本小组研究计划与进展

能够思考深刻的关于这个世界如何运作的问题,能够对文明有所贡献,是一件幸福的事情。

能够得天下英才而育之,传播自己对这个世界如何运作的问题的思考和理解,也是一件幸福的事情。

能够让自己的智力天天面对挑战,也是一件幸福的事情。

  1. 研究工作所需要的重要的思维方式:
    •  
    • 系联性思考:事物之间的联系的描述,分析运用,以及这样的描述和分析运用是否有一般性的共通的东西。相互联系还可以构成一个系统。洞澈联系。
    •  

    • 批判性思维:怀疑,从对现象、现象的边界(什么条件下什么东西出现这个现象)的怀疑开始,到对现象的规律性总结的怀疑,到对现象背后模型或者说法的怀疑,一直到对指导做出来这些观察总结和模型的思想的怀疑,不放过任意一个步骤。同时联系系联性思考,问除了这样为什么不可以那样的问题。没有经过自己深入思考和怀疑过得东西不能当做进一步思考的基础。
    •  

    • 科学化模型化:以批判性思维为指导,运用逻辑和数学构建的可计算的现实世界的心智模型,实践检验,可重复性。
    •  

    • 分析与综合:认识一个问题,当然一般从现象开始,但是,总是要做分解和对比的。只有分解成更小的部分,通过和类似事物的对比,才能够突出这个所关注的事物的特点,才能促进理解,发现共性。当然,要注意,就算我们得到了最后最基本的单元,比如说在这个单元的层次所有的事物都差不多一样了所不同的只有组合回来的时候的细节不同,重新做组合起来的过程也远远不是平庸的。经常由于这些单元的相互作用,我们需要新的计算方法来完成这个重新组合起来的过程,并且这样的组合会涌现出来新的现象。
  2. 吴金闪研究能力的亮点(背后的关键还是批判性思维,系联性思考。不断地联系和反思):
    • 综述,把握大图景:把一个领域的基本问题核心问题,典型思维方式整理清楚,并且整理出来一个概念网络,找到核心问题的研究的切入点;
    • 把一个问题简化、模型化、数学化;
    • 把一个问题分解、细化、做类似问题的对比、系统化;
    • 经常产生新奇的想法,长程联系;
    • 其他能够做点推导,做点数值,矢量和矩阵分析得心应手,都是术的层次。
  3. 具体研究工作上的思想:
    • 不是新的不做
    • 为了理解世界而思考和做科学
    • 一切都是联系,都是相互作用
    • 相互作用可以计算

2017年3月29日整理的进展。

具体研究工作:

