本文目录
能举一个中文说不清，英语能说明白的例子吗
我算教研双语一辈子，谈点拙见吧。中西文化差异，常有缺少对译的词语，简称“缺位词语”，很容易带来困惑。显然，英语有的，汉语未必有，汉语有的，英语也未必有。相信莘莘学子，都有这种直觉。典型的缺位词语，举例如下。
①哲学缺位：隐德来希entelechy。词理：ente/entral (核心)+lect(选择) +y(特性)，字面：自然界原核性的内在推动力，古希腊哲学家亚里士多德的哲学术语。定义：表示已达到的“目的”，潜能的“实现”，运动的“完成”，还表示运动的、创造的本源。
②逻辑缺位：外延denotation, extension。词理：de/out(外围)+note(记号)+ation (事物)。显然不是“向外延伸”。字面：对外界事物的标记符号。与汉语的“基本义”有交集。含义：指的对象的范围，如“圆”这个概念的外延是指大大小小一切的圆，逻辑上，概念的逻辑结构分为“内涵”与“外延”。
③数学缺位：泛函functional (function)。词理：function(功能,职能,函数)+al/of(相关的)。汉语的“泛”不能对译。字面：函数的函数。含义：泛函的独立变量一般不是通常函数的“自变量”，自变量是函数或宗量。例如：F=F(f(x))。
④物理缺位：简并degeneracy。词理：de/off (分割,脱离)+generate(产生)+acy (行为)。字面：降解/衰退至极的行为。不能对译成“简化合并”。含义：简并，指被当作同一较粗糙物理状态的两个或多个不同的较精细物理状态。例如在量子力学中，原子中的电子，由其能量确定的同一能级状态，可以有两种不同自旋量子数的状态，该能级状态是两种不同的自旋状态的简并态。
⑤化学缺位：酵素enzyme,ferment。词理：enz/ent/entral(内在的) +yme/ime (要素)。字面：内在变化的要素。不能对译“发酵之素”，酶=酉/酒+每/霉，还是“酵素”。含义：酶，指具有生物催化功能的高分子物质。在酶的催化反应体系中，反应物分子被称为底物，底物通过酶的催化转化为另一种分子。几乎所有的细胞活动进程都需要酶的参与，以提高效率。与其他非生物催化剂相似，酶借着提供另一条活化能，需求较低的途径来使反应进行，使更多反应粒子能拥有不少于活化能的动能，从而加快反应速率上百万倍。酶在反应中不被消耗，不影响化学平衡。
⑥生物缺位：基因gene。词理：gene是逆生词，来自generation (创生)。不能对译“基本因素”。含义：基因指携带有遗传信息的DNA序列，是控制性状的基本遗传单位，亦即一段具有功能性的DNA序列。基因通过指导蛋白质的合成来表达自己所携带的遗传信息，从而控制生物个体的性状表现。人类约有两万至两万五千个基因。染色体在体细胞中是成对存在的，每条染色体上都带有一定数量的基因。一个基因在细胞有丝分裂时有两个对列的位点，称为等位基因，分别来自父与母辈。按照其控制的性状，又可分为显性基因和隐性基因。
⑦神学缺位：上帝God。词理：god是首合词。g/genesis (创生) +o/of +de (神)。字面：神圣的创生。含义：上帝（YHWH/耶和华）是犹太教、基督教、伊斯兰教、创造宇宙的神。被视为宗教信徒至高无上的信仰，在基督教中，上帝是永恒的存在，创造和治理世界。国人口中的“老天爷”不涉及信仰，不能对译。
⑧地理缺位：地幔 mantle。词理：man (手) +tle/ple(折叠,覆盖)。字面：掌状覆盖物，斗篷，地幔。汉语的“幔”，是幕/帘curtain 不能对译。含义：地幔是地壳下面是地球的中间层，厚约2865公里，主要由致密的造岩物质构成，这是地球内部体积最大、质量最大的一层。地幔又可分成上地幔和下地幔两层。上地幔上部存在一个地震波传播速度减慢的层，一般又称为软流层，推测是由于放射性元素量集中，蜕变放热，使岩石高温软化，并局部熔融造成的，很可能是岩浆的发源地。软流层以上的地幔是岩石圈的组成部分。下地幔温度、压力和密度均增大，物质呈可塑性固态。
⑨文学缺位：蝴蝶夫人madame butterfly。本义含着：窈窕淑女+招蜂引蝶+寂寞难耐+红杏出墙，如蒙娜丽莎，不能与“荡妇”或“破鞋”相提并论。资料：《蝴蝶夫人》是普契尼的抒情悲剧。该剧以日本为背景，叙述女主人公乔乔桑与美国海军军官平克尔顿结婚后空守闺房，等来的却是背弃，乔乔桑以自杀了结尘缘。
⑩气象缺位：蝴蝶效应butterfly effect。美国气象学家爱德华·罗伦兹1963年在一篇论文最常见的阐述是：“一只南美洲亚马逊河流域热带雨林中的蝴蝶，偶尔扇动几下翅膀，可在两周后引起德州一场龙卷风。” 蝴蝶扇动翅膀，导致其身边的空气发生变化，产生微弱气流引起四周空气或其他系统产生相应的连锁变化。显然，不能对应“失之毫厘差之千里”。
神经网络的图像识别倾向于纹理，还是形状
神经网络识别物体依赖的是形状还是其他表征？一直以来，人们普遍认为答案是前者，但本文中的研究者通过实验颠覆了这种「常识」。
看看下面的这幅图片，你看到了什么？
你可能会很轻易地分辨出上图中的猫。然而，最顶尖的深度学习算法却认为上图中的动物是一只大象！
本文将会讨论为什么人工神经网络会将人类看到的猫识别为大象。此外还将讨论「如何看待深度神经网络物体识别任务中的范式转换」，以及如何利用这种视角来改进神经网络。本文是基于最近提交给 ICLR 的论文——《ImageNet-trained CNNs are biased towards texture; increasing shape bias improves accuracy and robustness》撰写的。
