考虑一个问题.
如果让北京通过向河北支付环境税来使对方关闭工厂解决雾霾的一个因素的话,会怎样.
首先第一个问题就是,为什么要这么做.
或者更直接的凭什么是北京向河北支付,而不是河北作为污染提供者支付.
这个可以站在河北的角度来看.
凭什么让河北停产,牺牲收入.
如果要进一步的诘问河北为什么不寻找其他收入来源.
那么OK,可以直接向河北递上具体的执行方案.
假如就缴税方向达成一致了的话.
那么算笔账.
来自统计局的国家数据:
河北省2015年的GDP是29806.11亿,常住人口7425万,城镇单位就业工资总额3289.48亿.
北京2015年GDP是23014.59亿,常住人口2171万,城镇单位就业工资总额8643.54亿.
23014.59<29806.11,因此以GDP为窗口让北京补贴河北显然是不可能的.
以人均工资角度来看,貌似可以.
因为8643.54>3289.48.
那么考虑下具体人均负担.
河北按常住人口平摊下来是3289.48/0.7425=4430.
用河北的工资总额按北京常住人口平摊下来是3289.48/0.2171=15151.
也就是说,北京需要人均支付15151元以支撑河北人均4430元的工资水平.
因为这个数据也没标记是年总量还是月度值,所以不好说水平.
但一个直觉感受就是需要差不多3个北京常住人口才能支撑一个河北常住人口这一点.
另外,有个2012年的城镇人均总收入数据(12年之后的空缺).
河北是21899.4,常住人口7288万.
北京是41103.1,常住人口2069万.
类似地有
河北人均年收入21899.4/0.7288=30,048
用对应的北京常住人口算21899.4/0.2069=105,845
也就是北京人年支出10w以换取河北人年均3w的水平.
平均下来每月就是8,820.
这个北京人民能接受么.
或者说承受地了么.
OK,假设不单是北京一个地方向河北支付.
而还有其他地方.
并且假设分摊的支出到了合理和可接受的程度.
那么下一个问题.
征收人群是哪些.
受益人群是哪些.
前面假设的是常住人口.
这是一个比较模糊的概念.
假设是指有对应城市户籍的人.
那么,方案一旦实行那么一个河北户口就相当于有了0成本固定收入.
而同时一个北京户口就有了月固定无收益支出.
这对户籍制度不能说不是一个考验.
尤其之前的京籍制度,以及连带的各种社会影响.
一个可以考虑的例子就是京籍的成本,以及附带在上面的诸如入学等一系列社会资产的重新定价.
还有在籍人员和非在籍人员的矛盾冲突等.
如果考虑是务工人员呢.
或者简单地说社保缴纳名单.
那么京籍的问题可能稍微减缓.
但河北籍的溢价和投机问题依然存在.
OK,假设每人计较这些得失.
只关心雾霾能不能解决.
那么接下来的问题是这个方案这么推行.
是直接推行呢,还是以投票方式.
直接推行的可想结果自然是反对.
一个理由就是不听取民意,独断转型.
那么投票呢?
假设有这么一种情况.
一部分是赞成的.
一部分是反对的.
那么,如果投票结果是赞成推行的话,那么对于反对方来说就可能会说.
这是暗箱操作,要求重新计票,或者公布投票名单.
计票自然是维持结果不变.
那么就轮到公布投票名单了.
一个可能存在的结果就是针对名单上的列表,反对人群对其中一部分人采取了各种可能过激的行为.
同时,对于投了赞成的人群来说,就会发起投票匿名信保护的争议.
于是在解决一个问题之前又多了一个问题.
如果结果是反对多数.
那么同样地可能会有类似的问题.
而且最重要的是,事情回到了原点.
因为方案不能执行下去.
所以这里的核心是什么.
这里的根本是,人人都是产品经理.
人人都能调出哪怕一两个产品的缺陷并且能够衍生可能非常合理有效的对比批判/批评.
但是,不是人人都能拿出一个合理可行的解决方案.
而且可能得到的回答是,这个问题不是"产品经理"应该考虑的问题.
如果产品经理能解决具体的实施问题,还要工程师干什么.
或者说,你实现不了是你不想实现.
诸如此类.
毕竟,永动机没发明出来,也许只是因为不够努力.
2017-01-08
2017-01-04
隐私悖论
昨晚发了条带名字备注的截图.
早上起来的时候看到条关于隐私的吐槽.
于是想了想就删掉了.
然后顺着这个思路发散了下.
这里的一个问题就是,信息到你手上之后,有没有权力继续流转.
更一般地可能是对于"可见"的信息的权力行使和所有问题.
尤其在一个属于"公共区域"的信息的所有权问题.
比如你翻一个人的微博timeline算不算一种侵犯.
尤其当对方把其当作一种树洞处理的时候.
