Open Everything

"You never change things by fighting the existing reality. To change something, build a new model that makes the existing model obsolete" - Buckminster Fuller
（與既存的現實奮戰，並無法改變任何事。要改變現行的體制，應該試著去創造一個新的、更好的系統，讓世人覺得舊系統實在該被淘汰。）

這是一個組織，P2P Foundation 網站上的 moto，這個網站主要是要推廣 information should be free 的理念，站上有個簡介，看了可以很快的瞭解他們的理念。

簡單的說，資訊（或是所謂的「智慧財產」）不同於一般貨物，一是它並不會因為使用而減少，二是新的資訊產生必然需要舊的資訊。而 open content 最實際的例子即是 wikipedia，作為開放內容的推行者，該組織的宗旨不在於與「智慧財產」的概念宣戰，而是要以他們自己的理念創造另一種典範，讓普羅大眾可以自行選擇。


另外，幾個禮拜前也看到一篇文章，提到創業的點子與創投資金也應該 open-source，詳細的理由有興趣的人可以自行閱讀。

總之，這個年頭，似乎什麼都可以開放了呢。

ADK 1.5 發布！

Android SDK 1.5， 版本代號「杯蛋糕」(Cupcake)，正式發布啦～

新版本的功能主要包括影片支援、更快速的 GPS 與網路瀏覽器、虛擬鍵盤等等，期待相對應的系統映像檔能在近期釋出。

Android 的應用軟體目前還是沒辦法像 iPhone 種類那麼多、功能完善，當然 Apple 要求開發者一開始就要繳錢，間接的讓開發者比較有動機去完成、改善產品。相對的，Android 反正是提供免費開發工具，很多人可能都像我一樣，還沒破釜沈舟的辭掉工作跳進去，一個卜卦的程式弄到現在也還沒空好好把所有功能完成。

是不是真該讓自己沒有退路，勇往直前呢？

Max Planck 過生日

今天(4月23)日是 Max Planck 的 151 歲生日(生於1858年)，就是量子理學裡那個「普朗克常數」的 Planck，跟「馬克思主義」則沒有什麼關係。有興趣的可以看他的傳記，或是 wikipedia 的記載（中文維基也有）。

特此紀念，順便灌水一篇。

拾荒

前幾個禮拜，有則關於前民進黨立委被記者拍到在拾荒的新聞，引發各界議論。我對於當事人並不熟悉，對於該事件的始末也沒有興趣，但是「拾荒」這件事情，我個人倒是有不少切身相關的有趣經驗。

記憶中，我很小就會從垃圾堆理挑撿看起來對我還蠻有用的東西（嗯，雖然最後常常還是送回垃圾堆 orz），到年紀漸長，才慢慢發現原來這是家族遺傳：從曾祖父那一代開始，家裡就堆滿了 DIY 的東西，幾年前祖父充滿回憶的如是說道。

曾祖父務農，祖父經營一間小雜貨店，在那個物力維艱的年代，很多家具、工具都是用撿來的材料湊和著自己加工作成，作工不見得精細，但只看人有沒有那份巧思。直到這幾年，偶而祖父還是常常在陽台上拿著撿回來的木料敲敲打打，做些曬衣架、鳥籠架之類的東西，每每都被祖母嘮叨。

到了父親那一輩長成之後，台灣的生活環境富裕了起來，「廢棄物再利用」不再有其必要性，但是沒事經過垃圾堆時翻看一下有沒有可以用東西的習慣，好像依稀還是保存了下來。隨著時代改變，這種最早與「貧乏」有關的行為，反而翻身變成新潮的「環保」舉動，這大概也是大家始料未及的。


雖然我自己覺得「撿破爛」這種行為，應該算的上是「節省資源」與「環保」，但很顯然很多人並不是這麼想的。

我剛來德國的時候，家具都是買二手的，家裡擺放的植物也都是用食物吃完剩下的玻璃罐來裝盛，一些同事都露出鄙夷的表情。我把辦公室廢紙堆裡只用了一面的都拿出來當計算紙，也有人勸我「直接拿白紙來用就好了，我們沒那麼窮」。我只能說，這個「菁英機構」裡的人，真的跟我認識大部分的歐洲人不太一樣。

