大数据专业和人工智能专业哪个好?

嵌入式与物联网之间的关系

万门大学人工智能、大数据与复杂系统一月特训班视频课程78讲（超清视频）百度网盘

海豚人工智能与大数据实验室_海豚人工智能与大数据实验室截图

链接: 提取码: gy4z 这段内容后打开百度网盘手机App，作更方便哦

若资源有问题欢迎追问~

数字媒体技术、大2.数据的存储：数据的产生渠道越来越多，数据量也就越来越大，摩尔定律指导下的半导体产业的发展使得存储器的容量不断增长、价格不断降低，这使得将这么多的数据存储可以以低成本存储下来。数据、人工智能专业，到底是做什么的？

关于大数据和机器智能的基础概念

4. 物联网：是指将物理世界和数字世界相连接，实现互联互通的技术。

大数据和人工智能一直是炒作和讨论的热点，但具体什么是大数据？怎么样才算机器有了智能？是不是数据量大了就是大数据？根据预定好的规则生成特定的结果就是智能了？

所谓机器智能通俗讲就是机器（更多时候指计算机）能够做只有人才能做的事。如何判断一个机器有智能呢？1950年图灵博士提出了测试的方法，即图灵测试-----让机器和人同时隐藏起来回答问题，若提问者分辨不出是机器在回答还是人在回答，那么机器就有了智能。

沿着图灵测试，计算机科学家们认为如果计算机能做下面的几件事，就算有了智能：

1.语音识别：这就好像人能够听懂语言

2.机器翻译：这就好像人能够看懂文字

4.战胜人类的象棋冠军：但其实象棋这种封闭式规则的事情，计算机能够比人更胜任是很正常的。因为计算机可以快速计算和判断的走法且不受情绪等环境的影响。所以个人不认为这个能代表计算机有了智能

5.自动回答问题：这就好像人可以理解语言并根据理解给出答案

一直以来，科学家们在让机器有智能上，更多的努力放在怎么样让机器跟人一样的思考，史称机器智能1.0鸟飞派（传统机器智能方法）----让机器像人一样的思考来获得智能。但是收效并不客观，经过20几年的发展，这种方法遇到了很大瓶颈。

直到1970贾里尼克用通信的思路解决这个问题：建立数学模型，并通过机器学习不断训练模型。至此开创了数据驱动的方法来解决智能的问题。贾里尼克开创的采用统计方法的语音识别系统较传统的语音识别方法识别率从70%提高到了90%，使得语音识别从实验室的研究走向了实际的应用。

那么传统的方法和贾里尼克的方法分别是如何实现语音识别的呢？

传统的方法是：整理语法与语义形成规则，当一句话输入时，计算机就根据语法和语义去匹配来识别语音。这就好像我们学英语，要懂得读音、单词的意义、语法，才能懂得一句话。

贾里尼克的方法是：用马尔科夫模型来描述信源和信道，模型中有很多参数，然后用数据来训练的参数取值，得到的效果（具体参数是什么？是怎样训练的？训练后怎样转换等涉及的知识很多，3.文本的自动摘要或写作：这就好像只有人才懂得抓重点和组合出有意义的段落、文章不详述）。

可以看到，数据驱动的方法完全抛弃了传统基于像人一样的做法，完全依赖于模型和对模型的训练（训练模型的过程就是机器学习的过程）。

从上文可以看到，数据驱动实现智能的方法对机器学习的依赖，而机器学习效果的好坏依赖于可供学习的数据。

虽然贾里尼克开创了新的实现智能的方法，但是在很多领域，由于积累的数据量不足以支撑训练的需要，因此机器智能的发展并没有很大的提高。比如机器翻译，直到20世纪90年代互联网的兴起，准确性才不断提高，这是因为互联网积累了大量的可供训练的翻译数据，使得可以不断通过机器学习修正模型。

大数据促进机器智能的发展是因为大数据度、完备的特征。度、完备的数据，可以让计算机学习到所有情况，进而处理问题时，可以处理所有场景。比如机器翻译，大数据包含了所有可能的语句翻译，这让计算机可以学习到所有可能的翻译情况，当需要翻译的时候，只要将结果匹配出来就可以了。

