未来之本,那个未来之本的预言太可怕了，会不会是作假

大部分的所谓预言帝都是炒作出来的，你看看以下这个例子就知道了：
第一步：面向1亿人发送信息说我能预测明天的球赛结果，5000万人发A队赢，剩下的发B队赢。
第二步：在正确的结果发送人群当中，重复以上步骤，例如B队赢了，就在这5000W人中一半发送明天CD球队比赛C赢，一半发送D赢。
第三步：直至好多轮比赛结束都正确，可能只剩下很少人群是一路正确的，这个时候就可以开始上演预言帝或者骗钱的把戏了。
反推，只要有足够的时间和足够的人员，就可以制造出一个这样的预言帝：
用几百、几千ID的水军在网上发送预言消息，反复自然筛选、淘汰，也可以制造出这样的预言帝。

中国古典神话小说《西游记》中出现了“天上一日，地上一年”的幻想，这种看似不可思议的幻想，在爱因斯坦的相对论中，却变成了科学的真实!
　　假设一个人坐上光子火箭，以光的速度到宇宙空间去旅行一年，那么，当他回到地球时，他的儿子已是白发苍苍的老人，自己却还是那样年轻，儿子反而比父亲老了!
　　在爱因斯坦的相对论中，以光速运动的钟走慢了，尺也缩短了，甚至连时空和光线都是弯曲的。
　　这些奇妙的现象，是现代科学技术在20世纪取得的最重大成果。爱因斯坦创立的相对论引起了经典物理学的彻底革命。
　　这位科学伟人的理论十分深奥难懂，因此，当一群嘻嘻哈哈的大学生，跑到爱因斯坦身边，纠缠着要他通俗地解释一下什么叫相对论时，爱因斯坦神秘地眨了眨眼睛，想了想，微笑着回答说：“要是你坐在一位漂亮的姑娘旁边，坐了两个小时，觉得只过了一分钟；如果你紧挨着一个火炉，只坐了一分钟，却觉得过了两个小时，这就是相对论。”

我个人认为是存在的，但是在现在却被说为无法考证假的。至于是如何流传下来的相信是有人整理和统一过的，不然不可能流传下来的那么统一。你要知道有很多东西都是被磨灭掉的，就像中国的5000年，可笑真的只有5000年么？我给的答案是否定的。很简单因为有神话传说的存在所以这5000年不攻自破，当初那些人应该也是想到了磨灭掉一切与神话传说有关的证据，也应该想让后人记住一些拯救苍生的事件（好与坏都有），只选择了让他们当做茶余饭后的笑话流传下来。每一个地区或者国家都会有传说。

因为从开始到结局不知多久，很悲壮、很惨而且那些人也不让这些事迹就此消失就以这样的方式流传下来，然后除去存在的证明。你要知道在他们那个世界或者年代死的人不像现在这社会只是死十多个上百，不会达到上万。而他们那时代死的可能是一个界面，一个世界，整片区域。现在死亡人数与过去相比根本就不值得一提。或许对他们而言现在这样对我们是最好的了。
就例如算命，八卦，风水，，阵法（现在会布阵的不知道这时代有没有，但是能看懂阵的人是有的），易经，古医，苗族的医药方法，修炼方法，观测天象。你相信是我们现在这世界所有的吗？同样也有可能是从其他地方传来的。就以现在我们所学的历史，你相信吗？
或许不知道这对我们最好的决定。不然有可能引发生灵涂炭。就像现在的社会军事国家秘密有谁会说？电视上报道的都是些正义的形象，恶性的东西有报道过吗？车祸死几个人那种不算，别提。像现象这时代人们口中的修炼者似乎都能知道谁谁谁回来看自己，这是为什么？众人给的答案因为他们是修炼者，理所当然，笑话。这只能当做笑话来说（因为这是他们自家人说的话，别人不信）。没什么人会去考证，而且也证明不出什么来，因为人家根部不告诉。
写到这或许有人会说，假的，也有可能会删除，这只是我个人理解。那别拿科学这两次来证明你的无知。这世界上有太多不能解释的事情，中国的闹鬼或者灵异事件还少么？国外的也少么？国外的我曾经在电视上看到追踪摄影的人变成狼人杀人事件，最后摄影师被咬死了，一名警察重伤，一名开枪杀死突然兽性大发的那个女人（飘到一眼看不到黑眼球，只有白色而且眼睛向上翻追着摄影师咬人）或许有人会说我是神经病，有些东西我解释不了。而最后录口供警局判定2名警察有精神病，那视频也被禁播了。
在网上看到是哪个地区，天空有两条龙（应该没被删除很多人上传视频，而且基本那片区域在逛街的人都看到了），我也不确定是不是他们所说的龙，毕竟会飞的不止有龙一种。你知道最后给出什么吗？天气形成的，很多存在都被当成笑话。这世界还有着很多未知的东西。

