《人有人的用处》[笔记]

最新推荐文章于 2024-10-11 19:03:40 发布

ApiHug

最新推荐文章于 2024-10-11 19:03:40 发布

阅读量718

点赞数 24

分类专栏： ApiHug 文章标签：笔记算法人工智能 ApiHug intellij-idea spring boot

本文链接：https://blog.csdn.net/AK15221736052/article/details/140917294

版权

ApiHug 专栏收录该内容

41 篇文章 0 订阅

订阅专栏

Kola make tester colourful

Cool, Simple and Work!

Kola 首页

ApiHug Tester Framework Kola - ApiHugKola make your test life happyhttps://apihug.com/zhCN-docs/kola

Kola 目标

全面支持DSL,类BDD, Contract 定义测试
引入 wire 端 kolaTest 测试任务
无缝集成所有现存测试解决方案(junit5 assertJ etc)

Kola 截图

玩转API

快速开启 - ApiHug如何在15分钟内，使用 ApiHug 启动一个API开发项目.https://apihug.com/zhCN-docs/start

📐设计先行

通过统一的API 设计元语(DSL, domain specific language), 让API 设计更语言化（Describe)；实现高度的一致化，和高复用。

📑协议驱动

OAS (OpenAPI specification), 是 ApiHug世界的 "金科玉律", 严格保证定义 ↔ 实现之间同构(isomorphism)态射。

🗺️单一信任源

实现 API 从：蓝图→施工→测试→落地，不走样，不变形，不改味。极致沟通效率和极低信任成本。

❤️ 开发同理心

置身于多种角色,感同身受，在快和慢，现在和将来,个体和团队上综合平衡，极具同理心是ApiHug 人文基础，她不仅仅是一段代码，一个工具，一种方式。

# 部分摘录

一个消息所具有的信息，本质上可见解释作该消息的负熵，解释作该消息的机率的负对数。
消息，只是从消息的发出者抵达消息的接受者的单向的过程；而信息，则是对一个消息刺激的反应的再提取
机器和生命体一样是一种装置，它看来是局部地和暂时地抗拒着熵增加的总趋势的，由于机器有决策能力，所以它能够在一个总趋势是衰退的世界中，在自己的周围创造出一个局部组织化的区域来。
世界作为整体，遵从热力学第二定律：混乱在增加，秩序在减少。
把生命存在这一短暂的偶然事件，以及人类存在这一更加短时的偶然事件看作具有同等重要的价值，而不必去考虑它们的一瞬即逝的性质。
在一个非常真实的意义中，我们都是这个在劫难逃的星球上的失事船只中的旅客。
进步自身和我们反对增熵的斗争，都似乎一定要以我们正在力图避免的毁灭道路为结局。
我们之所以不能把某人的模式用电报从甲地派送到乙地，这个事实似乎是因为技术方面有困难，具体讲来，是因为有机体在这种根本性的改造期间中难以继续维持其生命之故。
....

# Claude Shannon (克劳德·香农)

Science seeks the basic laws of nature. Mathematics searches for new theorems to build upon the old. Engineering builds systems to solve human needs. The three disciplines are interdependent but distinct.

How Claude Shannon Invented the Future

科学寻找自然之规律
数学不断的建设理论之塔
工程实践解决当下问题

Very rarely does one individual simultaneously make central contributions to all three — but Claude Shannon was a rare individual.

香农(Shannon) 是现代信息论里最著名的人物， “the father of information theory.”

#Entroy(熵)

热力学熵：系统的混乱程度
信息熵：信息的不确定性的度量

今天星期一，下面两个信息：

A: 明天星期二
B: 明天下大雨

A&B 貌似信息量一样大（都是5个字），但是A明显是个废话没有任何价值， B带着有价值的信息量，也就是让明天不确定的天气变成确定的下雨天气。

信息：减少不确定性的任何事物

信息量：相对值，某个具体事情(event) 发生带来的信息，事情发生的概率越低，信息量越大。

长度的单位是米，重量的单位是千克，信息的单位？就是比特(bit) 二进制的 0和1。

熵值H 定义，随机变量X {x1,x2...xn}：

b 是对数使用的底
1. 当是 2 的时候是我们熟悉的单位，比特 bit
2. 当是 e(自然数 2.71) 时候，单位是：纳特 nat
3. 当是 10的时候，单位叫 ban
P为 x 的概率质量函数(probability mass function)，理解为 xn 的发生概率

公式看起来比较复杂，举个例子，抛硬币的信息熵：

香农有更多其他理论，这里不再赘述；探究事物的本源，看似事半功倍，长久来看才是事半功倍，功夫自在经年累月的积攒中，大部分捷径都不一定省得了时间。

概率：微观态的确定性。
熵：宏观态的不确定性。

信息论，熵(Entropy) & 其他，发现阅读时候和很多概念有交叉，早前做过笔记，但是忘得一干二净：Claude Shannon (克劳德·香农)

B站有个大神，通俗易懂解释了这部分知识点，参考中有。

#参考

Claude Shannon (克劳德·香农)
https://space.bilibili.com/344849038/channel/seriesdetail?sid=341793
https://www.modevol.com
https://www.bilibili.com/video/BV1oX4y1w7aG/?vd_source=c50e16f327c403d735e0b6a89cd83f23
https://www.zhihu.com/people/YJango/creations/19813032
https://zhuanlan.zhihu.com/p/675147491
https://book.douban.com/annotation/113272142/?post=ok&start=0
https://www.jianshu.com/p/f349c1411646