说起大数据，大家都知道它的3v特征：vast、variety、velocity

首先理解后面两个特征：

1.variety：多样：多样性指的是数据包含了不同的方面。比如描述一个人的数据，多样性意味着，能描述这个人从长相、生活、精神等等各个方面。有了不同的方面，意味着可以将数据抽象成不同的维度，然后把不同的维度随意组合联系起来，这样就可以得到单个角度看得不到的结果。

2.velocity：完备：完备性指的是数据覆盖了全部的可能性。而不像统计学上只能通过样本来预测全部，大数据本身就是全集。

有了前两个特征就不难理解vast大量的特征了：覆盖所有维度、包含全部可能性的数据起来当然数据量就很大了。

这三个特点对大数据可以说是缺一不可，缺少任何一个，都无法发挥大数据的威力，也无法让大数据促进机器智能的实现。

1.数据的产生：1.全球数字化程度不断提高，使得很多数据实现了电子化（比如纸质的办公转为电脑办公）；数字化使得各种信息系统不断被开发使用和复杂程度越来越高，系统的运行无时无刻不在产生数据。2.传感器技术的大量应用和普及，包括商品上的rfid芯片、交通传感器、穿戴设备等。3.将非数字化的内容数字化，如将纸质书籍转换成电子书。4.互联网2.0的发展使得每个人每天都在产生数据，发的朋友圈、文章、评论等。

3.数据的读取：如果把大量的数据存储下来，但是计算机的处理（单说输入输出）速度跟不上，也无法使用这些数据，固态硬盘容量变大、成本降低使得使用这么多数据成为可能。

4.数据的传输：数据从各个产生端（如传感器）生成后，如何传输到存储器（如服务器）上存储起来，第四代lte和WiFi的发展使得传输不再是问题。

数据产生、存储、处理技术的进步和发展，使得使用大数据成为可能，当条件成熟时，大数据自然而然就出现和发展起来了。

是不是有了大数据就能毫无问题地实现机器智能了？显然要实现机器智能，要有完备的数据、要能够处理完备的数据。虽然数据存储、处理的技术在不断发展，但是在实际应用的过程中，仍然还有很大的局限性，这些技术条件是不可逾越的条件：

1.大数据的收集：关键在于如何获得完备、多样的全集数据？尤其是一些不常见场景的数据如何获取到？

4.并行计算：一些特殊的场景无法并行计算，这导致整个计算的终结果需要等待特殊情况的处理；不同计算器的计算效率不同，整个任务处理由慢的计算结果决定；因此并行计算并不是只是多加服务器那么简单，还需要优化数据的存储结构和整个计算的算法过程。

5.数据挖掘：杂乱超大量的数据无法直接使用，需要先进行清洗和格式化处理，当数据量达到一定量级时，这一步变得并不容易；尤其是噪声高时，清洗处理的结果直接影响了应用的有效性；数据量大、学习模型复杂，使得机器学习的过程变得很漫长，对并行计算的要求也越高。

大数据工程师如何进阶人工智能?

人工智能应用

数学基础

机器学习算法

系统学习机器学习算法的入门级课程是斯坦福大学的机器学习公开课，这门课程由吴恩达讲授，非常经典。还有几本比较经典的书籍可以和公开课相互参照，比如周志华的《机器学习》，俗称“西瓜书”，比较通俗易懂，适合入门;李航的《统计学习方法》，偏数学一些，可以不时翻看。

大数据技术与机器学习框架

关于大数据工程师彼此认知界面宽，有进取心。崇尚理性美，情绪控制能力强。不惧孤独，不怕未知。敢于对不公，对发生在自己身上的不公不会漠不关心不思考不作为。如何进阶人工智能，青藤小编就和您分享到这里了。如果您对

以上是小编为大家分享的关于

国内十大人工智能实验室

云时代的来临，大数据的关注度也越来越高，分析师团队认为大数据通常用来形容一个公司创造的大量非结构化数据和半结构化数据。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