  1. 非平衡统计基本问题研究
  2. 能够描述实践的博弈的理论
  3. 综合考虑直接和间接联系的广义投入产出
    1. 分析方法的发展,在系统的元素之间存在着投入产出关系的时候,我们可以问什么问题,可以怎么算
    2. 广义投入产出分析用于科学学(已独立出来列在下面)
    3. 广义投入产出分析用于汉字学习以及更一般的以概念之间的关系为基础的学习(已独立出来列在下面)
  4. 数据(论文专利题录、基金、专利转化等数据)驱动的科学计量学,以内容为基础的科学计量学。科学计量学的多层网络模型、广义投入产出分析的应用、机器学习来处理内容
  5. 汉字学习以及更一般的以概念之间的关系为基础的学习。广义投入产出分析的应用、网络上多状态顶点的推断、学习材料和实验
  6. 机器学习的研究
  7. 其它的一些问题:量子力学基础、量子博弈、量子信息、网络科学分析技术的一些小问题、语言的效率(表达信息、学时使用、容错)、以概念地图为基础的教学和教育学
  8. 其它的其它
  1. 非平衡统计基本问题研究:
    1. BBGKY1(吴金闪,已经完成,并发表)
    2. 综述文章《统计物理基本问题研究新进展》已经发表在《上海理工大学学报》。
    3. BBGKY2(吴金闪,王馨,基本完成,写文章)
    4. BBGKY应用于Lindblad方程以及Lindblad和Redfield方程的比较(王馨,吴金闪,基本完成,写文章)
    5. GFPE与Lindblad方程
    6. GFPE的数值求解(直接方法、Matrix-free简单迭代方法,XMDS2)
    7. BBGKY方法计算平衡态与其他平衡态计算方法的比较
    8. BBGKY标准计算程序以及大系统的BBGKY
    9. BBGKY与tDMRG、NEGF的对比
    10. GFPE与Redfield方程,解析解,三阶项的处理,以及GFPE标准计算程序
    11. BBGKY、GFPE之于具体系统,具体现象,包含热导、电导
  2. 能够描述实践的博弈的理论:基于Nash均衡的分析博弈论对博弈能够做出一个理论预测。这个理论预测很多时候管用,很多时候不管用——与现实和实验中观察到的现象不相符。例如囚徒困境、最后通牒、蜈蚣博弈等等。这个时候,我们问一个什么样的理论能够描述实践?目前已经建立一个包含多位老师的博弈论小组,准备开展面向新的理论的实验研究。
    1. 修改Payoff矩阵:考虑除了钱之外的更多的东西,但是坚持最优化收益来决策。那么什么是额外的东西?
    2. 坚持纯直接货币收益形式的Payoff矩阵,放弃按照最优化收益来决策。那么如何决策?例如QRE,例如学习过程。
    3. 考虑一般的Payoff矩阵,允许突破最优化收益来决策(学习过程、演化博弈等),那么能够解释实验了吗?
    4. 能不能了解决策的主题在决策的过程中更多的信息?例如,其决策过程利用了哪些信息。跟踪鼠标运动、眼动、提供信息的选择等等。
    5. 一个具体的工作,最後通牒博弈給出比較高支付的根源:在信息不完全直接提供的情况下,学习过程能够获取比较完全的信息以至于决策者能够做出最优决策吗,决策过程考虑期望收益吗,考虑方差吗?考虑最后通牒的人机版本,我们发现,提议者的行为给多给少和提议者是否通过概率匹配(Probability Matching)测试有强相关。(齐天笑、陈六君、许彬)
    6. 接着上一个工作,如果说在人机版本里面,概率测试通过与否有意义,是否能够进行人人最后通牒,并且考虑通过和不通过概率测试的被试的各种组合形式(齐天笑)
    7. 一个具体的工作,最後通牒博弈給出比較高支付的根源:在信息不完全直接提供的情况下,学习过程能够获取比较完全的信息以至于决策者能够做出最优决策吗,决策过程和决策者的风险态度有关系吗?最后通牒的人机版本可以直接改写做风险十项决策的形式(齐天笑)
    8. 一个具体的工作,促进诚实的机制:提供什么信息可以使人更诚实?我們來考虑扔硬币(色子)报数得奖励得游戏,看一看再提供什么样得信息反馈(只有一个额外的人存在但是不做记录上报不惩罚,有一个额外的人存在记录上报但是没有惩罚,有一个额外的人存在记录上报并随机惩罚,有一个额外的人存在记录上报并且惩罚比较大)的情况下,博弈者更诚实。或者考虑报税游戏中什么样的信息反馈使得报税更忠实(周亚、战宇一、张爽)。
    9. 一个具体工作:男(女)生为主的学校的男(女)生在概率匹配等理性测试上更厉害?还需要进一步预实验,才能展开做。
    10. 准备工作
      1. 动力学版本的QRE,可以讨论稳定性(庄倩):Boltzmann分布用于讨论决策过程,相当于博弈论中的QRE。收益敏感性度量或者说温度的倒数\(\beta\)决定了所得到的定态解的稳定性。通过稳定性可以区分QRE与NE的描述能力。文章已发表于PLoS ONE。我们发现对于一大类博弈,QRE确实比NE描述能力好。下一步我们还可以做:
        • 有的博弈QRE不能与NE区分,有的博弈QRE比NE要差。那么有什么定性特征可以提炼出来吗?
