这里定期分享科技、信息技术、商业、医学及人文资讯，每周日发布。欢迎投稿或推荐线索。

封面主题：疫情下的数字化转型

2020年，数字化转型的加快程度超过了任何人的预期。由于需要在网上开展更多业务，各行业组织不得不以比原先计划更快地采用数字化模型和流程。

COVID-19疫情暴发已经过去一年时间，以下是中欧国际工商学院（CEIBS）校友在2020年春天对各行业数字化转型的观察、预测和见解。详见CEIBS TheLink校友杂志2020年第一期。

疫情将加速酒店业的数字化转型，使酒店更加智能化，并将加速网上业务的增长。酒店的非接触式安全服务有望大规模推广。未来，无人接待、面刷值机、客人语音控制、智能服务机器人等服务将取代部分人机交互。

——Atour创始人兼首席执行官Yin Yelv

推进旅游业的数字化。在线短视频营销在疫情期间受到了很多关注，线下旅游运营商现在可以考虑通过短视频互动项目接触用户。

——Sunarea创始人兼总裁Tang Zhao

疫情爆发将刺激医疗数字化和信息共享的发展，推动远程诊断、在线咨询和电子药房的改进。疫情过后，数据驱动的创新技术和概念可以继续应用于临床。疫情产生了对在线诊断和治疗的巨大需求，这迫使互联网医疗平台扩大规模。因此，疫情过后，基于互联网的医疗保健可能会达到新的高度。数字医药营销平台、数据驱动的医患管理平台等模式将成为制药商的首选资源。远程医疗、医疗机器人和远程制药等新技术和新模式将会受到欢迎，因为它们将交叉感染的风险降至最低。

——LinkDoc创始人Zhang Tianze

疫情中，许多课程已经转移到在线平台，这出乎意料地推动了在线教育的发展。与此同时，几乎所有的在线教育平台都推出了免费课程。在线教育用户的数量突然激增。如今的在线教育类似于非典爆发时期的电子商务。与线下教育相比，在线教育的优势在于方便和数字化。

尽管疫情已经加速了教育行业的发展，但从长远来看，教育总体上变化缓慢。能否进一步发展，取决于能否给学生带来真正的提高。评估教育的有效性是需要时间的，如何留住学生和保持服务能力的挑战依然存在。

——VIPKID联合创始人兼总裁ZhangYueJia

人工智能、云平台等技术的使用，不仅可以帮助物业管理一线员工减轻管理和服务提供的压力，而且可以使数据具有可追溯性和可分析性，使企业能够更冷静地应对突发公共事件。

H&C物业管理集团董事长Wang HongJie

人物：披头士乐队

披头士乐队（The Beatles）是1960年在利物浦组建的一支英国摇滚乐队，在华语地区亦称为“甲壳虫乐队”。乐队成员为约翰·列侬、保罗·麦卡特尼、乔治·哈里森和林戈·斯塔尔。他们被广泛承认为史上最伟大、最有影响力的摇滚乐队。1960年代早期，他们的极度流行产生了披头士狂热现象（Beatlemania）。随着日后创作的成熟，他们被视为当时反文化运动理想的化身。作为该运动的象征，他们成为了波希米亚主义以及各个社会政治议题下激进主义的催化剂，包括女性解放运动、同性恋解放运动和环境运动等。

• 约翰·列侬 – 主唱、吉他、键盘（1960–1969）
• 保罗·麦卡特尼 – 主唱、贝司、吉他、键盘，鼓（1960–1970）
• 乔治·哈里森 – 吉他、主唱（1960–1970）
• 林戈·斯塔尔 – 鼓、打击乐、声乐（1962–1970）

