很久之前，人们认为在遥远的地方并没有其他星系。不到一个世纪以前，许多科学家认为只有一个星系—银河系。然而美国科学家埃德温·哈勃在1924年12月30日宣布他有证据证明银河系只是不断膨胀的宇宙中众多星系中的一个而已。
为纪念这一改变宇宙的天文学家的发现美国天文学博士，特列举他的7个有趣事实。
1.他彻底改变了天文学
20世纪20年代，埃德温·哈勃在南加州的威尔逊山天文台用100英寸的望远镜发现了仙女座星云，他发现这些星星与我们星系的相似，只是略微暗淡一些。其中一颗就是造父变星，天文学家可用来测量星体距离。造父变星的发现使哈勃推断仙女座星云并不是附近的星团，而是一个完全不同的星系。到了30年代，大多天文学家都已相信银河系是浩瀚宇宙的其中之一。这一革命性的发现为哈勃赢得了“继伽利略之后最伟大的天文学家”这一荣誉称号。
2.他帮助了阿尔伯特·爱因斯坦
发现我们的星系并不唯一仅仅是一个开始。接着，他又测量了外太空的距离和速度并发现离我们地球越远的星系，远离地球的速度越快。这一发现在1929年发布后，人们开始广泛相信宇宙正在不断膨胀。爱因斯坦曾亲自向哈勃致谢，因为哈勃的这一发现证实了他的相对论。
3.他很聪明
在密苏里长大的哈勃其实早年并没有专注于太空，他的重心在体育场。他是一位很有天赋的运动员，在篮球、足球、棒球领域都很出色。还在芝加哥大学念书的时候，他就打破了跳高和田径的国家纪录。此外，他还是一位优秀的拳击手，曾打败德国拳击冠军。
4.他是高中篮球教练
尽管后来并没有常常提及美国藤校留学，但哈勃确实曾在印第安纳州的新奥尔巴尼高中教过一年的物理、数学和西班牙语。他也做过学校的篮球队教练，他带的打不败的斗牛犬队冲进国家赛，赢得第三名。尽管他只做了一年的老师，但他也留下了自己的好名声。学生在年刊上致他们挚爱的老师：“不管在学习上还是体育场上，永远愿意为我们欢呼并给予我们帮助。”
5.他彻底改造了自己
因为长得像克拉克·盖博，他被朋友们称为“美男”，你一定认为他对自己颇为满意。你错了。渴望爬到社会上层的他操着一口标准的英音（在牛津大学读书时模仿学习的），他爱抽烟斗，披一个斗篷，爱夸大自己的简历（在他还没有接受法律案件的时候就说他在肯塔基接过）。
6.他参与了两次世界大战
1917年哈勃参军，那时刚刚读完哲学博士没多久。在法国服役一年后返回美国，他直接来到加州帕萨迪纳市的威尔逊山天文台，继续自己的研究工作。1942年二战爆发，他再次服役，这次是帮助美军开发武器技术。你可以看看托尼·史塔克。
7.他没有获得诺贝尔奖
尽管他成就颇丰，但并未得到诺贝尔物理学奖，因为那时规定天文学家没有资格当选（但因为他的努力，这一规定后来取消）。但他获得了其他荣誉。一颗小行星和一个月球陨石坑都是以他的名字命名的。最著名的是哈勃望远镜，1990年由NASA发射升空。这是全天文界的仪器，全世界的天文学家都可报名使用，如果他们的请求获批，则可使用一年。这一体系带来了天文学界不计其数的新发现美国天文学博士，天文学家埃德温•哈勃改变了我们对宇宙的认知 这里有关于他的7个有趣的事实，比如“暗能量”的发现和宇宙年龄（130亿-140亿年）的揭示。
（译者：郭晓璞）
美国天文学博士，美国大学天文学专业，你了解多少？
天文学﹙﹚是一门非常古老的，观察和研究宇宙间天体的学科，研究天体的分布、运动、位置、状态、结构、组成、性质及起源和演化，也是自然科学中的一门基础学科。
课程设置：
学习内容 包括 星球与宇宙生成、星球天文学、天文观察技术、计算机科学、多种波长天文学、微积分、星球物理学、天文物理技术、恒星结构与演变等。
