我有一个很小的读书会，每周会和书友共同读些书，有时候大家也会将读后感分享出来。李迪是自然语言处理方向的研究生，也是我们活跃的书友，经常会分享她的读后感，爱读书的工科女生自然有些不一样的视角，分享给更多人看看。
周四是我的读书时间，今后也会和大家分享一些书友们的读书笔记。
《规模》读书小札
人是生物体，寿命有限。公司企业的发展经历最终也像生物体那样。而大城市的发展，却越发有活力。
“如果你能海纳百川、不设成见，随时拥抱各种创新和连接，甚至帮着别人连接，那你就是城市的命运：你的发展是无限的。”
这句话来自《规模》解读本，“得到”App《精英日课》专栏作者万维刚，。
这本书看下来我记住了以下几点：
一种思维：复杂性思维：“这本书为我们提供了一套更具体性的、动态性的认知世界的思维方式：复杂性思维，应当逃脱线性思维” （阿里巴巴复杂科学研究中心副主任吕琳媛）
一个法则：“所谓规模法则就是指食物的某变量会与事物的规模呈现清晰的，通常是非线性的幂律关系。”（北师大系统科学学院教授张江）。
一件要弄明白的事：城市与公司是创新、财富、文明与艺术的发源地，不了解城市的生长规律，就不能理解现代生活；不清楚公司的成长模式，就无法理解科技、经济和社会组织的进步，这是每个活在当下的都需要努力弄明白的事。（阿里巴巴复杂科学研究中心副主任吕琳媛）
我们的大脑习惯于按线性的方式推理问题，而陷入隐蔽的陷阱。比如科学家对于某致幻剂对于猫的正常剂量而进行简单的线性外推，以猫的体重和大象的体重作为比例注入：600倍“适用”剂量，导致大象死亡。而应该遵守克莱伯定律，它指出生物体的代谢率会随着生物体规模（体重）遵守指数为3/4的规模法则，即以600的0.75次方约为121倍，小于600很多。
在城市人口增长的同时，城市的基础设施，如加油站数量、公路长度、总耗电量等并不会等速增长，而是比人口的增长速度慢，城市越大，基础设施的使用效率越高。而随着城市规模（人口）的增长，人际交互和合作效应越发明显，因此也会创造更多的财富。
让我思考的还有：
1，为什么汽车看起来都很像？
威廉.弗劳德发明了建模的新方法论，进而创造了标度理论的概念，也就是说帮助人们预测从小尺寸船的研究九种得出的量化理论如何应用在预测实际大小的轮船将会如何表现。他意识到，几乎所有的规模缩放都是非线性的。他提出了一个定量数学策略，用于找到如何从小尺寸模型到实际大小物体的缩放方法。引入了系统建模的革命性概念，以确定真实的系统是如何运行的。
他建模理论的起源，是源于伊桑巴德.金德姆.布鲁内尔（Isambard Kingdom Brunel）——2002年最伟大的英国人位列在第一名丘吉尔之后的这个非凡人物，在“大东方号”额制造过程中，伊桑巴德曾要求弗劳德研究轮船起伏性和稳定性的问题，而这使得他的研究成果给全球贸易和航运业带来巨大的经济影响。现代轮船设计科学就此诞生。
回答这个问题，复杂的计算机分析成为设计的核心，从而模拟标度理论的原则，以使其表现最优化，所以我们现在有能力去解很复杂的方程或者模拟解决方案，但是由于所有的制造商都是在解同一个方程式，以优化相似的表现参数，所以汽车就看起来都很像了。
我觉得这才是数学的魅力，而不是像我们之前天天考试那样去用数学，数学是用来帮助人的，而不是应该害怕它，我感觉读了这部分内容使得我对数学产生了好感，好在在结束了高等工程信息数学课考试后，我就觉得再也不用数学考试的时候，现在又能唤起我对数学的好感，有点开心。而且在伊桑巴德发现问题后找了弗劳德去研究，我觉得发现问题这个部分非常重要，这是接近问题的答案的一个突变的开始，非常了不起。而“模拟”和“建模”这两个词也很了不起，因为它们和“系统”有着莫大的联系，让渺小的事物都有了无限的可能。
2，四行诗
博物学家告诉我们，
跳蚤身上有小跳蚤叮咬；
这些小跳蚤又被更小的跳蚤叮咬；
如此这般，没完没了。听上去简单，不看书会觉得莫名其妙，仔细想想，很有意思。
3，分形
我们和其他动物很大程度上彼此按非比例缩放的版本。
分形几何赋予了生命的一个新维度，包括树叶、肺、肠、肾和线粒体的表面积到海绵动物等不同呼吸和循环系统的分级结构，利用并体现了1/4次幂。
形成鲜明对比的是，任何人造工程和系统（汽车、房屋或者洗衣机等）几乎不会通过分形的力量实现性能优化。在很大程度上，与我们的身体运行机制相比，电子设备（如计算机和手机）非常原始。而在有限的范围内，如城市等有机发展着的人造工程系统也无意识的发展出分形结构，以优化性能。
事实上，我觉得这部分内容是要花时间好好琢磨的，非常有意思的第四维度。
4，为何公司会衰亡，而城市不会？
城市是创新而非规模经济霸权胜出的代表。而公司是以实现利润最大化为目标。似乎城市一直年轻，而公司到一定规模就会表现出停滞的景象。
而人也许要学城市，不是公司。
5，人工智能时代：有了足够多的数据，数字便会自己说话吗？
克里斯.安德森提出了第四范式（作者认为是范式3.1）：理论、实验和模拟的统一化，增加对数据收集和分析的重视。
作者认为，编程计算机算法，依赖于找寻和构建数据中的相关性的迭代过程，不会去关心为何会存在这种关系，而是会明确的认为，相关性取代了因果关系。
“根据你寻找或调查的对象不同，来自传统的科学研究方法的理论都是必要的指南，它是一个强有力的约束，能够帮助我们缩小搜索范围，明确问题并理解答案。只要它是在更宏大的概念框架的限制之下，越多的大数据被引入之中，就会产生越好的结果。这一概念可以被用于评判相关性的关联性以及它们的机械因果之间的关系。要想不被数据的海洋所湮没，我们就需要理解数据的理论框架，并牢牢把握住我们用于预测其事物研究对象的性质”。
这段话是作者后记里的，我觉得很有用，但是没有很好的理解，我想得等到我自己实验做起来的时候，可能才能略知一二。
其实作者同样也提到，相关性取代因果性，这是谷歌搜索引擎运转的核心技术，是设计投资策略和机构运行的核心技术，也为无人驾驶技术提供了基础。我想也确实像文章文中作者指出的那个记者说的一句话“该是时候发问：科学界可以从谷歌学习到什么？”。我想这也是现在编程计算机算法如此有魅力的原因之一吧。
信息技术革命是我们最近的伟大范式转移。（这句话是作者原话）还有一个就是城市如何演变对于世界都是一个非常重要的事情。
如何像城市一样生长，拥有城市的命运，这样看来，确实是一个非常有意义的问题。
By 李迪
