国庆前刷了一遍Linus 0x年到google介绍git的视频。
想起来自己十多年来对git都不感冒，心态和思路上一直沿用svn。^_^ 其实是因为缺乏对开源项目的真实认同，而对企业管理架构上又属于正统的那一种。
git是用分布式的思路去延续的发展一个项目，甚而出来多个分支。弱化了原先代码管理上的提交权限，因为每个人都可以有一个或多个分支。
而Linus在管理自己的分支时，采用信任少数精英的方式，不会太多，数个，只要你信任这些精英，就可以merge他的代码到自己的分支中。
因为分支多的原因，git又创造了代码树校验的机制，保障了完整性和可靠性。
怎么理解副本？无所谓，甚至是多多益善。
我们9x年代过来的IT人，对于冗余存储总有一种病态的洁癖，难怪对于git这种多副本不管浪费的方式心底中不认同。
上上个月跟CC一起看诗词大会（飞花令），里面有说出含叠字的诗句。直觉诗经里面应该非常多这种句子，整理了一下，果然很多。当然了，如果在比赛中这样去背诗经，虽然是降维打击，但毕竟是太偏了，还是有点胜之不武。而且，一般人也不会把诗经从头到尾背下来吧。
能插上几句流行的郑风 风雨，倒是挺有气质的。
《国风 周南》
《关雎》
关关雎鸠，在河之洲。
《葛覃》
葛之覃兮，施于中谷，维叶萋萋。
黄鸟于飞，集于灌木，其鸣喈喈。
葛之覃兮，施于中谷，维叶莫莫。
《卷耳》
采采卷耳，不盈顷筐。
《螽斯》
螽斯羽，诜诜兮。
宜尔子孙，振振兮。
螽斯羽，薨薨兮。
宜尔子孙，绳绳兮。
螽斯羽，揖揖兮。
宜尔子孙，蛰蛰兮。
《桃夭》
桃之夭夭，灼灼其华。
桃之夭夭，有蕡其实。
桃之夭夭，其叶蓁蓁。
十年前的书了，时至今日，很多例子其实都并不新鲜，但现实生活中真把数据利用好的例子虽然多，然而却远未到高覆盖率。
书中偏好相关性，而对因果关系有所贬低，因为因果关系很难获得，即使声称获得，也很大可能是假的。
如果社会不剧变的话，大数据相关性差不多把人的发展都定死了，这对自由意志是不利的，所以要限制大数据对个体自由的限制……作者只说到这一层，我觉得延伸下去的讨论，可能是这样的：
1.社会各个实体拥有了数字独裁能力，所以对个体必然是压抑的，个体生存下去，自由意志不被彰显，导致消极对待——躺平，或者积极反抗——占领XX。
2.人类个体在出生后，大数据仍未完整覆盖的教育领域，尽早寻找大数据的弱点进行培育，以突破大数据的预测限制，又或者，尽早占领大数据预测的优势特点——从小卷起来。
总的来说，还是挺悲观的，跟资本论中的资本意志一样，大数据一样有意志，代价就是压抑人类的自由意志，也就是大数据中的关联性的异常情况。
带CC看了这个电影，没看之前就跟他说过要注意里面各种叙事方式的变换，不过他应该理解下来了。
不过就是对一些有context的对白不是太理解，包括一直不知道美共是什么意思，为什么美国会有共产党……
朋友圈有说奥本海默和长安三万里的相似之处，就是历史（科技史/唐朝诗史）上那些璀璨夺目的名字，以人物形象出现在银幕上，与主角产生各种碰撞。还有就是20世纪初那些欧美的名校：哈佛、剑桥、哥廷根、苏黎世、莱顿、加州理工、普林斯顿、UC伯克利……
然后就是CC对权斗的不理解，为什么斯特劳斯要打倒奥本海默，仅仅是因为奥本海默发言让他丢脸？低估人性之恶还是有一定风险的。
CC倒是能理解奥本海默的所作所为，似乎是社牛的互相理解。
翻译得挺流畅的，只是内容之前已经听过了很多。
Google的一路成功，一方面是赛道的优势，另一方面就是经营上没有采用传统公司的做法，充分发挥工程师文化的优势。另外几点就是
信息通达，当然了，我相信后来Google是慢慢做不到了的，因为大企业病总会滋长。
招聘严控，一票否决，这个后来肯定也会变滥，因为同样的公司用同样的策略，总会让顶尖的人才处在激烈竞争中，规模变大之后，必然会有二级三级的人员进来。
