已收藏本页面
小时候自制汽水，把一勺小苏打放碗里，然后倒大约等量的醋，在它们起反应的瞬间，倒上水加点糖就好了。在那个没钱买饮料的年代，这就是最好的饮料。我喝了一个暑假，脸变得蜡黄蜡黄的。。
回复 8楼：科普一下，一道闪电四米宽
回复 8楼：你瘦不是最主要的，特么你是真的丑
回复 8楼：一道闪电四米宽～
回复 8楼：那样你就更黄啦
[挖鼻孔]
回复 118楼：估计刚才我没发出去。。。
回复 116楼：什么评论，重来一遍
回复 8楼：一道闪电四米宽
咦？怎么把我评论删了呢？你心虚了？刚刚粉你，这打击太tm大了！
回复 106楼：看了别人的评论，都说闪电最少四米宽。不知道你说的两米宽是怎么回事？不知道该信谁了。莫非。。。。。。你胡诌的吧！
回复 8楼：再加点绿豆汁
用白醋岂不是可以表白？
回复 8楼：好像有个常识是说最小的闪电也有四米宽！我看你这不是要减肥！而是增肥

[doge]话说你们家还是有钱，我们那不用小苏打，用老面或者醪糟配上碱发面。
回复 8楼：香啊，闪电一道最起码四米宽，你这不是要减肥啊，你这是想不开啊
回复 8楼：一道闪电四米宽，还有一种球形闪电。
回复 8楼：一道闪电4米宽
回复 8楼：阿香啊，话说闪电最小的直径也有两米，或者是你想瘦成球形闪电吗？
回复 8楼：科普一下，一道闪电约4米宽！
先去怀念一下重新试试呀
回复 8楼：据说闪电最细的也有四米宽
回复 8楼：给你科普一下，一道闪电4米宽
回复 8楼：闪电?四米宽，努努力你应该可以
[惊讶]
回复 8楼：你最多是五道闪电，一道你是别想了
回复 8楼：什么闪电宽4米，5米，6米的都不是最重要的。还有一种闪电是球形闪电
回复 8楼：有种闪电叫闪电球
回复 8楼：闪电宽五米
回复 8楼：先试一试 万一不行的话到冬天我告诉你一个更好的方法
回复 8楼：据科学考证，闪电有5
6 米宽
[捂脸]
回复 8楼：宽四米
牙变白了吗
回复 90楼：
[惊呆了]
回复 89楼：就是面起子，哈哈～～～
回复 7楼：你也有知识，我小时候都不知啥是苏打
回复 8楼：一道闪电四米宽
回复 8楼：瘦成一道闪电？别做梦了，只要不被哔啵哔啵接走就已经很不错了
糖精，凉水，醋，夏天最爱喝的水
回复 8楼：听说一道闪电宽4米～
回复 8楼：可以吃点159哦～
回复 8楼：偷偷告诉你，闪电直径是5米
小苏打，碱性吃多了影响甲状腺激素分泌，进而影响肝功，胆汁分泌受限影响食物吸收，容易甲减或甲亢所以皮肤蜡黄，是不是眼睛都是黄色的，别认真都是我瞎编的！
回复 8楼：你会胖的妨碍了地球的自转和公转，还会改变地球的运行轨迹。至于地球脱离太阳系那也是有可能的。
回复 78楼：这个评论过了，怕说糖精年轻的不懂
哈哈，标准配方是糖精。糖太
回复 8楼：纸片就OK了啦！
回复 8楼：闪电4米宽
回复 8楼：闪电有四米宽！！！
回复 8楼：请百度一下闪电的长宽高
回复 8楼：不是有人科普过吗？闪电宽约3米，香香你不需要了
回复 8楼：没有两米宽的闪电，你就省省吧
[晚安睡觉]
[晚安睡觉]
回复 70楼：因为醋
这个脸色蜡黄是怎么回事？本来还想说城会玩的，最后这句愣是把我给整懵了。
回复 8楼：听说有一种闪电叫球形闪电
回复 8楼：我记得闪电的最低宽度是10几米
回复 65楼：如果可以，回家弄点减肥用
[嘻嘻]
[奸笑]
回复 64楼：我小时候不胖
喝了会瘦吗
多吸两口空气都胖的人，除了啪啪啪还真想不到减肥更好的办法了
回复 8楼：闪电4米宽，你确定是瘦?
回复 8楼：你现在也是一道闪电啊，只是比较粗壮而已
回复 8楼：科普一下
闪电款四米
就算你是闪电也是球形闪电
回复 8楼：给你科普一下，闪电宽是4米
非洲的兄弟姐妹们有福了，改变肤色，从喝小苏打开始！
回复 7楼：已经很厉害了。
回复 8楼：你确定要瘦成一道闪电？最小的闪电直径也有2米多....
回复 32楼：可能 反正涩的很
回复 8楼：普及一下，一道闪电4米宽
回复 8楼：给你普及一下 一道闪电宽4米。。。。。
回复 8楼：闪电五米宽，祝你成功
有钱人都这样喝，我小时候都是喝糖精兑醋。买不起苏打
回复 49楼：
[汗颜]
[汗颜]
[汗颜]
[汗颜]
回复 48楼：额，出事找你啊
[中毒了]
回复 47楼：食用小苏打，超市便利店都有，白色粉末
回复 46楼：额，苏打在地方买啊
回复 45楼：偶尔喝没事，脸黄应该是醋的作用
没看到最后句的时候，我是想试着弄下的
[大哭]
为啥脸蜡黄啊
回复 40楼：我这也是糖精，怕年轻人不懂，就少写一个字。
回复 8楼：一道闪电四米宽
回复 8楼：科普一下，一道闪电?4米宽
我们是放糖精
回复 8楼：这个夏天够呛，要不等待下个世纪得这个夏天？保证你瘦成闪电
回复 24楼：我也觉得那时候比现在有钱快乐
能活到现在，算你狠
回复 8楼：一道闪电四米宽
回复 30楼：饮料都买不起，哪里有冰箱
学会数理化，走遍天下都不怕
回复 8楼：我有个好办法可以让你瘦成一道闪电
回复 23楼：你可能没生长在那个年代，另外小苏打不能放太多
效果杠杠的好，肝炎就是这样的脸
冷冻后更美味哦。
回复 8楼：有一种闪电叫球形闪电
[doge]
回复 8楼：你认证以后记得发出来，我们看看，效果
回复 26楼：上厕所不扶丁丁，扶你
[大笑]
回复 8楼：香，我想给你普及一下知识，闪电最窄的是六米宽
八六年我都穿100多元的鞋，零食随便吃，汽水喝到醉。那时候我都是富二代。现在成负二代了。
楼主想象的 因为我试过 超级难喝
回复 8楼：据说闪电的直径为十米
卖的也是那样做，我去某家玩就帮他灌过，毫无卫生可言。
为啥？不美白吗
楼主活下来就不错了
这应该可以美容养颜
我以为你走了
好像是这个理，碳酸氢钠加醋酸生成醋酸钠加水加二氧化碳
我卖老鼠药也是这样做的
我们直接用醋对冷水喝的
整个人跟刷了黄漆似的，这就是楼主现在一把年纪了，还这么黄的原因吗？
真是城会碗啊
喝醋不是养颜美白的么~
回复 8楼：加糖还能减肥你想啥呢，糖的副作用你知道吗？
我就想知道除了脸色蜡黄还减肥不？不要骗我，我已经开始准备材料制作嘞！这个夏天能不能瘦成一道闪电，就靠你这配方了，，
碗哥小时候都这么有知识，我小时候只知道苏打可以扔蚂蚁窝里除蚂蚁～～～
回复 1楼：你太年轻
生成二氧化碳，醋的主要成分是醋酸，小苏打则是碳酸氢钠，两者接触就会反应。
还是知识分子会玩！
没喝过，不知道
你可能喜欢的图片笑话
最受欢迎的爆笑笑话
扫码下载糗事百科app&p&原文地址：&a href=&//link.zhihu.com/?target=http%3A//waitbutwhy.com/2014/05/fermi-paradox.html& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&The Fermi Paradox&/a&&/p&&p&我在翻译时候有改动和少量删减。&/p&&p&自日起转载请务必私信咨询，否则视为未授权转载 知乎 &a class=&member_mention& href=&//www.zhihu.com/people/c948a6c96e2c& data-hash=&c948a6c96e2c& data-hovercard=&p$b$c948a6c96e2c&&@谢熊猫君&/a&&/p&&p&=============================&/p&&p&&br&&/p&&p&任何一个人，在一个晴朗无月的晚上，在一个适合观星的地方，抬头望见满天星星，总是会心有所想：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/31f59b22eac0ebe6cffd02_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&678& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic1.zhimg.com/50/31f59b22eac0ebe6cffd02_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&有些人被星空的壮美所感动，有些人被宇宙的辽阔所震惊，还有人像笔者一样感到存在危机，然后脑洞大开一会儿。每个人都有自己的感受。而物理学家费米的感受是：&/p&&figure&&img src=&https://pic4.zhimg.com/50/b5cdffbf9c1a2fedae8f4f5b_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic4.zhimg.com/50/b5cdffbf9c1a2fedae8f4f5b_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&满天星星的夜空看起来非常壮观，但是我们只是在看看附近的地方罢了。在最适合观星的夜晚，我们可以看到大约2500个恒星，这大概是银河星里恒星数量的一亿分之一。这2500个恒星中的绝大多数都距离我们不到1000光年，大约是银河系直径的百分之一。所以我们看到的星空其实只是下图中的红圈那么大的地方罢了：&/p&&figure&&img src=&https://pic4.zhimg.com/50/dce8daaa0046a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1023& data-rawheight=&1024& class=&origin_image zh-lightbox-thumb& width=&1023& data-original=&https://pic4.zhimg.com/50/dce8daaa0046a_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&当讨论恒星和星系的时候，一个能挑逗几乎所有人类神经的问题，就是：“地球之外是否还有智能生命存在？”让我们用数字来讨论这个问题。&/p&&p&&br&&/p&&p&虽然银河系里面有1000亿-4000亿个恒星，但是在可观测的宇宙内有几乎同样数量的星系——对应每一个银河系的恒星，就有一个巨大无比的星系。也就是说，可观测宇宙内的恒星数量大概是在10^22到10^24之间，这个数字写出来是这样的：&/p&&figure&&img src=&https://pic3.zhimg.com/50/2cadf6bdecfdd90_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic3.zhimg.com/50/2cadf6bdecfdd90_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&据估计，地球上沙子的数量是7.5x10^18粒，也就是说：&/p&&figure&&img src=&https://pic1.zhimg.com/50/10bcc6317fbcb03c4824899_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic1.zhimg.com/50/10bcc6317fbcb03c4824899_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&科学界对于恒星中有多少是和太阳类似（大小、温度、光度）的还没有定论，通常的观点是5%到20%。我们采用最保守的估计（5%）,以及对于恒星数量估值的下限（10^22），那么就是说有5x10^20个恒星是和太阳类似的。&/p&&figure&&img src=&https://pic1.zhimg.com/50/ddf41f55a609dbe220726ad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic1.zhimg.com/50/ddf41f55a609dbe220726ad_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&而这些和太阳类似的恒星里有多少是拥有一个和地球类似（允许液态水存在的温度条件来支持类似地球生命）的行星的呢？这个科学界也没定论，有些观点认为这个比例高达50%，也有比较保守的研究认为应该在22%左右。结合前面采用的5%类太阳恒星的假设，就是说宇宙中有至少1%的恒星，拥有一个类似地球的行星，也就是说存在10^20个类似地球的行星。&/p&&figure&&img src=&https://pic1.zhimg.com/50/a6bcfba4eb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic1.zhimg.com/50/a6bcfba4eb_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&也就是说&/p&&figure&&img src=&https://pic1.zhimg.com/50/de0e55bae6d869de1c310_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic1.zhimg.com/50/de0e55bae6d869de1c310_r.jpg&&&/figure&&p&&br&&/p&&p&下次你去海边玩得时候要记住这个数据哟。&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&再往后推算，我们就只能瞎蒙了。假设经过数十亿年的时间，这些类似地球的行星中，有1%出现了生命。再假设，那些出现了生命的行星中，有1%的行星上的生命的智能发展到了类似地球的程度。这就是说，可观测宇宙中存在一百万亿个智能文明。