专业研究方向介绍：
它的分支主要分为观测天文学与理论天文学。
天文学观察家常年观察天空，并将所得到的信息进行整理，理论天文学家才可能发展出新理论，解释自然现象并对此进行预测。
在留学专业的选择中，又有以下几个分类：
天体测量学﹙﹚： 是天文学中最古老也是最基础的一个分支，主要以测量恒星的位置和其他会运动天体的距离和动态。
天体力学﹙ ﹚： 涉及天体的运动和万有引力的作用，是应用物理学﹙特别是牛顿力学﹚研究天体的力学运动和形状的科学。 天体力学可分六个范畴： 摄动理论、数值方法、定性理论、天文动力学、天体形状与自转理论、多体问题﹙其内有二体问题﹚等。
天体物理学﹙ ﹚： 主要研究物理学在天文学中的应用以及利用物理学来解释天文学观测的结果。
1.本科gpa是根本，高gpa，高rank是去牛校的最强保证，有paper则如虎添翼。 低gpa者可靠paper来挽回一点点劣势。 但是，无论如何本科gpa和rank是根本。 研究生gpa无足轻重，别太烂就行。
2.方向match极其重要。 这点如果你能料敌先机的话，一定要在ps中点出来。 如果你作的和对方很match，那么恭喜你，至少你被录取的希望很大。 但是同时也要求你别的方面不能太烂，否则被拒的可能性更大。
3.心态和定位很重要，不是把握极大的话，选校要合理的拉开层次。 等待过程中积极主动，多联系教授或者拿到offer的同学，争取拿到第一手的信息。
4.其它因素，如套磁美国天文学博士，美国大学天文学专业，你了解多少？，gt等等前人讨论的比较多了，个人认为适合个案讨论，没有可嫁接性。 但是对于ps而言，一定要好好写美国天文学博士，突出重点，像gpa，paper这些东西是长期的努力的结果;而ps则完全体现了你在申请本身上花的功夫有多少。 建议一定要在ps上多花点时间和心血，反正比起考t考g，这点时间算得了什么那。
未来就业薪资：
天文学专业的毕业生主要进入天文台、天文研究所从事技术、研究工作，或进入大学等从事教学与研究的工作。
根据美国劳工统计局数据显示，物理学家与天文学家的薪水中间值为每年美元，然而获得这一薪水的基础要求是需要拥有博士或专业学位。 “物理学家与天文学家获得研究职位需要博士学位。 物理与天文学博士学位所有人的职业生涯开始于临时的博士后研究岗位，这一职位通常需要工作2-3年。 ”
以美国为例美国top30名校留学，天文学专业毕业生的典型从业职业有天文学家﹙﹚，早在五年之前就可以达到年薪$102,550，如果进入大学任教，比如空间科学大学教师﹙space , ﹚也有平均$91,930的年薪。
如果想了解关于美国留学更多的信息，请尽快联系我，我将竭诚为您服务。
美国读人工智能博士，听美国藤校博士聊人工智能
听美国藤校博士聊人工智能
你好，我是高朋，我们都是知道呀，任何一个革命性的新事物出来的时候，都会带来一波暴富的机会，同时也能造就一波暴富的人，我呢，最近几个月呢，都一直在寻找的新机会，哪里找新机会呢？
一定是跟这个行业里最顶级的人去聊，所以呀，我今天我找到一位在美国读人工智能的博士，来给大家聊下这个话题。
这个博士可不是什么野鸡大学的博士，而是美国常青藤大学之一的达特茅斯学院的博士美国读人工智能博士，听美国藤校博士聊人工智能，美国藤校大家应该非常熟悉吧总共有8所大学，有哈弗，耶鲁，普林斯顿，宾夕法尼亚大学等。
我们币圈的孙哥就是这个学校的研究生毕业的，但是孙哥只读了研究生，而且我今天请到的这位嘉宾可是博士，而且是学人工智能的博士，好，下面有请，莫非，给大家打个招呼。
NO.