国内的人工智能实验室有：沈阳自动化研究所、上海机器人研究所、科学院自动化研究所、哈尔滨工业大学机器人研究所、西安人工智能与机器人研究所等。

1、沈阳自动化研究所。

沈阳自动化研究所即科学院沈阳自动化研究所。成立于1958年11月，1962年前的名称为沈阳电子技术研究所，1962年至1972年的名称为东北工业自动化研究所，1972年起正式定名为科学院沈阳自动化研究所。

2、上海机器人研究所。

上海机器人研究所成立于1985年，是我国早机器人从事机器人技术研发的专业机构之一。1992年建成863机器人柔性装配系统网点实验室。机器人研究所是机械电子工程学科的硕士和博士学位授予点，现有人员29人，其中“长江学者”特聘2人、8名、副和高级工程师15名，博士研究生50余名，硕士研究生60余名。

据BenchCouncil执行委员会主席詹剑锋博士介绍，为了保证公正和透明，在BenchCouncil成员协议的约束下，所有的单位都可以公开加入标准的制定和实现，BenchCouncil会在BenchHub代码共享系统上开源测试标准的所有代码，并定期在主页 3、科学院自动化研究所。

科学院自动化研究所成立于1956年10月，是由我国老一辈杰出科学家钱伟长、钱钟韩、沈尚贤等亲手组建而成，也是我国早成立的国立自动化研究机构。50多年来，经过几代自动化所人的奋发努力，目前已经发展成为集基础研究、应用开发于一体的新型科研机构。

人工智能大数据就业方向和前景

5.数据的处理：如何分析使用这么大量的数据，就需要处理能力很高的处理器，虽然处理器的性能遵循摩尔定律，每18个月翻一番，但数据产生的速度远远超过处理器性能的提升。因此无法用单一处理器处理大数据。并行计算技术的出现解决了这一问题（但并行技术本身又受到交换机、网络速度等条件的限制，2002年Google等公司在解决这些问题上取的了很大进展，使得云计算开始兴起）

人工智能的重要应用领域，目前初步实现的人工智能产品例如小度、小爱同学、天猫精灵等，都是建立在智能搜索和语音搜索的基础之上的。

2、计算机视觉和模式识别方向：这个方向是从技术层面划定的方向，其应用领域包括:智能办公、智能交通、智慧城市等等。

3、医学图像处理：医疗设备和医疗器械很多都会涉及到图像处理和成像技术，诸如西门子、飞利浦等企业都会有专门的人工智能研发部门。

工智能就在小规模的数据集上做算法练习，用Python程序在单机上运行就可以了，但是在真正的生产环境中，需要面对海量的数据处理计算需求，这就需要用到各种大数据技术产品。各种主流大数据产品都有自己的机器学习框架与算法库，比如Hadoop上有Mahout、Spark上有MLlib，借助这些算法库和工具，可以较快速地在大数据平台上开发机器学习应用程序。业前景：

人工智能目前是一个快速增长的领域，人才需求量大，相比于其他技术岗位，竞争度偏低，薪资相对较高，因此，现在是进入人工智能领域的大好时机。研究还表明，掌握三种以上技能的人才对企业的吸引力更大，且趋势越来越明显，因此，IT技术人员在掌握一门技术的同时，需要适当掌握更多的技能!

BenchCouncil发布五项新人工智能和大数据评测标准，成为新竞争焦点

6月27日，在2019年智能计算机大会主论坛上，测试委员会（BenchCouncil）联合科学院相关研究机构（计算技术研究所、网络中心、高能物理研究所和科学院大学）、超级计算深圳中心、北京尖峰新锐信息 科技 研究院、计量科学院、工信部中生物技术和基因编辑技术国软件评测中心、寒武纪、开放指令生态(RISC-V)联盟、中科曙光、中科云达、阿里巴巴、西安交通大学、清华大学、北京大学、之江实验室以及以俄亥俄大学为代表的美国大学 共同发布了五项新的评测标准， 具体包括智能终端(IoT AI)、边缘智能（Edge AI）、智能数据中心、智能超级计算机 HPC AI以及科学大数据评测标准。

