技术力量 | 社会计算与计算社会: 智慧社会的基础与必然

来源:智慧城市决策参考


 摘要:

基于社会计算,智慧社会可充分利用开放流动的大数据资源, 综合协调人、地、事、物和组织等各种要素, 形成信息对称、权利对等、扁平化组织的社会结构, 推动传统社会管理模式向分布式、集约化、信息化、智能化、全响应的创新社会管理模式的转变。为此,必须同时以海量社会传感器网络为基础,以高性能分布式计算为支撑,以知识自动化技术为核心,以虚实互动的平行系统为手段,推动对社会的全面感知、建模、解析、决策及反馈执行,进而实现集舆情感知、平行管理和移动指挥与控制为一体的闭环反馈组态式的社会管理, 全面提升其功能与服务水平。




社会-物理-信息(cyber-physical-social systems,CPSS)三元融合的复杂系统的出现引发了数据规模的爆炸式增长和数据模式的高度复杂化,为网络世界中信息及人员的组织管理带来了新的挑战. 在互联网、物联网、移动互联网、云计算等新型技术以及各种新兴社会媒体和自媒体的推动下,人类已进入大数据时代。大数据中包含了充足的社会信号及政务数据, 使得面向社会的引导成为可能, 并引发了人们对于控制论本意的思考。


控制论原为面向“国务管理”的科学。1954年前后的半个世纪里,由于缺乏实时且充足的社会数据和信号,钱学森教授发出了“面向社会管理的控制论恐怕永远也不会有结果”的感叹。而当时的工程过程,特别是传感技术的发展,已可实时提供大量物理信号和数据,从而形成信号处理这一研究方向,进而服务于工业过程的控制。这也是钱学森教授要在控制论前加“工程”予以修饰的原因:控制论本意是面向社会甚至生物领域。


随着互联网的出现及各种新型计算机技术的发展,人类正从工业时代向知业时代及智业时代迈进.社会中的许多组织过程在网络环境中的动态变化加剧,也必将催生未来的新型社会管理产业,今天的社会资源规划(social resourceplanning,SRP)和文化资源规划(culture resourceplanning,CRP)等只是滥觞.将来必将有各种各样的“社会管理器”,如同今天的逻辑可编程控制器(programmable logic controller,PLC)和分布式控制系统(distributedcontrol systems,DCS);否则,就会在社会过程中产生许多“爆炸”(大型动乱的强化、小型化与常规化等),就像由于控制不当会引发工业复杂生产中的重大事故。因此,大数据时代,借助各种新型信息技术手段创新社会服务管理,成为关乎国家繁荣发展与社会安全稳定的重大问题。


基于ACP的社会计算方法对实际社会过程、动态网群组织(cyber movement organizations, CMO)、社会服务执行及资源规划问题进行感知、建模、解析、决策及反馈执行是实现创新社会管理与科学控制的基础. 


其核心思路为: 针对复杂社会系统, 构造人工社会系统与实际社会系统虚实交互、协同演化和闭环反馈的平行系统, 通过在软件定义的“社会实验室”中对已发生及可能发生的事件进行试验和计算, 为真实社会场景的管理与决策提供可靠支持. 即人工社会(artificial societies) 、计算实验(computational experiments)、平行执行(parallel execution)的有机结合. ACP方法可利用充足的社会信号及信息情报,实现从定性到定量的社会群体智慧转化, 从而以计算的手段引导、管理与控制复杂社会系统. 其中, 从社会数据、信号、情报到社会智慧的转化及量化是智慧社会的核心目标.


知识自动化将是实现智慧社会目标的核心技术. 知识自动化将变革知识的获取方式、知识的分析方式、知识的影响方式、知识的产生方式, 以及决策制定、评估和实施的方式, 实现从数据到信息到知识到智慧的集成及转化, 从而主导未来工作性质的改变、组织结构的改变、驱动经济增长与提高生产力,推动信息社会向智慧社会的转变. 智慧社会是对于人们的生活方式、价值理念和服务感受的重塑, 通过综合协调人、地、事、物和组织等各种要素, 实现精细化管理、人性化服务、多元化参与、信息化支撑的集约型、智能化、全响应的社会管理形态.


以社会需求为导向, 以线下社区及线上平台为中心,以基于ACP的社会计算方法为指导, 以知识自动化为核心技术, 智慧社会将借助互联网、物联网、云计算及大数据等全面感知社会态势, 多方凝聚社会力量, 融合集成社会智慧, 科学管理社会过程.信息社会向智慧社会的飞跃, 其本质上是数据向智慧的飞跃, 是分散向集约的飞跃, 是被动号召向主动响应的飞跃.


