TCP可以从我们的视听感知中借鉴些什么

有想过吗？为什么科技发展到了人人自大的今天，依然也只是围绕着一块带喇叭的屏幕，iPad，iPhone，Google Glass，无一例外。

从小时候记事人们低头看报纸，听收音机，到如今人们戴着耳机低头看手机，都是一回事，随身带按摩器的却没有。可见，声和光传递的信息量相比别的，要大很多。

其实还可以更往前。

智人对声和光的感知让智人区别于动物。

几万年前石器时代的歌舞和壁画，诉诸于听觉和视觉，与如今的视听感受没有本质区别。

为什么不是触觉，味觉，以及嗅觉？

声和光的非接触特征使其具备了几近无损的长距离信息传输能力，嗅觉感知的是微小颗粒，本质上还是接触感知，更不必提触觉和味觉。

本质上，声音和图像传输的是编码，这与触觉，味觉，嗅觉不同。后面这些依靠与信息源的接触来获得感知，而视觉和听觉接触的只是媒介。

当你听一个声音或看一个物体，你可以自动调整接收比特率，当需要更多细节时，才需要侧耳倾听，瞪大眼睛，否则可能只是瞥过。

当你去会所按摩，你无法自己调整感受力度，你必须告诉技师重一点或者轻一点。
当你闻到一股味道时，你无法假装没有闻到。

…

由于声和光只是媒介，便可自行编码，这便是语言和文字，让智人成为智人。将信息属性和传输过程分离，这是信息可编码的前提。从此以后，人们听到的任何声音，看到的任何影像，均是编码。结果是，人脑自然进化出先进的编码解析和处理能力。

听觉，视觉可以用类似傅立叶变换的方式处理声与光的层次感，这种层次感是情感的源泉，比如音乐和绘画，怒吼与美颜。对于触觉，人很难感受同时不同部位的触感，触感本身即信息，对于混杂的嗅觉，味觉，能感知便只有五味杂陈了。

听觉和视觉可承受有损，靠的是大脑长期进化得到的FEC能力，换句话说，声和光传输的都是模式，通过匹配记忆中的模式，大脑可以自行恢复损失的部分(俗称脑补…)，传输的只是一个字典索引，模式即字典本身。

…

上述这段文字几年前我就想写了，我曾经抱怨再高端的手机也无非是一个带喇叭的屏幕，通过设备我们很难模拟吃饱的感觉，也很难闻到王致和的香气。
我一直没有写，因为我觉得这是常识。今天在提前回家(为儿子过生日)的路上写下这段是为了抱怨另一个事情。

听觉和视觉从来不重传单独的帧，但是会请求以更高的比特率整体重新传输一次，为什么TCP不这样呢？如果说TCP已经是TCP，为什么没有一个类似听觉或视觉接收协议这样的传输协议呢？总体来讲，我抱怨的是网络传输协议太复杂了。

将信息特征和传输过程分离，不再要求传输中保序，这是“大脑”考虑的。协议载荷自带FEC，不再重传，如果FEC失败，则显式要求丢失的部分。让应用逻辑用自己的方式去感受编码，而不是去感受传输。

人们花了大量的精力去预测拥塞，去恢复丢失的数据包，恶之源是：

应用逻辑无法接触传输过程。
传输协议假设了编码的属性。

随着数据量的增加，传统传输行为早晚会压垮整个互联网。对互联网而言，我倾向于向我们自己学习。但对于数据中心网络，却存在另一个矛盾。

一方面，云原生，微服务让应用和数据分散在各处，另一方面，互联网的经验又倾向于将应用和数据集中cache在就近，本意是降低传播时延，却增加了数据通路，而传播时延在数据中心网络则可忽略，于是人们纷纷去研究“数据中心的拥塞控制”等本不该存在的课题，相当于用人之间的交互等同于大脑内部神经元之间的交互。我记得侯世达在《我是怪圈》这本书里谈过这个话题。