http://tieba.baidu.com/f?ct=335675392&tn=baiduPostBrowser&sc=9929404294&z=907541584&pn=0&rn=30&lm=0&word=2012#9929404294

此人在2010年10月7日的时候成功预言了3月18日的日本福岛核电站泄漏（时间稍有偏差），被网友尊称为预言帝。 他还发表声明说，他只是一个普通人，只是夜观星象发现的，他说他还会继续为大家预言。（他说当然不一定每次都准，他还没那么牛）



还有，这个帖子肯定不是百度修改时间的。声明帖子在此：http://tieba.baidu.com/f?kz=1029582205

“预测未来的最好办法就是把它创造出来”

我的觉得意义方面的理解很简单：
1，不要预测未来，向着你所希望的未来所在的方向前进，直到成功。
2，因为一旦你预测，就代表你对未来有所顾忌，有所怀疑，既然没有抱有坚定的态度，那么你所希望的未来就肯定不会出现。

逻辑方面的理解：
当向着你所希望的未来所在的方向毫不怀疑地前进时，你其实时刻，每一个现在时刻，都在憧憬你所期望的未来，你所期望的未来正是你所预测的未来；
而这个追求未来的过程正是基于这个不断“预测未来”的阶段和方式，它们是未来出现那一刻的过去；
当你所期望的未来通过你不懈追求创造出来，预测未来的阶段就会结束，因为未来成为现在；
现在的未来已经出现，预测阶段在现在的未来被你"创造出来"的同时结束；
“把它创造出来"正是过去对未来预测的最后阶段的最后时刻；
当现在的未来这个最好结果出现那刻，你采用的最后一个有效预测方法，当然就是“最好的办法”；而这个预测阶段的最后一个办法，正是“把它创造出来"。