&/p&&figure&&img src=&https://pic3.zhimg.com/50/65a9efa152d8e1d7adc60_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic3.zhimg.com/50/65a9efa152d8e1d7adc60_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&回到咱们银河系，运用同样的算法，和对于银河系恒星数量估计的下限（1000亿），我们可以算出来，银河系里可能有10亿个类似地球的行星，和10万个智能文明。&/p&&figure&&img src=&https://pic1.zhimg.com/50/1ff7c3bd6fee6d7f2b9d628f0ec567b5_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic1.zhimg.com/50/1ff7c3bd6fee6d7f2b9d628f0ec567b5_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&SETI (Search for Extraterrestrial Intelligence，地外文明搜寻计划) 是一个以收听来自地外智能文明信号为目的的组织。如果银河系里存在10万个智能文明，哪怕其中只有很少一部分对外发射无线电波或者激光束或者其它联系信号，SETI的卫星阵列应该会收到各种各样的信号。&/p&&figure&&img src=&https://pic4.zhimg.com/50/f1fce209ca52_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic4.zhimg.com/50/f1fce209ca52_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&这个时候，问题来了：&/p&&figure&&img src=&https://pic4.zhimg.com/50/082e112a0d49b7ac40c0_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic4.zhimg.com/50/082e112a0d49b7ac40c0_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&这还不是最奇怪的地方。我们的太阳是个很年轻的恒星，也就是说存在着年纪比地球大很多的类地行星，理论上来说他们的文明程度应该远比我们发达。我们的地球是45.4亿年，假设我们把地球和一个80亿年的行星X对比&/p&&figure&&img src=&https://pic3.zhimg.com/50/02cf219ba69ddfb88b23_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&416& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic3.zhimg.com/50/02cf219ba69ddfb88b23_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&如果行星X的经历和地球类似的话，他们的文明应该比我们领先34.6亿年&/p&&figure&&img src=&https://pic4.zhimg.com/50/f5c33f4dd2cbf9a3fd38a2fd_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&537& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic4.zhimg.com/50/f5c33f4dd2cbf9a3fd38a2fd_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&比我们领先一千年的文明所能带给我们的震撼，可能就像我们现在的世界能给一个中世纪人的震撼一样。一个比我们领先一百万年的文明和我们的差距，可能和我们与大猩猩的差距那般。而行星X上那个比我们领先了34.6亿年的文明会是怎样呢？&/p&&p&&br&&/p&&p&卡尔达肖夫指数，根据一个文明所能够利用的能源数量，来量度文明层次。它的指标有三个类别：&/p&&blockquote&&b&I型文明：有能力使用所在行星的全部能源。&/b&人类还没有达到I型文明，按照卡尔萨根的算法，人类可以算作0.7型文明。&br&&br&&b&II型文明：有能力使用母恒星的全部能量。&/b&我们还没有办法理解这样的事情要怎样才能做到，但是人类还是尽量使用想象力来考虑这个问题的，一种可能是戴森球，这是包围母恒星的巨大球形结构，它可以捕获大部分或者全部的恒星能量输出。&/blockquote&&figure&&img src=&https://pic2.zhimg.com/50/adcaef24bbbb0ca_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&560& data-rawheight=&560& class=&origin_image zh-lightbox-thumb& width=&560& data-original=&https://pic2.zhimg.com/50/adcaef24bbbb0ca_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&blockquote&&b&III型文明把前面两张都甩在了后面，她能够动用相当于整个银河系那么多的能源。&/b&当然，这一型的文明听起来有点不可思议，不过别忘了，前面的行星X上的文明可是有34亿年的时间慢慢发展的。如果行星X上的文明和我们类似，并且成功生存到了III型的话，他们可能已经掌握了星际旅行的方法，甚至开始对整个星系的殖民了。&/blockquote&&p&&br&&/p&&p&对于星际殖民的方法，有一种假想，就是创造一种能够航行到别的行星的机器，然后用利用新行星上的材料花500年左右的时间自我复制，然后将两个复制品送向下一个目标，即使用比光速慢的多的速度航行，这个模式也能用375万年的时间完成整个星系的殖民。当计量单位是10亿年的时候，375万年不过是一眨眼而已。&/p&&figure&&img src=&https://pic4.zhimg.com/50/ca35d68f99acc484e8af25edcc1f7bf4_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&340& data-rawheight=&570& class=&content_image& width=&340&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&回到我们我们之前的推算，如果银河系里1%的智能文明成功的达到了具有星际殖民能力的III型文明的话，光银河系就应该有至少1000个III型文明了。如果真是这样的话，这些文明的存在应该很容易被留意到才对。&/p&&p&&br&&/p&&p&但是我们至今为止&/p&&p&&br&&/p&&p&什么都没看到&/p&&p&&br&&/p&&p&什么都没听到&/p&&p&&br&&/p&&p&也从来没有接触过他们中的任何一个&/p&&figure&&img src=&https://pic2.zhimg.com/50/51a5e595aaa804b9dbeb_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic2.zhimg.com/50/51a5e595aaa804b9dbeb_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&&u&这就是费米悖论&/u&&/b&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&读到这边你大概了解什么是费米悖论了，下面是对于费米悖论的一点解释，关系到人类的生死存亡，有点绕脑子，如果读不懂不需要勉强。&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&费米悖论没有答案，我们至今只能提供可能的解释而已。问十个科学家，你会得到十个不同的答案。回想一下人类曾经争论地球是圆的还是平的，地球绕着太阳转还是太阳绕着地球转，闪电是宙斯造成的，等等。这些想法在现在看来很好笑，但是我们现在对于费米悖论的解释大概也就是这个程度。&/p&&p&&br&&/p&&p&讨论最多的解释能够分成两大类，第一类认为根本不存在II型或者III型文明，第二类认为存在II型或III型文明，但是因为种种原因我们观测不到她们。&/p&&p&&br&&/p&&p&&u&&b&第一类解释：并不存在II型和III型的文明。&/b&&/u&&/p&&p&第一类解释的人认为既然数字推算出来那么多高等文明，那不管是出于什么原因使得高等文明不爱对外交流，总是有例外的。哪怕99.99%的高等文明都不和外面接触，剩下0.01%的总会奇葩一点，而我们就会意识到他们的存在。&/p&&p&&br&&/p&&p&所以第一类解释认为不存在非常发达的高等文明。但是数字推算显示光是银河系就有数千个可能的高等文明，也就是说肯定有别的因素在干扰高等文明的出现。&/p&&p&&br&&/p&&p&&b&这个因素就是大过滤器。&/b&&/p&&p&&br&&/p&&p&大过滤器理论认为，在生命出现前到III型文明出现的过程中，有一堵几乎所有生命都会撞上的墙，这面墙是漫长的演化过程中一个极端困难甚至不可能跨过的阶段，这个阶段就是大过滤器。&/p&&figure&&img src=&https://pic4.zhimg.com/50/6cefee42a21152_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&727& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic4.zhimg.com/50/6cefee42a21152_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&如果大过滤器理论是正确的，那么问题的关键就是“大过滤器究竟发生在什么阶段？”对于人类的命运来说，这个问题是很重要的。根据大过滤器可能出现的三个不同阶段，&b&我们有三种可能：我们是稀有物种，我们是第一批，或者我们有大麻烦了。&/b&&/p&&p&&br&&/p&&p&&br&&/p&&p&&b&1.我们是稀有物种&/b&&/p&&p&有一种可能是我们已经跃过了大过滤器阶段，也就是说什么发展到我们这个阶段是非常少见的。下图展示了两个物种跃过了大过滤器，而我们是其中之一。&/p&&figure&&img src=&https://pic1.zhimg.com/50/3b9aaae617ecdcfd6d1555_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&538& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic1.zhimg.com/50/3b9aaae617ecdcfd6d1555_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&这种情况可以解释为什么没有III型文明，但是它同样表明我们是极少数发展到这个阶段的物种，我们很有希望。当然，从表面来看，这就好像500年前的人认为地球是宇宙的中心一样狂妄，不过有些科学家管这个叫观测选择效应，也就是说不管是哪个文明在考虑到自己很特殊的这个问题，这个文明本身就是演化的幸存者，所以不管他们是真的稀有还是假的稀有，他们的思路和结论都会是一样的。所以说，我们是稀有物种至少是有一定可能的。&/p&&p&&br&&/p&&p&既然我们很特别，那么我们究竟哪里特别呢？我们在演化过程中跨过的哪一步是绝大多数亲们都没能跨过的呢？&/p&&p&&br&&/p&&p&有一种可能是大过滤器发生在生命起源的最初——生命的起源本就是非常稀有的。这种可能是有道理的，因为地球生命花了将近十亿年才出现，而我们试图在实验室里重复这个过程从来没成功过。如果这就是大过滤器的真相的话，那不只表明没有别的智能生命的存在，可能连别的生命都不存在。&/p&&p&&br&&/p&&p&另一种可能，大过滤器是从简单的原核细胞到复杂的真核细胞的跳跃。原核细胞出现后，它们花了二十亿年才演化成真核细胞。如果这是大过滤器的真相的话，那说明宇宙里到处都有原核细胞，单也仅此而已了。&/p&&p&&br&&/p&&p&当然还有其它的可能，有人甚至认为我们经历的比较近的演化是大过滤器。虽然从大猩猩到人类的演化看上不不是那么神奇，但是心理学家Steven&br&Pinker认为物种的演化不一定是朝上发展的：演化不是为了目的而发生的，它就是发生了，它只是利用对于一个特定生态环境下最合适的一种适应。地球上的演化只产生了一次技术智能（人类）可能说明自然选择造成这种结果本就是罕见的。&/p&&p&&br&&/p&&p&大部分的演化跳跃不能算作大过滤器，任何一个可能的大过滤器都必须是十亿分之一的事情，只有在各种机缘巧合的堆叠下才会发生——所以从单细胞到多细胞不能算，因为光在地球上这个过程就独自发生了46次。同样的，如果我们在火星上发现一个真核细胞的化石的话，那原核细胞到真核细胞的跳跃也不能算，同理原核细胞之前的事件也不能算——既然能在地球和火星上都发生，那就不能算十亿分之一了。