披头士乐队拥有10座格莱美奖，1座奥斯卡最佳原创配乐奖以及15座艾弗·诺韦洛奖。根据美国唱片工业协会统计，披头士是美国史上销售量最高的乐队，共售出1.83亿张唱片。1999年《时代》杂志整理并发表的20世纪的100位重要人物（Time 100: The Most Important People of the Century），披头士成为“丰富我们生活的二十位艺术先驱”之一；2004年，《滚石杂志》把披头士列为历史上最伟大的艺人。

前《滚石杂志》副主编罗伯特·格林菲尔德（Robert Greenfield）把披头士和毕加索相比：“都是超越了各自时代的艺术家，原创出了特别的东西……在流行音乐领域，没有其他艺术家比披头士更有革新性、更有创造力、更独特。”

1970年披头士解散，之后乐队成员都有各自成功的单飞生涯。列侬于1980年12月遭枪击遇害，哈里森于2001年11月因肺癌病逝。剩余的成员麦卡特尼和斯塔尔如今依旧活跃在乐坛。

麦卡特尼亦有各成员中最成功的单飞事业，是全球最有钱的音乐人之一。《吉尼斯世界纪录大全》记载保罗·麦卡特尼为流行音乐史上最成功的作曲家。《Yesterday》是史上被翻唱次数最多的一首歌曲，已知目前已经被2200位以上的歌手翻唱过，并于美国的电视及电台播放多达七百万次。

由于历史原因，时年The Beatles没有流行到国内，20世纪80年代对西方音乐的认知起源于“流行乐之王”（King of Pop）迈克尔·杰克逊，而正统渠道可能是1985年4月10日，英国威猛乐队（Wham!）在北京工体举行演唱会，这是外国乐队首次在中国举办演唱会，也是中国人第一次接触到摇滚音乐。随着对The Beatles的了解，Rolling Stones、PinkFloyd、Queen、David Bowie、Iggy Pop等殿堂级摇滚也时有接触。2010年代初，由于接触Music LiveHouse项目而迷恋过音乐和PC的混合体CAS。作为典型音乐风格之一，披头士乐队代表的摇滚乐与古典大碟被同步分享很长一段时间。当年有《乐在听音！CAS（计算机音乐系统）综述》一文可供回顾。

CAS（计算机音乐系统，Computer Audio Source / Computer as Source）指以计算机为音源的音响系统，不过目前泛指以计算机或流动数码播放器作为播放音源的方式。也有称计算机音响为PC Audio、Music Server Playback或HDD Audio。名称虽异，其要旨主要是划出与传统CD光盘或黑胶碟播放的分别。

创意：写作技术

思维导图

当还是文学少年时，自己摸索出一套写作方法，从初中到高考，作文训练和考试都没有完整写过草稿。我的方法是这样的：

1. 研究背景素材和要求，高度联想拟出尽可能多的关键词；
2. 将一些强关联的优先关键词下划线标注，进而拟写一个标题；
3. 按三段式作文结构画出作文主干，标记每一段的提纲；
4. 在每一段列举素材，要包含强相关的成语、典故及时事；
5. 快速演绎全文梗概，拆分、整合、修改及增删素材，总结形成第二个标题；
6. 按图成文。不写标题，分别将前面的段拆成分2-3个自然段，按演绎结果把正文装进去，写高兴了，可以三段式结构后再来一小段尾声。
7. 再次形成一个标题，与前两个标题加入筛选，落笔交卷。

后面我了解到，不过是用了思维导图，并且在素材阶段更多地探索，而在整理和总结阶段进行简化。至于三段式作文结构，虽然八股了一点，但的确有利于应付考试。

故事的形状

读得多，写得多，自会总结出一些规律门道，而且，乡土作家和科班作家的风格有很大区别，各民族各国家作品更是强烈对比。但始终，故事从发端到结束都遵循几种类型的曲线，因此坐定不久，就能够猜到很多电影的故事脉络。

