最近又到了经济周期，十九大，人工智能，区块链，中美贸易战等各种关键词总是出现在时间线里，感觉历史洪流波涛汹涌，而我还在象牙塔里读书，也不知道这是幸运还是不幸。这本刘鹤先生的书，读了感觉非常厉害，忍不住把关键部分整理了一下，然而也没什么具体的个人思考和分析收获，毕竟知识面太窄，还是要具体了解一下相关的知识。好在我得出的结论是2020年是个比较关键的节点，到那时一切应该会更清晰一些，而且那时候刚好毕业了，所以趁着读书期间还是要了解一些这领域有关的背景。不指望预测未来，但还是不要逆之者亡了。

研究概述

• 目的：通过历史比较来理解过去，预测未来可能的变化
• 方法：社会科学没有实验室，统计数据不充分，研究对象泛化时候，历史比较是替代的研究方法。两次危机间隔80多年，算上历史背景有100多年时间，期间发生了两次技术革命，人类也经历了两次最大的繁荣和萧条的更迭，是对比研究难得的实验场所。
• 基本逻辑：历史周期律。
• 主要任务：发现两次危机中引人注目的时间发生顺序和相似程度，试图理解两次危机发生前技术和经济背景的类似性，刻画这样背景下的政府行为和大众心理特征，描述两次危机的宏观发展轨迹，为应对危机的决策提供依据。
• 难点：历史重复自己有线性和非线性的方式，又符合逻辑的精准变化规律，也有逻辑不清的意外变化，甚至还有很多无法解释的历史困惑，既是迷人之处，也是难点所在。

区别点

共同点

侧重从政治经济学角度归纳：

• 共同背景实在重大的技术革命发生后。长周期理论认为，技术创新引起繁荣，繁荣又是萧条的原因。如果生产关系调整滞后于技术创新后的生产力发展，上层建筑滞后于经济基础变化，潜在的危机风险必然加大（熊彼特、康德拉季夫）。不同的是从技术革命发生到产生危机的时间大为缩短。1870电力革命到1929大萧条有60余年。1980信息革命与2008金融危机只有三十余年。

• 危机之前都是前所未有的经济繁荣，危机发生地都采取了极其放任的经济政策。1929大萧条柯立芝政府对市场经济的运行保持缄默，创造了著名的柯立芝繁荣，电力行业、汽车行业发展。2008年之前俺，从克林顿到小布什都采取了经济自由化的政策，实际的经济放任程度甚至超过里根政府互联网、信息通讯产业发展，房地产繁荣，美国经济有史以来最长期的繁荣。

• 收入分配差距过大。产能过剩和有效需求不足。分配差距不仅在一个国家不同群体之间，也在传统发达国家和新兴市场国家之间。新兴国家成为全球的制造中心，资源富足国家提供能源和资源，发达国家通过负债消费，拉动产能应用。

• 民粹主义政策是危机的推手。技术变革和分配差距导致大众心理压力，引起公众不满，政府倾向于更多的采取民粹政策安抚民心，民粹主义的承诺改变了大众福利的预期，加大了对政府的依赖，放松了自己奋斗的决心，一旦福利预期达不到，社会心理很快转变，藐视权威，拒绝变革和仇视成功者的强烈氛围。（戴利欧先生的《和谐的去杠杆化》做了精彩描述，待读）

• 大众心理都处于极端的投机状态。两次危机前的产业神话和收入分配导致的巨大收入差距，导致社会心理状态出现变异，追求一夜暴富，相信投机奇迹，贪婪和健忘前所未有，没人可以经受泡沫产业的诱惑，心态浮躁。大萧条之前是股市泡沫，2008是房地产泡沫。经济学对于理性人的假设是否有永恒性？？

• 两次危机斗鱼货币政策关联。都采取了更为宽松的货币信贷政策，主要区别是1929大萧条还没有宏观经济的理论指导。而本次是宏观经济政策长期服从于政治选举目标。

• 危机发生后，决策着总是面临民粹主义、民族主义和经济意识形态化的三大挑战，市场力量不断挑战难以令人信服的政府政策，使得危机形势更糟糕。应对政策总是出错：决策者缺乏经验面临挑战，政治家被民意绑架，政治程序锁定不敢突破意识形态束缚。两次经济危机中的市场力量从来都是高度政治化的，不能仅从经济角度认识问题。

• 危机发展有特定的拓展模式，在完成自我延伸逻辑之前，不可轻言复苏。很多意外事件并不是小概率和运气所决定的，经济进入危机就以一种不同寻常的方式循环。

  危机：经济大幅跳水-泡沫破裂-失业率攀升-经济困境加重-社会矛盾计划-专项整治领域乃至军事领域。

  政府：面对高负债率-财政紧缩-去杠杆化-经济泡沫破裂-货币贬值-债务重组。

  经济未好转之前，通胀上升，股市繁荣带来一次虚假的复苏，很快会经济的二次探底。

  1929大萧条是这样，2008也是这种迹象。美国金融危机一度出现缓解，欧债危机却全面恶化。上次大萧条的最极端情况是希特勒通过民选上台和第二次世界大战的爆发。

• 危机只有发展到最困难的时候才能倒逼出有效的解决方案，这一方案往往是重大的理论创新。大萧条后的凯恩斯革命。2008之后凯恩斯依旧有生命力，但是人口老龄化，全球产能过剩，资源约束，劳动力市场粘性，使得单纯扩张需求遇到天花板。