1：你在 6 年前是怎么接触到或者说决定学习人工智能这些专业的？人工智能到底 是什么地方吸引的你？
最早在国内，我其实本科学的是电子通信工程，因为在十年前，国内的本科还并没有开 设“人工智能”这个专业。虽然人工智能这个概念最早可以追溯到 20 世纪 50 年代，由一些计 算机科学家在我们学校组织了一个会议，称为 达特茅斯会议，那么这个会议被认为是人工 智能领域的开端。
在这个会议上，人工智能这个概念被赋予定义英国G5院校留学，通过计算机程序实现人类 智力的一种新领域”，从此人工智能这个概念开始被广泛关注。
Ok，那么最早人工智能只是 计算机这个专业领域内的一个小的名词概念。回到我们的话题美国读人工智能博士，由于我们专业在国际上一般 会合并在同一个学院中也就是 ECS 电子通信计算机，所以我是在这个专业内进行研究从而 接触到人工智能最早的神经网络模型。然后开展了研究。
那么为什么人工智能吸引到我呢？最开始我是做图像的处理，当然不是我们理解的照片这类的图像。而是一些特定领域内的， 比如说医学，遥感等领域的图像数据。从这些数据中找出特征并给出结论，比如从 MR 核磁 图像中勾勒出清晰的肿瘤或病灶的轮廓。
从超大卫星遥感图像中定位并识别出某一个游艇的 位置和信息等。
对于这样一个事情在没有借助人工智能之前是比较困难的，但是当 1516 年 深度学习 的兴起，结合人工智能算法来解决这类问题就变得很有趣。有时候 一些传统算法无法解决的问题，用人工智能来辅助甚至可以“暴力”求解出特定的答案，虽然 这个答案起初并不完美。正是这样一个弯道超车的算法，让我对人工智能提起了兴趣。
NO.
2：为什么中国没有率先做出来类似 这样的产品？
主要我认为有三个原因：
一是人， 团队中的工程师和研究人员，每一个实力都 非常的强，那么到底有多强呢？
第一，学术强，虽然 是一个商业公司但是作为人工 智能界的科技领军企业，它的学术成果和产品转化都息息相关。那么其中绝大多数的研究员， 都出自斯坦苏，麻省理工，耶鲁哥大等世界顶级名校，在谷歌学术上也具有很高的影响力和 学术引用量
第二，是商业转化强。 的每一个研究员都具有独自带领单个人工智能项 目的能力，所以 的人均年薪都在 50w 甚至上百万美金之上 那么 就是把这样的一帮有背景，有技术，有实力，还有梦想的人工智能科学家 聚集在一起，才诞生出了 GPT 这样一个人工智能现象级的应用。反观下我们村内，其实在村内人工智能的发展也不落后于欧美 。
比如在放射医学领域，我 们国内的联影集团就是把人工智能算法用于研究以医学图像引导的放射临床医学上，并走在 了国际前列。
所以村内可能更关注解决实际的问题，也就是更注重些商业的转化，学术与商 业之间的衔接并不是很通畅。第二点，就是钱，对于这样一个庞大且智能的人工智能模型，其主要的研发成本来源于 人 工 算力 和数据三大方面。
GPT 目前的开发和训练成本已经是以亿美金起步。首先是人力， 其实在第一个原因中我们已经提到，一个优秀的人工智能科学家一定是具备良好的教育背景 和丰富的工业背景，那么肯定需要优渥的薪水才能吸引到这样优秀的专家。再者，是算力， 在集各个研究人员开发算法的同时，需要非常庞大的算力来支撑训练这样一个人工智能模 型，GPT3 训练一次的成本约为 140w 美元，而对于一些更大的自然语言模型，比如现在的 GPT4，训练一次的成本介于 200w 美元至 1200w 美元之间，单日的电费也是高大数万美元。
最后还有数据，当今目前所有的人工智能模型都需要研究人员去事先投喂数据，我们也称之 为“预训练”。也就是当今绝大部分人工智能的落地应用都是基于数据驱动的，那么在研发阶 段，就需要该领域内海量的已有数据去投喂，让这个人工智能模型去 学习 这类数据的本质。基于这样一个逻辑，训练一个强大的人工智能模型需要从 人力算力 数据资源 三方面去同时支出不小的开销，这样一个尚且看不到结果的项目，对未来企业来说会很难坚持下去。
第三点是事，科研本身就是带有一个极大不确定性的事情。就算是当今世界最顶级的科学家， 也无法做到百分百预测人工智能接下来能做到什么程度。科研本身就是一个不断探索，不断 试错并调整方向的过程，就比如 和其他语言模型并不是突然一时之间凭空而来， 而是由不同的科研人员在数十年共同贡献的结果。所以与其说 是一个科学突破， 不如说它是一个像样的工程实例。但是对于普通大众而言，只会觉得他是 0 到 1 一样简单。
NO.