1 智慧社会基本概念及支撑体系


智慧社会管理以海量社会传感器为基础, 以高性能分布式计算终端设备为支撑, 以基于ACP的社会计算方法为指导, 以知识自动化技术为核心, 以目标系统的计算模型为驱动, 以动态闭环实时反馈为执行机制, 通过虚实交互的系统演化和情景涌现, 实现对目标系统的“去中心化”计算引导、管理和控制.


1.1 智慧社会的管理模式及目标


前苏联奥马洛夫在其所著《社会管理》一书中将社会管理定义为“社会管理是管理主体对社会系统的有科学根据的影响, 为的是使系统实现它面临的目标和任务”. 我国传统社会管理以家庭或单位制为最基本的微观组织和控制单元, 通过构造自上而下和自下而上双向互动的社会管理“链条”, 形成了一种单一主体、单向强制以及信息闭塞的社会组织及管理模式. 近年来, 随着我国城市化进程的发展,传统的乡村式血缘和地缘纽带逐步瓦解, 社区逐渐成为城市管理和社会管理的基本单元. 面对城市中人际关系的异质性, 居民职业构成的复杂性, 居民流动性及混杂性, 居民生活的信息化、网络化、智能化等特征,传统社会管理方式已然呈现捉襟见肘之势.


智慧社会管理针对虚实互动的复杂社会空间,借助互联网、物联网及移动互联网等技术, 基于大数据分析的手段, 为社会成员提供一个反馈、描绘及管理社会问题的接口, 有利于构建信息对等、权利平等、扁平化组织的社会结构, 有利于实现创新民主化、管理民主化、引导民主化的众包式的管理(图1).该方式将有效地推动民众与政府的直接组织互动,调动民众参与公共事务的热情, 促进多元参与、协商互动、以服务为导向的社会形态的产生.


图1 智慧社会的管理模式


1.2 智慧社会的支撑体系及核心问题


智慧社会管理的目标之一在于实现从数据、信息、知识到智慧的转变, 而知识自动化则是实现这一转变的核心技术(图2). 其实质内容就是集舆情感知、平行管理和移动指挥与控制为一体, 在信息社会数据采集、情报分析、人工建模的基础上, 实现对社会系统中人员、组织及其职能的动态建模、知识决策和平行管理, 促使社会管理由被动解释预测向主动感知响应社会现象、自适应引导社会行为与平行反馈控制模式的转变.


图2 智慧社会的技术支撑系统


新一代信息技术支撑下, 各种移动终端设备及可穿戴式设备愈加普及,人成为最为灵敏的社会传感器, 并可实时提供大量的时间数据、空间数据及行为交互数据. 数据的大规模、多样性、开放性、流动性等特征既为提高政府管理和发展全民响应的公共服务提供了难得的机遇, 也对虚实互动的复杂社会系统的建模问题提出了严峻的挑战. 


首先, 尽管数据采集、解析、预测的深度、广度及规模都产生了前所未有的改变, 但是所获得的数据可能存在量大却针对性不强、信息组织杂乱、数据联系微弱且稀疏的情况, 导致有效信息往往隐藏在大量的噪声之中, 而易在数据挖掘过程中被丢弃. 其次, 人对系统的闭环且动态的参与方式及线上线下的实时交互方式极大的提高了系统中人员及其组织管理的复杂性. 同时, 信息及行为借助网络平台快速传播及大范围扩散, 使得传统真实物理社会上的空间和时间被“压缩”, 并使得各类“长尾效应”成为常态, 由此导致虚拟社会中很小的局部上可快速累积巨大的能量, 激发并通过CMOs将这一巨大能量迅速释放到真实社会中, 产生巨大影响.


目前, 针对复杂社会系统中人口在时空领域的动态特征、信息的传播方式、人员动态组织演化特征、人员与系统的交互作用模式、系统的层次结构、社会文化建模与分析以及个体微观行为与宏观社会现象的融合与统一等问题的研究, 依然面临巨大空白. 必须尽快构建可计算、可实现、可比较的基础理论、模型方法、关键技术和系统平台, 确保社会过程、服务执行、资源分配的效率.


