不再是完美产品，而是能够通过市场反馈不断改进的未完成产品。
传统设计圣殿 现代计算产品设计
完美的成品 未完成的产品
长时间打磨 快速迭代
精致的设计 实用的原型
MVP（最小可行产品）
MVP的概念
“作为MVP创作者，你的工作就是把你伟大的想法削减到只剩骨架。”

MVP：一种仅包含核心功能的初步产品，旨在获取用户反馈。
目标是了解用户对产品的看法，而不是追求完美。
分享未完成产品的优势
通过云技术，产品可以迅速分享给全球用户，收集反馈。
云存储使得产品的实时更新和用户反馈变得可能。
迭代的重要性
不完整的产品如何演变
“一个不完整的想法只有经过迭代才能成为好想法。”

设计师必须接受产品在发布后可以不断改进的现实。
技术债务：快速开发可能导致长期的维护问题。
迭代的收益
持续的小幅改进可以带来显著的收益。
数学模型：每日提高1% vs 每日降低1%：
KaTeX can only parse string typed expression
1.01
365
≈37.8
KaTeX can only parse string typed expression
0.99
365
≈0.03
设计风格的分类
三种设计风格
过时风格：曾流行但已被淘汰的设计。
流行风格：当前受欢迎的设计。
创造风格：前卫的设计，可能不会成为主流。
风格类型 特点
过时风格 时代的产物
流行风格 受市场欢迎，生命周期持续通过变化延长
创造风格 前卫，不怕不被接受，吸引早期采用者
情绪价值的重要性
从所有权到订阅模式的转变
“云计算正在改变商业的本质。”

产品与消费者的关系从一次性购买转变为长期租用。
订阅服务：提供可预测的收入和更高的客户参与度。
设计师的挑战
设计师需要理解技术与商业之间的鸿沟，确保产品能够在市场上取得成功。
情绪价值成为用户体验的重要组成部分。
结论
现代设计需要拥抱不完整性和快速迭代，接受用户反馈并不断改进产品。
设计师必须具备勇气去创新，理解技术与市场的关系。
💻 客户关系与产品设计
客户取悦的重要性
“不断取悦客户是至关重要的，尤其是在订阅期快结束并且需要续订的时候。”

在现代商业环境中，取悦客户的方式发生了重大变化。过去，技术用户只需确保系统能正常运行，但现在则需要提供更丰富的用户体验。

旧世界与新世界的桥梁
旧世界：技术用户间的交换如同简单的桥梁，功能是关键。
新世界：竞争加剧，用户的期望提高，取悦用户变得更加复杂。
最小可行产品（MVP）与最小可爱产品（MVLP）
MVP（最小可行产品）
“MVP的设计方法是用最小或‘精益’的方式给消费者他们想要的东西，而不一定将其完全实现。”

功能性优先：在产品功能方面优先考虑可用资源。
工程可靠性：确保产品在基本层面上是可靠的。
MVLP（最小可爱产品）
“MVLP强调在可行性之上，还要考虑用户体验的舒适性。”

重要性：普通用户对舒适性和愉悦感的期望更高。
设计哲学：设计不仅要考虑功能性，还要考虑用户的情感连接。
工程师与用户的桥梁
“工程师能够‘看见’无形的计算世界，他们处理的事情的复杂程度是其他人看不见的。”

技术债务：工程师在管理复杂系统和技术债务时遇到的挑战。
同理心：理解技术人员的工作对产品设计至关重要。
设计的艺术与科学
“设计的艺术和科学与日本哲学中的‘爱着’密切相关。”

Omotenashi（好客）：不仅要知道客户想要什么，更要超越他们的期待。
细节关注：通过细节提升用户体验，使其与客户建立更深的联系。
案例研究：谷歌与梅耶尔的设计理念
梅耶尔的策略：专注于速度和效率，而非仅仅是视觉设计。
速度的重要性：谷歌通过提高搜索速度来提升用户体验，成功吸引用户。
现代产品开发的团队合作
方面 MVP MVLP
功能性 仅关注可用性 关注用户体验的舒适性
设计理念 工程优先 强调情感连接与用户满意度
设计过程 以技术为导向 结合用户反馈与情感需求
遥测技术的启示
“遥测是通过传感器自动读取数据并单向传输到基地的过程。”