        • 目前这个工作仅仅对比了静态结果,进一步可以把这个研究方法用于博弈中的学习的研究,把模拟过程与实际实验中的学习过程相比较
        • 把这个决策的动力学过程用于网络结构对博弈中的合作的作用研究
      2. 各种学习过程(陈六君)
      3. 定制实验平台系统,能够完成我们的收集决策过程信息的任务(齐天笑,已完成)
      4. 博弈中的合作、空间博弈等。影响网络上的博弈的结果的因素有四个方面,包含收益矩阵(囚徒困境,Coordination Game,Centipede Game等),收益计算方式(从两人到伪多人),策略更新规则,网络结构。目前在讨论收益计算方式的影响,文章已经发表在EPL(张强、齐天笑)。如果让博弈者可以选择跟谁玩会怎样?行动包含两步:选择对家,然后选择策略(合作还是背叛),看看其他因素(网络结构、底层博弈、策略更新规则,这个时候收益仅仅在选择好的一对玩家之间计算)的影响
  3. 广义投入产出方法:一个元素之间存在投入产出关系的系统——也就是顶点之间存在投入产出关系的一种有向加权的网络,如何来描述元素之间的相互影响和元素对整体系统的影响力。按照开放和封闭系统,按照流守恒与否,目前有多个分析方法:传统开放系统投入产出分析、传统开放系统HEM、封闭系统本征值HEM投入产出分析,封闭系统目标外界HEM投入产出分析,PageRank和PageRank的HEM。目前我们正在各种系统上开展这几个方法的应用和对比。第一篇关于“封闭系统本征值HEM投入产出分析”的文章已经在Journal of Informetrics发表“Interrelations among scientific fields and their relative influences revealed by an input–output analysis”
    1. 广义投入产出研究用于经济系统:把我们提出的广义投入产出分析方法(封闭系统分析方法、目标外界投入产出分析方法和传统开放系统分析方法,分别基于Leontief投入产出矩阵和PageRank概率转移矩阵, 原始和HEM)的各种方法来比较(沈哲思)
    2. 简便计算方法,矩阵逆的快速算法,Green函数,本征向量本征值的快速算法
    3. 广义投入产出研究用于资金链:把我们提出的广义投入产出分析方法放到金融网络中的资金流动链条上去分析关键节点和相互影响(闫小勇)
    4. 广义投入产出研究用于生态系统:把我们提出的广义投入产出分析方法放到生态系统上去寻找关键物种
    5. 广义投入产出用于产品贸易网络:对于给定产品的国家间贸易网络或者总的国家间贸易网络,采用广义投入产出分析方法,回答每个产品中重要的国家,然后按照国家在产品空间的重要性分布来讨论关键国家和关键产品
  4. 在科学学方面,核心的创新是围绕下面几个方面:科学学三层网络新框架、间接联系、概念网络。对于什么是科学计量学这个问题的认识,可以看之前的总结“什么是科学计量学”。我们开展的是基于数据、内容和问题的科学计量学研究。最近,根据当前和之前的研究问题的需要,我们提出了一个用来描述科学学研究问题和关系数据的三层网络新框架。大量的问题都可以在这个新框架下表述,传统的分析技术可以用这个新的语言来表达,新的分析方法可以用这个新的语言来描述,而且借助机器学习的自然语言处理技术这个框架企图把主要基于形式数据的科学学推动到形式和内容并重的科学学。在这个三层网络上,我可以讨论多层网络传播问题、多层网络广义投入产出分析。具体研究工作有:
    1. 数据建设:
      1. 整合WoS和专利(USPTO、Dewent)、基金、分类数据(PACS、MeSH、MSC、JEL)
      2. 学术单位名称、城市国家的识别
      3. 利用机构领域,加上合作网络,来做作者姓名识别。文章的作者识别和作者主领域识别,这是科学学基础数据问题之一,大量的研究工作依赖于这个数据。我们考虑通过三层网络把两个问题一起来解决。在同一个领域内的作者名字相同或者近似是一个作者的可能性高,可是我们不知道作者的主领域啊。反过来,有了识别好的名字,那么了解每个作者的主领域相对简单。这两个问题相互依赖,怎么办?
      4. 论文主题分类技术,这是另一个科学学基础数据问题:有分类系统和基础分类数据的分类,没有分类系统和基础分类数据的分类,尝试在单层和多层网络上用机器学习word2vec或者其他技术
      5. 三层网络中概念层的构建:Wikipedia、论文、书籍用于构建概念网络(抓取概念和联系,筛选)和外部使用特征矢量(就像汉字的使用频率,外生部门的使用量等)
      6. 建立学科概念地图(自动Wikipedia、人工)
    2. 主体之间相互关系和主体的排序评价的问题:框架和间接联系用于论文-专利-基金分析,回答相互联系的问题,用于作者-论文-主题回答作者论文多样性创新性问题、作者论文主题评价排序的问题、相互影响的问题。方法上考虑发展广义投入产出用于多层网络。文章的重要性由其他文章的引用体现出来,由作者体现出来,由所研究的问题体现出来;同样,作者的重要性由文章体现出来;主题的重要性由这个主题和其他主题的关系体现出来,由文章多主题的研究体现出来。因此,这个排序评价的问题,显然可以在三层网络模型上通过传播算法来讨论。
