这里可是 i2EX
买买买
不买还是人？
MBP 这是生存刚需啊
入了苹果大法，从此腰不酸了腿不疼了，写代码完全停不下来，一天写一万多行一个 bug 都没有
钱？自从买了 MBP，随时日入一个 MBP，这点钱也要考虑，你的信仰呢？

@ayiis 各大发行版都是用 logrotate，你觉得是为什么
？
if is evil 不解释

fedora 系在 /etc/pki/ca-trust/extracted/pem/tls-ca-bundle.pem

1000，可以戒游戏并增加智商，是不是感觉这 1000 花的很值？

说实话，人家未必在意这点钱，真在意的人会随随便便 1 千打给一个陌生人？淘宝买东西还会用支付宝呢
还看上去挺着急的？你还是图样图森破啊……

咸吃萝卜淡操心
合不合适你老表自己没数？
带句话碍着你什么事了？和不合适，最终是长辈决定的。老人家觉得无所谓就无所谓。老人家觉得有所谓，那也和你没什么关系。
受人之托，忠人之事

@paulagent 我们说的 AI 不是同一个 AI
自动驾驶算法，现在在开发的，充其量是弱人工智能，甚至连弱人工智能都不算。弱人工智能没有自己的人格，也不能为自己的行为负责，只能在其专用的领域里完成预定的任务。

强人工智能有完全的推理能力，能在通用的领域里解决和人的能力类似甚至更复杂的问题。由此可以推出强人工智能有学习能力，能理解道德伦理。这样的 AI，具有完全行为能力，可以为自己的行为负责。

自动驾驶算法是自动驾驶车的组成部分，不可分离。因此应当作为产品的一部分，正常使用中发生的故障，由生产者对其行为后果负责。如果使用者同时是管理者的话，同时负管理责任。

@paulagent “警察调查后会出调查报告，到底是谁的责任，一清二楚” 对于 AI 这也不影响。驾驶者还是行人，责任认定有关系么？车就是一个黑盒，驾驶员就是一个黑盒，黑盒里是人脑还是电脑没有关系，反正违章了就是违章了，该负责还是要负责。

AI 不是一个具有独立行为能力的法人。这个问题上千万不要把 AI 当成一个有独立思想和人格的个体，这比自动驾驶要难实现得多
你的问题在于把 AI 作为一个和车分离的个体来讨论。然而自动驾驶 AI 都是和车捆绑的，因此 AI 是车的一部分。消费者购买的机器伤了人，当然是生产者负责，这是消费者权益保护法里规定的安全权利。
现实的例子是，员工工作期间失误导致人伤亡的，是雇主负责，因为员工是公司的一部分。
那为什么 AI 不能是这个员工？身不由己的员工在工作时间和机器有什么区别？

AI 抹不抹掉，由生产者和安全法规决定。

@paulagent 回到你说的撞小孩的例子，机器和员工没有区别

@paulagent 呵呵，工作失误要员工负责？
程序员写个 bug 还要倾家荡产了，亚马逊 S3 停摆大半天也是一点事没有，gitlab 丢一堆数据也是罚听 nyancat

工作人员因执行工作任务或提供劳务一方因劳务驾驶用人单位或者接受劳务一方的车辆发生交通事故造成损害的，赔偿权利人请求用人单位或接受劳务一方承担赔偿责任的，人民法院应予支持。

@paulagent 来我们换个例子：
有两个司机，一个救小孩，一个救老板。
老板你娉哪个？

机器人：有句 mmp 我一定要讲，你们人类自己都想不清的问题来纠结我？

你们是不是都忘了保险？
产品出厂强制保险，或者类似现在的强保但不考虑驾驶人因素
最终会作为保费反映在购买和使用成本上
如果某个产品的事故率太高的话，那保险公司肯定会找它麻烦的
如果某个厂家的事故率太高的话，可以启动调查

罚人不是为了补偿受害者，而且为了让人下次小心
罚机器没有意义，程序写在那里，所有的同款软件都是一样的
罚厂商，那只能根据大量数据来罚，否则一件一件厂商都烦死了
所以保险作为中介就是很正常的做法