&/p&&p&&br&&/p&&p&如果我们真的很稀有，那可能是因为一个侥幸的生物事件，也可能是因为地球殊异假说(Rare&br&Earth Hypothesis)——虽然有很多类似地球的行星，但是地球上的特有环境（包括与太阳系之间的特定关联和与月亮的关联），或者其它关于地球的种种，是非常适合生命存在的。&/p&&p&&br&&/p&&p&&b&2.我们是第一批&/b&&/p&&p&对于相信第一类解释的人来说，如果大过滤器不是发生在过去，那么我们的仅存的希望就是宇宙是直到最近才变得适合智能生命发展的。这样的话，我们和其它物种都还在朝超级智能的方向发展，超级智能只是暂时还没发生罢了。我们凑齐是第一批可能成为超级智能文明的物种之一。&/p&&figure&&img src=&https://pic1.zhimg.com/50/a5b0b008d00f95_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&438& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic1.zhimg.com/50/a5b0b008d00f95_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&一个例子就是很常见的伽马射线暴，我们能从远方的星系中观测到。就好像地球花了几亿年才平息了火山爆发和陨石撞击，很可能之前的宇宙都是充满了这种灾难，比如会时不时出现的会焚烧所有东西的伽马射线暴，这使得生命难以发展过特定的阶段。现在我们可能正处在天文生物相变阶段，所以这可能是生命第一次能不被打扰的发展这么长时间。&/p&&p&&br&&/p&&p&&b&3. 我们有大麻烦了(大过滤器就在我们前面)&/b&&/p&&p&如果我们既不是稀有，又不是第一批的，那么第一类解释的唯一可能就是大过滤器会出现在我们的未来。也就是说生命常常能够进化到我们这个阶段，但是有一些因素阻止绝大多数生命继续发展到更高等的文明——人类不太可能是特例。一个可能的大过滤器是经常出现的自然灾变。比如上面提到的伽马射线暴，不过伽马射线暴还没完，说不定哪天地球生命就突然被灭绝了。另一种可能是智能文明到达一定的技术水平后不可避免的把自己毁灭了。&/p&&figure&&img src=&https://pic1.zhimg.com/50/2d0cb275a7bf15c1f0758_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1024& data-rawheight=&528& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&https://pic1.zhimg.com/50/2d0cb275a7bf15c1f0758_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&这就是为什么牛津哲学家Nick&br&Bostrom认为：“&b&没有消息就是最好的消息。即使我们在火星上发现简单的生命也将是灾难性的信号，因为这将大大减低我们已经越过大过滤器的这种可能性，如果我们在火星发现复杂生命的化石，那将是人类历史上最糟糕的新闻，因为这说明大过滤器几乎肯定会发生在我们的未来&/b&——这将导致物种的毁灭。”Bostrom认为在费米悖论这个事情上，“夜空的沉默是金。”&/p&&figure&&img src=&https://pic4.zhimg.com/50/47e717ab20cc723d7becbc71_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&500& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic4.zhimg.com/50/47e717ab20cc723d7becbc71_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&u&&b&第二类解释：II型和III型智能文明是存在的，因为一些原因我们还没和他们取得联系&/b&&/u&&/p&&p&&br&&/p&&p&第二类解释抛弃了我们是稀有的或者我们是第一批这种观点，他们认同平庸原理，也就是说除非有证据能够证明，不然人类、地球、太阳系、银河系，都没什么特别的。他们也不把高等智能存在的证据的缺失等同于高等智能的不存在——我们对于非地信号的搜索只有达到100光年的范围而已，是银河系直径的千分之一。以下是十种常见的第二类解释：&/p&&p&&br&&/p&&p&&b&可能1&/b&：超级智能可能已经造访过地球，但是那时候我们还不在。智能人（sentient&br&humans）只存在了5万年左右，算不上什么。如果和外星智能的接触发生在人类之前，那发生了什么我们无从得知——有记录的人类历史只有5500年，在那之前就算发生了什么牛逼的接触也没有办法流传下来。&/p&&p&&br&&/p&&p&&b&可能2&/b&：银河系已经被殖民了，我们只是生活在一个荒芜的角落里而已。就好像欧洲国家殖民了美洲很久之后，加拿大北边的因纽特部落才知道这个事情。高等物种的城市化可能已经在周围几个恒星系发生了，这些相邻的恒星系已经被殖民并且有交流，那专程跑到悬臂的一个莫名的角落（太阳系所在）实在没什么意义。&/p&&p&&br&&/p&&p&&b&可能3&/b&：对于高等物种来说，物理殖民是个很落后的概念。还记不记得前面提到的II型文明能建造的戴森球？有了那么多的能源，他们完全可以给自己建造一个完美的生存环境。或者他们有很先进的办法来减少对资源的需求，从而没有理由离开自己生活的乌托邦去探索冰冷、空白、未开化的宇宙。&/p&&p&&br&&/p&&p&一个更高等的文明可能把物质世界看做很原始的存在。当他们战胜了自身的生理，然后把大脑上传到虚拟现实的永恒天堂之后，生活在物质世界就好像我们看待原始物种生活在暗无天日的深海中一样无趣。&/p&&p&&br&&/p&&p&&b&可能4&/b&：存在着很有攻击性的文明，绝大部分智能生命都好自为之，不向外广播自己的位置。也就是大家熟悉的黑暗森林理论，这也可以拿来解释为什么SETI生命信号都收不到。这同样表明向外发送信号的人类图森破，拿衣服。现在有关于METI（Messaging to Extraterrestrial Intelligence，主动搜寻地外文明计划）的讨论，大部分人认为不应该做这个事情。霍金认为如果外星人造访我们，结果就会像哥伦布登陆美洲一样，对于美洲土著来说结果很糟糕。甚至是相信高等文明里面好人多的卡尔萨根也认为METI是很不明智很不成熟的，“初到新地方的小孩应该安静的倾听很久，耐心学习，然后再对着那未知的森林发声。”&/p&&p&&br&&/p&&p&&b&可能5：&/b&只存在一个高等智能生命——一个超级捕食者，一个比其他文明都要发达很多的文明，他们会消灭所有发展到了一定程度的文明。这是个很糟糕的可能性。消灭所有新生文明是很没有效率浪费资源的，很多新生文明自己就把自己玩死了，但是当一个文明越过了一定阶段后，超级文明就开始行动了。对于超级文明来说，一个新生的智能物种会像病毒一样成长和传播。这个理论表明第一个达成超级文明的种族会长赢下去，这也解释了为什么我们收不到任何信号。&/p&&p&&br&&/p&&p&&b&可能6&/b&：其实有很多活动和信号存在，只是我们的技术太原始，听到的都是错的东西。就好像我们走进一个现代化办公楼，然后打开一个对讲机，然后因为大家都是用手机和电脑的，所以你的对讲机什么都听不到，然后得出办公楼是空的这个结论。也可能如卡尔萨根所说，我们的大脑运作速度远远快过或者远远慢过别的文明，例如对方说一句你好要花12年，那我们接收到那个通讯的时候听上去就是白噪音罢了。&/p&&p&&br&&/p&&p&&b&可能7&/b&：我们已经和其它只能生命接触了，但是政府不让我们知道。这是个傻逼理论，列在这里纯粹是因为有很多人谈。&/p&&p&&br&&/p&&p&&b&可能8&/b&：高等文明知道我们的存在，并且在观测我们，就像观测动物园的动物一样。也就是说高等文明们存在于一个管制严格的星系，而地球是一个受保护的“国家公园”的一部分，对于这个“动物园”里面的我们，其他文明都要遵守一个“只能看不能摸”的规定。我们没有办法注意到观测者，因为如果一个远比我们聪明的物种想要观测我们，他们应该能很轻易的不让我们察觉到。就好像星际迷航里面的最高指导原则（Prime Directive）一样，超级智能生物不可以和人类这样的低等物种进行直接接触，直到人类发展到了一定程度为止。&/p&&p&&br&&/p&&p&&b&可能9&/b&：高等文明已经在我们身边了，但是我们太原始，以至于无法接触他们。物理学家加来道雄有这么个比喻：“比如说在森林中间有一座蚂蚁山，蚂蚁山旁边正在建造一条十车道的高速公路，蚂蚁会明白十车道高速公路是什么吗？蚂蚁会明白建造高速公路的技术，和建造公路的物种的意图吗？”&/p&&p&&br&&/p&&p&所以也许不是我们接收不到行星X发来的信号，而是我们根本不能理解行星X的生物是啥、想做什么。我们和对方的差距太远，就算对方想要给我们点指导，也会像教蚂蚁造高速公路一样没有意义。&/p&&p&&br&&/p&&p&这可能是对于“既然有那么多III型文明，为什么他们还没跟我们联系”这个问题的回答，当西班牙殖民者皮萨罗来到秘鲁的时候，他有没有停下来试图和蚂蚁山上的蚂蚁交流？他有没有帮助蚂蚁？他有没有对蚂蚁动武而延误他原本的使命？还是说，蚂蚁山上的蚂蚁，和皮萨罗完全、彻底、永远没有关系？&/p&&p&&br&&/p&&p&&b&可能10&/b&：我们对于现实的理解是完全错误的。有很多种可能性导致我们对于所有一切的想法都是错的。宇宙可能只是个投影，或者我们就是外星人，而只是被投放在地球做实验小白鼠的。甚至我们和黑客帝国里面一样，只是活在电脑的模拟现实中，而程序员忘了写其它物种的代码。&/p&&p&--------------------&/p&&p&&br&&/p&&p&&br&&/p&&p&在我们继续很可能无果的对非地智能的搜索过程中，我不知道该支持什么。实话说，不管我们是宇宙中唯一的智能生命，还是我们不是唯一，都感觉怪怪的。不管是哪种情况，都很神奇。&/p&&p&&br&&/p&&p&除去科幻的要素，费米悖论让人很谦卑。不是寻常的“我就是微不足道的短暂存在”这种感觉，而是在一种更私人的谦卑。当笔者花费几个小时研究这个课题，然后看到我们人类中最优秀的科学家给出的看似异想天开的理论、不断改变自己的立场、和同僚观点完全不符等等，提醒我未来的人们会看我们的笑话，就好像我们看把星星当作天堂底盘的古人的笑话一样。&/p&&p&&br&&/p&&p&而对于II型和III型文明的讨论，更是对我们物种自尊的打击。地球上，我们是快乐的山大王，是地球食物链的顶端。在这个气泡中我们没有对手，也没有外人来评价我们，我们很难感受到作为一种低等物种的感觉。但是笔者写作时候研究II型和III型文明，感觉人类的力量和骄傲实在是有点滑稽。&/p&&p&&br&&/p&&p&但是考虑到我一向觉得人类是荒芜的宇宙的一个角落中一块小石头上的孤儿，能够感受到这种“原来我们没有那么聪明”的谦卑感，和我们现在的很多认知都是错误的这种可能性，相比之下也不是太糟了。至少这打开了一个可能——虽然仅仅是个可能——故事远比我们知道的要大得多。&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&hr&&p&自我宣传一波，每天更新新内容的公众号谢熊猫君，和平常懒散的谢熊猫君彷若两人&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-80e2a3e16b9fdcce05e90cd_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&731& data-rawheight=&721& class=&origin_image zh-lightbox-thumb& width=&731& data-original=&https://pic2.zhimg.com/50/v2-80e2a3e16b9fdcce05e90cd_r.jpg&&&/figure&
原文地址：我在翻译时候有改动和少量删减。自日起转载请务必私信咨询，否则视为未授权转载 知乎 ============================= 任何一个人，在一个晴朗无月的晚上，在一个适合观星的地方，抬头望见满天星星，总是会…
上面的都太常见了，而且有些不算清纯，给你们看看什么是极品，&br&&figure&&img src=&https://pic3.zhimg.com/50/3ebdb5e6bd94c54ecbcc86_b.jpg& data-rawwidth=&428& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&428& data-original=&https://pic3.zhimg.com/50/3ebdb5e6bd94c54ecbcc86_r.jpg&&&/figure&&figure&&img src=&https://pic1.zhimg.com/50/86e252acffa66c983595_b.jpg& data-rawwidth=&440& data-rawheight=&587& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&https://pic1.zhimg.com/50/86e252acffa66c983595_r.jpg&&&/figure&
上面的都太常见了，而且有些不算清纯，给你们看看什么是极品，