    3. 广义投入产出用于单层网络(各方法的比较:固定外界的,封闭系统的,目标外界的,以及和pagerank的比较)
      1. 把基金数据和aps国家数据合并,做成一个基金国家当做外界,国家乘以领域作为投入产出部门的投入产出表,分析某国家的基金总量或者某领域的基金对于某国家某领域的贡献
      2. 领域为单位的投入产出表(文章已发表, Journal of Informetrics)、国家领域为单位的投入产出表、城市领域为单位的投入产出表、期刊为单位的投入产出表、论文为单位的投入产出表。间接影响,排序,相互关系。
      3. 引文网络中的真引用:给定论文,其引文中最关键的,引用其的论文中最受其影响的。可以考虑采用边的PageRank值或者广义投入产出分析得到的综合相互联系来分析( Measuring academic influence: Not all citations are equal, Tracing the evolution of physics on the backbone of citation networks)。
      4. 引文网络中的追溯引用:建立引文网络之后,把结构做简化(例如A引用B和C,同时B引用C的时候,去掉AC之间的连边,表示C没有直接到A,而是先通过B再到A),看看留下来的网络能够告诉我们什么(Transitive reduction of citation networks)。
    4. 追热点和领域演化问题:
      1. 中国科学家是否经常在领域变热之后大规模加入,还是有提前量:分析领域大小时间序列和这个国家论文这个领域论文数量时间序列的相关性,时间延迟相关性和Granger相关性(李梦辉)。
      2. 领域演化的Allometric标度律(文章已发表, Scientometrics
      3. 科学家发文章追热点行为(文章已发表,物理学领域Scientifc Reports, 数学、经济学、生命科学等领域的对比研究Journal of Informetrics)
      4. 引用论文是否存在热点追踪现象:把论文的引用次数当做热点指标,看每个单位时间内的新引用分布是否符合现有的文章的热度的函数(李梦辉)。
    5. 大鱼吃小鱼,平等和效率的问题。先看平等问题,将来再看好不好,效率问题
      1. 中国和国际科学家的基金金额和工资,是否存在大鱼吃小鱼现象,Gini系数的时间演化规律。同样的问题可以在学校研究所的层次来讨论(沈哲思)。
      2. 学校层面还可以讨论其他指标的Gini系数,例如总学生人力资本量。投入阶段,可以用高考成绩,产出阶段不好办。
    6. 有了三层网络,我们可以把概念网络用于文章定位和自动摘要自动综述:在概念网络的基础上,把文章看做新加点,新加边等等,就能实现更好地定位文章。同时,将来的摘要除了文字,还可以用一张这样的概念地图
    7. 综合发文章热点追踪、引文热点追踪和广义投入产出用于“子学科\(\times\)国家”之间的引用关系来描述国家在学术界的优势分布特点和相对地位的结果(后者具体做的时候,参考上面产品贸易网络的思路:给定子领域,看最有影响力的国家,然后把国家在子领域上做一个distribution profile),整理一个awareness of issues in scientific development in China的perspective (杨立英,李梦辉)
    8. 作者的问题选择,追哪些因素:选择研究主题的主要因素是什么,概念之间的距离、热度等。概念网络需要构建,可以初步运用分类数据(PACS、MeSH、MSC、JEL)来构建
    9. 文章作者期刊交叉性、创新性的度量,利用概念网络。科研主体的研究工作的多样性交叉性度量:一个国家、科学领域、期刊、学校的发表的文章中的研究工作是否是学科交叉程度比较高的?高又怎样(创新性高、被引用高、发表的期刊好,等相关性分析)?可以通过如下方式来讨论:在有方向和距离关系的主题或者概念的网络的基础上,讨论文章内容所涉及的主题的多少,主题之间的最大和平均距离。文章内容所涉及的主题包含:文章本身的主题编码、文章参考文献的主题编码、文章作者的主题编码。
    10. 多大才够大,用于期刊学校科学家(教学、科研)评价。
    11. 论文审稿等待时间、被引用次数、作者属性(h指数、文章数量、被引次数、获大奖)、 文章标题属性、图的属性(数量、是否美观等)、参考文献属性(数量、总被引次数)等之间的相关关系分析。等待时间和被引用次数的工作已经发表于Scientometrics
    12. 服务:
      1. 综述点评网
      2. 技术部门-学科领域相互关系研究发布平台(做图用方块,横向直接纵向间接?)
      3. IOF各主体排序网站发布平台
      4. 做一个软件给每篇文章产生一个概念地图形式的摘要
