以前应人邀请写的个东西，结果人家说看不懂哈，那就发在这里啦。
在我心目中，理想的校园应该是个大实验室，学生和老师在其中学习了解各种知识，实践尝试各种创新的想法。而在这个人人都在喊“大数据，物联网”的时代里，校园更应该是最活跃的实验场。
当我们讨论iWatch，iBeacon，Oculus这类新型的可穿戴，物联网技术的时候，可能都隐约意识到其中所蕴含的变化的内涵，在这些人与环境，人与人，人与自身感官之间交互方式的转变背后，其实是人类社会自身数字化的过程。在这里我只想就这种数字化的构想做一些想象，设想一些在校园内可能的数字化实验的场景。
API的力量
API是应用程序接口（Application Programming Interface）的简称，一般用来指代系统的不同模块之间通信的约定。Wiki中解释API设计的目的：“程序设计的实践中，编程接口的设计首先要使软件系统的职责得到合理划分。良好的接口设计可以降低系统各部分的相互依赖，提高组成单元的内聚性，降低组成单元间的耦合程度，从而提高系统的维护性和扩展性。”。由于现代系统的复杂度非常高，人们不得不将系统划分为大量基本模块，这就使得合理的模块间通信设计变的十分重要。
对于工程师来说，提到API，多数会想到那些可以弹出个对话框，把一些字符串拼到一起这类软件开发工具（SDK）。但对于许多新公司而言，API代表的是更高级，更抽象的服务，而这些或多或少的已经成为了公司核心的一部分。
如果我们现在创业做一款产品，所需要的大部分技术工作都可以寻找到对应的API。底层的如提供服务器托管的阿里云，直接服务应用开发者的的LeanCloud；应用层的如用语用户反馈的Uservoice，可以完成大量复杂数据分析的Mixpanel；再到直接提供机器学习算法服务的algorithms.io，专门提供图像内容识别服务的Rekognition。可以说，开发者需要的基本工具，都能以很低廉的价格，以服务的方式获取到。而这些服务，就是新一代的API。
新一代的API不局限具有更广的“光谱”：小至算法（algorithms.io），大至企业帐目核算（Mint.com），银行资金托管（bancbox.com）。这些服务现在都在或多或少的以一种“可编程”的形式出现。这就使得原来需要人力去“粘合”才能保证企业运转的工作，比如员工招聘，会计，行政的工作，都可以被程序更高效的替代。
我相信，能够善用这些新API（也就是擅长Mashup），将是未来工程师的重要技能。所以，我模仿了国外的一个博客系列，Learning 30 technologies in 30 days，也开始了自己的30天30项技术的30hackdays系列，可以在segmentfault的博客看到。
未来的人工智能是网状的。前面提到了algorithms.io这样的产品，可以给那些完全没有机器学习算法经验的团队提供复杂的算法服务。而近些年，类似的产品（服务）也出现暴增的趋势，如出门问问，Tuling123，虫洞助手这样的智能助手产品等。这意味着，原来被视为大公司才能拥有的人工智能服务正在被一个个细小的产品分食。这些微型智能服务从许多小需求点切入，并且尽量大程度的开放API给其他开发者。一方面提高了自己产品的生存能力，另一方面也为以后形成微型智能服务之上的中型智能服务奠定了基础。
假设某个开发者想实现一个检测橱窗里海报被关注度的产品，他完全可以购买一款可以通过API访问当前视频流的摄像头放在海报版前面，将数据流分别导入一个提供OpenCV的服务和一个如Amazon EMR的大数据存储平台中，在获得当前板子前的同学的轮廓以及朝向后，将这个数据分留给如chartbeat这样的实时数据分析平台，以及提供用户行为预测服务的Framed Data类平台。最后将得到的分析结果输出给Mixpanel这样的数据可视化平台。这样就借助许多第三方服务完成了一个看起来每个点都需要很大工作量的系统。