&p&佳苗瑠华，仔细看了应该是正统的，最普遍的藏蓝色三本线水手服＋三角巾，看裙子不够锋利，算是一个缺点。双手背在伸手，身体略微向左边倾斜，头稍微歪一点，这是很少女的姿势。看脚和腿，刻意的摆出罗圈腿，这在日本貌似算萌点。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-67b505d3d6adb952f44c32f6f1374b42_b.jpg& data-rawwidth=&1424& data-rawheight=&748& class=&origin_image zh-lightbox-thumb& width=&1424& data-original=&https://pic4.zhimg.com/50/v2-67b505d3d6adb952f44c32f6f1374b42_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&桃乃木香奈，标准的西式制服，制服包上面的挂饰是亮点，虽然这裙子我觉得不好看，这种右手握肩带，转一圈，然后摄影师抓拍的效果会很好，可以明显看出来头还是有点歪的，所以歪头大约10度是模特常用的姿势，建议妹子好好学习。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-be1d32ff998f894fcab6_b.jpg& data-rawwidth=&1692& data-rawheight=&864& class=&origin_image zh-lightbox-thumb& width=&1692& data-original=&https://pic4.zhimg.com/50/v2-be1d32ff998f894fcab6_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&迹美珠里，单车＋妹子也是很好的拍摄题材，不过这张天空死白是一大败笔。衬衣＋格子裙＋领结是标准的西式制服，一般高中妹子会这么穿，不过这个领结真丑...可以看到机位很低，所以看起来腿长。&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-b991ee9fadf3b37994b35_b.jpg& data-rawwidth=&1710& data-rawheight=&964& class=&origin_image zh-lightbox-thumb& width=&1710& data-original=&https://pic3.zhimg.com/50/v2-b991ee9fadf3b37994b35_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&早乙女由依，低双马尾的造型不是一般人能驾驭的，经常会看起来很“村姑”。短袖衬衣＋领绳＋背心也是常见的风格，在我看来背心或者开衫属于萌点，不同颜色的背心带来的效果也不同，譬如卡其色、白色、粉色、灰色等等。双手撑床，然后侧身看镜头是很好的姿势，不过我没抓拍到...&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-d6afc2edfb687b2e8881ca_b.jpg& data-rawwidth=&1500& data-rawheight=&856& class=&origin_image zh-lightbox-thumb& width=&1500& data-original=&https://pic3.zhimg.com/50/v2-d6afc2edfb687b2e8881ca_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&迹美珠里，西式制服，长袖衬衣＋领结＋开衫＋格子裙，我一直觉得开衫会更可爱一些，袖子挽起来，露出一小段手臂，如果妹子的胳膊很白，这也是很抓人眼球的点，这种小的亮点很值得学习。室内拍摄jk制服也是很好的，这种坐在沙发上，两手放在两腿之间，身子略微向左倾斜，头看着右边，嘴略微嘟起，非常有少女感，值得注意的是拍照的时候一定要把两只眼睛都拍到，所以头转多少度，机位在哪个方向，需要摄影师把控好。当然这桌子上的东西很碍眼，建议拍摄这种题材的时候，不要有太多杂乱的东西。&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-f80c04e6e1bbcb4da37839_b.jpg& data-rawwidth=&1694& data-rawheight=&868& class=&origin_image zh-lightbox-thumb& width=&1694& data-original=&https://pic3.zhimg.com/50/v2-f80c04e6e1bbcb4da37839_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&宇佐美舞，有些时候头拍一半，就像图里这样的，也会很好看。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-ed91aa0fee9d_b.jpg& data-rawwidth=&1428& data-rawheight=&802& class=&origin_image zh-lightbox-thumb& width=&1428& data-original=&https://pic4.zhimg.com/50/v2-ed91aa0fee9d_r.jpg&&&/figure&&p&&br&&/p&&p&这张也是，头只拍了一半，目的是为了让你能更关注模特的面部，另外注意一下眼神光，任何时候拍照，有一点点眼神光都会让妹子变得更好看。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-9bcb43156b4edcdc2582_b.jpg& data-rawwidth=&1440& data-rawheight=&808& class=&origin_image zh-lightbox-thumb& width=&1440& data-original=&https://pic1.zhimg.com/50/v2-9bcb43156b4edcdc2582_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&i&纱仓&/i&真菜，三本线水手服，还是夏服，这种从上往下拍的角度很好，当然这张拍的感觉并不好。从上往下拍打多会显得脸大，所以可以用手挡一下，另外因为水手服不会收腰，所以这种露出一点点肚子的照片会显得很好看，有那么一点点的诱惑在里面。还有一个亮点值得说说，嘴巴上的高光，经常有摄影师在嘴巴上强行p一个高光，至于为啥，我也不知道。。&/p&&p&&br&&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-04fa10ac674acbbcc09a8f5d444d0f84_b.jpg& data-rawwidth=&1442& data-rawheight=&808& class=&origin_image zh-lightbox-thumb& width=&1442& data-original=&https://pic2.zhimg.com/50/v2-04fa10ac674acbbcc09a8f5d444d0f84_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&天使萌，又是一套西式制服，卡其色开衫＋红色领结似乎是百搭的，领结没有拉紧，这种松垮垮的领结大多适用于比较轻松的场景。我记得知乎有个提问叫什么少女感的照片，我觉得这套片子完全可以回答那个问题，模特很好的展示了各种少女感，虽然这是视频，但通过截图可以读取到各种少女感的画面，譬如用手捋头发、回眸、摸脖子，都是非常可爱的画面，三张图你会发现模特的头都是略微歪着的，这是知识点快记下来！&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-f22bc14e774aa6e8ba41d_b.jpg& data-rawwidth=&1698& data-rawheight=&870& class=&origin_image zh-lightbox-thumb& width=&1698& data-original=&https://pic1.zhimg.com/50/v2-f22bc14e774aa6e8ba41d_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-16a4b46c1f4bb522c0c8dff7_b.jpg& data-rawwidth=&1694& data-rawheight=&876& class=&origin_image zh-lightbox-thumb& width=&1694& data-original=&https://pic3.zhimg.com/50/v2-16a4b46c1f4bb522c0c8dff7_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-6badbaffe503faf977afdb02b21d656a_b.jpg& data-rawwidth=&1710& data-rawheight=&868& class=&origin_image zh-lightbox-thumb& width=&1710& data-original=&https://pic4.zhimg.com/50/v2-6badbaffe503faf977afdb02b21d656a_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&天使萌，又是一套西式。低机位，模特走楼梯，然后回眸看镜头，右手在身后，左手在胸口，非常少女感的姿势，当然这张画质比较烂，如果是拍照的话，可以正面补一个光。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-e8ebcd77a0e9b3d6fabeb25a0e214e86_b.jpg& data-rawwidth=&1696& data-rawheight=&872& class=&origin_image zh-lightbox-thumb& width=&1696& data-original=&https://pic4.zhimg.com/50/v2-e8ebcd77a0e9b3d6fabeb25a0e214e86_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&桥本有菜，西式制服，在教室里，比较干净的环境，然后闭眼伸懒腰，也是很好看的。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-5e830eeaa5bd7a7f8c780c_b.jpg& data-rawwidth=&1696& data-rawheight=&872& class=&origin_image zh-lightbox-thumb& width=&1696& data-original=&https://pic2.zhimg.com/50/v2-5e830eeaa5bd7a7f8c780c_r.jpg&&&/figure&&p&这种两手放在大腿之间，身子前倾看镜头也很好看。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-05abe9223dfae_b.jpg& data-rawwidth=&1696& data-rawheight=&868& class=&origin_image zh-lightbox-thumb& width=&1696& data-original=&https://pic1.zhimg.com/50/v2-05abe9223dfae_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&安部未华子，这套是水手服＋开衫，不同于上面的那些，意外的很好看。侧头、背手、制服包在身后、单脚抬起，这些都是萌点，你学到了没？&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-9056aebfd732dbc3ddc6b_b.jpg& data-rawwidth=&1440& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1440& data-original=&https://pic3.zhimg.com/50/v2-9056aebfd732dbc3ddc6b_r.jpg&&&/figure&&p&&br&&/p&&p&逆光人像，学到了没？&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-cf8e59ab_b.jpg& data-rawwidth=&1434& data-rawheight=&768& class=&origin_image zh-lightbox-thumb& width=&1434& data-original=&https://pic3.zhimg.com/50/v2-cf8e59ab_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&强行前景，制造立体感，另外你注意到眼神光了没？