3：中国的人工智能产品有没有可能会超过 ？
其实这个问题的答案我已经在上个问题回答过了。
人工智能产品本身就是一个科研项目 积累的产物，那么在项目前期，就需要开始耗费如此巨大的人力成本 算力成本和数据资源， 这样一个情况下，还想让企业去靠着梦想维持这个项目已经是很难了，所以我认为这才是根 本原因。
那么现在又有所不同，因为目前 人工智能现象级应用已经拿到结果的情况下，行 业预期已经被加上了多个杠杆。
那么村内的资本和企业界在这样一个前提下，如果加大投入， 以村内的工作效率和国人的拼搏精神我认为还是在未来有机会超过 的。
NO.
4：作为人工智能的专家，你能不能用通俗的语言给大家介绍 原理，他是基于 哪种类型的人工智能技术来实现的？它是如何运作的？
首先说什么是 GPT？那么我们来从它的名字开始拆解，，它是由 Chat 这个单 词和 GPT 三个字母组成。Chat 字面翻译就是聊天，比如我们用的微信就是 。所以 chat 说明了它是一个可聊天的软件。
再来看后面三个字母，GPT，代表了这个软件的三个特点。
G 是 也就是生成式的，那么什么是生成式呢？也就是说这个软件可以自我生成 一些结果，注意这里用的是生成，而不是检索。也就是说，并不是单单从已有的数据库中搜 索并提取出已有的答案，而是根据你的输入，来生成一个结果并输出。
P 是 Pre-, 也就说预训练的。刚才我们提到过，大部分的人工智能应用都是由研究人 员事先投喂大量的已有数据并训练完成的固定模型。用一个专业点的词汇是 Data-， 也就是数据驱动的。是由大量的研究人员事先 有目的性的 训练好的模型。
第三是 ，也就是变形器，在这里你可以理解成是自然语言处理中使用的一种人 工智能模块，我们给机器输入的自然语言可以看成是传统的序列模型，那么对于传统的序列 模型需要 按顺序逐个处理序列中的一个个元素 或者说字符。而 使用了一种全 新的机制，称为“self-”，能够将输入序列中的所有元素交互地考虑，使其在处理每 个元素时都可以获得其他元素的信息。这种机制大大提高了处理长序列的效率。
Ok 那么简单来说 其目的，就是是会结合你输入的上下文语言信息，给出更全面的结果，并输出。那么现在从 的定义我们就能很明确的知道这个软件的基本特点。传统的序列模型（例如 RNN 或 CNN）需要按顺序逐个处理序列中的元素。
而 使用了一种全新的机制，称为“self-”，能够将输入序列中的所有元素交互地考虑， 使其在处理每个元素时都可以获得其他元素的信息。这种机制大大提高了处理长序列的效 率，并取得了许多文本生成和翻译任务的最佳结果。
NO.
