Posted in Mr. Saturday, Research, 專欄, 網路產業, 觀點 on Feb 14th, 2008
Posted by Mr. Saturday
前一陣子在新聞上看到不少有關於 Cloud Computing (雲端運算) 的報導,不過看看台灣的報導似乎都不是相當深入或是明確,於是我興起了寫這一篇文章的念頭。這篇文章是我自己對於雲端運算的理解,還希望各位讀者能一起參與討論,提供不同的見解。有機會的話,我也希望之後能夠繼續寫一些有關雲端運算中所包含的粗淺的技術介紹。
好吧,開門見山:雲端運算不是技術,它是概念。為什麼這樣說呢?因為 cloud computing 本身並不代表任何一項資訊科技的技術,它是一種電腦運算的概念,而一種概念就會有許多不同的方式去實踐,這個時候才會有不同的技術衍伸出來。就好像我們聽過 pervasive computing、ubiquitous computing、parallel computing 一樣,這些都是運算的概念,不是單指一項特定的技術。cloud computing 也不例外,它本質上就是代表分散式運算 (distributed computing) 的概念。而分散式運算說穿了,就是讓一些不同的電腦同時去幫你做事情、進行運算,所以你有兩台電腦也好、十萬台電腦也好,只要你有超過一台電腦,而且讓他們可以互相溝通,一起同時幫你做事情,恭喜你,這就是分散式運算。
Read Full Post »
Posted in Mr. Thursday, Research, 圖書, 專欄, 數學, 電腦科學 on Feb 8th, 2008
Posted By Mr. Thursday
在《探討拓樸和語意之間的關係》這篇文章裡面,稍微探討了語意的問題,以及拓樸對於語意問題可能的解決方法。然而在拓樸方面,只有約略和各位提到,拓樸就是對一個集合作運算,集合裡面的元素,不管怎樣子擴張壓縮變形,之間的關係都會維持著,這種運算就符合拓樸的條件。如果對於集合的基本想法和運算有些不記得,可以先參考另外一篇文章《集合: 從邏輯到1+1=2》。
因此,為了解決用電腦來處理語意資訊的這個問題,筆者打算用拓樸來嚐試解決,拓樸又是使用集合作為運算的基本單位,因此有了前面第一篇拓樸的簡介文章,以及第二篇有關集合的簡介文章。然而拓樸空間本身的定義,則是有一定程度的複雜性,接下來的一系列文章,我將努力把拓樸的觀念,在使用白話文、卻又不失去數學公式所定義的觀念下,向各位介紹「拓樸」(topology),然後介紹「流形」(manifolds),最後回到一開始設定的目標:「用流形 (manifolds) 來嚐試解決語意 (semantic) 問題」。
在這條漫長的道路裡面,今天我們先來看其中的一小段。今日的主角是「開集合」,英文是 open set。有了集合的基本概念,再加上「開集合」的概念,我們就可以開始了解「拓樸空間」的基本定義,在這條路上往前一步,同時也可以了解相關的概念:「歐氏空間」、「度量空間」、以及最廣義的「拓樸空間」。
Read Full Post »
Posted in Case Study, Research, Web 2.0, 客座, 專欄 on Jan 23rd, 2008
Posted by YellowBird
回應 Mr. Monday所提到的社群網站研究,我想我也分享一下小妹我看到的關於 MySpace 的成長歷史回顧。MMDays 們過去一直對於社群、趨勢、時事做了評論,例如自從 Facebook 獲得微軟的 2.4 億投資、大動作開放開發平台後,MySpace 和 Facebook 的激烈社群網站龍頭戰一直打得火熱,先前MMDays 也貼過 Myspace 在美國仍略勝一籌的消息,黃鳥的研究一直是比較像是挖掘過去足跡,來省示當下的,而 MySpace 的起飛,在 YouTube 出現之前一直是被認為最快的,而且其實它的竄起也並非像一些傳奇般的網站,屬於全然的病毒式傳播,而多了一些刻意以及策略的部分(例如像是對 club 等進行贊助、員工的競賽等、功能的設計等等)。所以也趁 MMDays 生日來做個分享。
另外,也再回過頭來看看,今年 4 歲的 MySpace,在社群上不好好做,在面對 YouTube 強力嵌入 MySpace 搶奪人氣時,年紀輕輕就已經變得大聲大氣,怒罵「我們不需要 Web2.0」「Flickr、YouTube 等網站都是靠 MySpace 紅的!」「我們可以複製一個 YouTube」的模樣吧!(此文有點長,是慶祝 MMdays 生日的特別篇啦 :D)
2004.5 早期的MySpace: 分為3步驟解釋的mySpace首頁頁面,設計相當簡單
(來源:Internet archive Machine)
2004.6 一個月後開始著手豐富化網站,和現在的頁面較為類似
(來源:Internet ArtchiveMachine)
Read Full Post »
Posted in Mr. Thursday, Research, 專欄, 數學, 電腦科學 on Dec 25th, 2007
Posted By Mr. Thursday