这时候的窥视算不算一种不道德的行为.
再比如,如果一个timeline是确然地愿意被看到的.
那么对内容的二次传播是否就是自由的呢.
毕竟能看到可能只是因为对方的一个公众子集,或者私有圈子.
又如,对一个原始受限受众的内容对第三方/非受限人群进行转述或者点评/评论使之有所感知或者获知的行为.
算不算对原有信息规则的一种破坏.
让事情更复杂的是,如果以上这些情况是在没有明显告知标记的情况.
比如微博的公开timeline,Google+的Public circle,Twitter的普通tweet,Facebook的非定向status update,微信的公开朋友圈等.
本质上来说,这里存在两个维度.
以graph的方式考虑的话,把"人"作为节点,信息作为一种traversal的话.
那么这就是一个directed acyclic graph.
更重要的是,由于每一条信息经过节点的时候,会根据节点“人”的决策,从而有不同的fanout/流出度/out degree.
如果更宏观地,把每个节点的各种可能的fanout方式列出来的话.
则,对于存在N个节点,每个节点i有k_i种fanout方式的这个有向图来说,就存在
\prod_i^n k_i种组合方式.
也就是说对于原来作为无向图/基础graph考虑的话,实际就会有\prod_i^n k_i种不同的可能的reality.
就像某种形式的多重宇宙的通俗概念一样.
而这只是某一条消息可能产生的事实graph的可能性集合.
这里imply的就是,对于每一条信息来说,它的最终构成的graph/流转途径几乎是不可确定的.
这是因为作为每个节点来说,所能控制的只是对下级的fanout.
而次级对于flowin的message是如何处理的取决于该节点自身的独立的activation function.
跟重要的是每一级的activation function可能会对对应的message做不同的流转特性方面的变更.
比如本来是某个私有圈子的信息,经过某个节点之后被放大提权到另一种流转级别.
所以,从这个角度来说,要做信息流向的控制,基本是不可能的.
即使考虑,比如某个origin O节点需要向某个subset S传递消息message M.
如果O要保证M按照O的设计只在S中间存在的话.
那么就必须要有一种方式保证对于M的S的各个activation function F存在某种形式的agreement.
或者更直接地,强制使用O提供的一个activation function.
这应该是没办法做到的.
如果放宽一下限制.
允许当前信息M_1被外延,但随后对作出例外fanout对节点进行移除处理,也就是通俗所说对删好友/拉黑方式的话.
那么就需要有一种机制去发现这个fanout节点.
一种方式是定义这么一个协议.
对于一个origin的信息而言,在初始fanout的时候,会带上对应的限制信息.
次级在收到消息之后,再次fanout的时候会带上次级的信息.
当其他节点发现次级信息不是origin信息的一个合法/合理子集的时候,就可以发现冲突了.
从技术上来说,要让消息在两者之间有辨识度,可以用RSA.
也就是origin和first fanout的节点之间做RSA消息.
而消息的传播渠道是类似blockchain这种具备immutable history的东西.
当然,这里还有一个问题.
就是当fanout的节点本身也是一个隐私问题.
或者说不需要被传递reveal出来的东西呢?
也就是说,次级节点需要在不做到origin节点的fanout list的情况下.
构造一个这个list的子集.
一个具体的例子就是.
给定origin O和对应的fanout list,L=[A B C]
对于C来说,此时要构造一个secondary fanout,SF=[...].
同时又不做到合法的子集是仅由ABC构成.
理论上来说,C可以构造各种可能的list然后向O询问是否合法.
但这个显然是不现实的.
而且,同样地,通过不停的询问实际上是可以reveal O的原始意图的.
于是,一个微妙的点就是,似乎很难在约束一个信息流转的方式.
因为如果存在这种方式的话,那么就可以用同样的构造过程,使得这个信息按照约束相反的方式流转.
一个近乎完美的悖论.
早上起来的时候看到条关于隐私的吐槽.
于是想了想就删掉了.
然后顺着这个思路发散了下.
这里的一个问题就是,信息到你手上之后,有没有权力继续流转.
更一般地可能是对于"可见"的信息的权力行使和所有问题.
尤其在一个属于"公共区域"的信息的所有权问题.
比如你翻一个人的微博timeline算不算一种侵犯.
尤其当对方把其当作一种树洞处理的时候.
这时候的窥视算不算一种不道德的行为.
再比如,如果一个timeline是确然地愿意被看到的.
那么对内容的二次传播是否就是自由的呢.
毕竟能看到可能只是因为对方的一个公众子集,或者私有圈子.
又如,对一个原始受限受众的内容对第三方/非受限人群进行转述或者点评/评论使之有所感知或者获知的行为.
算不算对原有信息规则的一种破坏.
让事情更复杂的是,如果以上这些情况是在没有明显告知标记的情况.