5：相较于其他对话机器人， 有哪些独特的优势和亮点？
优势和亮点主要在于。一 它是一个生成式的软件应用，不是单单从已有数据库中检索， 而是根据你输入的上下文语境，分析并给出你一个更全面的结果并输出。
第二是规模，目前最新的 GPT 的参数已经达到千亿级别。这是一个什么概念呢？要知道，我们人脑也仅仅是拥有一千亿级的神经元。
那么这样我们可以简单的说，现在 GPT 的参数规模已经接近人脑的参数级别。GPT 已经接近人脑的计算规模层级了（当然这样 说并不严谨。）
NO.
6：从技术和应用层面来看， 在哪些领域可以被广泛运用和应用，有哪些典型 的案例可以分享？
我认为可以从以下几个方面来说 首先是办公，GPT 作为一个工具助手，可以很大的提高我们的办公工作效率。
比如最简 单的检索能力，之前我们需要耗费数十分钟搜索并挑选的结果，现在 GPT 只需数秒就可以 给我们更准去的回答，使我们的工作更高效 同时，说到办公，还要提一下我的老本行，也就是编代码 很多人说 GPT 会让码农失业，其实我觉得不然，如果作为码农你的工作仅仅是搬运已 有的代码或模块这种简单的事，那么确实会失业。
但是如果对于一个会科学使用 GPT 的码 农，其代码效率和代码的准确度会大大提升。
所以相反，我认为未来对于高质量的码农反而 需求量会更大。其次是数据处理，也就是数据科学，因为我们知道，数据科学就是从已有海量数据中挖 掘并归纳总结出其规律，是一种高效的检索工作。在 GPT 强大的检索和归纳能力下，数据 的处理跟归纳也会变得更为简单。
NO.
7：你认为最近 3-5 年内 会对我们这个社会造成什么的影响？你认为人工智能 会威胁到人类吗？
在回来这问题前，先来理清这个问题的边界。什么意思呢？就比如，你要是学物理的， 根据热力学第一定律，永动机就不可能成立。所以你要是研究永动机就属于超过该领域边界 的问题，没有回答的意义。那么回到我们的问题上，人工智能目前，仅仅是有几个现象级的 应用造成了一个短暂的人工智能热潮，在我看来不管是人工智能算法本身还是人工智能算法 的应用，都只是一个工具，其研发的初衷都是为了辅助或减轻人的工作压力提高工作效率。
刚才我们也讲了，目前市场上大部分人工智能应用都是基于海量已有数据投喂并训练而成的 固定模型，都是由我们“人”去创造去预训练的工具，是为了最大限度的服务人类。那么谈到 对社会的影响，很多人会去说什么让许多人失业这个问题，我认为是片面的。
就好比第一次工业革命蒸汽机的诞生，原先的马车车夫变为了现在的汽车司机。其归根 到底是工作形态的变化，对于一些特定重复性劳动的行业，确实随着人工智能的发展，会逐 步替代一些重复劳动型密集工种，就好比农用收割机比人力收割高效数百倍。
那么在这样一 个人工智能热潮下如何保证 自己不被淘汰呢？我认为一是保持学习的能力或动力,拥有自 我学习的能力使自己永远不被机器所替代，不被时代所淘汰。二是承认他，并接受他。成 为新时代下的新文明人。
你好，我是高朋，关于人工智能我有想到了好几个问题，
技术被誉为自然语言处理领域的里程碑式突破
安全性和可信度有怎样的看法？会不会窃取我们的隐私？
能不能在金融方面有应用，比如预测币价？
在 技术的开发和应用过程中，您和团队遇到过哪些挑战和困难？如何克服这些问题以确保项目的成功？
最后，作为一名人工智能专家，您认为AI 技术对于未来社会的发展和进步将产生何种深远的影响和贡献？
技术在未来应用的前景非常广阔，您认为 技术的未来发展方向和目标是什么？
你认为应该怎么服务于人类？
西部世界你看过吗?