&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-c8a42ecfc038ba0bf379ff34f8ce35d5_b.jpg& data-rawwidth=&1444& data-rawheight=&806& class=&origin_image zh-lightbox-thumb& width=&1444& data-original=&https://pic2.zhimg.com/50/v2-c8a42ecfc038ba0bf379ff34f8ce35d5_r.jpg&&&/figure&&p&&br&&/p&&p&好了，我实在编不下去了，其实还有各种好看的制服照，但由于某种原因，不适合发出来，我就不发了，下面进入正题。（这前戏真够长）&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&绿二本关东襟，我一直觉得水手服＋领结最好看。另外拍妹子扎头发是摄影师非常喜欢的，另外还有一种是妹子嘴里咬着皮筋，也很好看。&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-b7bd08c575850bfbb8bf1fb_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/50/v2-b7bd08c575850bfbb8bf1fb_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-9b3f83b73dd_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/50/v2-9b3f83b73dd_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&这就是所谓的少女感吧？&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-dae9cab2c4cea10a878616_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/50/v2-dae9cab2c4cea10a878616_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-50b285c59b79c033e42befeaf6d56c17_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic3.zhimg.com/50/v2-50b285c59b79c033e42befeaf6d56c17_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&趴着，然后头拍一半，另外要记得眼神光。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-552c73f75e_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-552c73f75e_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&一点点惊讶的感觉&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-5b2f7ceb6b2d9ddd1c3aed_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-5b2f7ceb6b2d9ddd1c3aed_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&各种小物件，所以以后拍妹子记得带各种东西，指不定就能用上了。&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-78efe29d036cfd141af2_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/50/v2-78efe29d036cfd141af2_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-87eb1a25c4617b2fecfee0f37d0f927c_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-87eb1a25c4617b2fecfee0f37d0f927c_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-bdabb3b609fefa4e48c616_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/50/v2-bdabb3b609fefa4e48c616_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-e4b052a15a6cb0ff47667bfcde709a07_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic3.zhimg.com/50/v2-e4b052a15a6cb0ff47667bfcde709a07_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&拍镜子里的jk&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-6b1e51cff72bdefba2db1_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-6b1e51cff72bdefba2db1_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&利用好各种街景&/p&&figure&&img src=&https://pic1.zhimg.com/50/v2-e48f2ac4adf79f3ada5e5b6_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic1.zhimg.com/50/v2-e48f2ac4adf79f3ada5e5b6_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&利用前景制造一种空间感&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-91cccc10b407f2805eba1d3_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/50/v2-91cccc10b407f2805eba1d3_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&这张我觉得无可挑剔，可爱＋一点点性感。&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-e6dd177b71f_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-e6dd177b71f_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&天略黑的时候拍，拍出漂亮的光斑&/p&&figure&&img src=&https://pic2.zhimg.com/50/v2-48d910a0cad2d4d6f3c28_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic2.zhimg.com/50/v2-48d910a0cad2d4d6f3c28_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&大头照，回眸，眼神光，嘴唇上的高光，逆光让头发上有着亮边，背景完全虚化，这些都是很值得学习的。&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-7feedaba604fef6_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic3.zhimg.com/50/v2-7feedaba604fef6_r.jpg&&&/figure&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&&br&&/p&&p&图太多了，全是双马尾jk，随便发几张吧&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-acb242386_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-acb242386_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-dd05ecfa721491ebacaa8_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic3.zhimg.com/50/v2-dd05ecfa721491ebacaa8_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-3cd675b9ec_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-3cd675b9ec_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic4.zhimg.com/50/v2-7cca6165225_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic4.zhimg.com/50/v2-7cca6165225_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-54c2c93f8e336ffa836574_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic3.zhimg.com/50/v2-54c2c93f8e336ffa836574_r.jpg&&&/figure&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/50/v2-ade322a0747221ffaeee87_b.jpg& data-rawwidth=&960& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&https://pic3.zhimg.com/50/v2-ade322a0747221ffaeee87_r.jpg&&&/figure&&p&&/p&
佳苗瑠华，仔细看了应该是正统的，最普遍的藏蓝色三本线水手服＋三角巾，看裙子不够锋利，算是一个缺点。双手背在伸手，身体略微向左边倾斜，头稍微歪一点，这是很少女的姿势。看脚和腿，刻意的摆出罗圈腿，这在日本貌似算萌点。 桃乃木香奈，标准的西式制…
18年1月11日更新&br&已经吃上奥利奥了。没有其他变化，耗电增加，BUG变多。流畅度增加，性能应该强了，不玩游戏，你可能更喜欢MIUI8，因为省电。&br&&br&给老妈换了荣耀8，嗯，体验完EMUI5.0后，我只想说，华为进步神速。小米加油，领头羊不好做！&br&---------------------分割线-------------------------&br&7月31日更新&br&周末是没有更新的，想更新是不可能的，没有包。程序猿也是要休息的。&br&周一下午是4点推送的包，按照这个趋势，以后的推送都在4点后了。&br&这次的包写的是修复若干bug。经过三个小时模拟中度使用体验，耗电有所改善。满电，不打游戏，中度使用，一直不关屏幕，估计能连续不断用10个小时。&br&MIUI9，会和小米6一样，会是一个中规中矩的版本，也可以说是小米8年来的一次厚积薄发。没有明显的缺陷，至于优点，嗯，大概，就是谷歌亲儿子用着谷歌最新版本的体验吧，缺的只差第三方的适配了。毕竟，我的一个程序猿朋友说过，最讨厌miui，因为要特地为它适配。&br&----------------------分割线-------------------------&br&7月29日更新&br&周末开发组放假，要周一才有更新包了。&br&另外，微信不能秒开的问题，可以删除微信，然后重装微信，就可以秒开微信了。但是，历史记录全没了。&br&主题，ios11完美复刻，ios11完美，雅白，三个混搭的。通知栏是雅白，作者灵猫。ios11完美作者也是灵猫。ios11完美复刻作者安月。&br&----------------------分割线-------------------------&br&7月28日下午更新&br&把引战的部分删除了。&br&7.28下午推送了7.28的更新包，更新了图片搜索功能。图片搜索功能还可以，只是稍微有些不完善，比如下面这张图。