视频原PO：http://www.iqiyi.com/v_19rr70dq0w.html?vfm=m_103_txsp 1小时 17 分处
土井英司在其著作《一流的人讀書，都在哪裡畫線？：菁英閱讀的深思考技術》中提到如下内容
线要划在原因上，而非结果上。
研究结果显示：只有产能高的员工才会感到充实，充满了斗志，反之则不然。其中的因果关系是，员工有没有斗志只是结果，原因在于工作表现好坏。如果看完这句话，面试时录取了一个自称工作很拼命的人，当他失去斗志时也会失去产能，因此录取或培训员工时不能看他们的斗志，要设法提升员工的工作表现才对。
熊猫和狗熊都是熊，却天壤之差，狗熊杂食，虽说偶尔挨饿，但种族长存。因为他不断遇见困难，解决问题。熊猫（猫熊）则只吃竹子等，国家供养，衣食无忧，却丧失了生存的能力，若不是国家供养，早已灭绝。究其原因，不过是因为熊猫能够吃的东西太多了，对他来说，无需努力，便可安稳生活。
杂食的狗熊完成了开源，还能够在冬天通过冬眠来节流。值得学习。
现在加入了时间流的 App 越来越多，适不适合加入时间流，反正先加上再说。时间流做的最出彩的当数今日头条了。今日头条依赖其优秀的机器算法，为用户推送喜欢的内容，使得其成为目前使用人数最多的手机新闻客户端。
从产品的角度来讲，我们需要时间流算法为用户推送他们最喜欢的内容，让他们能够更加长久的留在我们的 App 当中，但是作为用户，我们必须要警惕这种推送，这种推送会让我们的世界宥于我们所喜爱的东西。这会让我们不断的接收到自己喜欢的东西，最终成为固步自封之人。
如同读书，你要记住的不是那些看了以后你要叫好的部分，而是那些你看了之后心生恶感的部分。让你心生恶感的部分所描述的内容是你的价值观所不符的：你需要了解别人的价值观。人是社会动物，无法永远的保持一个人，了解其他人的价值观，能够让你更好的和别人沟通。
记住这些与你的已有知识不同的、对你有帮助的、能够帮你更新和升级思想的内容。
Anki 的哲学就是四个字：“少即是多”
Less is more.
争吵至少还在乎，连争吵都不愿意了，也就不在意了。
支付宝一直都在尝试做社交，不过，过去的
多次尝试没有一次取得成功。
突发奇想，相比于其他，支付宝其实更适合加入信息流，根据用户的支付数据，为用户推送适合的商品，让用户达成“在支付宝买买买”的成就，似乎也挺好玩。
不过可能会和支付宝的定位：安全的支付工具有冲突，大家就当一乐呵吧 ：）
一切都源自于一个红包，下午，朋友发消息给我说，让我领个红包。
打开后，看到红包，我不禁笑了。想我国家普通话水平等级测试一级乙等的水平，岂会怕一个小小的语音口令？
我清了清嗓子，以纯正的“播音腔”，念了“四十是四十，十四是屎拾”，小程序冷笑了一声，返回给我了个“再接再厉，再录一次”。
我以为是自己没说好，站起身，气沉丹田，再次念了一次“四十是四十，十四是屎拾”，旁人纷纷对我传来了异样的眼光…..然而异样的眼光也并没有
我灰溜溜的走出房间，找了一处无人的地方，一次次的尝试去读“四十是四十，十四是屎拾”。然而努力是没有结果的，每次都是武功而返。
既然无法抢到红包，气急败坏的我开始想，为什么我这么纯正的普通话，还抢不到红包？
作为一个普通话一乙的北方人，如果我都领不了红包，岂不是只有一甲的播音员们才能抢到？问题肯定不在此。于是，我开始动用我身为程序员的本能，开始分析小程序背后的技术。
终于，我想到了，它之所以能够做到读对口令才能抢到红包，完全是依赖于背后的一项技术——“语音识别”
语音识别背后有非常多的技术，我这里尽量简单的给你说明什么是语音识别。
