填写出差单必须提前填写，不能事后补。这次决定得还是略为匆忙，不小心已经到了杭州才想起来还没填出差单。
回到页面本身，提醒说是不能事后补填。但我看浏览器的表现是没有提交到服务器进行验证的，那一定是在前端进行了初步/全部验证。
修改PC时钟到出差前，没有用。
检索页面上的时间戳，并使用浏览器自带的工具修改该戳，需要重新触发一个计算出差时间disable域，导致页面重载，修改退回去。
于是再修改时间戳和手工补上这个disable域的value，通过，成功提交出差单。
作者归档：polo
科大讯飞、京东、松鼠等的报告
代表科大讯飞作报告的是李世鹏，副总裁，IEEE fellow。
报告在这里http://tech.ifeng.com/a/20190717/45611806_0.shtml
他把智能的级别分为六层：Notification——Computation——Perception——Cognition——Prediction——Decision
不同层级对目前计算机智能的知识范围要求都不一样：
继续阅读Portable MBA in Finance and Accounting
张大鹏：生物特征识别的新技术
张教授年龄也偏大了，他自己讲述的经历可以看出是经过几十年学术生涯的，也看到不少生物特征识别技术的前世今生。
文章链接：http://www.sohu.com/a/327559671_720705
80~85，哈工大博士
85~88，清华博士后
88~95，Waterloo，第二个博士学位
95~，到香港，CUHK。（中文大学目前影响力及水平已经超过港大，港大很大程度上政治气氛过于浓厚，而学术上固步自封）
张教授出书很多。
指纹、人脸、虹膜在他看来都有各自的缺点，近年选择的方向是掌纹。然后就是从掌纹出发，再到中医的望闻问切，也使用生物识别的方式进行工业化。
比如舌像、气味、脉象等分别通过CV、气味传感器、触觉感知等方式进行数据采集，上架设各种分析平台。不过也直到最近两年才有相关的paper发出。听起来很niche的方向。
再说到平均脸的问题，以平均脸的理论去推导机器的人脸审美……
怎么说呢，生物识别离开了最一般的用法——身份识别，走向其他的领域，比如疾病预警/识别/诊断，智能审美等，总觉得怪怪的。
周明：NLP的未来
Intel 戴金权的报告
Intel应该是此次GAIR的高端赞助商吧，他们也确实把AI方面的平台级别的产品都展示了。再加上戴金权的报告。http://www.sohu.com/a/238849703_114877
Intel坐拥芯片上的优势，却被GPU方面的NVIDIA喝了好几年AI芯片的头啖汤。
这次Intel推出的是AI方面的整套解决方案，从底层到上层，分别定义为：
继续阅读张正友的报告
GAIR听到第三个，就明白了，这其实是一个学术经历（经历>经验）分享的活动。
张正友的报告在https://www.toutiao.com/i6713143613334749703/
有完整的文本内容，不再复述。
就补充一下我记录的体会吧：
近三、四十年，AI在各种领域上是算法各有擅场、百花齐放，直到近十年来，才被深度学习一统天下。但张博士认为深度学习的局限也是明显的。
继续阅读双螺旋：发现DNA结构的故事
我记得小时候，讲起科学家这个词，总是感觉非常高大上而又遥不可及。后来读了书，上了好的大学，网络也发达了。有一次看到有个公司，其技术负责人的title是首席科学家，大家一时间没能反应过来，就开始扔砖了，说这些做互联网技术/软件技术的，哪能称之为科学家云云。
时至今日，我们这一代人心目中，仍然隐隐有着那种只有在传统的物理/化学/生物实验室混的，才是最配得上科学家这个称谓的想法。
当然了，这本书从一个非常真实的叙述上告诉我们，即使是这些传统实验室里面工作的，也有勾心斗角、文化偏见、性别歧视，在发表paper之前维护小团队利益，争取经费，暗中看不起等等。人性使然，但是这么读下来，确实相当有意思。
能确定一种分子结构，要大胆假设 + 根据种种实验数据（包括X光片、化学反应、各种测量），还要做仿真模型，包含的知识从生物到化学再到物理，也只有大型的实验室才可能配备如此多的优质博士共同完成。
虽然诺贝尔奖只是给了Watson和Crick，但整个卡文迪许的团队都功不可没的。
邓力：AI Models：From Speech and Language to Financial Markets
James J. Heckman的报告
GAIR第一天信息含量最高的就是James J. Heckman的报告了。题为：Technologies for Measuring and Fostering Child Skills in China。
我一度以为一个诺贝尔经济学得主的演讲会跟AI和机器人关系不大。实际上听完才理解到，这才是真正高密度高信息量的内容。
与其NGO OECD的研究题目略有差别的是，Heckman重点对中国进行了分析。
中国的现状是，劳动力正进入短缺的阶段、技术/技能与社会所需要的并不匹配、新增人口在下降、人口倒金字塔危机、大学毕业生的工作技能形成存在问题，等等。
我以为他会说AI有多重要。实际上，Heckman还是关心人的有效技能的形成和度量，而并非AI取代人类。也就是说，更关心教育。而很多早教机构也会反复把Heckman的话语拿来当作赢在起跑线的佐证。
继续阅读