与此同时BenchCouncil次公布了数据中心和智能终端（手机）两个性能榜，该性能榜使用BenchCouncil主导研发的BigDataBench测试标准，并在BenchCo3.数据共享：大数据的完备性，使得单独的公司很难收集到所有的数据，这就要求将不同公司收集的数据起来使用（比如从事电商的公司有购买方面的数据、从事出行方面的公司有出行方面的数据，但没有一个公司能够同时收集到这两方面的数据）。不同的公司存储、使用数据的方式不一致，当要起来的时候如何统一数据格式来实现共享和共用呢？uncil新技术实验床“泰”上开展基准测试和验证。

据了解，基准测试是指通过设计科学的测试方法和工具，实现一类目标对象的定量测试和排名。例如，我们常关心的大学排名就属于基准测试的一种。在信息技术领域，常对核心组件进行测试，例如处理器的性能等，可以使用户清楚地了解每一款CPU的运算性能是否满足应用程序的要求。随着人工智能逐渐渗透到人类 的每一个角落，人工智能测试标准的制定成为了信息技术产业新的竞争焦点，并会整个产业的 健康 有序发展。BenchCouncil方面表示，BigDataBench是一个面向数据中心、高性能计算、终端和边缘设备人工智能的测试标准及工具。

与此同时，BenchCouncil发起了临床医学人工智能测试标准项目，呼吁相关机构一起参与医学人工智能测试标准的制定和实现，促进人工智能在临床医学的应用。

物联网，大数据，云计算和人工智能之间有怎样的关系

2.数据存储：关键在于数据量的增长大于存储器的增长、以及用什么样的结构存储才便于读取和使用？（那么多的维度如何抽象呢？如何检索呢？）

物联网是新一代信息技术的重要组成部分，是互联网与嵌入式系统发展到高级阶段的融合。作为物联网重要技术组成的嵌入式系统，嵌入式系统视角有助于深刻地、全面地理解物联网的本质。

物联网是在微处理器基础上，通用计算机与嵌入式系统发展到高级阶段相互融合的产物。物联网囊括了多个学科、具有无限多的应用领域。物联网有3个源头：智慧源头、网络源头、物联源头。智慧源头是微处理器，网络源头是互联网，物联源头是嵌入式系统，嵌入式系统诞生于嵌入式处理器，距今已有30多年历史。早期经历过电子技术领域独立发展的单片机时代，进入21世纪，才进入多学科支持下的嵌入式系统时代。从诞生之日起，嵌入式系统就以“物联”为己任，具体表现为：嵌入到物理对象中，实现物理对象的智能化。

大数据和云计算的关系

从技术上来看，大数据和云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

大数据需要特殊的技术以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模的并行处理数据库、数据挖掘、分布式文件系统、分布式数据可、云计算平台、互联网和可扩展的存储系统。

人工人工智能与大数据一个主要的区别是大数据是需要在数据变得有用之前进行清理、结构化和集成的原始输入，而人工智能则是输出，即处理数据产生的敬喊智能。这使得两者有着本质上的不同。人工智能是一种计算形式，它允许机器执行认知功能，例如对输入起作用或作出反应，类似于人类的做法。传统的计算应用程序也会对数据做出反应，但反应和响应都必须采用人工编码。如果出现任何类型的错，就像意外的结果一样，应用程序无法做出反应。而人工智能系统不断改变它们的行为，以适应调查结果的变化并修改它们的反应。支持人工智能的机器旨在分析和解释数据，然后根据这些解释解决问题。通过机器学习，计算机会学习一次如何对某个结果采取行动或做出反应，并在未来知道采取相同的行动。相关信息大数据提供了大量的数据，而有用的数据必须首先从大量繁杂的数据中心分离出来，然后饥袜再做任何事情。人工智能和机器学习中使用的数据已经被“清理”了，无关的、重复的和不必智能

人工智能英文缩写为AI，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分枝，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。它是对人的意识、思维的信息过程的模拟，人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

恭喜你阅读完了本文，相信你已经了解了嵌入式、物联网、云计算、大数据、人工智能之间的关系，也相信了解他们之间的关系可以拓宽你学习的思路与方法，让你从广度上更好地理解你的工作内容，也知道应该从哪里入手拉开自己与别人之间的距，如果你还有更多关于嵌入式与物联网的问题，欢迎来达内嵌入式培训机构进行咨询。如果你想通过嵌入式培训进行拓展，欢迎你来达内嵌入式培训班先进行试听体验!