即使是现在，车辆责任险一样会考虑车型和安全设备

那你就说说你用了什么库，为什么容易使用，隐藏了哪些细节，还可以用于什么用途
不要求发表那还不是老板说什么就是什么，问老板啦

你是想要一起发还是分两篇？一起发的话有模型就好了，程序甚至可以一笔带过
既然你说学术价值有限，那就不该考虑用期刊去介绍你的程序，期刊看的是学术价值
程序放 GitHub 上让人用就已经很好了

分两篇的话你需要按软件工程的套路来，你先看看类似的文章，如果是框架类的还是有可能的

有没有那么惨啊，一盒月饼也没多少钱啊，还分正式工和实习生

可以对比一下 choice 和 choices 的源码
https://hg.python.org/cpython/file/tip/Lib/random.py#l252
https://hg.python.org/cpython/file/tip/Lib/random.py#l340
choice 是生成一个随机的整数索引
choices 是把分布比重（默认等比重）转换成 0-1 的数轴，然后 random()生成 0-1 小数，对应到数轴上
大家底层都是用的 random()，choices 更复杂，理应更慢才对

使用 cProfile 测试
>>> cProfile.run('"".join(random.choice(string.ascii_letters + string.digits) for _ in range(10**7))')
60321941 function calls in 21.869 seconds

Ordered by: standard name

ncalls tottime percall cumtime percall filename:lineno(function)
10000001 5.516 0.000 20.772 0.000 <string>:1(<genexpr>)
1 0.000 0.000 21.869 21.869 <string>:1(<module>)
10000000 6.283 0.000 8.918 0.000 random.py:222(_randbelow)
10000000 5.381 0.000 15.256 0.000 random.py:252(choice)
1 0.000 0.000 21.869 21.869 {built-in method builtins.exec}
10000000 0.956 0.000 0.956 0.000 {built-in method builtins.len}
10000000 0.785 0.000 0.785 0.000 {method 'bit_length' of 'int' objects}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
10321936 1.851 0.000 1.851 0.000 {method 'getrandbits' of '_random.Random' objects}
1 1.097 1.097 21.869 21.869 {method 'join' of 'str' objects}


>>> cProfile.run('"".join(random.choices(string.ascii_letters + string.digits, k=10**7))')
10000007 function calls in 3.463 seconds

Ordered by: standard name

ncalls tottime percall cumtime percall filename:lineno(function)
1 0.014 0.014 3.463 3.463 <string>:1(<module>)
1 0.000 0.000 3.374 3.374 random.py:340(choices)
1 2.780 2.780 3.374 3.374 random.py:352(<listcomp>)
1 0.000 0.000 3.463 3.463 {built-in method builtins.exec}
1 0.000 0.000 0.000 0.000 {built-in method builtins.len}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 0.075 0.075 0.075 0.075 {method 'join' of 'str' objects}
10000000 0.594 0.000 0.594 0.000 {method 'random' of '_random.Random' objects}

可以看到：
1. choice 法到底层用的是 getrandbits
# Only call self.getrandbits if the original random() builtin method
# has not been overridden or if a new getrandbits() was supplied.
说明 getrandbits 应该是比 random 更快的，否则官方不会这么用

2. choice 法的 function calls 是 choices 法的 6 倍，而正好时间也是将近 6 倍，很可能这两者是有关联的

3.看 tottime，choices 的时间主要是在 random.py:352
return [population[_int(random() * total)] for i in range(k)]
这里构建 list 消耗大可以理解

choice 的时间主要是在<string>:1，random.py:222，random.py:252 上
choice 一个 5 行的函数，吃这么多时间，很难理解

fetch rebase 也是一派

没有使用 Web 框架，反过来说就是自创框架，自创有什么好，是不是要说说？自己实现 CURD，那性能指标呢？ git 就不要写了，把 git 当 svn 的人也会说自己用 git，实际上是不是熟练使用 git 看 commit log 就知道了
自动化部署，具体呢？

你这一张纸，半张是白的，人家简历满满当当全是字，能比？