• 危机有强烈的再分配效应，导致大国实力的转移和国际经济秩序的重大变化（基辛格定律《大外交》待读，世界每个百年会出现一个新的全球大国）。大萧条，经济中心从欧洲到美国，2008经济中心到了亚太地区。

政策思考

• 底线思维，对危机做最坏的准备，争取较好的结果。
• 把握变化，谋求中国利益和全球利益的最大交集。本次危机前抓住机遇一举成为全球的制造中心，本次危机后是发达国家呈现出的技术并购机会和基础设施投机机会（李嘉诚？）。
• 集中力量办好自己的事。和平崛起，应对外部冲击，避免卷入不必要的国际事件。

参考文献

（参考文献全是一等一的好书啊！！！都想读怎么破？！记一些下来）

凯恩斯传、大外交、乌合之众（吃灰中）、1929大崩盘、光荣与梦想（读了一点）、欧洲史-德尼斯、这次不一样-卡门、、美国历届总统就职演说、增长与波动、动物精神、世界经济千年史、美国货币史

##

经济金融理论视角比较

• 时代背景

因第一篇概述也侧重这个角度，所以很多地方差不多。更详细一些。

• 危机预兆

  1. 都有技术长周期推动的经济繁荣期

  2. 社会财富和分配不均达到历史高点

  3. 宽松货币和金融环境支撑过度债务

  4. 金融监管大宽松时期

  5. 市场弥漫过度的乐观

  6. 政府出台民粹倾向政策

• 危机爆发、传导和演化

  1. 爆发：政策转向和偶发性事件

判断和结论

• 技术长周期推动的繁荣后必然进入深度调整阶段带来危机
• 过度举债刺激需求维持虚假繁荣只能推迟危机的发生（个人想法：或许不能看到什么时候从繁荣进入调整阶段，但是可以观察到什么时候进入虚假繁荣？？什么样的变动是过度举债刺激需求呢？？？私人过度举债、企业过度投资、政府债务水平攀升、货币政策过于宽松、金融部门杠杆率提高….）
• 经济繁荣期收入分配不公等问题为危机发生和过度举债提供土壤
• 化解危机的根本方法是技术变革、产业转型和社会政策调整
• 货币金融环境可能助长债务经济，方法’繁荣-萧条‘周期
• 市场参与非理性化，竞选政治短视化推波助澜
• 应对危机必然经理国家见的博弈和较量，加速大国更替，重塑治理架构
• 会导致证据动荡、地缘冲突激化乃至极端战争发生
• 催生政策和理论创新

启示

对国家的启示，对个人用处有限。算了算了。

（个人想法：有时间还是要关注一下杠杆、负债、供给侧改革、19大、货币政策等概念，我不需要预测危机什么时候发生，也没必要，但是要知道一些，吴晓波不断抵押房产买房发的财，李笑来比特币一波就经济自由了，但是做好本职工作才是回报率最大的，吴晓波做经济媒体、李笑来做新东方老师本身就是成功的，云舒在阿里，曽加在蚂蚁金服也都是如此。靠投机一日暴富是不现实的，癫狂与恐慌那本书要常常复习！问题在于：本职工作是什么？我的本职工作是符合趋势的么？？？）

（第三篇 货币金融视角、第四篇 金融监管视角、第五篇 国际经济政治格局视角、第六篇 宏观视角 看不太懂 乍一看还差不多 跳了）

微观机制视角引言

1. 实体经济和金融系统相互促进、相辅相成：

• 实体经济长期可持续发展是金融体系发挥作用并且维持稳定的基础和前提。
• 金融系统的良好运转为实体经济体统有效的资金支持和风险分担机制，是促进经济增长的必要条件。
• 两者通过会计制度、信用评级、监管等渠道相互联系，这些链接部分是实现协调发展的关键。

1. 本篇基于‘实体经济-金融体系-链接’的逻辑框架分析比较两次大危机，梳理共性和不同。

2. 经济->金融: 经济转型

   增长较长时间后，经济结构会发生很大变化，包括产业更替、市场结构、劳动力、贫富差距等，原有的经济发展动力消失，此时若没有即使的实现经济转型，，积累的财富难以再配置到新的经济增长点上，导致资金流到资本市场产生资本泡沫，这就是金融危机的源头。逻辑关系：

   技术进步->新型产业快速发展->经济繁荣->财富积累

   经济转型不及时，没有新的增长点->新财富无法投入新的潜力行业，只能在金融系统钱生钱->房地产、股票泡沫

   金融体系结构问题，监管不力，通过衍生品盈利并转移风险->资产泡沫破裂->金融机构破产->实体经济受损,产出减少,失业率上升

3. 金融->经济: 金融中介

   本质是将储蓄转为投资,即通过金融市场和金融中介机构将资金需求方和资金富裕方有效连接
   中介模式和监管体制要及时调整适应金融业的快速发展,当经济体处于长期发展二呈现出一系列结构性变化,现有的金融中介不能适应变化时,这个链接渠道可能会破裂,从而形成金融危机.