技术背景：19世纪的遥测技术为数据收集提供了新的可能性。
双向通信：现代互联网通过双向通信允许设备之间的实时反馈。
用户隐私与数据共享
数据保护：在数据收集和用户隐私之间存在复杂的平衡。
GDPR的影响：欧盟的《通用数据保护条例》强调了科技公司在数据处理中的责任。
总结
通过理解客户需求和技术的交叉点，企业能够更好地设计产品，以满足用户的期望并提升客户关系。设计不仅仅是技术问题，更是情感和体验的艺术。

🌐 隐私与数据收集
初次接触与个人信息
“第一次访问一个与你毫不相干的网站，看到它热情地用你的名字欢迎你时，你的感觉可能就没那么好了。”

隐私问题：陌生人对个人信息的了解程度让人不安，例如在餐厅的服务员直呼你的名字。
人性面对的挑战：如何保护个人隐私，避免陌生人获取过多信息。
计算设备与信息收集
“计算机器，就其本质而言，可以并且将以某种方式被测量，因为这是其模式的内在好处。”

测量的范围
数据收集方式：
捕捉每次点击与按键。
追踪三维位置信息。
Cookie 的角色
Cookie：
网络追踪的基本单位。
记录用户的访问信息，方便网站记住用户的偏好。
第三方 Cookie：
由与访问网站无关的服务创建，建议在浏览器中禁用以保护隐私。
便利与隐私的权衡
“在可预见的未来，你将不断地用你泄露给他人的数字信息来交换计算便利性。”

权衡 便利性 隐私损失
信息分享 提供个性化服务 信息可能被泄露
用户体验 免去记忆密码的麻烦 不知所同意的隐私条款
监控与同意
“有些时候，你会明确选择被监控和遥测，比如当一个网站要求你向它透露位置时。”

数据共享的复杂性
服务条款的隐蔽性：用户常在不知情的情况下同意数据共享。
隐私侵权的风险：互联网服务提供商可能存储和出售用户信息。
数据科学与用户需求
“数据科学在全局层面控制逻辑解释。”

数据的收集与分析
大数据：通过智能设备产生的海量数据。
数据分析的必要性：理解用户需求，以提供更好的服务。
定量与定性数据
数据类型 描述
定量数据 通过数字和统计分析得出的数据
定性数据 通过用户反馈和访谈获得的洞察
测量系统的应用
“轻松测试想法的能力。”

实验与反馈
测试不同变体：通过实践不同的想法，了解最有效的方向。
持续改进：小幅度的改进可以带来显著的长期效果。
风险与收益
改进与恶化的比较：
每天改善2%与每天恶化2%的长期影响。
KaTeX can only parse string typed expression
1.02
365
≈1377.4与0.98
365
≈0.0006
实验的伦理
“我们实际上是在对真人进行实验，而不是在无形的、分离的计算模拟中进行实验。”

案例分析
脸书实验：操控用户情绪的潜力。
奥巴马竞选的筹款实验：通过测试不同组合实现成功。
实验 结果
脸书 情绪操控的潜力
奥巴马 筹款效果提升40.6%
通过以上内容，学生可以更好地理解隐私、数据收集和数据科学的复杂性，掌握必要的知识，以应对相关的学术和实际问题。

💻 拆分测试与数据实验
拆分测试的背景
“拆分测试（A/B 测试）是一种强有力的工具，可以帮助我们理解不同变量对结果的影响。”

测试主题的影响
在分析电子邮件主题对募集资金的影响时，发现不同主题下的效果差异显著。例如：

主题为“民意调查做对了一件事”的邮件募集到 403,600 美元。
主题为“我将严重超支”的邮件募集到 2,540,866 美元。
这种差异表明，有效的主题选择对于吸引用户的注意力和响应非常关键。

3D 打印与产品变体
“3D 打印技术的普及使得在遥远地方制造原型变得容易。”