首先，用户在 App 中按下按钮，录制语音，然后 App 会将音频上传到后台的服务器，后台的服务器对声音进行特征提取，传递给下个阶段的处理器，这个时候，我们的声音信号已经由声音信号转变为处理后的特征信号。
然后处理器再通过接入 “声学模型”，来获取不同的特征信号可能代表的字词；再由“语言模型”，实现对所有可能字词的选择，得出最可能的结果。
最终，经过一系列的处理，我们说话的一段语音信号，就变成了一句话 “你今天吃饭了么？”
英语流利说的语音识别功能是非常厉害的，就如其广告中所说“会打分的人工智能英语老师”，英语流利说的依仗，便是其比别人更加优秀的”声学模型“和”语言模型“
学员在手机上录音，录音经过上传，到云端进行特征提取，再由“模特声音训练过”的“声学模型”进行处理（这里的模特声音训练过非常重要，训练材料的不同会导致模型的天差地别），声学模型处理过后，文字会传递给语言模型，组合成句。在完成两处处理后，对声音信号和文字信号进行打分，如果你的准确率比较高，你就能够获得一个Nice！
语音上传部分我打了问号，是因为流利说本身也有离线打分引擎，所以可能我们的语音没有上传到云端，在本地就直接进行处理了。
更细致的信息你可以到 「英语流利说」是如何进行比对评分的？ – 林晖的回答 – 知乎去看，林晖先生解释的很细致。
由于“我要说口令”小程序本身的功能要比英语流利说更为简单一些，不需要进行特殊模型训练，可以借助一些云计算服务商提供的 API 来实现功能。这里，我们拿“阿里云 ET 智能语音交互”服务 来举例。
此处仅代表我个人针对“我要说口令”小程序的分析，不代表其官方架构。
小程序在手机上进行录音，然后将录音上传至开发者的服务器，服务器上的后台程序再将声音信号通过 API 传递给** 阿里云 ET 智能语音交互**，并调用其中的 智能语音识别接口，接口对语音信号进行处理后，返回识别的文字，比如在刚刚那个红包中，识别出来的文字是“四十是四十是四是屎拾”。开发者的服务器在受到服务器传回的文字后，和发红包的人设置的文字对比，看看两个文字是否相同。如果文字相同，就说明读对了，用户就可以拿到红包；如果文字不同，就要告诉用户“再接再励”了。
当然，实际上在对比的标准中可能不会这么简单，因为在这种情况下，声学模型和语言模型识别出来的文字可能会非常奇葩，用户能够匹配上设置的文字的可能性就会非常小，这时，程序员可能就会在这方面设置一个“冗余度”，如果内容中有80%的文字是对的上，就能拿到红包。
想到这里，我不禁悲从中来，由于“声学模型”和“语言模型”的性能，计算我读的再好，可能也无法被很完美的识别出来。特别是这种几乎是无序的内容，语言模型根本无法很好的处理，我总是抢不到红包也是正常的了。以我的运气，这辈子怕是都抢不到语音红包了，我还是去群里抢普通运气红包吧！
不过，虽然我不能抢红包，但是我可以去做一个抢红包的小程序！有了“阿里云 ET 智能语音交互”，无需自主建立语音识别的系统，轻松实现语音识别！
阿里云智能语音交互地址：https://data.aliyun.com/product/nls
写在最后：
谁认识阿里云的语音交互的运营小姐姐，帮忙问问，我这么卖力，给我个鸡腿吃好不好！
于我而言，学习便是采集到足够多的信息，并对信息进行处理，内化成为自己的知识，甚至是技能、本能。
在过去，如果有个女孩子说，我要做你的女朋友，我会高高兴兴接受，并宣布我有女朋友了，让我的所有朋友都知道。
在现在，有太多的知识等着我去学习，有太多的事情等着我去做。我不会再选择你，因为，你已经不再是我的梦想了！