.

neo4j记录

图数据库存储三元组

三元组一般有两种：

• 实体-关系-实体
  
• 实体-属性-属性值

比特犬和可蒙犬都有一个属性“种”是家犬 但是家犬暂时数据中并不是实体

可以把任何属性当作一个新节点来存（如上图）：
优点是：存储速度快
缺点是：节点数目多，查询会慢，而且边的标签有限制65532

可以把三元组的宾语当作节点的属性存（如下图）：

优点是：节点少 逻辑清楚
缺点是：插入节点是要判断是否该节点已保存过，建立数据库慢

下载安装

最新的Desktop版本
创建Project：Demo
创建数据库local

点击start启动
在manage项里可以查看状态并可视化查看数据库状态

常用语句
创建：
CREATE (TheMatrix:Movie {title:’The Matrix’, released:1999, tagline:’Welcome to the Real World’})
CREATE (Keanu:Person {name:’Keanu Reeves’, born:1964})
CREATE (Carrie:Person {name:’Carrie-Anne Moss’, born:1967})
查找：
MATCH (n) RETURN n
MATCH (tom {name: “Tom Hanks”}) RETURN tom
MATCH (cloudAtlas {title: “Cloud Atlas”}) RETURN cloudAtlas
MATCH (people:Person) RETURN people.name LIMIT 10
MATCH (tom:Person {name: “Tom Hanks”})-[:ACTED_IN]->(tomHanksMovies) RETURN tom,tomHanksMovies
删除：
MATCH (n) DETACH DELETE n

jCypher

目录

• 初始化连接
• 创建节点，属性，边
• 添加属性
• 查找

初始化连接

1
2
3
4
5
6
7
8
9

private static IDBAccess dbAccess;
private static void initDBConnection() {
    Properties props = new Properties();
    props.setProperty(DBProperties.SERVER_ROOT_URI, "bolt://localhost:7687"); // bolt连接参数
    props.setProperty(DBProperties.DATABASE_DIR, "C:/NEO4J_DBS/01"); // 本地建立参数
    dbAccess = DBAccessFactory.createDBAccess(DBType.IN_MEMORY, props); // 内存
    dbAccess = DBAccessFactory.createDBAccess(DBType.REMOTE, props); // 远程bolt连接用
    dbAccess = DBAccessFactory.createDBAccess(DBType.EMBEDDED, props); // embedded
}

创建节点，属性，边

1
2
3
4
5
6
7
8
9
10
11
12
13

String queryTitle = "CREATE MOVIE DATABASE";
JcQuery query = new JcQuery();
query.setClauses(new IClause[] {
        CREATE.node(matrix1).label("Movie")
                .property("title").value("The Matrix")
                .property("year").value("1999-03-31"),
        CREATE.node(keanu).label("Actor")
                .property("name").value("Keanu Reeves")
                .property("like").value(8.5)
                .property("numbers").values(1, 2, 3),
        CREATE.node(keanu).relation().out().type("ACTS_IN").property("role").value("Neo").node(matrix1),
});
JcQueryResult result = dbAccess.execute(query);

添加属性

1
2
3
4
5
6
7

String queryTitle = "ADD PROPERTY";
query.setClauses(new IClause[] {
        MATCH.node(n),
        WHERE.valueOf(n.property("name")).EQUALS(objectname),
        DO.SET(n.property(propertyname)).to(subjectname),
});
JcQueryResult result = dbAccess.execute(query);

查找

1
2
3
4
5
6

query.setClauses(new IClause[] {
                MATCH.node(n),
                WHERE.valueOf(n.property("name")).EQUALS(subjectname),
                RETURN.value(n)
        });
        JcQueryResult result = dbAccess.execute(query);

对比

数据集分析

dataset	答案	答题逻辑	问题
SQuAD
DuReader	每个问题对应的十篇相关网页文档中，5篇来自百度搜索首页的条目，5篇来自百度知道中的用户回答。通过阅读和总结文件，要求用他/她自己的话来回答问题。

BiDAF

• BiDAF模型适用于哪些场景的问题？
  回答正确的分析：
  
• 错误的分析：
  随机选取50个不正确的问题（基于EM），并将它们分为6类。 50％的错误是由于答案的边界不精确造成的，28％涉及语法复杂性和模糊性，14％是复述问题，4％需要外部知识，2％需要多个句子来回答，2％是由于错误符号化。
• 字符级的词嵌入不知道中文环境有木有必要0.0 而且还有把字符和单词向量放到two-layer Highway
  Network (Srivastava et al., 2015)上的过程。
• 输出层为查询提供答案。BiDAF模块化特性可以轻松更换输出层，在这里，对输出层进行了修饰，已获得完形填空式的理解。这里要改吧0.0

Why

• Tackle real-world MRC(machine reading comprehension) problems.
• Reading comprehension is one of the crucial abilities that machine has to have to acquire knowledge through reading the whole web.
• Most existing MRC dataset are different from real-world.
  