任何类型的分组交换网都是为尽力而为传输数据包而存在的，它们的职责也仅仅是尽力而为传输数据包。三类网络：

中间互联网，也就是广域网。
最后一跳，大部分是Wi-Fi网络。
第一跳，数据中心网络。

三者特征各不相同，没有传输策略让三者同时最优，极简处理方式就是取最大公约数。

就像耳朵和眼镜，仅仅感受基本的声光元素，解析编码的工作留给大脑，对于传输协议，应用逻辑就是大脑的角色。

socket没必要把部分指责交给附着的连接，这句话的意思是socket没有type，没有protocol family，本来可以用UDP组合成超猛超能的多路径传输协议，接收端可选重排序也可以不排序，可以NAK也可以ignore，但由于TCP的存在，这件事变得不易。

TCP/IP将传输载荷分为流和数据报，这件事本身就不对，本应该很简单的网络，变得越来越复杂，这就是恶果。

反过来也一样，本来也没什么对和错，没得选时，唯一的就是对的，静悄悄地，就有了传输层。我想表达什么？分层模型适合工程，却不适合进化。不多说了。

安德森先生的生日，下午提前回家，地铁一小时，作文一篇，第一次在路上写完一整篇。

浙江温州皮鞋湿，下午进水不会胖！

TCP可以从我们的视听感知中借鉴些什么相关推荐

TCP三次握手在linux内核中的实现
TCP三次握手在linux内核中的实现以下基于linux内核2.4.0源码(转自www.yuanma.org/) 以前一直使用的网络通讯的函数都是工作在阻塞模式.在看connect实现源码时,突然想 ...
2020-04-04 接收队列--配置所有的TCP数据流定向到接收队列2中
ethtool还可根据流类型配置接收队列,如下配置所有的TCP数据流添加到接收队列2中.对于一台web服务器而言,可将所有目的端口为80的数据流导入到某个队列中,并且将其它数据流导入其它接收队列,以保 ...
matlab 测量矩阵,压缩感知中的常见测量矩阵及其MATLAB实现代码
压缩感知中的常见测量矩阵及其MATLAB实现代码压缩感知中的常见测量矩阵及其MATLAB实现代码原文链接:http://blog.csdn.net/jbb0523/article/details/ ...
压缩感知中的数学知识：投影矩阵（projection matrix）
题目:压缩感知中的数学知识:投影矩阵(projection matrix) ========================背景======================== 关注于投影矩阵主要是看 ...
TCP/IP网络协议栈在Linux内核中的如何使用丨内核开发丨驱动开发丨操作系统丨内核源码
TCP/IP网络协议栈在Linux内核中的如何使用视频讲解如下,点击观看: TCP/IP网络协议栈在Linux内核中的如何使用丨内核开发丨驱动开发丨操作系统丨内核源码 C/C++Linux服务器开发 ...
计算机位置隐私保护的书,移动群智感知中基于深度强化学习的位置隐私保护策略...
[摘要] 群智感知服务的广泛应用带来了个人隐私的泄漏,然而现存的隐私保护策略不能适应群智感知环境.针对相关缺陷,提出了一种移动群智感知中基于深度强化学习的隐私保护策略.该策略通过泛化任务,使得攻击者无 ...
计算机控制在无人车中的应用,深度学习在无人驾驶环境感知中的应用方案
机器深度学习是近年来在人工智能领域的重大突破之一,它在语音识别.自然语言处理.计算机视觉等领域都取得了不少成功.由于车辆行驶环境复杂,当前感知技术在检测与识别精度方面无法满足无人驾驶发展需要,深度学习 ...
战场态势感知中的注意力机制探析
摘要:战场态势感知是指挥决策的基础.开展对战场态势感知机制的研究,可以从理论上厘清机理, 为将来设计智能认知模型与算法,辅助指挥员进行态势感知奠定基础.从注意力机制入手,综述了心理学和态势感知理论中 ...
压缩感知中OMP算法的C/C++实现
压缩感知中OMP算法的C/C++实现背景介绍算法实现部分总结阅读之前注意: 本文阅读建议用时:30min 本文阅读结构如下表: 项目下属项目测试用例数量背景介绍无 0 算法实现部分无 ...
科研笔记(八) 深度学习及其在 WiFi 人体感知中的应用(下)
论文题目:Deep Learning and Its Applications to WiFi Human Sensing: A Benchmark and A Tutorial 论文作者:Jianf ...

TCP可以从我们的视听感知中借鉴些什么

TCP可以从我们的视听感知中借鉴些什么相关推荐

最新文章

热门文章