2  社会计算: 智慧社会的基础


社会计算的概念首次出现于1994年,Schuler在其文章开篇即指出“社会计算可以是任何一种类型的计算应用, 以软件作为社交关系的媒介或聚焦”,强调了社会软件应用的重要性; Dryer等人认为:社会计算是人、社会行为及系统交互使用计算技术来相互影响(Social computing is the interplay betweenpersons, social behaviors,and interactions withcomputing technologies), 其设计模型重点分析了移动计算系统中系统设计、人类行为、社会贡献及交互结果等因素的相互作用; Charron等人将社会计算定义为技术影响个体或社区, 而非机构的社会架构(A social structure in which technology puts power inindividuals andcommunities, not institutions); 王飞跃提出“面向社会科学的计算理论和方法” 的社会计算的概念, 并指出可采用基于ACP的社会计算方法对社会科学进行“软”建模来解决实际社会过程系统及其决策分析问题.


 2.1  社会建模的挑战: 从牛顿系统到默顿系统的升华


社会系统无法拆分还原、高度不确定性、难以无限逼近等复杂特征, 使得模型与真实系统之间的建模鸿沟(图3)成为社会系统建模面临的最为严峻的问题. 由于建模鸿沟的存在, 必须把注意力从利用可以直接控制系统行为的“牛顿定律”进行建模转向通过只能间接影响系统行为的“默顿定律”进行建模.


图3 社会系统建模的巨大鸿沟


我们称其行为能够由“牛顿定律”控制的系统为“牛顿系统”, 其主要特征在于: 在给定当前系统状态与控制的条件下, 理论上系统下一步的状态可通过求解方程而准确地获得, 从而系统的行为即可被精确地计算和预测. 因此, 对于“牛顿系统”, 建模的首要任务为发现控制系统行为的“牛顿定律”, 据此直接设计相应的控制方法, 依此控制系统行为, 确定性地实现希望的目标. 现代工程控制理论与方法的成功, 便主要是针对这类“牛顿系统”.


我们称系统行为能够被“默顿定律”影响或指导的系统为“默顿系统”. “默顿定律”泛指以美国社会学家默顿命名的各种能够引导系统行为的“自我实现预言(Merton’s Self-Fulfilling Prophecy Laws)”, 即: “由于信念和行为之间的反馈, 预言直接或间接地促成了自身的实现(A self-fulfilling prophecy is a predictionthat directly orindirectly causes itself to become true,due to feedback between belief andbehavior)”. 其特征主要表现为: 即使在给定当前状态与控制条件的情况下, 理论上系统下一步的状态也无法通过求解而准确地获得, 从而系统的行为也就难以被精确地预测. 因为这类系统包含“自由意志”, 本质上无法对其直接控制, 只能间接地影响, 促进希望的目标以概率性的方式出现. 对于“默顿系统”, 建模的首要任务变为根据希望的目标去设计能够有效地影响或指导系统行为的“默顿定律”.


社会系统是一类典型的“默顿系统”. 对于人类社会行为问题, 在许多情况下, 我们要“证实”的命题,其实最后是我们影响甚至改变、构成、实现的命题, 非自然科学(特别是物理数学学科)中的因果关系, 而是心理学上的因果驱动关系. 简言之, 命题改变行为, 意念干涉现实, 进而成真(A statement couldalter actions andtherefore come true).为此, 我们可在真实社会系统的基础上建立围绕特定目标实现任务的人工系统, 计算、解析并发现其中的“默顿定律”, 从而直接或间接地影响自由意念, 引导行为模式, 干涉未来状态, 进而通过人工社会系统与实际社会系统的虚实互动、平行执行, 促使实际系统运行在希望的目标之下.


2.2 大数据解析的思路


西方管理学界有两句名言: 其一为现代管理科学(特别是质量工程)的重要奠基人戴明(W. EdwardsDemin)所说: “除了上帝, 其他任何人都必须用数据说话”; 其二为提出“知识工人(Knowledge Worker)”和“信息社会”概念的现代管理之父德鲁克(Peter F. Drucker)所说: “预测未来最好的方法, 就是去创造未来”.


为在创新社会管理流程中有效地落实“数据说话”、“预测未来”、“创造未来”, 首先必须以可描述、可实验、可执行的手段完成从数据、信息、知识到智慧的解析, 而基于ACP的社会计算方法即为沿此方向的有效尝试. 社会计算利用大数据解析复杂系统的基本思路为: 利用人工系统对复杂社会单元、过程及系统进行建模, 通过计算实验对复杂社会场景进行分析和评估, 借助平行执行对复杂问题进行引导和管理. 其实质就是以ACP为手段, 三位一体落实: (1) 描述解析(descriptiveanalytics), 理清已经掌握的知识、信号和情报; (2) 预测推理(predictive inference), 理清可能出现的事件及其引发的后果;(3) 诱导学习(prescriptive learning), 理清希望的目标并诱导现实, 推动目标的实现.