• Experimental results show there exist big gap between the state-of-the-art baseline systems(Match-LSTM,BiDAF) and human performance.
• MRC: challenging work: ccomprehension,inference and summarization.

What

• The largest Chinese MRC dataset so far.
• questions/documents: real application data
  answers: human generated
• question types: rich annotations.Eg：yes-no/opinion
• answers for each question: multiple
• Sample 1000 questions annotate from two different views:
  
• distribution of the questions in sample data:

Difficulty?

Expriments

• Basic evaluation: BLEU(Paponeni et al.,2002) / Rouge(Lin,2004)
• Match-LSTM(Wang and Jiang,2017)
• BiDAF(Seo et al.,2016): best single model on SQuAD dataset

Set up

word embedding: 300 dimension
hidden vector size: 150 for all layer
Adam algorithm(Kingma and Ba,2014) to train both models
initial learning rate: 0.001
batch size:32
heuristic strategy(启发式策略） is employed to select representative paragraph from each passage

Evaluation

BLEU-4(Papineni et al.,2002) + Rouge-L(Lin, 2004)
Also evaluate the Selected Paragraph system

YESNO 问题不适合bleu-4和rouge-l.Propose a novel opinion-aware evaluation method（意见感知评估方法），require not only output an answer in natual language but also give it an opinion label.

Discussion

1. 目前的模型把reading comprehension 当成一个span selection任务，但是在DuReader中，人类是通过理解来总结答案的。如何总结或生成答案呢？简单的段落选择策略与黄金段落相比，理解准确度大大降低了，有必要为现实世界的MRC设计新颖高效的全文档表示模型。
2. 数据集中一些新特性还没有被广泛研究。yes-no 问题和意见问题需要多文档的MRC.Opinion recognition,cross-sentence reasoning, and multi-document summarization 需要新方法？希望丰富的注释有用。
3. 数据集还需要怎样的改进？

Future work

扩大规模，丰富注释（基于反馈）

原文：

**dureader.pdf545.2kB

1. Intro

自然语言处理

输入： 语音/文本
处理：

• 语音识别+OCR/分词
• 形态学
• 句法分析
• 语义分析

形态学（morphology）：形态学（又称“词汇形态学”或“词法”）是语言学的一个分支，研究词的内部结构，包括屈折变化和构词法两个部分。由于词具有语音特征、句法特征和语义特征，形态学处于音位学、句法学和语义学的结合部位，所以形态学是每个语言学家都要关注的一门学科［Matthews,2000］。

这门课主要关注画圈的三个部分，其中中间的两个是重中之重，虽然深度学习在语音识别上的发力最大。

人类语言的特殊之处：

• 自然语言的随机性小而目的性强
• 人类语言是离散的、明确的符号系统。
• 但又允许出现各种变种，比如颜文字，随意的错误拼写“I loooove it”。
• 符号传输到大脑的过程是通过连续的声学光学信号，大脑编码似乎是连续的激活值上的模式。
• 巨大的词表也导致数据稀疏，不利于机器学习。

这构成一种动机，是不是应该用连续的信号而不是离散的符号去处理语言。

深度学习

机器学习：（学习的其实是人类，而不是机器。机器仅仅做了一道数值优化的题目而已）
+ 对专业问题理解非常透彻。
+ 手工设计特征，比如地名和机构名识别的特征模板。
+ 把特征交给某个机器学习算法，比如线性分类器。
+ 机器为这些特征调整找到合适的权值，将误差优化到最小。

深度学习：（表示学习的一部分，用来学习原始输入的多层特征表示）

• 手工特征耗时耗力，还不易拓展
• 自动特征学习快，方便拓展
• 深度学习提供了一种通用的学习框架，可用来表示世界、视觉和语言学信息
• 深度学习既可以无监督学习，也可以监督学习

2. Word2Vec

理解词义

传统：分类词典

• 丢失微妙的差别：adept, expert, good, practiced, proficient, skillful
• 缺少新词
• 主观化
• 需要耗费大量人力去整理
• 无法计算准确的词语相似度

one-hot向量

• 词表大小不同。Google的1TB语料词汇量是1300万，这个向量的确太长了。
• 词语在符号表示上体现不出意义的相似性，比如Dell notebook battery size和Dell laptop battery capacity。而one-hot向量是正交的，无法通过任何运算得到相似度。

Distributional similarity based representations

• 一种用向量直接编码含义的方法
• 通过调整一个单词及其上下文单词的向量，使得根据两个向量可以推测两个词语的相似度；或根据向量可以预测词语的上下文。这种手法也是递归的，根据向量来调整向量，与词典中意项的定义相似。

Word2Vec

待完成 参考word2vec的数学原理

3. GloVe

I hope to improve my writing skill by doodling here.
I am trying to post my learning summary. Although I do not think that anyone will read this.If you come across any errors including typo and grammar, please drop an email to me yaodi163@163.com Feedbacks are welcomed. Thank you.