      5. 科学计量学软件(IO-Linkage):以聚类分析和广义投入产出分析方法为基础,通过个体之间的关系,产生矩阵,计算综合关联,输出综合联系图
  5. 汉字以及更一般的科学概念的学习。“教学最重要的原则就是了解教学对象对教授内容已有的认知,然后新的教学内容与已有的结合起来——Ausubel”
    1. 利用汉字之间的关系来提高汉字学习的效率
      1. 关于汉字学习顺序的研究(闫小勇),论文已发表在PLOS ONE:“Efficient Learning Strategy of Chinese Characters Based on Network Approach”。现在我们发现这个算法实际上是广义投入产出分析
      2. 汉字识字量诊断性检测,综合式顶点权,分级抽样,识字关联性,实时更新,新的渗流模型的提出与求解,可以考虑周海军的最小覆盖和传播算法(沈哲思、闫小勇)
      3. 用于建设实际教学系统的繁体简体汉字网络及其对比,正在等待王宁老师的数据
      4. 教材评价工作
      5. 简繁体汉字网络最优学习顺序效率的对比
      6. 字与词的网络:汉字的构词方式,构词关系,构词理据性
      7. 基于幼儿概念词库、汉字熟悉程度的汉字网络分析与教学
      8. 把研究成果在网络上分享:基本数据建设包含汉字拆分关系再整理,理据性的度量,汉字本义图片,汉字字源图片(胡佳佳,王宁),学习记录、识字检测与个性化学习模块
      9. 初期以文辅助字的学习的学习材料的编撰和实际教学实验
      10. 原理性展示实验:用构造出来的假的字,来看是否有结构有助于学习——可以讨论学习过程运用这样的结构与否的差别,还有和没有结构的字的差别
      11. 去掉某些汉字,是否会降低整体的学习效率,也就是找出来结构上理解上重要的汉字。更一般地,还可以讨论学科概念地图里面的结构上理解上重要的概念。相当于做效率HEM计算
    2. 数学概念和定理之间的“生产”关系,从这些关系来衡量这些概念和定理的重要性以及如何提高学习
    3. 知识与学习高速公路:George A. Miller为自然语言的概念关系制作了WordNet。在知识领域也应该能够做比较完整的ConceptNet,供研究和学习使用
      1. 机械式学习与理解型学习学习结果与大脑活动的不同,需要一些通用的又能够区别两种学习方式的例子,需要度量理解型学习的程度。例如上面的有结构和没结构汉字学习实验中检测被试大脑的状态。
      2. 学生、研究者、创业者的成功程度与理解型学习的程度的关联性
      3. 在未实行概念地图教育的学校课堂里用通用的例子引入不同程度的概念地图,引导学生做理解型学习,度量成绩与理解型学习的关联性,度量成绩的变化与理解型学习的程度的变化的关联性,度量对学习的喜爱程度与理解型学习的程度的关联性。Novak建议可以考虑非常难的问题,不看中答案但是主要看被试的解决问题的方式。
      4. 各层次学校教学用概念地图的制作与整理。
      5. 课程内容的重新设计,减少内容不减少核心内容,减少时间不减少理解,课程内概念的教学顺序的设计,课程之间教学顺序的设计
      6. 为wikipedia页面制作数学、物理学、经济学的概念地图,做导航用
      7. 概念地图的衡量:层次性、长程连接、基本概念的深入思考和整合、例子
      8. 复杂网络分析技术在概念地图上的使用:层次性的度量、长程连接的识别,定点与边的重要性度量进而辅助概念地图的阅读,集团结构分析,计算机辅助概念地图制作
      9. 把研究成果分享出去,公布在网络上
    4. 理解型学习和误解:有一个研究表明,就算是学习成绩很好的人,学习之后仅仅是把误解(missconception)抑制住了,而不是解决了。我们想看看真的理解型学习的,而不仅仅是成绩好的,学习者,学习之后是抑制还是解决误解
  6. 机器学习的研究:主要思考一下两个方面的问题:每一步的计算在干什么,能不能从网络矩阵张量的角度来看,尤其是张量本征向量问题的角度;能不能用机器学习解决一些研究中的问题;很少的时候也思考能不能促进机器学习本身的发展。
    1. 运动物体的无标签识别,单一运动物体,多运动物体,作用量
    2. 机器学习能够学习到量子力学吗?给定量子力学的实验场景,通过学习训练样本——给出来这个场景下的测量结果来推断新的场景下的实验结果,泛化。
    3. word2vec用于单层和多层网络的聚类,尤其是科学学网络
    4. 张量本征向量,tensor network
  7. 其他问题
    1. 奇异值的描述能力
    2. delta中心性
    3. 产品层次的投入产出分析:产品网络的数学模型,去掉某一产品的影响、增加某一技术的影响。数据实在得不到的话,考虑用化学反应网络先做理论研究
    4. 广义投入产出研究用于道路交通问题、传染病等其他问题(闫小勇)
    5. 网络上有旅行者的传染病问题的四个方程(沈哲思、闫小勇、崔浩川)
    6. PageRank-core来描述网络上顶点的传播能力

