Brain Dumps

 发信人: katharinezl (linlin), 信区: USANews 标  题: 我的反MRNA之路 发信站: BBS 未名空间站 (Fri Jan 14 21:30:34 2022, 美东) 首先，对整个宇宙基本学科的重要原理要有基本的认识 我们这些中国留学过来的，我觉得基础学科的地基还是相当牢固的 1 冠状病毒本身疫苗就很难研制，否则中国早就研究出基于sar的疫苗了 2 美国的这个mrna疫苗，在mrna股票还是20元的时候，我就注意到了，开始关心这个疫 苗究竟是怎么回事了，原理是什么，怎么work的。开始基本听到的都是反的，解释的原 理也很清楚，合理和logical。所以虽然不是学生物的，但是大致了解了一个概貌和机 理。 3 然后大家开始开打了，人类最大的三期试验。每个人都是小白鼠。发现这个mrna疫苗 根本不管用啊，而且各种副作用。所以我也没有买这个股票啊。否则就发大财了。谁能 想到后面的资本可以这样丧心病狂呢？ 这个阶段是大概2021年初的时候。所以我坚定是不会往自己身上搞这个害人的东西的。 4 然后整个舆论就开始强制疫苗了，然后wechat和大妈网和人争得面红耳赤的反mrna。 为此，我还退了几个群。那时大妈们和大多数的人一个个的都是红卫兵打了鸡血，看见 我这类人，就诅咒我们这类人早点死，进医院也别给治。我感觉到了鲁迅笔下的吃人的 社会。恶人自有恶人磨，你们爱打疫苗自己去打。。。。 5 我们公司本来强制的，去年6月，让所有员工8月打完针。我那个时候是已经做好了丢 工作的思想准备的。等到11月份，已经悄悄地把强制拿掉了，也没有和我们说。我知道 是因为我一开始让doc开了半年的exemption, 11月底到期了，doc就说什么也不开了， 要掉license的。这个时候我只能走religion，重新要exemption form的时候，公司 Health dept email回 等强制了，再给你这个form。 我还纳闷这句话怎么理解？我也没有详细问，就装糊涂拉。心中暗喜，终于熬到这一天 了，感觉穿越回49年10月1号阿，呵呵 6 我老公那个时候还是要打mrna，再加上小孩8月要开学，所以他俩打了两针。我没有 办法说服老公。但是我坚持老二不打。老公打完三个星期，做年度身体检查，血液指

  发信人: ny19931026 (新生活), 信区: Military 标  题: 陈刚这次是靠人民的力量赢的，我们不应该只看到诬陷 发信站: BBS 未名空间站 (Sat Jan 15 10:38:18 2022, 美东) 你要看到事情的玄机，就是在美国，理论上谁都可以被搞 陈刚的所谓的exculpatory evidence，主要是两个，一个是MIT的工作人员，陈刚让把 国内的机构删掉，检察官认为他们拿到的这个邮件说明陈刚想隐藏，而这个工作人员澄 清说，目的不是要隐藏，而是因为不准确 采访这个人的时候，MIT的校长已经明确表示过对陈刚的支持了，这个人怎么说，都是 在学校律师的指导下说的 这种关于目的的，本来是应该到陪审团上争论的，因为谁也不知道陈刚脑子里到底想的 是什么 但一般这种隐藏一个可能对你不利的证据，是非常好的证明intent的证据，这个这些办 案人员都培训过，查你的通讯就是按这个标准去找 如果是个普通人，肯定没有用，因为会让你去跟陪审团解释去，你到底是什么目的 第二个，是能源部的负责基金申请的官员，被司法部采访，告知陈刚的基金不require 和中国关系的disclose 这个和孟晚舟事件一样，换了政府了，能源部属于拜登政府，这些能源部的人肯定对陈 刚的新闻有所了解，而且这种采访之前，能源部的受访者肯定和能源部的律师咨询过， 怎么说，是设定好的，至少能源部部长是肯定知会过的，并不是你以为的街头即兴采访 而且司法部在麻省的检察官也换队伍了，是拜登的appointee 这两个所谓的对陈刚有利的证据，很有力，但不是那么有力，检察官肯定可以把这个案 子推进到陪审团，之所以选择drop还是因为政治和舆论压力，这就是陈刚脱罪的原因， 不是因为他的innocence，他的innocence也不重要了，回到我开头说的，在美国，没有 谁是绝对的innocent，而是看你遇到了谁，谈论这个没有意义 --