3.1

css224n

• Finished lesson 1 and one third of lesson 2.

Natural language is discrete and clearly but the process of transmitting symbols to the brain is through continuous acoustic optical signals that appear to be continuous patterns of activation values.

Deep-learning learn the original input of multi-level feature representation while for machine-learning: Learning is actually human, not a machine. The machine just did a numerical optimization problem.

• Read paper for openQA project.
• Try to build miniQA system.

3.2

Finish cs244n lesson 2. But i still have to pay attention to the math of word2vec.

Record the reflection of java.

Read chapter2 of

3.3

Hospital and have a break.

3.4

Install Tensorflow.

Read paper about Du-Reader and take note in English.

Submit a summary and work plan to to the senior.

3.5

Tensorflow tutorial session + variable + active function + placeholder + plot

Read paper BiDAF

3.6

Waste my life in the class and learn nothing except practice my listening.

Finish reading the paper BiDAF

Tensorflow tutorial : tensorboard

Read Match-LSTM report

Read SQuAD dataset paper

3.7

Learn sth about DL

I am confused because i can not understand cs224n clearly, I think I need to learn cs229 first.

3.8

Learn tensorflow tutorial : morvan and cs 20SI

3.9

Finish cs224n lesson3 read sth about GloVe.

Begin to read the source code of BiDAF and there is something wrong that i can not debug it in Pycharm.

3.10

Redownload the source code of BiDAF in Ubuntu and begin to read , add code comments and take notes.

Watch the movie <Mixed Doubles> 恋爱回旋 I love gakki‘s smile

3.11

Read the first two chapters of the book and take a 4000-word note.

Finish cs224n lession4

Begin to read

The twelfth day to read

3.12

Read source code of BiDAF.

3.13

Upload Du-reader code to Gitee and add some comments.

Communicate with president .

Read S-net and take notes, skip the details of math.

Complete reading , I do not think I can understand the beauty of poem in English at my level.

3.14

Complete code commenting except decode layer in rc_model.

Re-read Bidaf details about bi-attention.

I totally agree the point that reading source code is the best way to learn coding.But firstly, you need to find proper code. Two days ago, i try to read the source code of BiDAF and i do not think i understand it at all. Today, i read the bidaf code in DuReader, i think i can learn sth.

3.15

Read the last chapter of the book and take note. I skip five chapters .

3.16

Try to add POS information to word embedding and find it is useless, although it wastes half of my day i still learn sth and find a new function in the source code.

Read r-net

3.17

Try cs231 assignment 1 and do nothing

3.18

To be an excellent man is different from completing things, there are lots of points for me to learn.

Lose the chance to work on Reading Comprehention, what is the future? who knows ,who really care ?

3.19

depravation

3.20

Watch the movie I have lost my imagination, it’s too sad.

3.21

Begin to read < The call of wild> . Too hard for me and i do not know what to do.

3.22

Learn cs 229 lecture 1-2.Very clearly. I shoud try it earler !!

3.23

Read paper and take notes

3.24

Finish Zootopia. Although I do not feel any progress, the word test shows that my word volume increased by about 1000

Complete project-related tasks: aliasDict

Watch the movie emm.. special effects are much better than our similar movie although china is the Origin of many such storys.PS: Wu Yanzu is real hot.0.0 am i straight?

3.25

Finish assignment 1 except the part of Netural Network.

Read 《The Financial Perspective of the Urbanization Transform in China 》

Begin to read Finding Nemo. Maybe it’s an illusion, it’s a lot simpler.

3.26

Watch the movie

3.27

Complete FIT5183 ASSIMENT1 TASK2

3.28

Complete FIT5183 ASSIMENT1 TASK3

3.29

Complete the report of homework and submmit.

Read 《The Financial Perspective of the Urbanization Transform in China 》Stage 2 about American

3.30

Add character-embedding function. and read half of paper.

3.31

Finish reading paper.

Complete character-embedding in openbot projecct.

Keep trying cs231 assment1 and lecture about NN.

4.1

Watch the movie

Start drug trafficking plan of paper

4.2

Watch the movie

4.3

Take notes for reading < city >

4.4

Do boring homework

有幸遇到一场骗局，布局巧妙，投资不小，组成复杂，非常之有趣，花钱都不一定碰的上啊，在这里简单做个记录，说不定会有些有价值的收获保留下来呢。

引子

所谓读万卷书，行万里路，古人诚不欺我啊。这场骗局也是发生在路上，而故事的起点是路边三无旅游社的联票和各种不出意料的三无景点和回扣消费。或许是消费不够回扣也或许是天色已晚临近年关，导游临时起意决定把我们带到骗局里换取红包：“20分钟，不用买东西，签个人头，让我领个红包，大家理解一下“。勉强算是宣布了骗局的正式开始。

铺垫

关键人物：实习员工A

核心剧情：

1. 安顿旅行团人员休息就坐，吃饼干喝水看公司宣传片
2. 告诉大家公司领导正在视察，吩咐不要大家买东西，因为公司是专门宰外国游客的
3. 如果大家觉得A做的不错，那么领导进来的时候要鼓掌欢迎