集合(Set)的概念可以在日常生活中常常見到。小時後我們可能都玩過「大風吹」的遊戲,大風吹,吹甚麼?吹有戴眼鏡的人,吹穿皮鞋的人,吹長頭髮的人。每講到一種特徵,符合這個特徵的人就要趕快起來換位置,但是因為原來講特徵的人也會搶位置,所以速度最慢的人,就變成下一個要講特徵的人了。因此每一個特徵,就形成一個集合。譬如說一個班級,考試成績大於70分的人,形成一群集合,考試成績小於90分的人,又形成另一群集合,我們如果要找成績大於70分又小於90分的人呢?只要把剛才兩個集合取交集(intersection)就可以了。除此之外,集合還有其他基本的運算,像是聯集(union),補集(complement),和差集(difference)。經由這些基本運算,可以幫我們處理不少事情,也讓數學家、統計學家、或是資訊科學家,可以在集合上面建立各種理論或應用。接下來就讓我們來看看,集合成為哪些理論的基礎或是延伸?下圖把一些集合的運算做視覺化(visualization):
Read Full Post »
今天好像是 Facebook Developer 在台灣的聚會,我個人不太常用 Facebook,因此沒打算去,不過近來 Facebook 的網路新聞真的太太太太太多,連我這個不愛用的人都聽了一堆有的沒有的相關新聞。我想大家對這個網站最好奇的,應該還是「為什麼它這麼值錢?」本來我也不甚了了,但就在兩個禮拜前,Wired雜誌刊登了一項相當有意思的研究:Why ‘Anonymous’ Data Sometimes Isn’t ?(亂翻譯:為什麼匿名有時候都不匿名了?) ,看完以後,我覺得,或許給了我們一點啟示。
Read Full Post »
Posted in Mr. Wednesday, Research, Web 2.0, 網路新聞, 電腦科學 on Dec 21st, 2007
Digg Labs最近利用前一陣子推出的Digg Image又新完成了一個迷人的視覺化呈現,DiggPics。在推出Digg Image服務後,不但擁有了新的管道讓使用者提供內容,也開啟了Digg與Photobucket的夥伴關係。既然有了這麼豐富的影像內容,該是來有點樂趣的時候了!
Read Full Post »
Posted in Research, Video, Web 2.0, 客座 on Dec 20th, 2007
Posted by YellowBird
2005.8 極速起飛
增加互連、e-mail 分享及部落格嵌入概念後的後的 YouTube 上傳影片人數急增。因為每日上傳數一直成長,而因為影片多又吸引更多的點 閱。影片的創意內容也開始超乎了創辦人的想像。他們越來越無法控制或預期使用者的行為。例如無內容的影片、無聊的社群等等。同時,使用者人數多了後,也越 來越多無厘頭的影片,各自回應影片搞笑、自成一個社群。卡林姆表示:「使用者創造了 YouTube 新使用方式,YouTube 反而成為一個要調適使用者如何使用 YouTube 的角色。」
卡林姆舉例初期 YouTube 火紅的影片:這位大叔示範了曼陀珠 + Diet coke的神奇威力…^^||
Read Full Post »
Posted by Mr. Wednesday
Website: WARM - The Interpersonal Relations on the Web
Services Provided:
Blogs are so popular in Taiwan these years. Someone who doesn’t blog is just like that he does not have name. Blog has become the common way to know people and to be known by others. Many blog service providers (BSP) provides the [...]
Read Full Post »
Digg Explorer不是一個全新的工具,它最近推出了新的版本,v1.1。它以視覺化的方式提供了許多Digg相關得統計資訊,像是最熱門的Digg主區塊,次區塊,常用字,最常被提交的領域與喜好。這個工具提供了許多有用的資訊,想知道有哪些關鍵字是熱門文章最常用的嗎?沒問題,這裡統統找的到。
資料來源:Mashable
Read Full Post »
Posted in Mr. Thursday, Research, 大腦, 專欄, 神經生物, 電腦科學 on Nov 16th, 2007
Posted By Mr. Thursday
之前幾篇文章稍微提到了計算神經科學想要以數學的方法,計算出神經生物上詳細的模型,好的模型還可以在拿回電腦科學領域,尤其是人工智慧的問題上面,作為解決的方法。至於現在的機器學習方法,為甚麼我覺得不夠用呢?我主要是覺得困難在兩個地方:特徵 (feature) 的擷取,參數 (parameter) 調整過程中需要人的參與,以及文字意義 (meaning)學習上可能會有困難。以下就這三個部分來做個討論,順便討論計算神經目前能夠解決的部分,和未來有可能達成的目標 (人機介面: Brain-Computer Interface)。
首先先和各位談談二項式係數。不知道各位是否有學過多項式呢?如果不知道二項式係數,可以先看看下面這個巴斯卡三角形:
Read Full Post »