基于ACP的社会计算方法以人为中心, 充分考虑物理世界、网络世界与社会的融合, 以自底向上的人工社会建模方法对基础设施、楼宇、街道、社区、城市逐层建模, 同时以真实社会的统计特征为参数进行人口合成、场景搭建以及“社会实验室”的设计;在以软件定义的“社会实验室”中对社会系统中由个体因素引发的群体行为、社会过程以及社会影响等宏观现象进行计算、实验及解析, 从而有效并合理地预测社会系统中的“蝴蝶效应”(如单个城市的大规模停电会导致该城市人群恐慌、交通阻塞、经济活动受阻,甚至影响城市的工业及社会生产过程, 引起宏观层面的经济震荡, 此类影响可蔓延到其他城市, 产生严重的经济及社会效应), 尽早发现社会系统中潜在的各种问题. 同时, 通过构造由实际系统和人工系统组成的平行系统, 通过虚实系统的互动演化、反馈调节,为社会系统的管理和控制提供决策依据和智慧支持.


2.3 社会-物理-信息系统(CPSS)


按照波普尔的观点, 世界是由物理、心理和人工3个世界组成的共同体. 从地表到地下资源, 农业和工业社会已全面地开发了我们的物理自然世界和心理精神世界, 保障了人类的生存和发展. 互联网、物联网、云计算、大数据等理念和技术的到来, 预示并已经开拓了人类向人工世界进军、深度开发数据和智力资源、深化农业和工业革命的时代使命. 同时,由于网络化和信息化进程的发展,Cyberspace已确确实实成为与物理世界平行的一个新的空间, 并使得人工社会从哲学的抽象成为日常的具体应用. 人肉搜索、新媒体、Wiki、众包等机制正在快速推动人类的生活空间被数据驱动和虚拟化, 知识几乎可以光速传播并获取, 影响通过社会关系瞬间遍及整个网络空间.


一定程度上, 社会管理的变革就是利用网络世界无限的数据和信息资源, 突破物理世界资源有限的约束, 真正地纳“人”于系统和管理的流程之内. 基于ACP的社会计算方法, 针对由CMO参与并组织演化的社会过程、服务执行及资源分配问题, 构建由软件定义的人工社会系统与真实社会系统虚实互动的平行社会系统, 使得来自物理世界和心理世界的相关知识及经验形式化、计算化和可视化, 可用实时反馈、虚实互动、平行执行的方式实现社会系统描述解析、预测推理、诱导学习及反馈的功能, 进而减少完成目标的不确定性、化多样化为归一、使复杂变简单.


3   知识自动化: 迈向智慧社会的核心技术


2013年, 麦卡锡全球研究所发布的《颠覆技术:即将改变生活、商业和全球经济的进展》报告中, 预测了12项可能在2025年之前决定未来经济的颠覆技术, 其中, 知识工作的自动化智能软件系统位居第2.知识自动化是信息自动化的自然延伸与提高,是“人”嵌在自动化之中的过程, 也是从物理世界的自动化控制转向人类社会本身的智能化管理的基础.大数据时代下的知识自动化一方面是已知或已约定的知识之自动化, 另一方面是未知或无法规定的模式之表示及处理, 都间接或直接涉及到人与社会行为的建模与分析问题.


借助基于位置的服务(location-based services,LBS)、基于任务的服务(task-based services, TBS)、基于信息的服务(information-basedservices, IBS)、基于决策的服务(decision-based services, DBS)和基于知识的服务(knowledge-based services, KBS), 知识自动化可整合社会-物理-信息系统(图7), 实现对社会的主动感知、积极响应、引导决策以及反馈执行. LBS可帮助全面地感知CMO人员在真实物理世界中的地理位置、线上及线下的虚实行为互动及其参与的社会组织形态; TBS及IBS有助于解析并预测CMO人员的心理及行为驱动模型、社会组织的演化趋势及其社会服务全周期过程; DBS及KBS可实现科学地管理并引导自由意志、CMO组织演化以及社会服务的操作执行。


4   计算社会的平行管理: 智慧社会的必然趋势


传统工业时代实时物理信号的出现使得实时工业控制成为可能, 并促进了工程自动化的实现; 当前大数据时代亦为创新社会管理提供了海量开放的社会信息, 为获取实时信号、动态知识以及“默顿规律”提供了新的途径, 同时将推动实时响应社会管理和社会自动化的进程.