变体成本的对比
在实体产品的测试中，尝试变体的成本较高。
3D 打印技术逐渐降低了制作精度高的塑料或金属原型的成本。
与之相比，计算产品的变体成本较低，尤其是当变化仅涉及副本或图像时，可以迅速推送给所有用户。
数据实验的实施
避免 HiPPO 原则
“HiPPO（最高收入者的观点）往往会干扰基于数据的决策。”

在进行数据实验时，建议遵循以下原则：

以数据为导向，而非单纯依赖高管的意见。
确保从一开始就选择合适的起点，避免 HiPPO 的影响。
鼓励团队的创造力，以获得更多的实验变体。
成功的变量实验
在接近成功时，测试变量的效果最大。可以将其比作“冷与热”的寻宝游戏，小心翼翼的接近成功是最佳策略。随机跳跃可能导致偏离目标。

测试与风险管理
测试的必要性
测试客户需要权衡成本与不进行改进尝试的机会成本。确保有可衡量的结果（如点击率或销售额），并与基准进行比较，才能真正体现测试的价值。

“测试是一项真正有价值的工作，如果做得对，可以带来数千倍的改进和数百万美元的价值。”

自动化与科技的双刃剑
设计与风险
“科技公司教导我们推出不完整、可测量的产品，大大降低初期风险。”

现代科技通过云不断改进产品，使得用户体验更加个性化。
通过实时反馈和机器学习，科技公司能够快速响应用户需求。
自动化的潜力
在设想一个“自动驾驶模式”下，快速测试和迭代的可能性是巨大的，能够实现微小但持续的改进。

计算与人类智能的融合
人工智能的未来
软件产品行业的发展经历了以下阶段：

阶段 描述
第一阶段 塑封包装的盒子，通过盒子发布软件产品。
第二阶段 用户可选择在线下载盒子里的软件。
第三阶段 软件即服务（SaaS），团队不断更新。
第四阶段 半人马的SaaS，人类与轻度人工智能合作。
第五阶段 由重度人工智能驱动的全新软件。
人文主义技术专家的角色
“技术专家的座右铭是技术越多越好，而人文主义者则关心科技对社会的影响。”

关注技术对人类的影响，确保技术的进步是出于关心而非单纯的能力。
数据的伦理与透明度
数据收集的道德考量
数据的收集和使用必须具备透明度，以获得用户的信任。计算的世界不再是不可见的，企业需要对数据的使用负责。

数据去匿名化的风险
“信用卡公司拥有的数据可以匿名化并出售，这引发了对隐私的担忧。”

需要理解数据的收集与使用可能带来的伦理问题，并努力实现数据的透明和可理解性。
📊 科技行业的性别与种族平衡
“当我开始深入研究科技领域的统计数据时，我开始感到担忧。”

性别与种族比例
女性比例：科技领域的女性仅占21%，而美国女性约占总人口的50%。
种族比例：
非裔美国人占7.4%
西班牙裔美国人占8%
亚裔美国人占14%
私营企业的平均比例为：
非裔美国人占14.4%
西班牙裔美国人占13.9%
亚裔美国人占5.8%
观察到的问题
尽管亚裔美国人在科技领域的比例相对较高，但管理和高管职位更有可能被白人男性占据，形成了“苍白男性”（Pale Male）的现象。
行业影响
“比起这些数字失衡，更令人担忧的是这种不平衡将如何影响科技行业中的少数派在各个层面的生活质量。”

离职原因
根据卡普尔社会影响中心的研究，少数派离开科技行业的原因包括：
歧视
欺凌
性骚扰
种族主义
领导者的选择
领导者可选择采取措施纠正这种不平衡，或者任其发展。
系统偏见与招聘文化
文化适配度的压力：科技公司在招聘中倾向于选择与现有员工相似的人，以减少摩擦。
新员工的适应时间更少，效率更高，但也导致了同质化现象。
循环效应
由于快速行动的需求，科技行业往往充满了相似背景和想法的人。
需要有明确的全系统层面的干预措施来打破这种同质化的循环。
技术偏见的后果
“当企业的单一文化偏见成为‘失误’的基础时，偏见就被推向了新层次。”