至於之前提到的報導，把「拾荒」形容成「淪落」，我想報導的記者大概也不真覺得「資源回收」是什麼值得認真對待的事情吧。


不過以目前的經濟情勢來看，在經濟成長趨緩、失業率提高的情況下，或許「資源回收再利用」也可以變成具有規模的區域型事業呢。

多元閱讀與語言能力

在天下雜誌往站上看到洪蘭教授的一篇「讀一本課本是不夠的」，作者嘗試從神經科學的角度，來詮釋為什麼目前台灣過度強調「精讀少數文章」的語言教育方式是行不通的。

其實不只是從「理解人類的語言能力」的觀點出發能得到這樣的結論，在工程上「讓電腦來處理人類語言」，也發現相似的情況。

傳統上，科學界對於「規則」的找尋有種特別的熱衷，學語言要有「文法」，任何領域的知識都脫不了「xx理論」，人工智能的設計也主要是將專家的知識歸納成一條一條的規則，然後利用邏輯運算來進行判斷。大約在上個世紀90年代，隨著基礎科學的突破和哲學思潮的演變，「機率」的想法逐漸被科學家們接受，比方說目前各種「辨識」技術所建基於之的Statistical Learning Theory ，就是讓電腦「從資料中去學習規則」，而非傳統的「執行專家所定意出的規則」。

這幾年暴紅的 Google，則是把統計的應用推向更極端：一切都在資料和統計之中，讓我們連規則這件事都給忘了吧。

當代的自然語言處理(Natural Language Processing, NLP)當中，N-grams應當算是最重要的觀念之一。這個觀點把語言當作是一連串基本元素(字母或是字)組成的序列，然後去分析各種序列發生的機率，而最明顯講這個觀念發揚光大的，就是 Google 的各種應用：舉凡搜尋、翻譯、搜尋修正建議....等等，廣義來說都是從 N-grams 的觀點出發的。

Google 建立在 N-grams 上的應用，有一個很重要的限制：用來學習的資料量一定要大。Schmidt 某次在介紹 Google Translate 演講上提到，Google Translate 其實沒有包含多少傳統語言學的元素，完全就是靠 collocation 的統計；一開始沒有人相信這樣行得通，但是當用來統計的資料量到達 10 的 6 到 9 次方時，整個系統突然就可以運作，甚至運作的比基於各種文法規則的翻譯還要好。

技術的部份說到這裡就該打住了，讓我們回到主題，「閱讀」這件事情上。其實說這些單純只是為了呼應洪蘭教授所說的：人應該廣泛的閱讀，才能更精準的掌握語言的使用。前人精闢的解析與見解固然值得咀嚼，但是擴充形成自己見解的資料量似乎是更務實的作法。畢竟書是死的，人是活的，而且是活在一個不斷變化的語言環境裡，不斷有驚奇發生的世界當中。Be adaptive.

作決定，理性或直覺？

大約上世紀 80 年代時，以 Amos Tversky （2002年的諾貝爾經濟學獎得主）為代表的認知心理學家們做了一系列的實驗，突顯人的「不理性」，其中幾個經典的實驗，現在只要是學「決策理論」的人都會聽過，基本上是作為使用數學決策系統的宣傳。

然而，以數學模型為基礎的決策理論其實也有缺陷：數學模型永遠不夠完善，永遠有沒考慮到的因素。這樣的系統，對於商業決策，或是得失很容易量化的的事情，顯然很有用；但是對於與個人人生規劃有關的決策，這種系統化的方法恐怕就不是很適用了。

相對的，一個人的直覺，其實可以看成是大腦這個 nonlinear classifier 對於所有顯性、隱性資訊綜合所作出的反應，這個反應的過程或許沒有什麼可陳述的條件，但卻是個人經驗、智慧的產物。事實上，很多 pattern recognition 的工作，人類可以輕易的做到很好，但是對於數學模型來說卻非常困難。其中的理由，或許是用來分析的資料對於決策的重要性不高，也或許是模型根本不對，總之完全依賴理性並不能保證決策的品質。

所以，如果一件決策，客觀分析上都沒有什麼大問題，但是心裡的警鈴一直莫名其妙的響，這時候不妨多考慮一下，聽聽自己直覺的意見。Sometimes, it is better to follow your heart.