面向CMO的智慧社会管理通过统筹整合人、地、事、物和组织等各种社会性要素, 全面感知、建模、解析泛在的社会信号, 以虚实互动的方式为社会管理提供决策依据与智慧支持.首先, 通过更为广泛的感知、测量、采集和传递信息的设备或系统, 城市交通状况、天气变化情况、社区动态组织、民众讨论热点等任何信息都可被快速获取并进行分析, 实现开放社会信号的实时采集、数据融合和分析处理; 然后, 基于ACP的社会计算方法, 融合社会网络的分析方法, 借助Web数据挖掘、自然语言处理及机器学习等技术, 通过结构分析、语义分析和情感分析等手段对社会活动、社会过程、社会结构、社会组织和社会功能等进行深入解析, 以获取实时集成、系统且全面的知识来解决特定的问题; 最后, 基于人工系统与实际系统中之间的虚实互动、平行执行, 使用“社会实验室”的计算结果(决策)以可视化的方式引导、管理并反馈给社会人员. 从全局的角度分析形势并实时解决问题, 使得工作和任务可以通过多方协作来得以远程完成, 从而彻底地改变社会的运作方式.


综上所述, 智慧社会将极大地推动传统的中央集权、信息非对称、交互不对等的社会管理结构向权利平等、信息对称、位置对等的创新社会管理结构的转变. 其核心问题在于克服实际行为与建模行为之间的“鸿沟”, 利用“默顿定律”对系统的未来状态进行可控的预测及引导. 通过有效地避免传统社会管理中不确定、复杂和多样化的情况, 从而实现灵活、聚焦和收敛的智慧社会管理目标.


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/496360.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

php关闭当前页_php如何直接关闭页面注销SESSION

php如何直接关闭页面注销SESSION发布时间:2020-07-09 09:03:06来源:亿速云阅读:100作者:Leah这篇文章将为大家详细讲解有关php如何直接关闭页面注销SESSION,文章内容质量较高,因此小编分享给大家做个参考&a…

ELF格式文件符号表全解析及readelf命令使用方法

From:http://blog.csdn.net/yasi_xi/article/details/45197583 readelf命令:http://man.linuxde.net/readelf ELF文件格式解析:https://www.2cto.com/kf/201605/511370.html ELF文件格式解析:http://blog.csdn.net/earbao/arti…

Spring Data JPA 从入门到精通~QueryByExampleExecutor的使用

QueryByExampleExecutor 的使用 按示例查询(QBE)是一种用户友好的查询技术,具有简单的接口,它允许动态查询创建,并且不需要编写包含字段名称的查询。从 UML 图中,可以看出继承 JpaRepository 接口后&#…

谷歌大脑提出对智能体进行「正向-反向」强化学习训练,加速训练过程

原文来源:arXiv作者:Ashley D. Edwards、Laura Downs、James C. Davidson「雷克世界」编译:嗯~是阿童木呀、KABUDA、EVA在强化学习问题中,关于任务目标的制定,往往需要开发人员花费很多的精力,在本文中&…

Linux二进制实用工具Binutils工具集解析()

From:http://blog.csdn.net/zqixiao_09/article/details/50783007 GNU Binutils:http://www.gnu.org/software/binutils/ GNU Binutils详解:http://www.crifan.com/files/doc/docbook/binutils_intro/release/html/binutils_intro.html 交叉…

Spring Data JPA 从入门到精通~JpaSpecificationExecutor的使用方法

JpaSpecificationExecutor 源码和 API 我们也可以通过 idea 工具详细看其用法和实现类,JpaSpecificationExecutor 是 Repository 要继承的接口,而 SimpleJpaRepository 是其默认实现。而通过源码来看其提供的 API 比较简单、明了,有如下几个方…

谷歌人工智能野心:从“下围棋”开始走向商用赚钱

来源:腾讯科技作为人工智能研发的领先企业,谷歌已经开始从技术研发走向了产品商用,创造营收成为一个新目标。谷歌在人工智能领域进行研发的时间比较长,陆续收购了优秀的专业公司。鉴于此,谷歌获得了先发优势&#xff0…