释放巨龙的力量
算法已经被充分互联网化，甚至服务化。但现实世界在这方面就落后的多。物联网算是离人们最近的数字化技术，但人们目前可以接触到普及了的相关技术也就是NFC和短期内可能兴起的iBeacon技术。机器人算是填补这个沟壑的重要手段。通过大量的传感器和具有实际干预能力的机械装置，机器人可以实现充分释放“淤积”在互联网中算法的巨大力量。
除了最近火到黑的Jibo家庭机器人，比较低技术含量的家用机器人也已经崭露头角。如添加了各种传感器的联网扫地机器人，微型飞行器，联网的空气质量监测器，这些设备的根本目的都是将人们周围的环境量化，将数据传入云中，利用算法的力量来尝试解决实际问题。为什么叫尝试解决呢？第一，这里的问题可能在拿到一定数量的数据之前都是未知的，只有到了“大数据”的量级，问题才会浮出水面。第二，除了那些明显通过改进算法可以解决的确定性问题之外，发现那些原来并不存在因果关系的，只是概率上存在关联的问题会成为算法的重要责任。这也就是为什么在中型规模的智能服务没有兴起前，所谓的智能家居也只是“App上的开关”的原因。
校园，变革的前线
生活在校园中，我们肯定经常遇到到某些不便，去自习室看书却不知道哪间教室人少；去操场打球却要花很长时间招呼朋友；去图书馆借书却又找不到XY书架在哪。这些问题的本质都是信息的不对称。过去人们通过发明电话，地图等方式来辅助人们减少这种不对称。而大数据时代的做法则是，API化一切，利用算法的力量解决物理世界的问题。
正如前面提到的，API化包含两方面含义：对物理世界的数据化，以及数据的物理化。前者指的就是通过各种各样的传感器，将物理世界的各种表相转换为可以被算法处理的数据信息，比如各种监控摄像头所存储的校园内的影像信息。后者指的是将以上数据处理以后的结果转换为实际的物理行为，比如荷兰设计师设计的可以跟随人的椅子，Take a seat。
在学校中，我们可以做些什么API化的尝试呢？
安全。相比社会，学校一般还是更安全的地方，但一旦出现事故在社会上的影响也是更严重。所以如果学校能够将学生的位置，比较实时的获取到，在保证学生隐私的前提下，检测每个学生的安全程度。一旦发生事件，学生可以很容易的报告学校保安部门，也许就可以及时阻止可能的危险行为。这在技术上并没有难度，每个学生几乎都有智能设备。通过在室内增加一些诸如iBeacon的设备也可以更精准的定位学生的位置。但正如前面所说，学生对于隐私的疑虑也许会高于对自身安全的担心。
社交。基于如上的安全产品，学校的学生位置就已经被API化了。除了Dota，撸啊撸以外，学生关心的应该就是社交了。做校园社交的产品很多，但由于各家都不会开放自己的数据，所以在使用不同产品的时候都需要重复填写很多信息。这个问题对于职场人来说没有多大问题，因为大家都在几个大的社交平台活动，如linkedin，facebook等。但学生会具有更多细化的筛选需求，比如某个院系专业的，正在选修某些课程的。课程格子在这方面做了很多有趣的尝试。
开放。学校应该建设自己的数据开放平台，为学生提供实现上述类型想法的最基础设施。比如在教学楼内部署温度湿度红外传感器，并将这些数据同步到网络中供大家访问。这个时代的开放校园，除了开放的课程以外，学校的公开信息，甚至一草一木的数据都应该被开放出来供大家访问。
双刃
另一方面，美剧《Person of interests》讲了一个大数据的另一面，一个令人很恐慌的黑暗面。政府建造了一个监控所有数据的机器，由此发展出了智能，反过头来干预现实人们的生活。就目前的技术发展来看，很有可能片中的情况已经发生，只是我们被机器“照顾”的很“正常”，并没有意识到另一个“大意识”的存在。
算法的力量已经开始渗入普通人的现实世界。《互联网思维与我们的未来》一书中的海妖服务器即将成为未来的游戏规则。尽量接近“核心算法”，找到自己的位置，至关重要。