展开

关键人物：经理B

核心剧情：

1. 询问员工A是否推荐产品，答案是否，当场给员工A发奖金
2. 告诉大家，公司不推销产品但是把大家拉到一起是因为省旅游局检查，公司能否继续运营要靠人民投票，投票时间是下个月26号，省卫视台八点半。
3. 说公司的规模和产业，说自己是XX的外孙子，常年混迹香港澳门，其实并不在乎这一家公司，但是这是家乡要面子的。
4. 如果大家答应投票，送大家一个玉石礼物

高潮

关键人物：经理B, 员工C,D

核心剧情：

1. 带大家到公司柜台参观，员工C,D介绍产品
2. 经理B表示自己这么做，完全是为了给外公争面子，让大家给他鼓掌，送礼品开始。
3. 等待员工C,D拿礼品，B介绍如何分辨玉石产品真假
4. 发礼品，介绍自己做的慈善事业，核心是讲孝，义
5. 交朋友，只卖一件外公设计的作品，原价2998，666起价。没人应。他说面子不能没，喊价300.有人买了。
6. 送花300买的人价值6000的项链，说是朋友了，要她号码，说以后开分店叫她做店长

收尾

关键人物：经理B

1. 让愿意和他交朋友的走进柜台，问假如做朋友，愿意花多少钱请他吃饭，写在纸上。
2. 写了，那就掏钱吧

回顾

整个骗局除了经常出现在眼前的A,B,C,D。还有刚下车给人发参观卡的一个人，有在门口看着不让人出去再进来的两个人，要是再加上导游和司机，那么大概有10多个人才能完成整场骗局。装潢乍看上去还是很高端的，场地非常大，估计可以同时进行好几场骗局，这么一想规模就很大了。

从剧情上讲，铺垫阶段除了让人放松警惕意外，关键还是要落实经理B–也就是骗局核心人物的虚假身份。那么鼓掌，鞠躬，奖金等一些很夸张的手段其实还是很有必要的。另外，展开过程里，成功的转移了大家的注意，也给骗局的进一步执行设计了一个说得过去的解释，从逻辑上进一步瓦解一些人的怀疑和警惕。而提出却不兑现的礼品，成功的勾起了大家的兴趣，让人心甘情愿的继续等待并且听从指示的走进骗局里。高潮阶段是骗子口才和个人魅力的showtime，他要靠三寸不烂之舌牢牢吸住所有人的注意力，让人跟着他的思路走，而不是自顾自的思索有什么不对的地方。从我一个旁观者的角度看，我不得不承认他是非常成功的，在场除了我，两位老人家，一个比我年长的学生和一个中年大叔以外，大家都全身贯注的听骗子讲课，那么上当比例就有4/5。那些中年妇女甚至年轻的女学生都是让鼓掌就鼓掌，让尖叫就尖叫的。对比着想一想自己的演讲水平还真是无地自容。这个过程中，他不经意的就从不销售产品转换到交朋友可以占便宜的战略上来了。当然，最后的收尾阶段是失败的，这就像鸡尾酒效应，人们在混乱的声音中可以一下子注意到自己的名字，而同样，骗局里迷迷糊糊的人，真要是到了掏钱包那一刻也会一下子惊醒吧。

我真的认为这个局一定是经过很多次实验不断改进得出来的。这里面有两个骗钱的点：第一个是卖一件作品，实际靠的是对他身份的认同和他个人魅力所宣传的孝·义的认同感。第二个点是卖他的友谊，实际上是赌虚无缥缈的小便宜，也就是做他朋友可能还会收到礼品。这里面入局的人注意力发生了三次变化：第一次是从担心被骗到原来不是骗我的放松。第二次是从怀疑目的到原来是有求于我的宽心。第三次是从观望态度到参与说不定可以占便宜的赌博心态。这里面做的好的除了剧情设计的逐层铺垫递进非常好以外，时间节奏也非常好。要知道当时天色将暗，从车上下来，大家也没心情注意所谓公司其实无标识无灯光的外观。而铺垫的等待时间是宣传片加闲扯大概有十五分钟，展开阶段大概又有十分钟，等礼品顺便听他转移注意力又是十五分钟，高潮忽悠十分钟，收尾十分钟。将近一个小时时间，我津津有味的看他表演，竟然过的不知不觉，更不要说那些鼓掌捧场的人了。

但是这么长时间，这么多人力物力，最后只收获了三百元的冲动消费，甚至都不知道够不够给导游的红包，除了偶然性的我们这一堆人比较穷，清醒的人比较多，真傻的人恰好不在以外，整个骗局有很多需要改进的地方。首先，员工与经理之间鞠躬鼓掌的互动方式有点夸张，当然这也是为了落实身份，可以存疑。但是从逻辑上解释目的时，说自己这公司主要是为了坑老外是不合适的，那不还是与欺诈相关么，固然可以让一部人分心，但也会让一部分人警惕。说自己目的是让大家在电视上投票，要么就不要说的太清楚，你直接说下个月的节目说的那么认真却不说节目名是不合适的吧。产品柜台还是要做的真一点，不能用产品把鉴定标签全压住只露出价格标签吧。而且一方面教人识别真假的方法是用行话A货，B货, C货诈销售人员，一方面自己产品标签上直接印着A货商标，太假了吧。一方面说自己澳门背景，公司背景，能不能做个假网页贴几个图，不要随便一搜就发现对不上啊。当然，会上当的人可能不会注意这些，而为了那些不会上当的人做这些，完全是浪费成本也说不定。