Linux异步之信号(signal)机制分析

From:http://www.cnblogs.com/hoys/archive/2012/08/19/2646377.html From:http://kenby.iteye.com/blog/1173862 Linux下的信号详解及捕捉信号:http://www.jb51.net/article/90695.htm linux信号详解:http://blog.csdn.net/f…

DeepMind集成AI智能体架构「MERLIN」:基于目标导向智能体中的无监督预测记忆

来源:arXiv摘要:在自然界中,动物往往会执行目标导向的行为,尽管它们的传感器的范围有限。作者:Greg Wayne、 Chia-Chun Hung、David Amos、Mehdi Mirza、Arun Ahuja、Agnieszka Grabska-Barwinska、Jack Rae、Piotr Mi…

手机反编译java源码,Android反编译(一)之反编译JAVA源码

Android反编译(一)之反编译JAVA源码[目录]1、工具2、反编译步骤步骤1:把apk文件后缀名改为.zip步骤2:解压zip包得到classes.dex步骤3:将Dex反编译为Jar包(工具:dex2jar)命令: CMD>dex2jar.bat classes.dex步骤4:用j…

一文详解计算机视觉的广泛应用:网络压缩、视觉问答、可视化、风格迁移等

作者 | 张皓(南京大学)来源:人工智能头条丨公众号引言深度学习目前已成为发展最快、最令人兴奋的机器学习领域之一,许多卓有建树的论文已经发表,而且已有很多高质量的开源深度学习框架可供使用。然而,论文通…

Linux-进程、进程组、作业、会话、控制终端详解

From:http://www.cnblogs.com/JohnABC/p/4079669.html Linux进程优先级的处理--Linux进程的管理与调度(二十二):http://blog.csdn.net/gatieme/article/details/51719208 进程 、进程组、会话、控制终端之间的关系:http://blog.csdn.net/y…

浅谈项目开发现状(一)

在现在的软件开发中,一些大的软件公司有充分的资金,所以他的公司人员组织架构能组成:需求分析团队(为了更好的了解用户的完整需求)--->研发团队(通过计算机语言来实现用户需求),方…

波士顿咨询:2018最具创新力企业50强

来源:前瞻网在波士顿咨询公司评选的2018年最具创新力公司中,有11家公司——其中包括前10名中的7家——都是“数字原住民”,按定义也就是“数字创新者”。榜单上大多数公司已经将数字技术建立在他们的创新计划中。这一趋势在各个行业都很普遍&…

Linux 线程

Linux 的多线程编程的高效开发经验:https://www.ibm.com/developerworks/cn/linux/l-cn-mthreadps/ linux线程的实现:http://www.cnblogs.com/zhaoyl/p/3620204.html 线程概念经典解析:http://blog.chinaunix.net/uid-29613952-id-421477…

Spring Data JPA 从入门到精通~JpaSpecificationExecutor实现原理

JpaSpecificationExecutor 实现原理 我们还是先通过开发工具,把关键的类添加到Diagram上面进行分析,如图: 我们通过上图可以看一下,前面介绍的几个类之间的关联关系。 SimpleJpaRepository 实现类中的关键源码如下: …

微信发布首份《移动支付时代的无人零售报告》

来源:爱范儿 作者:Panda3 月 30 日,微信支付行业运营总监白振杰在 2018 智慧无人零售大会上发布了《移动支付时代的无人零售行业报告》,报告首次结合中国百货商业协会权威调研和微信支付的数据分析能力,揭示了移动支…

盘点《头号玩家》里的 VR 技术,现在就能造个 Oasis 出来

来源:沉浸感丨公众号 作者: 刘芳平由史蒂文斯皮尔伯格导演的科幻电影《头号玩家》(Ready One Player)于 3 月 30 日在中国大陆上映。首个周末便收获广泛好评,登上豆瓣电影本周口碑榜第一名,截止 31 日晚积…

find()matlab,Matlab 之 find()函数

当我第一次用matlab语言编写一个工程项目时,发现自己编写的脚本里循环特别多,导致编程效率很低,这让我特别苦恼。有一次导师让我阅读他编写的一个Matlab脚本,并按照新要求对其进行更改。我发现脚本里多次用到find()函数&#xff0…

一图看懂阿里云IoT战略

来源:云栖社区从万物互联到万物智联,离不开“无处不在的计算”。阿里云IoT在云边端部署了可协同的计算,基于物联网使能平台联合开发者、芯片模组厂商、行业合作伙伴等在城市、生活、汽车、制造四大领域已完成深度布局,即一朵云、两…