比如微博的公开timeline,Google+的Public circle,Twitter的普通tweet,Facebook的非定向status update,微信的公开朋友圈等.
本质上来说,这里存在两个维度.
以graph的方式考虑的话,把"人"作为节点,信息作为一种traversal的话.
那么这就是一个directed acyclic graph.
更重要的是,由于每一条信息经过节点的时候,会根据节点“人”的决策,从而有不同的fanout/流出度/out degree.
如果更宏观地,把每个节点的各种可能的fanout方式列出来的话.
则,对于存在N个节点,每个节点i有k_i种fanout方式的这个有向图来说,就存在
\prod_i^n k_i种组合方式.
也就是说对于原来作为无向图/基础graph考虑的话,实际就会有\prod_i^n k_i种不同的可能的reality.
就像某种形式的多重宇宙的通俗概念一样.
而这只是某一条消息可能产生的事实graph的可能性集合.
这里imply的就是,对于每一条信息来说,它的最终构成的graph/流转途径几乎是不可确定的.
这是因为作为每个节点来说,所能控制的只是对下级的fanout.
而次级对于flowin的message是如何处理的取决于该节点自身的独立的activation function.
跟重要的是每一级的activation function可能会对对应的message做不同的流转特性方面的变更.
比如本来是某个私有圈子的信息,经过某个节点之后被放大提权到另一种流转级别.
所以,从这个角度来说,要做信息流向的控制,基本是不可能的.
即使考虑,比如某个origin O节点需要向某个subset S传递消息message M.
如果O要保证M按照O的设计只在S中间存在的话.
那么就必须要有一种方式保证对于M的S的各个activation function F存在某种形式的agreement.
或者更直接地,强制使用O提供的一个activation function.
这应该是没办法做到的.
如果放宽一下限制.
允许当前信息M_1被外延,但随后对作出例外fanout对节点进行移除处理,也就是通俗所说对删好友/拉黑方式的话.
那么就需要有一种机制去发现这个fanout节点.
一种方式是定义这么一个协议.
对于一个origin的信息而言,在初始fanout的时候,会带上对应的限制信息.
次级在收到消息之后,再次fanout的时候会带上次级的信息.
当其他节点发现次级信息不是origin信息的一个合法/合理子集的时候,就可以发现冲突了.
从技术上来说,要让消息在两者之间有辨识度,可以用RSA.
也就是origin和first fanout的节点之间做RSA消息.
而消息的传播渠道是类似blockchain这种具备immutable history的东西.
当然,这里还有一个问题.
就是当fanout的节点本身也是一个隐私问题.
或者说不需要被传递reveal出来的东西呢?
也就是说,次级节点需要在不做到origin节点的fanout list的情况下.
构造一个这个list的子集.
一个具体的例子就是.
给定origin O和对应的fanout list,L=[A B C]
对于C来说,此时要构造一个secondary fanout,SF=[...].
同时又不做到合法的子集是仅由ABC构成.
理论上来说,C可以构造各种可能的list然后向O询问是否合法.
但这个显然是不现实的.
而且,同样地,通过不停的询问实际上是可以reveal O的原始意图的.
于是,一个微妙的点就是,似乎很难在约束一个信息流转的方式.
因为如果存在这种方式的话,那么就可以用同样的构造过程,使得这个信息按照约束相反的方式流转.
一个近乎完美的悖论.
订阅:
博文 (Atom)
爽文
去看了好东西. 坦白说,多少是带着点挑刺的味道去的. 毕竟打着爱情神话和女性题材的气质,多多少少是热度为先了. 看完之后倒是有些新的想法. 某种程度上来说,现在的年轻人或者说声音就像小叶. 只要说点贴心的话就能哄好. 也是那种可以不用很努力了. 留在自己的舒适区避难所小圈子抱团就...
-
最近尝试了下海淘. 当然,方向上来说是从国内到新加坡. 先是买了个iPhone,算上运费和双重征税,到手比官方还是便宜个一两百新的. 换算回来也不多事10%的纯粹价格因素差异. 当然,之类有电商促销的因素. 也有比较基准是新加坡Apple Store售价的原因. 但如果同样比较A...
-
这两天看完了Netflix版的三体. 某种程度上来说,完成度还是不错的. 尽管开始的时候对于第一集片头有些争论,但整体如果带入当下去看的话,还是有些梗的. 比如三体对于地球科技的发展速率的担忧,由此衍生的智子. 以及现有力量对比上的压倒性优势. 如果带入中美关系以及各自的历史阶段...
-
前几天Sora出来后才仔细看了下diffusion,发觉确实算挺取巧的. 按照naive的intuition或者说不那么现代的方式的话,可能需要segmentaion为基础的composite的方式去生成图片,即使扯点deep learning/network的,可能也是类似一些...