反思

虽然我从一开始就抱着怀疑和好奇的心态看骗子布局演戏，但是我其实也身在局中而不自知，现在回头想来，毫无疑问的是我也被骗了。看出骗局的不止我自己，但是出于事不关己的自私和乐见其成的好奇，我非但没有阻止骗局的发生，甚至还默默的凑了人数当了围观群众成了一个无主观意识的托。之前小说里就见过一个精妙的拍卖骗局，他的精妙在于骗围观群众当托，再利用这群免费无辜而且真实的托来骗既定目标。如果说被骗钱的人是被利用了贪图便宜和一时冲动的话，那么我这种被骗了时间的人是被利用了自以为是和害死猫的好奇心理。最值得反思的是，我整个的一个看热闹的心思却没担心自身的安全，除了骗子让人进入柜台的时候我担心他骗局不成会诋毁有人偷他东西改骗为抢才离得远远的以外，把不立危墙之下的教诲忘得一干二净，差评。

其实很难定义什么是骗和被骗，设法让人花费超出商品本身价值的金钱来买东西就算骗么？那整个市场经济都是骗局了。人们当时的心甘情愿和事后的追悔莫及能定义被骗么？那人生一直就是被骗。

想来那些所谓成功的商业模式也和骗局的设计没什么区别。免费的游戏下载让人放松警惕，游玩竞技性娱乐性吸引人入局投入时间，攀比心理赌博心理让人付账，换回来的虚拟产品实际价值可能还不如现实骗局里的石头呢。当然，还可以收获一段时间的开心愉快，但是我看这场现实骗局里的人也一样是专注开心的很啊。类似的，直播啊，股票啊，甚至付费知识的智商税也没什么不同，但这是骗么？脱离了低级趣味就可以叫幽默了，脱离了低级骗术也可以叫营销啊。概念还不是人自己下的定义么。

若是人生一直都是被骗，那么如何骗自己其实也要好好学习一下的。最近突然明白一个道理，就是我是我，我的大脑是我的大脑。有的时候自己应该合理的欺骗一下自己的大脑来增强行动力。反正都要花费时间和人力物力，为什么不设计个骗局让自己开心快乐的掏钱掏时间呢？另一方面，很多低层次的自我欺骗，比如那些源自于虚荣心的无意义行为也需要学会识破自己啊。。。比如，我为什么会欺骗自己浪费时间写这个记录呢？？？可怕可怕。不过记录过程倒是很心流的，不知道下次写恶心作业的时候能不能想办法创造个类似的心态骗自己一下。

2017年每个月都有一篇“流水账”，回顾一下刚好可以就放在12月里。

一月份的副标题有三个：丢失的时间，驾照和精神分析。我从去年三月份开始做这件每个月做记录的事情，但是从七月份就停止了，是为时间的丢失，用实习和考研的借口安慰了一下自己；驾照刚刚拿到，但是三年每年考了一门，我当时分析最关键的收获是要重视交通上时间和金钱上的浪费；精神分析是说寒假那个月放假看了一下童年阴影少年包青天和一点弗洛伊德的精神分析引论。

二月份是空的。这个月发考研成绩，emmm，我的收获是心情不好不要做记录。

三月份很短，就讲了一件事 调剂，我想直接摘一段：12号订机票，15号订酒店，18号起飞，20号复试，24号返程。这几天我处在命运的十字路口，眼见风云千樯，但我在当时却相当沉闷而平凡。我不知道什么选择是对的，什么是错的，我对未来一无所知，我只是想挣扎一下而已。

四月份比较轻松，关键词是毛选，蒋介石日记，人民的名义，健身，星露谷和毕设中期答辩。

五月份回头看了一下去年的记录，并开始做一篇2017阅书/片/剧报告，沉迷图书馆，为毕设做一点微小的水水的工作。

六月份毕业，我回顾了四年大学里能想起的关键画面，还写了反思，矫情，回家，但愿四个副标题。但愿写的挺好的，没什么改的，放在2018年也行：

新的旅程，我但愿自己能在选定的方向上坚持不懈地付出努力，顺便找到一个好奇不减的爱好就更好了。再大一点空一点，我但愿这世界仍是和平的主旋律，种族宗教和分裂问题不要发生在身边。我但愿中国这谜一般坚挺的房价和gdp能依旧坚挺，阶级固化不要那么快，让我们还有一丝实现阶级跨越的希望。我但愿我认识和认识我的人长命百岁，倒不是为了苟活于世，只为了见识这世界飞速发展带来的无限可能，若是没有老的糊涂，顺便看看当年身在山中不知始终的选择究竟路向何方就更好了，虽是不曾指点江山挥斥方遒，但总可以看看同一时代到底几人射雕几人比高，鼓个掌也是好的。
我发此宏愿，若是天才人物说不定就天地共鸣，异象纷程了，而我看了一眼窗外，一片漆黑，十一点了，也不知道敲了多少错别字，睡觉睡觉。