神经网络会如何识别一只猫呢？一个人们普遍接受的答案是：通过检测它的形状。这种假设的证据来源于像 DeconvNet（《Visualizing and Understanding Convolutional Networks》）这样的可视化技术。这种技术表明，在不同的处理阶段（被称之为层），网络试图识别一张图像中越来越大的图案，从第一层中简单的边缘和轮廓到更复杂的形状（如汽车轮子），直到轻松识别出该对象（车）。
神经网络识别出的不同形状：从早期处理阶段的小图案（第一层和第二层）到更复杂的形状（第三层中的汽车车轮），再到最后的物体（第五层的汽车）。图源：Kriegeskorte (2015) 。
这种直观的解释已经成为了一种常识。现代的深度学习教科书（如 Ian Goodfellow 的经典著作《深度学习》），在解释深度学习如何工作时，明确提到了基于形状的可视化技术，其他的研究人员也是如此（例如，Nikolaus Kriegeskorte 在《Deep neural networks: a new framework for modelling biological vision and brain information processing》第九页中所述）。
网络习得了与每个类别相关联的各种形状的复杂知识。
高级单元似乎可以学习到自然图像中出现的形状的表征，如人脸、人体、动物、自然场景、建筑和汽车。
但是这种说法存在一个问题：一些包括 DeconvNet 在内的最重要的和广泛使用的可视化技术，最近被证明具有误导性（《A Theoretical Explanation for Perplexing Behaviors of Backpropagation-based Visualizations》）：它们仅仅是重建图像的组成部分，而没有揭示神经网络在一张图像中寻找到的是什么—也就是说，那些漂亮的可以被人类解释的可视化结果与网络如何做出一个决策的关系并不大。
并没有很多证据能够支持这种形状假设。那么，我们是否需要修正一下对于「神经网络如何识别物体」这一问题的看法？
如果形状假设不是唯一的解释呢？除了形状，物体通常还有或多或少与众不同的颜色、大小和纹理等特征。所有这些因素都可以被神经网络用来识别目标。虽然颜色和大小通常不是特定对象类别所特有的，但如果我们观察小区域，几乎所有对象都有类似于纹理的元素（甚至是汽车，其侧面有轮胎，外壳是金属）。
事实上，我们知道神经网络刚好有一个令人惊奇的纹理表征功能（即使该网络从来没有被训练过）。例如，在风格迁移问题中，我们就可以很明显地看到这一点。在这种如此令人着迷的图像建模技术中，深度神经网络被用来从一幅图像中提取纹理信息（如绘画风格）。这种风格随后会被应用在第二幅图像上，让人们能够「画」一张与著名画家风格相同的画。你可以通过下面的链接自己尝试一下：
互联网开发测试工程师是个什么职位
除了BAT，很多大公司都有测试开发工程师的位置，有时候这种团队会叫EP（Engineering Productivity），在谷歌，其EP团队人数达到了四位数。
那么测试开发工程师主要是做什么的呢。从名字上就能看出，这个位置与测试和开发都有关系。
用一句话来概括，测试开发工程师就是为开发以及测试人员开发工具，从而提高测试人员效率，提高开发人员代码效率的人。
具体以APP测试来说，很多测试人员的工作方式是人工去测试或者自己搭建appium环境写脚本去测试。但是这样的方法有4个弊端：
1 人工测试效率低，且难以回溯。如果人为测试的时候，发现了问题，通常需要记录执行步骤，但是你可以想象，如果人操作手机的时候，点的每个动作都人工记录的话，那一整天下来，可能也就能测试三四个场景，这个效率可以说相当的低，是绝对不被允许的。
2 人工测试覆盖率低。这个很容易理解，假设一个页面有N个控件或者activity，人工测试很难设计出全部覆盖到的测试路径，因此就会有漏测从而出现bug没捕捉到的风险。
3 appium环境搭建需要成本，且脚本重用率低。appium这个家伙动辄就上G，说句实在话，我是不愿意装的。除了回归测试，验证旧功能不受影响外，新功能上线如果由测试人员自己写脚本的话，很多一次性的脚本写完测完就会被浪费掉。
4 测试人员需要每人一个手机，而测试工作不是24小时进行的，会导致设备资源的浪费。每个测试人员在工作的时候，都需要有一台测试设备，但是他们下班后，这些设备就被锁抽屉里，这个时间原本可以继续用来跑测试的，但是就这样浪费掉了。
基于以上这样的场景，测试开发人员就可以登场了。
测试开发人员可以研制出一套自动化测试的工具，只需要测试人员把apk或者ipa包上传，选择不同的测试方式，就能够自动化的手动触发或者定时触发任务。
这样做的好处一方面节约了测试人员的人力，解决了上面的弊端1和2，另一方面也不需要他们自己搭建环境写脚本（弊端3），最重要的是，他们设计并拥有自己的移动设备管理集群，相当于集中了测试人员的测试机，通过自动化的方式，可以让这些设备7*24小时的运行任务，最大化的榨取设备采购的利益（弊端4） 。
上面这个例子里的服务就是为了测试人员提供，用来提高效率的，因此做这类工作的程序员，就被称为测试开发工程师。
以上是我的浅见，欢迎各位在下方评论区给我交流点赞。
我是苏苏思量，来自BAT的Java开发工程师，每日分享科技类见闻，欢迎关注我，与我共同进步。