计算系统中的失误
计算系统中的失误可能在几毫秒内影响所有用户。
例如，亚马逊的招聘工具由于偏见而自动降低提到上过女子大学的简历的评分。
包容性和创新
一个失衡的系统将产生失衡的结果，缺乏创新催化剂的文化不会实现卓越增长。
多样性的团队能创造更好的产品，企业需要关注包容性来避免高昂的错误和风险。
商业领袖的改变
一些科技领域的商业领袖认识到，服务于尽可能多的客户是保持竞争力的重要因素。
企业文化的多样化可以更好地为客户服务，并解决性别薪酬差距等问题。
示例：谷歌的产品包容性计划
谷歌的“产品包容性”计划旨在通过多元化团队创造更好的产品，涉及公司方方面面的多样性。
未来的机会
通过利用人类的多样性，可以打破以摩尔定律速度出现的失衡现象。
需要让更多人了解计算的力量，以便推动创新和商业机会的发展。
数据的厚度与质量
“成功通常意味着收集大量的用户数据，这是提高由数据驱动的结论的统计准确性的最佳方式。”

定量与定性数据
定量数据的获取比定性数据容易，导致技术人员倾向于依赖数字而忽视个体故事。
厚数据（Thick Data）需要深入研究用户体验，而不仅仅是聚合行为。
人类行为的不可预测性
人类行为的复杂性使得任何预测都只能是猜测，无论是定量还是定性数据。
在理解用户需求时，需要关注客户的总体目标和希望，而不仅仅是解决具体问题。
结论
企业需要在计算能力和客户理解之间找到平衡，以避免因技术偏见而导致的错误。
📊 领导力与技术的未来

1. 解放过去的成功
   “像高级领导那样思考，相信过去行之有效的方法显然还会适用。”

企业家巴里·奥莱利（Barry O’Reilly）提到，领导者需要“解脱”于过去的成功，以便适应不断变化的环境。
重要的是要认识到，我们生活在一个计算时代，十年前的解决方案未必适用于今天的挑战。
2. 三角测量法
“三角测量”这一术语源于几何学，指根据已知的点构建三角形以确定未知点的位置。

在社会科学中，三角测量法指使用多种调查方法（如访谈和定量调查）研究同一现象。
关键点：多样化的数据源是获得全面理解的重要手段。
三角测量法的优势
优势 描述
多样化数据源 通过不同视角收集数据，减少偏见
反复调整 基于数据的猜测可以进行多次验证
解决失衡 关注人性与偏见，从而平衡定量数据
3. 人工智能的局限性
“我们应该期待人工智能和我们一样愚蠢。”

谷歌联合创始人对人工智能的担忧不仅是市场策略，而是对技术转型的真实反思。
身份政治与市场调研的关系：技术自动化了人类的偏见。
自动化与偏见
自动化不仅是技术的进步，同时也可能放大历史上的偏见。
示例：COMPAS（刑事预测算法）可能对某些群体（如黑人被告）产生偏见。
4. 机器智能的演变
“过去，我们会定义不同的if-then模式和数学公式。”

现代机器学习依赖大量数据，通过神经网络自动生成模型。
机器学习的局限在于，它只会重复历史数据中的趋势。
机器学习的工作原理
步骤 描述
数据输入 将大量历史数据输入神经网络
模型生成 自动生成模型，无需手动编程
结果输出 根据输入数据生成相应的输出结果
5. 开源与闭源的对比
“开源是任何人都可以出于自己的目的进行修改的开放计算机代码。”

特点 开源 闭源
代码可访问性 任何人都可以查看和修改 代码封闭，无法访问
社群价值 促进协作与共享 维护竞争优势
示例 Linux、WordPress Facebook、大多数商业软件
开源软件鼓励社区合作，而闭源软件则常常追求商业利益。
开源的缺点在于缺乏隐私，任何人都可以访问源代码。
6. 设计原则
凯特·霍姆斯提出的排斥与包容设计原则。