    7. 量子博弈:博弈者的混和策略不再是密度分布,而是密度矩阵,这个时候,理论和实验会怎样?(吴金闪)
    8. 量子力学基础:量子力学的经典描述(吴金闪)
    9. 统计物理学一般用序参量和平衡态的伪动力学的变化来描述相变。当一个系统的序参量不太好确定的时候,如果我们还是要关心相变点和临界行为,怎么办?利用互信息和时间序列分析。第一篇文章已经在PRE发表“ Renyi information flow in the Ising model with single-spin dynamics”。在已發表的文章中,並沒有真的從時間序列開始計算,而是利用平衡態的性質簡化了計算。這樣的計算儘管更簡單,但是不能真的用到更一般的時間序列中。能够开展后续工作吗?
    10. R-Betweenness和OD的相互关系,需要道路网络、节点或者道路流量和OD的数据(闫小勇、汪明)
    11. 现代医学症状、疾病、药物、蛋白、基因网络和中医的相应网络的对比
    12. 社会学习的研究:精确解,Bayesian推断求解,已经完成。还考虑了成本,不选择,不选择区间等因素,未知其他学习者类型的最优策略相图(王馨,吴金闪,代文杰),精确解的应用。文章已发表“ Logical gaps in the approximate solutions of the social learning game and an exact solution”。
    13. 运筹学多目标可选择可替代的一般项目管理、非线性控制论与波动方程、线性控制中成本和B的选择的问题
    14. ADS/CFT之于非平衡定态的研究(张宏宝)
  8. 其他的其它
    1. 综述文章的评论网站,让综述代替你的导师的眼界
    2. 中国好报告:让我们用app来给课程和报告投票
    3. 推广概念地图教学法,“Teach Less, Learn More”系统,精简每一个学科所要教的东西,重新划分课程,传递方向感传授方法
    4. 让系统科学从哲学和口水中出来成为比较硬的科学
    5. 调查老师们的时间使用和课堂行为微观时间分解,看教学改革的可能和方向、方式;调查学生们的时间使用和课堂课后微观时间分解,做个性化辅导和教学改革的方向、方式;调查所有职业的时间分类,做一个职业主要技能和主要行为表
  9. 教学
    1. 随着上课写一本理解性学习方法的书(已经完成交给出版社)
    2. 随着上课写一本量子力学的书(已经交给出版社)
    3. 随着上课写一本系统理论导论(完成一部分)
    4. 随着上课写一本统计物理学的书(目前仅有提纲)
    5. 随着上课写一本数学模型的书(提纲应该还在)
    6. 写一本科学计量学的书(慢慢来,先通过研究工作建立框架)

以上是部分已经完成的工作和正在开展的工作。欢迎所有人来合作和讨论。甚至直接拿过去做就行,只要做的时候给我一个消息

转述好像来自饶毅的话(大意):研究(生)的层次
第一个层次,别人的工作很好,都做了自己想做的了,没什么好干的。
第二个层次,个别细节还可以提高,有一些离散的点上可以挖挖坑。
第三个层次,很多人在做烂东西,很多方面可以做革命性的工作。
第四个层次,聪明人还是很多的,很多人也在思考革命性的东西。能不能做出来,谁先做出来,努力、才智、运气(灵感来的早晚,刺激的时机)都有关系。众里寻他千百度,为伊消得人憔悴,没准也能妙手而得之。

××××××××××××吴金闪的签名档×××××××××××××××××××××××
Go your own way and let others follow(走自己的路,让其他人跟着)
Be ambitious, be determined (有野望,持之如初)
World spins on dreamers like you(世界因你的梦想而转)
See through connections(洞澈联系)

《本小组研究计划与进展》有3个想法

发表评论

电子邮件地址不会被公开。 必填项已用*标注