Evolutionary Art

約莫是打從有電腦開始，就有人打量著要讓電腦可以做人在做的事情，從重複性、規則性的計算，策略的選擇，到創造性的藝術創作，而這些事情在理論上各有不同的難度，實作的方法也隨著科技的演進五花八門。

Evolutionary Art是基於 Evolutionary Algorithms 來讓電腦自動生成圖形或音樂的的方法，這個領域的研究早期大多發表在物理學的期刊 Physica 的 D 卷，非線性現象 (Physica D: Nonlinear Phenomena)，而現在逐漸自成一個領域，上週還在 Tübingen 開了一個研討會(論文集在此)，有好幾個已經可以運作的繪畫和作曲系統發表。

上圖是用 Context Free 製作的，是個 open source 的軟體，可以透過簡單的語法（grammar）來自動產生影像，也在 Make 雜誌上報導過，挺有趣的。

至於 Algorithmic Music 也有了不錯的函式庫，下回再介紹吧。

DIYer 的終極浪漫

之前在癮科技看到這篇「巨型鍬型蟲機器人，始動！」，只能大呼「太神了～」。

詳細介紹可以在上述連結看到，這裡就不多加贅述，我只能說業餘興趣可以玩到這個地步，還真的是不容易。話說回來，六十歲的老先生，花了十一年的歲月打造了自己的夢想，還真是浪漫啊～

How-to 跨領域學習

越來越多的工作需要跨領域的知識，即便是學術研究，目前跨領域合作也是最熱門的趨勢。這個趨勢人人都看得到，也人人會說，但是一個人在受過一定教育之後，要如何跨足另一個領域的知識，實際的方法卻付之闕如。

我自己不小心從心理學、流體力學到資訊科學，繞了一大圈，每次更換領域之初，總是倍感吃力，雖然也還是走過來了，但其實沒有仔細想過這個領域轉換的過程要怎麼克服比較容易，更別說列出 How-to。

今天跟同事 Y 和 P 聊天的時候，P 說想念博士，但是接下來要做的主題，在數學方法上是過去從沒接觸過的，有點擔心，於是 Y 好心指點了 P 幾句心法，我在一旁聽著，覺得說得實在太好了，所以在此特地拾人牙慧，分享一下。

「你要找一個你最能夠想像、理解事情的架構（比方說是信號處理），之後接觸到新的東西，要設法用這套架構去詮釋，而不是單純的按照那個領域的敘述方法去學。」

其實這個基本心法，簡單的講就是「吾道一以貫之」，就算是在同一個領域理繼續深造，同樣的方式也一體適用。一個人的高等教育，從大學到博士完成，至少也有個十年八年，除非是混的離譜，不然所學必然是函括相當大的範圍，光靠博學強記恐怕難以成事。此外，Y 的建議也是相當符合目前吾人對於人類認知的理解。

以當前的工作環境來看，人人還真是得「活到老，學到老」，而且不斷地吸收第一專業之外的知識。所以，對於大多數的人，首要之務是找到最適合自己的第一專業，在該領域鍛鍊出相當深度的認知架構，然後再拓展到其他領域。