库尔特·冯内古特（Kurt Vonnegut）是美国黑色幽默文学代表人物之一。在五十年的时间里出版了十四部小说，读者对其三本伟大小说《第五号屠宰场》、《猫的摇篮》和《冠军早餐》记忆最为深刻。冯内古特是芝加哥大学的人类学硕士，他认为自己文化的最美贡献恰恰是他在芝加哥大学学习人类学时写的很大程度上被遗忘的硕士论文，冯内古特在一次演讲中阐明了论文的主要论点：故事的形状。

在垂直的“GI轴”上绘制故事，代表主要人物的好运或不幸，而水平的“BE”轴则代表故事从头到尾的过程。《Kurt Vonnegut graphed the world’s most popular stories》对此作了详细报道。

前沿：内容创作

“杂谈有高晓松，文化有梁文道，经济有吴晓波，科普有李永乐。但在商业领域没有一个代表人物，而这就是我的目标。”

商业科技自媒体《李自然说》把李自然自己的观察和经历拿出来分享，内容从黎曼猜想、金庸等“杂说”向“科技与创业”集中。2018年8月创办（实际上在YouTube频道最早的节目是2018年2月8日上传的什么是比特币？【如月影vlog1】），完全靠口碑传播，全网粉丝过百万。

一镜到底、干货满满、语速极快、理性严谨是《李自然说》的几个标签。

作者李自然是一个连续创业者，历经游戏电竞、围棋、HotDeals、APKPure、区块链Bit Forecasting等，并关注海外欠发达市场。《南风窗》早在2019年07月发表一篇《李自然说》怎么就火了？对此有专访介绍。

李自然的自媒体创作思维，可以从他的一期“如何获取知识”的视频提纲风格略知一二。

科技：改变科学的10个计算机代码项目

从Fortran到arXiv.org，这些计算机编码和平台让生物学、气候科学和物理学等学科迅速发展。《自然》杂志评选出评选改变科学的10个计算机代码项目：Ten computer codes that transformed science。

• 语言先驱：Fortran编译器（1957年）
• 信号处理器：快速傅立叶变换（1965）
• 分子编目：生物数据库（1965年）
• 预测领先者：大气环流模式（1969年）
• 数字运算机：BLAS（1979年）
• 显微镜必备：NIH Image（1987年）
• 序列搜索器：BLAST （1990年）
• 预印本平台：arXiv.org （1991年）
• 数据浏览器：IPython Notebook （2011年）
• 快速学习器：AlexNet（2012年）

简要介绍一下AlexNet：

人工智能有两种类型。一种是使用编码规则，另一种则通过模拟大脑的神经结构来让计算机“学习”。人工智能研究人员一直认为后者是“一派胡言”。

在2012年9月30日的ImageNet比赛中，研究人员被要求在一个包含100万张日常物体图像的数据库中训练人工智能，然后在一个单独图像集上测试生成的算法。当时最好的算法错误分类了大约四分之一的图像，加拿大多伦多大学的AlexNet是一种基于神经网络的“深度学习”算法，它将错误率降低到了15.3％。

AlexNet的体系结构，来自AlexNet论文，原始作者Alex Krizhevsky等。

这些成功预示着深度学习在实验室研究、临床医学和其他领域的崛起。AlexNet被认为是计算机视觉领域最有影响力的论文之一，也成为众多从根本上改变科学，也改变世界的工具之一。Alexnet成为近十年人工智能领域新的起点（ → AlphaGo → AlphaFold → Diffusion Model → ChatGPT/GPT-4）。

加拿大多伦多大学计算机科学教授 Geoffrey Hinton 和他的两个研究生 Alex Krizhevsky 和 ​​Ilya Sutskever 创立了DNNresearch，专注于语音识别、计算机视觉和语言理解。随后，DNNresearch被谷歌收购。

更多参考The MathWorks, Inc.的AlexNet技术指南，《Jetson Nano 2GB 深入 Jetson Inference 项目》中介绍了NVIDIA Jetson Inference 学习项目中的深度神经网络（DNN）模型就包含了Alexnet。