勇于试错，给员工试错的机会，这仍然是平台上的尝试而非颠覆性的，因为平台已经成熟而规模庞大，所有的尝试都很容易有所产出，而给人一种错觉，这创新或那创新成功了。而等到竞争者真正起来，才发现自身的创新并不成功。
书中也列出了Buzz、Wave、Google+这一系列社交上的尝试，但没有给出它们失败或凋亡的原因，Eric也是意犹未尽，不肯激烈批评一下，这似乎跟全书所倡导的开放公开大相径庭了。
回过头来看，我们现在做企业，反而不能一开始就像Google那样假设你能招到最好的人才，而必须构造一个体系，允许各个岗位上能很容易找到合适的人才。另外，管理体系能在100/1000/10000的规模下保证相当的效率而不需要额外调整。
当然了，前提是选择的赛道，是可以100/1000/10000的增长。
今日又读《诗经》
彼姝者子，何以畀之。——《鄘风 干旄》
那个人那么出色/有才/漂亮/贤能，能送他些什么呢？
这里的“畀”，是给予、赠送的意思。
粤语里也常用“畀”，送个XX畀你：送个XX给你。
然而有另一个古字：俾，意思相当接近。
俾：使，把。
俾也可忘。——《邶風 日月》
粤语里面，俾，俾佢食饱：使（让）他吃饱。然而在能用“俾”的语境，“畀”也是适用的。
CC没考好。被分到了普通班，也就是成绩估计没进20%。
一个原因是那天他拉肚子了，考试期间去了两趟洗手间，都拉虚脱了。
得知分班消息后，CC很难过，我也很不爽，一夜没睡好。
睡前安慰CC说，当年我也是在村办初中读的，身边的同学基本上都不打算读高中考大学的，然而我自己有良好的控制力，保证了最终考到了全镇第一。
不过CC如果不能清楚自己的问题所在，努力克服，我的经验对他来说，估计就是讲了就是讲了，而已。
也算激起我一点兴趣，看看能否帮助CC初中逆袭吧。
Digital Darwinism
先抄一些meme代替阅读过程的体会吧：
要理解技术产生的背后的意义，而不是技术本身。
新技术应当应用与业务核心core，而并非边沿edge。（感觉大多数保守的公司都只愿意将新技术用在edge业务上，避免风险）
人们通常低估了技术应用的深度，高估了短期影响，也低估了长期影响。
转型中最大的忧虑是，何时采用新技术，要不要再等等，等更好更完善的（这跟买手机、买电脑有点像）。
旧的会议方式难以评估错过新技术/思想的损失，所以财务去主导转型不合适。
技术是转型的背景，而不应是主导，人们需要的是解决方案，而非技术本身。
几个采用新技术的思路：
应用AI的策略上，作为公司，应有精心设计的战略，而不是在边际上进行小实验。
套用已有模型不会有明显的成功，大脑中的模型要革新，不应该是之前的XXX，直接修改成数字时代的XXX、人工时代的XXX。
目前看到AI的应用，只是取代人类原来的工作（岗位、职责），将失去真正转型的意义。要考虑改变企业架构（为前提），考虑做人类没有做过的事情。
忘记大数据，聚焦innate data，数据不需要多大规模，但有用且效果好。
围绕人去设计新的技术方案，而不是做了方案/产品，投钱去推广。
看完后，最大的感想是，希望能找到真正的新范式，才能利用好AI。否则，不过是让AI重复人类、取代人类而已。
这个月出差前将这本厚厚的书看完了，这类型的书籍成书在高铁还没有跑起来的年代，很多火车路线、公交车站基本上属于20年前。
移动支付也没起来，酒店业也没有大洗牌过。
总的印象就是：恍如隔世。
先看了神秘海域，不错，有点夺宝奇兵的意思。当然了，电影也反复向琼斯致敬。
连夺宝奇兵都被致敬了，不由得一声叹息，小时候最好看的明珠930里面，夺宝奇兵也是特别有魅力的。其实向夺宝奇兵致敬的还不止这一个，想起今年看的变形金刚，也是去寻宝。。。
悬崖之上比满江红还是好很多，张艺谋的驾轻就熟，主演们都是沉浸多年的戏骨，故事也没有刻意去营造一些反转什么的，设计和意外并存吧，赢的关键是对于黎明到来的信念，以及牺牲精神。