符号推理与形式逻辑

大多数程序员/初学者程序员都遇到了“编程逻辑”部分的问题。他们知道语法、要使用的模块以及所有内容，但无法以正确的方式找出问题所在。因此，在本文中，我们将看到 7 种改进逻辑的技巧；或者我们可以说“问题解决”。 1.想办法解决如果你认为

看到有一位掌握五门语言的人说：我喜欢英语，因为它能精确地表达复杂思想。banq：如果你只懂一门语言，就被其限制，正如计算机语言你只懂一门，很快就会被淘汰。维特根斯坦：如果你无法表达就沉默。banq：如果无法用一种语言表达，就试验用另外一种语言表达，语言会限制你的思想。

显性知识：这些都是很容易得到的事实，并不特别值得多说。“英国的首都是什么”或者“特斯拉今天的市值是多少”可以在网上快速查询。这些是公共的显性知识，还有私人的显性知识，虽然某些知识并不是特别难以传播，但拥有这些知识的人可能没有传播的动力，例如，在设计科学实验时，了解各种试剂、用品和设备的成本可

编码更多的是关于交流而不是计算。新数据：关于人们学习编码的速度的最佳预测指标是什么？不是数学或认知能力，而是语言能力。数学技能几乎无关紧要。编码是有关掌握一门语言的学问，而不是掌握数字的学问。banq：搞笑了，难道文科生更适合学习编程吗？ <

是业务决定技术？还是技术决定业务？是人决定IT，还是IT决定人？这是康威定律与敏捷的区别：一位叫Melvin Conway学者进行了社

哲学和软件工程之间的区别在于：哲学家们可以无休止地争论某个标识identity的本质，软件工程师必须选择一个该死的定义来实现，而且需要忍受他们设计决策带来的不可避免的Bug后果。

相关性：通过了解A我们可以预测B；因果性：通过改变A我们可以控制B。相关性比因果关系弱，但仍然非常有用。

"编程不是打字，而是思考." — Rich Hickey"编程不在于你知道什么；而在于你能想出什么。" -  克里斯·派恩没有任何技能比批判性思考（banq注：批判性思考=抬杠）您以前从未遇到过的问题的能力更有价值，也更难获得。虽然学校教我们如何解决问题，但他们没有教

本周我将触及一个更轻松的主题，但仍然非常重要：我的猫图灵完备吗？Peluche（法语中的“毛绒”的意思）是一只光滑的猫，不知何故住在我家。她将是我们今天的测试对象。 Peluche 图灵完备吗？ 什么是图灵完备

今年诺贝尔物理奖和经济奖都是里程碑式，物理奖颁给复杂性系统研究，复杂性系统研究的方法是不同于传统物理的还原方法论，而经济学奖颁给了类似物理科学领域的实证方法学，经济系统也是一个复杂性系统，其实也是开辟了一种新的复杂性系统的研究思路，这种社会性的复杂性系统与物理科学研究的自然复杂性系统是相似性

thenewstack这篇文章强调了语言上下文的重要性：#上下文为王，即使像 GPT-3 这样的大型语言模型也缺乏“对于特定领域的任何真正基础经验和知识 ，远远达不到的人类理解意图、上下文和意义的层次“：语言是一种引人入胜的结构，它是人类如何分享和理解思想和知识的核心。对于如此复杂和

学习和元学习一直是我一生的热情。我发现思考我们如何学习、提高我自己的学习能力以及重新思考我们在社会中尝试教学的方式是无穷无尽的迷人之处。我一直在思考的一个烦人的话题是 接下来 要学习什么，尤其是当我们知道当前的系统无效或低效时。我最近通过

理性人原则： 每个人都会讲道理。 每个人都希望其他人都通情达理。 没有人是特别的。 如果有人建议您不讲道理，请不要生气。 理性的人会考虑自己的需要和他人的需要，并调整自己的行为以实现社区共同利益的目标，即表达您想说的话，但接受并适应他人的需要

在过去的几周里，我一直在学习优秀的P 编程语言，一种用于建模和指定分布式系统的语言。我在 P 中做的第一件事就是实现 Paxos——一种我很熟悉的算法，有很多微妙的失败

这是经验和数据驱动的革命，在 1990 年代初期，一场统计革命席卷了人工智能 (AI)——这场革命在 2000 年代达到高潮，神经网络以其现代深度学习 (DL) 的转世而凯旋归来。这一经验主义转向席卷了人工智能的所有子领域，尽管这项技术最具争议的应用是自然语言处理 (NLP)——一个人工智能