不過呢，話雖如此，但是這麼多年來，看到世界各地的跨領域的合作，都有一些盲點，其中最明顯的是：

1. 自以為是。因為大家都是自己領域裡的高手，反而視野就侷限在自己的領域，加上又鄙視其他領域的專業，以至於表面上好像合作的和樂融融，私底下卻批評的很難聽。


2. 不肯認錯。當發生預期外的事情，最常見的是當作沒看到，或是怪在別人的「外行」、「不懂」，而不是列入修正，或是尋找齊他的解決方案。

這樣的特點，恰恰也是前述人類認知歷程的另一面，所以，世事很難兩全其美。我只能說，以「一」貫汝之道，但常記「此一並非唯一」，否則過猶不及，依然跨不了領域，合不了作。

用 eee PC 工作

我的小白 EeePC，是當初一開賣就訂貨的 701 4G 版本，用到現在也有一年半了。一般來說，帶著外出，上網、做紀錄、簡報，都還蠻方便的，躺在床上看電影也很適合，但是當需要在上面執行或開發軟體的時候，就顯得有點吃力了。

吃力的原因除了先天上硬體就比較陽春之外，還有作業系統和軟體的限制：華碩自己的 OS 限制重重，而安裝其他 Linux 版本，驅動程式多多少少都有問題，尤其是網路。沒了 internet ，netbook 就只剩下 book 了....

EeePC 內建的 Linux 有針對硬體最佳化，開機迅速（10 秒內），而且硬體支援相當完善（廢話，不然就不用拿出來賣了）；但相對的，缺點也是因為最佳化，華碩把套件升級限制的比較死，因為大部分公共的 Linux 套件並非針對 EeePC 的硬體設計，因此若採用完全開放的套件升級，則使用者經驗勢必大打折扣。

不過，Linux 的好處就是可以自己動手改，EeeUser.com 收集了許多人修改 EeePC 內建 OS 的心得，大部分基本的問題都可以找到解答，至於不想看英文的人則可以參考 xepc.org。

目前我是用了 2G 的 DDR2 記憶體（要換 kernel，因為預設的只支援 1G），利用 RAMDISK 並搭配 16G 的 SDHC 記憶卡來彌補硬碟空間的不足（這也要改 initramfs，以突破華碩預設檔案系統的限制）。現在 gcc, g++, g77, jdk, eclipse, R, 這些原本塞不進去的軟體是裝得進去了，不過讀寫上 SD 卡還是比內建的 SSD 慢了些，更不用說執行耗用大量系統資源的 IDE。這樣的結果倒讓我有點慶幸自己對 IDE 的依賴還不算太深，要我回頭用 Text Editor 加上 command line 來寫程式還不算太難就是了。

其實我在想，netbook 究竟是應該往 laptop 還是 mobile 的方向靠？這可能要看 grid computing (要叫 cloud 也行啦) 的服務在接下來的幾年裡能不能至少有個雛型出來，不過對於電腦製造商來說反正就是兩邊壓寶就是了。

對我來說，重要的是有方便外出工作的工具，以及這些工具對於新的資訊應用所帶來新的可能性。

想像未來

忘了是從什麼時候開始，注意到Nature 上有了個新的專欄，Future。

這個專欄每週刊出一篇科幻的極短篇故事，作者包含了大學教授、研究生、科普作者或是科技記者，故事都還挺特別呢。

小時候花了很多時間在倪匡小說上，還記得小學的好幾個暑假的消遣，就是每天早上跑到書店門口等書店開門，然後那兒看一整天的小說。前一陣子在網路上找到有人收集了全套的倪匡小說，從木蘭花、衛斯理，到後來的年輕人與公主、原振俠、羅開，和浪子高達等等，一應俱全（希望這個連結不會讓該站關門）。閒暇之時，我也從最早的衛斯理故史開始回味，發現很多現在已經融入生活的科技，早在三四十年前就以「幻想」的形式被提出來，雖然那些想像受限於當時的知識水平而與今日的發展或有出入，但其實回頭來看，科技的發展，不也一直是受到人們對未來想像的引導？

現在，由在從事科學研究的人來寫科幻小說，或許可以讓我們對未來的想像有更精確的描述和期待。