有编程能力和数据挖掘能力的工程师最火，包括：数据挖掘工程师、机器学习工程师，算法工程师。 人工智能和一般的计算机程序有极大的差别，它应当具有“能够自主学习知识”这一特点，这一特点也被称为“机器学习”。而自学习模型(或者说机器学习能力开发)正是数据挖掘工程师的强项，人工智能的诞生和普及需要一大批数据挖掘工程师。 那么在AI时代，如何才能掌握相关的技能，成为企业需要的数据挖掘人才呢？ 第一个门槛是数学 首先，机器学习的第一个门槛是数学知识。机器学习算法需要的数学知识集中在微积分、线性代数和概率与统计当中，具有本科理工科专业的同学对这些知识应该不陌生，如果你已经还给了老师，我还是建议你通过自学或大数据学习社区补充相关知识。所幸的是如果只是想合理应用机器学习算法，而不是做相关方向高精尖的研究，需要的数学知识啃一啃教科书还是基本能理解下来的。 第二个门槛是编程 跨过了第一步，就是如何动手解决问题。所谓工欲善其事必先利其器，如果没有工具，那么所有的材料和框架、逻辑、思路都给你，也寸步难行。因此我们还是得需要合适的编程语言、工具和环境帮助自己在数据集上应用机器学习算法。对于有计算机编程基础的初学者而言，Python是很好的入门语言，很容易上手，同时又活跃的社区支持，丰富的工具包帮助我们完成想法。没有编程基础的同学掌握R或者平台自带的一些脚本语言也是不错的选择。 Make your hands dirty 接下来就是了解机器学习的工作流程和掌握常见的算法。一般机器学习步骤包括： 数据建模：将业务问题抽象为数学问题； 数据获取：获取有代表性的数据，如果数据量太大，需要考虑分布式存储和管理； 特征工程：包括特征预处理与特征选择两个核心步骤，前者主要是做数据清洗，好的数据清洗过程可以使算法的效果和性能得到显著提高，这一步体力活多一些，也比较耗时，但也是非常关键的一个步骤。特征选择对业务理解有一定要求，好的特征工程会降低对算法和数据量的依赖。 模型调优：所谓的训练数据都是在这个环节处理的，简单的说就是通过迭代分析和参数优化使上述所建立的特征工程是最优的。 这些工作流程主要是工程实践上总结出的一些经验。并不是每个项目都包含完整的一个流程，只有大家自己多实践，多积累项目经验，才会有自己更深刻的认识。 翻过了数学和编程两座大山，就是如何实践的问题，其中一个捷径就是积极参加国内外各种数据挖掘竞赛。国外的Kaggle和国内的阿里天池比赛都是很好的平台，你可以在上面获取真实的数据和队友们一起学习和进行竞赛，尝试使用已经学过的所有知识来完成这个比赛本身也是一件很有乐趣的事情。 另外就是企业实习，可以先从简单的统计分析和数据清洗开始做起，积累自己对数据的感觉，同时了解企业的业务需求和生产环境。我们通常讲从事数据科学的要”Make your hands dirty”，就是说要通过多接触数据加深对数据和业务的理解，好厨子都是食材方面的专家，你不和你的“料”打交道，怎么能谈的上去应用好它。 摆脱学习的误区 初学机器学习可能有一个误区，就是一上来就陷入到对各种高大上算法的追逐当中。动不动就讨论我能不能用深度学习去解决这个问题啊？实际上脱离业务和数据的算法讨论是毫无意义的。上文中已经提到，好的特征工程会大大降低对算法和数据量的依赖，与其研究算法，不如先厘清业务问题。任何一个问题都可以用最传统的的算法，先完整的走完机器学习的整个工作流程，不断尝试各种算法深挖这些数据的价值，在运用过程中把数据、特征和算法搞透。真正积累出项目经验才是最快、最靠谱的学习路径。 自学还是培训 很多人在自学还是参加培训上比较纠结。我是这么理解的，上述过程中数学知识需要在本科及研究生阶段完成，离开学校的话基本上要靠自学才能补充这方面的知识，所以建议那些还在学校里读书并且有志于从事数据挖掘工作的同学在学校把数学基础打好，书到用时方恨少，希望大家珍惜在学校的学习时间。 除了数学以外，很多知识的确可以通过网络搜索的方式自学，但前提是你是否拥有超强的自主学习能力，通常拥有这种能力的多半是学霸，他们能够跟据自己的情况，找到最合适的学习资料和最快学习成长路径。如果你不属于这一类人，那么参加职业培训也许是个不错的选择，在老师的带领下可以走少很多弯路。另外任何学习不可能没有困难，也就是学习道路上的各种沟沟坎坎，通过老师的答疑解惑，可以让你轻松迈过这些障碍，尽快实现你的“小”目标。 机器学习这个领域想速成是不太可能的，但是就入门来说，如果能有人指点一二还是可以在短期内把这些经典算法都过一遍，这番学习可以对机器学习的整体有个基本的理解，从而尽快进入到这个领域。师傅领进门，修行靠个人，接下来就是如何钻进去了，好在现在很多开源库给我们提供了实现的方法，我们只需要构造基本的算法框架就可以了，大家在学习过程中应当尽可能广的学习机器学习的经典算法。 学习资料 至于机器学习的资料网上很多，大家可以找一下，我个人推荐李航老师的《统计机器学习》和周志华老师的《机器学习》这两门书，前者理论性较强，适合数学专业的同学，后者读起来相对轻松一些，适合大多数理工科专业的同学。 搜索“AI时代就业指南”了解更多