设计原则
识别排斥性：意识到某些群体被排斥的情况。
向多样性学习：深入不同文化，收集丰富的数据。
从小问题出发：逐步扩展到更广泛的问题解决。
设计原则的应用
原则 应用
识别排斥性 关注被排斥个体的需求
向多样性学习 采用多样化的用户测试
从小问题出发 优先解决特定群体的问题
通过包容性设计，创建更具代表性和实用性的产品。
7. 开源软件的价值
微软收购了GitHub，显示出开源软件在现代技术中的重要性。
开源不仅是技术上的开放，也是构建社区和协作的基础。
开源软件的影响
影响 描述
促进创新 开放代码促进新想法和新产品的生成
增强透明度 社区可以监控和审查软件的功能
降低开发成本 开源资源减少了开发人员的负担
🤖 人工智能与不透明性
人工智能的黑匣子
“较新的机器智能系统不是由可读的计算机代码组成的，而是被包装成含有数字和数据的不透明的黑匣子，没有清晰的逻辑流程。”

现代人工智能系统的复杂性使得其操作过程不透明，形成了“黑匣子”现象。这些系统的决策往往基于大量训练数据，导致人类难以理解其内部逻辑。
“灰匣子”测试技术
“灰匣子”测试技术是一种新的计算方法，用以检查这些不透明的人工智能，使其表现得更像“灰匣子”。这种方法旨在提高我们对人工智能工作原理的理解。
道德意识的探索
尽管我们可能无法完全理解这些系统的运作，但研究者们正在努力让人工智能具备某种形式的道德意识，以便其能质疑被告知的任务。
人们对人工智能的恐惧
“人们很容易对它感到恐惧。我们很快会听到这样的新闻：一台清洁机器拒绝听从命令。”

随着人工智能的普及，公众对其潜在威胁的恐惧感逐渐加剧。这种恐惧来源于对技术的不确定性和缺乏理解。
计算的两种形式
类型 描述
可读的源代码 开放技术，便于理解和修改。
黑匣子 封闭的系统，难以理解其操作逻辑。
开源社区的参与
参与开源社区可以减少对技术的恐惧。开放的技术促进了公平和协作，使人们能够共同学习和分享。
💔 关心人类
个人经历与人性认识
演讲者分享了个人在受伤后与人性和技术的思考。他在康复过程中意识到了周围人的重要性，包括医生、护士和其他支持人员。
科技与人性
“认识到自己的人性，同时也认识到他人的人性，是科技无法给予你的礼物。”

这种对人性的认识使得演讲者在面对技术时，不再仅仅关注技术本身，而是关注技术对人类的影响。
技术与人类失衡
计算时代需要解决技术和人类之间的失衡问题。尤其是在自动化日益普及的背景下，我们必须关注技术对社会的影响。
合作与协作的区别
概念 描述
合作 不需要深入了解对方，通常较为简单。
协作 需要更深入的理解和相互配合，通常较为复杂。
结语
演讲者强调，作为计算思考者，应该始终关注人类，努力理解计算产品和服务对社会的影响，倡导包容性思维。
🅵️ 字体软件许可证条款
字体软件的使用条款
“字体软件的使用受到特定条款的约束，用户必须遵循这些条款以合法使用字体。”

字体软件的主要使用条款
字体名称使用
字体的名称只能用于向用户展示的主要字体名称。

版权持有者的名称
字体软件的版权持有者或作者的名称不得用于推广、认可或广告任何修改版本，除非获得他们的明确书面许可。

授权分发
修改或未修改的字体软件，无论是部分还是整体，必须完全根据此许可证分发，不得以任何其他许可证分发。

文档例外
使用字体软件创建的任何文档不受字体许可证的限制。

终止条款
“如果未满足上述任何条件，本许可证将变为无效。”

免责声明
“字体软件按“现状”提供，不提供任何形式的担保，包括但不限于适销性、特定用途的适用性及版权、专利、商标或其他权利的不侵权担保。”

责任限制
“在任何情况下，版权持有者均不对因使用或无法使用字体软件或其他与字体软件的交易所引起的任何索赔、损害或其他责任承担责任。”

责任的类型包括：
一般性损害
特殊损害
间接损害
偶然性损害
结果性损害
这些条款明确了字体软件的使用限制和责任，确保用户在使用字体时遵循规定。