&br&&br&&figure&&img src=&https://pic1.zhimg.com/50/v2-4cb2f5a0b041f218b5c5eb70ca4d75c2_b.jpg& data-rawwidth=&1080& data-rawheight=&1920& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/50/v2-4cb2f5a0b041f218b5c5eb70ca4d75c2_r.jpg&&&/figure&&br&&figure&&img src=&https://pic1.zhimg.com/50/v2-a57fdde2399af_b.jpg& data-rawwidth=&1080& data-rawheight=&1920& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic1.zhimg.com/50/v2-a57fdde2399af_r.jpg&&&/figure&只是张普通的背景，却被分类到游乐园，照片搜索还是解决掉了一部分用户的痛点，但是有待完善。下午的更新包写的是提高系统的稳定性。&br&另外bug部分，随着大家一天的使用下来，更多的是软件和系统间的兼容还存在一些问题，会出现无反应的现象。另外程序间的跳转也存在卡顿。&br&耗电问题等明天的更新包再观察。&br&MIUI9对比国内其他UI，嗯，当然有的人也自称OS，在稳定性，流畅性上应该是不输任何一家了。&br&至于简洁与否，就看大家各自理解了。至于ADUI，96%的广告是可以关的，至于剩下4%，其他UI也有的，好么？别再盯着一点打穿了，论坛一搜，怎么关AD的帖子一堆。&br&-----------------------分割线------------------------------&br&7月28日更新&br&待机进步很大，大概4个小时不到，耗电2%&br&不过平时使用的电量曲线与x轴成45°&br&如图&br&&br&&figure&&img src=&https://pic4.zhimg.com/50/v2-418bc6cb6ff4989d6cfc307f7d30d09b_b.jpg& data-rawwidth=&1080& data-rawheight=&1920& class=&origin_image zh-lightbox-thumb& width=&1080& data-original=&https://pic4.zhimg.com/50/v2-418bc6cb6ff4989d6cfc307f7d30d09b_r.jpg&&&/figure&右上角的数字真的是可以看得到的持续下降&br&-------------------------分割线-----------------------------------&br&7月27日&br&作为第一批MIUI9适配的一份子，我只想说，快，非常快，快到你不相信，除了微信。微信第一次打开是卡5秒，然后进去，后面都是秒开。至于其他软件，第一次开，就和你切个后台一样快。这不是我一个人的看法，这是一整个内测群的评价，和宣传语一样，快如闪电。&br&但是，其他功能就尴尬了。传送门还没很好的配置，鸡肋。&br&耗电增加了一些，耗电曲线基本上是与x轴成30°。&br&其他bug个人还没有发现，内测群里也基本没有人说到bug。&br&总之，随着后续的反馈和功能的完善，miui9对得起大家的期盼。&br&另外，跑分并没有提高，空调房温度27摄氏度，重启手机，开始跑手机28摄氏度，跑完手机34摄氏度的情况下，跑分18万1，与miui8最高成绩基本持平。内存存储的测试结果也基本没有变化。&br&终于有个可以回答的问题了。
18年1月11日更新 已经吃上奥利奥了。没有其他变化，耗电增加，BUG变多。流畅度增加，性能应该强了，不玩游戏，你可能更喜欢MIUI8，因为省电。 给老妈换了荣耀8，嗯，体验完EMUI5.0后，我只想说，华为进步神速。小米加油，领头羊不好做！ ------------------…
&figure&&img src=&https://pic3.zhimg.com/v2-da6e908fbff06e8e14c60d86d776d225_b.jpg& data-rawwidth=&768& data-rawheight=&576& class=&origin_image zh-lightbox-thumb& width=&768& data-original=&https://pic3.zhimg.com/v2-da6e908fbff06e8e14c60d86d776d225_r.jpg&&&/figure&&p&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-abd42bbb61ee_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&558& data-rawheight=&315& class=&origin_image zh-lightbox-thumb& width=&558& data-original=&https://pic1.zhimg.com/v2-abd42bbb61ee_r.jpg&&&/figure&&p&作为一名久经片场的老司机，早就想写一些探讨驾驶技术的文章。这篇就介绍利用生成式对抗网络（GAN）的两个基本驾驶技能：&br&&/p&&p&1) 去除(爱情)动作片中的马赛克&/p&&p&2) 给(爱情)动作片中的女孩穿(tuo)衣服&/p&&p&&br&&/p&&h2&生成式模型&/h2&&p&上一篇《&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&用GAN生成二维样本的小例子&/a&》中已经简单介绍了GAN，这篇再简要回顾一下生成式模型，算是补全一个来龙去脉。&/p&&p&生成模型就是能够产生指定分布数据的模型，常见的生成式模型一般都会有一个用于产生样本的简单分布。例如一个均匀分布，根据要生成分布的概率密度函数，进行建模，让均匀分布中的样本经过变换得到指定分布的样本，这就可以算是最简单的生成式模型。比如下面例子：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-d11b5fb26d3cc8e942f841bafe010cd8_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1021& data-rawheight=&443& class=&origin_image zh-lightbox-thumb& width=&1021& data-original=&https://pic1.zhimg.com/v2-d11b5fb26d3cc8e942f841bafe010cd8_r.jpg&&&/figure&&p&图中左边是一个自定义的概率密度函数，右边是相应的1w个样本的直方图，自定义分布和生成这些样本的代码如下：&br&&/p&&div class=&highlight&&&pre&&code class=&language-python&&&span&&/span&&span class=&kn&&from&/span& &span class=&nn&&functools&/span& &span class=&kn&&import&/span& &span class=&n&&partial&/span&
&span class=&kn&&import&/span& &span class=&nn&&numpy&/span&
&span class=&kn&&from&/span& &span class=&nn&&matplotlib&/span& &span class=&kn&&import&/span& &span class=&n&&pyplot&/span&
&span class=&c1&&# Define a PDF&/span&
&span class=&n&&x_samples&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&arange&/span&&span class=&p&&(&/span&&span class=&o&&-&/span&&span class=&mi&&3&/span&&span class=&p&&,&/span& &span class=&mf&&3.01&/span&&span class=&p&&,&/span& &span class=&mf&&0.01&/span&&span class=&p&&)&/span&
&span class=&n&&PDF&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&empty&/span&&span class=&p&&(&/span&&span class=&n&&x_samples&/span&&span class=&o&&.&/span&&span class=&n&&shape&/span&&span class=&p&&)&/span&
&span class=&n&&PDF&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&&/span& &span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&round&/span&&span class=&p&&(&/span&&span class=&n&&x_samples&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&&/span& &span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&+&/span& &span class=&mf&&3.5&/span&&span class=&p&&)&/span& &span class=&o&&/&/span& &span class=&mi&&3&/span&
&span class=&n&&PDF&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&=&/span& &span class=&mi&&0&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&mf&&0.5&/span& &span class=&o&&*&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&cos&/span&&span class=&p&&(&/span&&span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&pi&/span& &span class=&o&&*&/span& &span class=&n&&x_samples&/span&&span class=&p&&[&/span&&span class=&n&&x_samples&/span& &span class=&o&&&=&/span& &span class=&mi&&0&/span&&span class=&p&&])&/span& &span class=&o&&+&/span& &span class=&mf&&0.5&/span&
&span class=&n&&PDF&/span& &span class=&o&&/=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&sum&/span&&span class=&p&&(&/span&&span class=&n&&PDF&/span&&span class=&p&&)&/span&
&span class=&c1&&# Calculate approximated CDF&/span&
&span class=&n&&CDF&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&empty&/span&&span class=&p&&(&/span&&span class=&n&&PDF&/span&&span class=&o&&.&/span&&span class=&n&&shape&/span&&span class=&p&&)&/span&
&span class=&n&&cumulated&/span& &span class=&o&&=&/span& &span class=&mi&&0&/span&
&span class=&k&&for&/span& &span class=&n&&i&/span& &span class=&ow&&in&/span& &span class=&nb&&range&/span&&span class=&p&&(&/span&&span class=&n&&CDF&/span&&span class=&o&&.&/span&&span class=&n&&shape&/span&&span class=&p&&[&/span&&span class=&mi&&0&/span&&span class=&p&&]):&/span&
&span class=&n&&cumulated&/span& &span class=&o&&+=&/span& &span class=&n&&PDF&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span&
&span class=&n&&CDF&/span&&span class=&p&&[&/span&&span class=&n&&i&/span&&span class=&p&&]&/span& &span class=&o&&=&/span& &span class=&n&&cumulated&/span&