七月份标题有点多有六个：1. 批评与自我批评 2. Meb 3. Coursera 4. Read & Movie 5. Baking 6. Plan 大概就是假期生活状态的反思，英语和专业的学习，读书看片，烤面包和计划吧。收获关键是认识到对自己来说：执行要是有一个仪式感会更好。

八月份不要脸的写了个标题叫表扬与自我表扬，刚好和上个月对应，当然这个月里我还看了一部神番银之匙。还有更大的一部分写的是远虑和近忧，大概就是一些还没被锤死的牛犊般的想法吧。

九月份我看完了coursera机器学习的公开课。开学按部就班上上课，写的很少。

十月份选择导师，经过考核终于完成任务加入实验室。读了一些论文，也勉强做了一点微小的学习和工作吧。假期烤了一次月饼，倒是非常满意。

十一月份简洁多了，因为我放弃了手账那种东西，每天用电子版写一点，所以真真成了流水账。关键词就是 篮球赛，面试，日本新中产阶级和统计学习方法。

十二月即是这篇文章本身。

其实记录没什么意义。就算能看到一些成长和收获吧，效率如何也很难保证。倒是那篇2017阅影/剧/书报告现在已经有35/16/40了两三万字了。而且我还觉得我当时开头写的那一段挺好的：

百无一用是书生，读书其实没什么价值，有价值的是读书这个行动本身。这篇四不像的记录的核心价值也在于记录本身，至于里面的内容收获对于我来说其实没太大价值，于将来的我说不定略有价值，但是估计价值也不大。但我需要坚持做这件内容没什么价值的事情，因为我认为这个行动是有价值的。起码也先做一段时间再说，反正总比闲着打游戏要好，既然我己经花了有两个小时看了电影，也不必计较再花十几分钟或者再多一点记一下当时的想法吧。看一本书花的时间更多，就更是如此了。但我总要谨记的是，这里面其实真没什么有价值的内容，以后的自己也不必太认真的看。记录这东西确实花了我一些精力，但这不是收获，更不算是锦衣夜行，这里面的东西对我都没什么价值，对别人更是，只是记录癖的浪费时间。
当然，要说这记录的形式还有什么一点点额外好处的话，就是可以显而易见的把我从网络小说往经典著作上逼，从垃圾的流行电影上往有价值的好电影上逼。因为一本我认为写的非常好的网络小说，我回忆他的时候，想要为所花掉的时间记录一点什么的时候，真的，一无所获，就会有一种无力感和虚度了生命的感觉，即便我在阅读他的时候是心情愉悦的，可我回忆的时候不会记得这一点，而且我阅读优秀作品的时候因为自以为有所收获其实也是心情愉悦的。至于那些垃圾的影视作品，真的，看完之后只想吐槽，负能量很多，可见看他们的过程甚至都不是愉悦的，比网络小说还要不如。

我想大概日记月记周记都是这样吧，都是凡人，鲁迅也要洗脚啊。

明年就不记这东西了，读书报告也无价值，考虑按主题写点更有意思的更有价值的东西，这种流水账缺少系统的思考，总要尝试自我升级一下哈。

安装服务器：

win的开发环境真的是！！！！
参考这个即可：https://franz.com/agraph/allegrograph/vm/

注意这教程有几个过时和缺少的细节：

• vmware必须是pro版本 之前我原本有免费版的不行
  否则桥接会有问题 桥接按照教程设置

• 还可以参考这个： https://jingyan.baidu.com/album/f79b7cb36db0309144023e89.html?picindex=2 还要注意用管理员模式运行vmware

• 里面关于eclipse版本也不对了 java application 不能执行 要用maven方式

• 最开始需要注意执行franz里的loadwilbur.sh恢复Repositories
• 虚拟机会弹出一个backup 但是我安装总是失败 不知道为什么 好像不影响

教程：

https://franz.com/agraph/support/learning/

记录

从10.21弃坑纸质改用电子版，看记录刚好持续到11.21,然后从12月继续开始，显然统计更清楚，搜索更方便。

11.08 面试 爱因互动 党课上台表演 mp3到货

11.09篮球赛 冠军

11.12头条面试 基础知识有问题

11.13模式识别考试 聚餐

11.14确认导师

11.15 数学之美

11.18 日本新中产阶级 kindle到货

11.20看完日新中产

11.21统计学方法两章

回头看其实没什么重要的事情啊，时间就这么过去了。一个月如此，一生亦然。

精进

同时要做的事情不应该太多。有这样几件比较重要：

1健康2专业3英语4画画

11-12点之间上床休息 运动10min

1.18之前读完统计学习方法和代码

12.30前原著听力

周末晚上两个小时

暂时放弃leetcode