符号推理与形式逻辑

很多人认为数学家喜欢数字。然而，这并不完全正确。数学家 喜欢精确、清晰，最重要的是，他们喜欢理解结构。人们将数学与数字联系起来的唯一原因是因为我们喜欢量化事物。但对普通大众来说不太清楚的是，我们量化不是为了好玩，我们量化是为了理解、组织、定义。附加到数学概念上的数值有助于我们更好地理

人们曾经认为人生学习的第一种编程语言很重要，但是现在上下文情况完全不同了，人们不必一定要学习数学以后才开始学习编程，而是可以直接从学习编程语言开始。学习数学可以成为更好的程序员，但是学习编程的大多数人都不想成为更好的程序员，专业程序员和计算机科学家只是其中的一小部分，而且计算机科学专业CS毕

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

这是来自nautil.us的《试图用逻辑救赎世界的人》的大意翻译，标题用大白话说：试图用逻辑改变世界的人，之所以用救赎而不是改变，很显然“改变”一词有一些自居上帝的味道，而“救赎”一词更低调谦逊，但是“改变”一词更吸引眼球。麦卡洛克 (McCulloch) 与皮茨 (Pitts) 创

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

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。

斯坦福和哈佛象牙塔中的教授们已经跟不上计算机发展形势，但是他们的文凭是敲门砖，这是人类社会系统奇怪特征，这是来自thenewstack文章，现在有两种正反观点，传统观点是认为第一门编程语言学习什么很重要，而另外一种相反观点认为这不重要，那已经是过去信念了。前一种观点以斯坦福和哈佛为主要的传统

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

我们很多人可能没有意识到，讨论、对话和辩论是三种不同的交流方式。Sustained Dialogue Institute（基于 Kardin 和 Sevig、Kachwaha 和 Nissan 的工作）概述了辩论、讨论和对话之间的区别。 以下是关于每种方法的一些信息：

黑客新闻中有趣的反复出现的主题之一是可视化编程。这是我真正欣赏 Hacker News 的事情之一。大多数领域都存在

形式方法Formal-Methods是一个非常有趣和重要的领域，但不是程序员熟悉的领域，这会导致很多误解。这是试图解决其中的一些问题。免责声明，我专注于其中几个工具，但相信我对其余工具足够熟悉，可以准确地呈现它们。 1.形式方法FM是关于证明代码正确

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

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。

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

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