  2021年，谷歌在机器学习领域可谓是十分高产。   毕竟，这帮人在NeurIPS 2021上就投了177篇论文。   1月11日，Jeff Dean终于用一篇万字长文完成了总结。     趋势 1：功能更强大、通用的机器学习模型  研究人员正在训练出比以往任何时候更大、功能更强大的机器学习模型。近几年，语言领域的模型规模迅速增长，参数数量从百亿级（例如110亿参数的T5模型）发展到现在的数千亿级（如 OpenAI 的 1750亿参数的GPT-3模型和 DeepMind 的 2800亿参数的Gopher模型。   在稀疏模型方面，如Google的GShard模型参数为6000亿，GLaM模型参数更是达到了1.2万亿）。   数据集和模型规模的扩大，使得各种语言任务的准确性显著提高，标准自然语言处理 (NLP) 基准任务性能获得全面改进。   这些高级模型中，很大一部分模型专注于书面语言的单一但重要的模态，并在语言理解基准和开放式会话能力方面达到了最先进的结果。此外，这些模型可以在训练数据相对较少的情况下泛化到新的语言任务中，有时甚至不需要新的训练样本。   比如Google的的LaMDA模型就可以进行开放式对话，并在多轮对话中保留重要的上下文语境信息。       用于图像识别和视频分类的Transformer在许多基准测试中取得了SOTA。与单独的视频数据相比，在图像数据和视频数据上共同训练模型可以提高视频任务的性能。   我们为图像和视频Transformer开发了稀疏的轴向注意力机制，为视觉Transformer模型找到了更好的标记图像的方法，并通过研究视觉Transformer方法与卷积神经网络相比如何运作，提高了对视觉Transformer的理解。Transformer与卷积操作的结合，在视觉以及语音识别任务中均表现出明显优势。   生成式模型的输出也在大幅提高。尤其是图像生成模型。最近的模型已经具备这样的能力：只给定一个类别的逼真图像，模型就可以对低分辨率的图像进行「填充」，生成自然的高分辨率对应图像，甚至可以生成自然的任意尺度的自然场景。图像甚至可以被转换为一串离散的标记，然后用自回归生成模型实现高精度合成。     除了先进的单模态模型外，大规模的多模态模型开始兴起。它们可以接受多种不同的输入模式（语言、图像、语音、视频），并且在某些情况下产生不

  1. 昨天和人聊到一句话，是英国哲学家罗素说的。 罗素说自己“渐渐学会对自己和自己的缺点漠不关心”，说自己“渐渐地把越来越多的注意力放在外界事物上，例如，世界的状况、各式各样的知识、我喜欢的人。 ” 2. 你看，这话说得一点都不正知正确：一个人怎么能不关心自己的缺点呢？但是我觉得，我还是挺理解罗素他为什么这么说的。 人到了一定的岁数，确实就不能把目光盯在自己身上了。 3. 比 如，我在工作中就经常跟年轻同事讲，你们经常说干某项工作，抱着学习的态度，要学了之后才会干。 千万别这么想。 都是奔30岁的人了，不是在学校里了。 没有什么工作是做了充足的准备然后再上阵去干的， 都是干了再说，干成、干败都有收获，这本身就是学习。 4. 你看，这就是罗素的态度： 别看自己，当你关心世界、知识和人的时候，自己就会越来越好。

  1. 和菜头老师最近在他的得到专栏，《成年人修炼手册》里面解说了一个词，赞誉。他说， 赞誉，就像是膨化食品，好吃，但是没营养，又容易上瘾 。为什么这么说呢？几个原因。 2. 首先，别人赞誉我们，更多的是来源于误解，这和批评我们是一样的。所以， 如果我们对批评保持沉默，对赞誉最好也不要在意。 3. 其次，成人世界里面有一个真相 ，就是 别人的赞誉往往是想施加对我的控制 。懂的人都懂。还有， 但凡是真正考验人的事情，都是我们孤独穿越的，没人看到的 ，所以既不会有批评也不会有赞誉。而这些事才是真正重要的。 4. 所以，和菜头老师有一句话我特别喜欢，他说，我们的“ 心就是一块黑板，无论是赞誉还是毁谤，都是别人用粉笔在上面乱涂乱画。但凡你想要在上面认真地写点什么，最好的办法就是拿起黑板擦，把它们同样擦干净，一点也都别留。 ”