&span class=&c1&&# Generate samples&/span&
&span class=&n&&generate&/span& &span class=&o&&=&/span& &span class=&n&&partial&/span&&span class=&p&&(&/span&&span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&interp&/span&&span class=&p&&,&/span& &span class=&n&&xp&/span&&span class=&o&&=&/span&&span class=&n&&CDF&/span&&span class=&p&&,&/span& &span class=&n&&fp&/span&&span class=&o&&=&/span&&span class=&n&&x_samples&/span&&span class=&p&&)&/span&
&span class=&n&&u_rv&/span& &span class=&o&&=&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&random&/span&&span class=&o&&.&/span&&span class=&n&&random&/span&&span class=&p&&(&/span&&span class=&mi&&10000&/span&&span class=&p&&)&/span&
&span class=&n&&x&/span& &span class=&o&&=&/span& &span class=&n&&generate&/span&&span class=&p&&(&/span&&span class=&n&&u_rv&/span&&span class=&p&&)&/span&
&span class=&c1&&# Visualization&/span&
&span class=&n&&fig&/span&&span class=&p&&,&/span& &span class=&p&&(&/span&&span class=&n&&ax0&/span&&span class=&p&&,&/span& &span class=&n&&ax1&/span&&span class=&p&&)&/span& &span class=&o&&=&/span& &span class=&n&&pyplot&/span&&span class=&o&&.&/span&&span class=&n&&subplots&/span&&span class=&p&&(&/span&&span class=&n&&ncols&/span&&span class=&o&&=&/span&&span class=&mi&&2&/span&&span class=&p&&,&/span& &span class=&n&&figsize&/span&&span class=&o&&=&/span&&span class=&p&&(&/span&&span class=&mi&&9&/span&&span class=&p&&,&/span& &span class=&mi&&4&/span&&span class=&p&&))&/span&
&span class=&n&&ax0&/span&&span class=&o&&.&/span&&span class=&n&&plot&/span&&span class=&p&&(&/span&&span class=&n&&x_samples&/span&&span class=&p&&,&/span& &span class=&n&&PDF&/span&&span class=&p&&)&/span&
&span class=&n&&ax0&/span&&span class=&o&&.&/span&&span class=&n&&axis&/span&&span class=&p&&([&/span&&span class=&o&&-&/span&&span class=&mf&&3.5&/span&&span class=&p&&,&/span& &span class=&mf&&3.5&/span&&span class=&p&&,&/span& &span class=&mi&&0&/span&&span class=&p&&,&/span& &span class=&n&&numpy&/span&&span class=&o&&.&/span&&span class=&n&&max&/span&&span class=&p&&(&/span&&span class=&n&&PDF&/span&&span class=&p&&)&/span&&span class=&o&&*&/span&&span class=&mf&&1.1&/span&&span class=&p&&])&/span&
&span class=&n&&ax1&/span&&span class=&o&&.&/span&&span class=&n&&hist&/span&&span class=&p&&(&/span&&span class=&n&&x&/span&&span class=&p&&,&/span& &span class=&mi&&100&/span&&span class=&p&&)&/span&
&span class=&n&&pyplot&/span&&span class=&o&&.&/span&&span class=&n&&show&/span&&span class=&p&&()&/span&
&/code&&/pre&&/div&&p&对于一些简单的情况，我们会假设已知有模型可以很好的对分布进行建模，缺少的只是合适的参数。这时候很自然只要根据观测到的样本，学习参数让当前观测到的样本下的似然函数最大，这就是最大似然估计(&b&M&/b&aximum &b&L&/b&ikelihood &b&E&/b&stimation)：&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Chat%7B%5Ctheta%7D%3D%5Coperatorname%2A%7Bargmax%7D_%7B%5Ctheta%7D+P%28%5Cbm%7Bx%7D%7C%5Ctheta%29+%3D+%5Coperatorname%2A%7Bargmax%7D_%7B%5Ctheta%7D+%5Cprod_%7Bi%3D1%7D%5E%7Bn%7DP%28x_i%7C%5Ctheta%29+& alt=&\hat{\theta}=\operatorname*{argmax}_{\theta} P(\bm{x}|\theta) = \operatorname*{argmax}_{\theta} \prod_{i=1}^{n}P(x_i|\theta) & eeimg=&1&&&/p&&p&MLE是一个最基本的思路，实践中用得很多的还有KL散度(Kullback–Leibler divergence)，假设真实分布是P，采样分布是Q，则KL散度为：&/p&&p&&img src=&https://www.zhihu.com/equation?tex=D_%7BKL%7D%28P%7C%7CQ%29%3D%5Csum_%7Bx+%5Cin+%5COmega%7DP%28%7Bx%7D%29%5Clog%5Cfrac%7BP%28x%29%7D%7BQ%28x%29%7D+& alt=&D_{KL}(P||Q)=\sum_{x \in \Omega}P({x})\log\frac{P(x)}{Q(x)} & eeimg=&1&&&/p&&p&从公式也能看出来，KL散度描述的是两个分布的差异程度。换个角度来看，让产生的样本和原始分布接近，也就是要让这俩的差异减小，所以最小化KL散度就等同于MLE。从公式上来看的话，我们考虑把公式具体展开一下：&/p&&p&&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Cbegin%7Balign%7D+D_%7BKL%7D%28P%7C%7CQ%29+%26%3D%5Csum_%7Bx+%5Cin+%5COmega%7DP%28%7Bx%7D%29%5Clog%5Cfrac%7BP%28x%29%7D%7BQ%28x%29%7D+%5C%5C+%26+%3D-%5Csum_%7Bx%5Cin%5COmega%7DP%28%7Bx%7D%29%5Clog%7BQ%28x%29%7D+%2B%5Csum_%7Bx%5Cin%5COmega%7DP%28%7Bx%7D%29%5Clog%7BP%28x%29%7D+%5C%5C+%26+%3D-%5Csum_%7Bx%5Cin%5COmega%7DP%28%7Bx%7D%29%5Clog%7BQ%28x%29%7D+%2BH%28P%29+%5Cend%7Balign%7D& alt=&\begin{align} D_{KL}(P||Q) &=\sum_{x \in \Omega}P({x})\log\frac{P(x)}{Q(x)} \\ & =-\sum_{x\in\Omega}P({x})\log{Q(x)} +\sum_{x\in\Omega}P({x})\log{P(x)} \\ & =-\sum_{x\in\Omega}P({x})\log{Q(x)} +H(P) \end{align}& eeimg=&1&&&/p&&p&公式的第二项就是熵，先不管这项，用H(P)表示。接下来考虑一个小trick：从Q中抽样n个样本&img src=&https://www.zhihu.com/equation?tex=%7Bx_1%2Cx_2%2C...%2Cx_n%7D& alt=&{x_1,x_2,...,x_n}& eeimg=&1&&，来估算P(x)的经验值(empirical density function)：&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Chat%7BP%7D%28x%29%3D%5Cfrac+1+n+%5Csum_%7Bi%3D1%7D%5En+%5Cdelta%28x_i-x%29& alt=&\hat{P}(x)=\frac 1 n \sum_{i=1}^n \delta(x_i-x)& eeimg=&1&&&/p&&p&其中&img src=&https://www.zhihu.com/equation?tex=%5Cdelta%28%5Ccdot%29& alt=&\delta(\cdot)& eeimg=&1&&是狄拉克&img src=&https://www.zhihu.com/equation?tex=%5Cdelta& alt=&\delta& eeimg=&1&&函数，把这项替换到上面公式的P(x)：&/p&&p&&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=%5Cbegin%7Balign%7D+D_%7BKL%7D%28P%7C%7CQ%29+%26%3D-%5Csum_%7Bx%5Cin%5COmega%7D%5Cfrac+1+n+%5Csum_%7Bi%3D1%7D%5En+%5Cdelta%28x_i-x%29%5Clog%7BQ%28x%29%7D+%2BH%28P%29+%5C%5C+%26+%3D-%5Cfrac+1+n+%5Csum_%7Bi%3D1%7D%5En+%5Csum_%7Bx%5Cin%5COmega%7D+%5Cdelta%28x_i-x%29%5Clog%7BQ%28x%29%7D+%2BH%28P%29+%5Cend%7Balign%7D& alt=&\begin{align} D_{KL}(P||Q) &=-\sum_{x\in\Omega}\frac 1 n \sum_{i=1}^n \delta(x_i-x)\log{Q(x)} +H(P) \\ & =-\frac 1 n \sum_{i=1}^n \sum_{x\in\Omega} \delta(x_i-x)\log{Q(x)} +H(P) \end{align}& eeimg=&1&&&/p&&p&因为是离散的采样值，所以&img src=&https://www.zhihu.com/equation?tex=%5Csum_%7Bx%5Cin%5COmega%7D+%5Cdelta%28x_i-x%29& alt=&\sum_{x\in\Omega} \delta(x_i-x)& eeimg=&1&&中只有&img src=&https://www.zhihu.com/equation?tex=x%3Dx_i& alt=&x=x_i& eeimg=&1&&的时候狄拉克&img src=&https://www.zhihu.com/equation?tex=%5Cdelta& alt=&\delta& eeimg=&1&&函数才为1，所以考虑&img src=&https://www.zhihu.com/equation?tex=x%3Dx_i& alt=&x=x_i& eeimg=&1&&时这项直接化为1：&/p&&p&&br&&/p&&p&&img src=&https://www.zhihu.com/equation?tex=D_%7BKL%7D%28P%7C%7CQ%29+%3D-%5Cfrac+1+n%5Csum_%7Bi%3D1%7D%5En+%5Clog%7BQ%28x_i%29%7D+%2BH%28P%29& alt=&D_{KL}(P||Q) =-\frac 1 n\sum_{i=1}^n \log{Q(x_i)} +H(P)& eeimg=&1&&&/p&&p&第一项正是似然的负对数形式。&/p&&p&说了些公式似乎跑得有点远了，其实要表达还是那个简单的意思：通过减小两个分布的差异可以让一个分布逼近另一个分布。仔细想想，这正是GAN里面adversarial loss的做法。&/p&&p&很多情况下我们面临的是更为复杂的分布，比如&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&上篇文章&/a&中的例子，又或是实际场景中更复杂的情况，比如生成不同人脸的图像。这时候，作为具有universal approximation性质的神经网络是一个看上去不错的选择[1]：&br&&/p&&figure&&img src=&https://pic4.zhimg.com/v2-6fee20494f50baae2c1dc5fc_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&1561& data-rawheight=&549& class=&origin_image zh-lightbox-thumb& width=&1561& data-original=&https://pic4.zhimg.com/v2-6fee20494f50baae2c1dc5fc_r.jpg&&&/figure&&p&所以虽然GAN里面同时包含了生成网络和判别网络，但本质来说GAN的目的还是生成模型。从生成式模型的角度，Ian Goodfellow总结过一个和神经网络相关生成式方法的“家谱”[1]：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-8c6f1d8ee39dfbb4fcfb2_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&771& data-rawheight=&498& class=&origin_image zh-lightbox-thumb& width=&771& data-original=&https://pic1.zhimg.com/v2-8c6f1d8ee39dfbb4fcfb2_r.jpg&&&/figure&&p&在这其中，当下最流行的就是GAN和&b&V&/b&ariational &b&A&/b&uto&b&E&/b&ncoder(VAE)，两种方法的一个简明示意如下[3]：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-380cde71a2f6ece28b4a97_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&568& data-rawheight=&274& class=&origin_image zh-lightbox-thumb& width=&568& data-original=&https://pic1.zhimg.com/v2-380cde71a2f6ece28b4a97_r.jpg&&&/figure&&p&本篇不打算展开讲什么是VAE，不过通过这个图，和名字中的autoencoder也大概能知道，VAE中生成的loss是基于重建误差的。而只基于重建误差的图像生成，都或多或少会有图像模糊的缺点，因为误差通常都是针对全局。比如基于MSE(Mean Squared Error)的方法用来生成超分辨率图像，容易出现下面的情况[4]：&/p&&p&&br&&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-78f53b142fab51b0c09a1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&892& data-rawheight=&598& class=&origin_image zh-lightbox-thumb& width=&892& data-original=&https://pic1.zhimg.com/v2-78f53b142fab51b0c09a1_r.jpg&&&/figure&&p&在这个二维示意中，真实数据分布在一个U形的流形上，而MSE系的方法因为loss的形式往往会得到一个接近平均值所在的位置（蓝色框）。&/p&&p&GAN在这方面则完爆其他方法，因为目标分布在流形上。所以只要大概收敛了，就算生成的图像都看不出是个啥，清晰度常常是有保证的，而这正是去除女优身上马赛克的理想特性！&/p&&p&&br&&/p&&h2&马赛克-&清晰画面：超分辨率(Super Resolution)问题&/h2&&p&说了好些铺垫，终于要进入正题了。首先明确，去马赛克其实是个图像超分辨率问题，也就是如何在低分辨率图像基础上得到更高分辨率的图像：&/p&&figure&&img src=&https://pic2.zhimg.com/v2-31c84b42ad_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&784& data-rawheight=&324& class=&origin_image zh-lightbox-thumb& width=&784& data-original=&https://pic2.zhimg.com/v2-31c84b42ad_r.jpg&&&/figure&&p&视频中超分辨率实现的一个套路是通过不同帧的低分辨率画面猜测超分辨率的画面，有兴趣了解这个思想的朋友可以参考我之前的一个答案：&a href=&https://www.zhihu.com/question//answer/& class=&internal&&如何通过多帧影像进行超分辨率重构？ &/a& &/p&&p&不过基于多帧影像的方法对于女优身上的马赛克并不是很适用，所以这篇要讲的是基于单帧图像的超分辨率方法。&/p&&h2&SRGAN&/h2&&p&说到基于GAN的超分辨率的方法，就不能不提到SRGAN[4]：《Photo-Realistic Single Image &b&S&/b&uper-&b&R&/b&esolution Using a &b&G&/b&enerative &b&A&/b&dversarial&br&&b&N&/b&etwork》。这个工作的思路是：基于像素的MSE loss往往会得到大体正确，但是高频成分模糊的结果。所以只要重建低频成分的图像内容，然后靠GAN来补全高频的细节内容，就可以了：&/p&&figure&&img src=&https://pic3.zhimg.com/v2-128029dfc7c470b07a4a1_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&446& data-rawheight=&131& class=&origin_image zh-lightbox-thumb& width=&446& data-original=&https://pic3.zhimg.com/v2-128029dfc7c470b07a4a1_r.jpg&&&/figure&&p&这个思路其实和最早基于深度网络的风格迁移的思路很像（有兴趣的读者可以参考我之前文章&a href=&https://zhuanlan.zhihu.com/p/& class=&internal&&瞎谈CNN：通过优化求解输入图像&/a&的最后一部分），其中重建内容的content loss是原始图像和低分辨率图像在VGG网络中的各个ReLU层的激活值的差异：&/p&&p&&br&&/p&&figure&&img src=&https://pic3.zhimg.com/v2-331e02e394cfd04e7114a_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&529& data-rawheight=&150& class=&origin_image zh-lightbox-thumb& width=&529& data-original=&https://pic3.zhimg.com/v2-331e02e394cfd04e7114a_r.jpg&&&/figure&&p&生成细节adversarial loss就是GAN用来判别是原始图还是生成图的loss：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-fa5af2a10fe9a4dadfb04_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&394& data-rawheight=&89& class=&content_image& width=&394&&&/figure&&p&把这两种loss放一起，取个名叫perceptual loss。训练的网络结构如下：&/p&&figure&&img src=&https://pic1.zhimg.com/v2-17861edeb4bcfae4e9f369_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&780& data-rawheight=&400& class=&origin_image zh-lightbox-thumb& width=&780& data-original=&https://pic1.zhimg.com/v2-17861edeb4bcfae4e9f369_r.jpg&&&/figure&&p&正是上篇文章中讲过的C-GAN，条件C就是低分辨率的图片。SRGAN生成的超分辨率图像虽然PSNR等和原图直接比较的传统量化指标并不是最好，但就视觉效果，尤其是细节上，胜过其他方法很多。比如下面是作者对比bicubic插值和基于ResNet特征重建的超分辨率的结果：&/p&&figure&&img src=&https://pic4.zhimg.com/v2-f3b4376938ffcbd23c42d_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&981& data-rawheight=&392& class=&origin_image zh-lightbox-thumb& width=&981& data-original=&https://pic4.zhimg.com/v2-f3b4376938ffcbd23c42d_r.jpg&&&/figure&&p&可以看到虽然很多细节都和原始图片不一样，不过看上去很和谐，并且细节的丰富程度远胜于SRResNet。这些栩栩如生的细节，可以看作是GAN根据学习到的分布信息“联想”出来的。&/p&&p&对于更看重“看上去好看”的超分辨率应用，SRGAN显然是很合适的。当然对于一些更看重重建指标的应用，比如超分辨率恢复嫌疑犯面部细节，SRGAN就不可以了。&/p&&h2&pix2pix&/h2&&p&虽然专门用了一节讲SRGAN，但本文用的方法其实是pix2pix[5]。这项工作刚在arxiv上发布就引起了不小的关注，它巧妙的利用GAN的框架解决了通用的Image-to-Image translation的问题。举例来说，在不改变分辨率的情况下：把照片变成油画风格；把白天的照片变成晚上；用色块对图片进行分割或者倒过来；为黑白照片上色；…每个任务都有专门针对性的方法和相关研究，但其实总体来看，都是像素到像素的一种映射啊，其实可以看作是一个问题。这篇文章的巧妙，就在于提出了pix2pix的方法，一个框架，解决所有这些问题。方法的示意图如下：&/p&&p&&br&&/p&&figure&&img src=&https://pic1.zhimg.com/v2-e2ea753b7b0d7f18abee3_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&485& data-rawheight=&437& class=&origin_image zh-lightbox-thumb& width=&485& data-original=&https://pic1.zhimg.com/v2-e2ea753b7b0d7f18abee3_r.jpg&&&/figure&&p&就是一个Conditional GAN，条件C是输入的图片。除了直接用C-GAN，这项工作还有两个改进：&/p&&p&1）&b&利用U-Net结构生成细节更好的图片&/b&[6]&/p&&figure&&img src=&https://pic4.zhimg.com/v2-beb074bebbfa0db_b.jpg& data-caption=&& data-size=&normal& data-rawwidth=&907& data-rawheight=&612& class=&origin_image zh-lightbox-thumb& width=&907& data-original=&https://pic4.zhimg.com/v2-beb074bebbfa0db_r.jpg&&&/figure&&p&U-Net是德国Freiburg大学模式识别和图像处理组提出的一种全卷积结构。和常见的先降采样到低维度，再升采样到原始分辨率的编解码(Encoder-Decoder)结构的网络相比，U-Net的区别是加入skip-connection，对应的feature maps和decode之后的同样大小的feature maps按通道拼(concatenate)一起，用来}