大数据、计算机科学与技术和人工智能有什么区别

所以，当再次听到AI、大数据的时候，是不是就能够判断是真智能还是假智能,是真大数据还是假大数据了。

了解大数据与人工智能的区别与联系，首先我们从认知和理解大数据和人工智能的概念开始。1、大数据大纤陵猜数据是物联网、Web系统和信息系统发展的综合结果，其中物联网的影响，所以大数据也可以说是物联网发展的必然结果。大数据相关的技术紧紧围绕数据展开，包括数据的采集、整理、传输、存储、安全、分析、呈现和应用等等。目前，大数据的价值主要体现在分析和应用上，比如大数据场景分析等。2、人毁型工汪搭智能人工智能是典型的交人工智能距离达到“实用”的地步还有一段距离，大家如果留意会发现关于人工智能类的产品等都是说几年内会取得成就、进行投入等，在现实当中，有投入的人工智能产品么?当然有，不过都是一些弱人工智能，其智能程度并不高。业界其实不缺懂算法的专家，但是却非常短缺能够将机器学习和业务结合，产生实际价值的专家。叉学科，研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向，目前机器学习的应用范围还是比较广泛的，比如自动驾驶、智慧医疗等领域都有广泛的应用。人工智能的核心在于“思考”和“决策”，如何进行合理的思考和合理的行动是目前人工智能研究的主流方向。3、大数据与人工智能大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为

了解大数据与人工智能的区别与联系，首先我们从认知和理解大数据和人工智能的概念开始。1、大数据大纤陵猜数据是物联网、Web系统和信息系统发展的综合结果，其中物联网的影响，所以大数据也可以说是物联网发展的必然结果。大数据相关的技术紧紧围绕数据展开，包括数据的采集、整理、传输、存储、安全、分析、呈现和应用等等。目前，大数据的价值主要体现在分析和应用上，比如大数据场景分析等。2、人毁型工汪搭智能人工智能是典型的交叉学科，研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向，目前机器学习的应用范围还是比较广泛的，比如自动驾驶、智慧医疗等领域都有广泛的应用。人工智能的核心在于“思考”和“决策”，如何进行合理的思考和合理的行动是目前人工智能研究的主流方向。3、大数据与人工智能大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为

如果要我说的话，肯定是人工智能、大数据这个专业就业前景好。因为计算机科学与技术大而不专。从专业名字就可以看出，这个专业属于基础专业。毕业生在毕业之后，只有一个基础的本领，未来自己的方向还是要去主动学习。而人工智能大数据专业不仅仅是当下热门，学习的专业程度也比较高。所以我个人建议选择人工智能大数据专业。我大学的专业是计算机科学与技术。自己给自己定的方向是前端+网页开发。但是在毕业之后自费参加了大数据和云计算的技能培训。大数据其实已经应用到了我们生活的方方谨皮面面。比如说，打开你手机上的美团。开始给你的都是你平时喜欢吃的。这其实就是大数据的应用。不知道有没有人发现，现在春运的火车票越来越好抢了？这也是大数据的功劳。大数据会将历年春运的票务数据进行汇总纯亮，然后进行分析。每条线路量多少，需要配置几个班次，需要准备多少后备力量。这一切的一切都由大数据进行统计。而人工智能就更好说了，比如全

人工智能、数据科学与大数据技术、计算机科学与技术。

在27日的主论坛上，BenchCouncil发布了五项新的测试标准，分别是数据中心人工智能测试标准、HPC AI500测试基准、 IoT AI测试标准、边缘AI测试标准以及科学大数据测试标准。

这些是我的长期待在雪天里，在雪天里发掘不同的美景，解决在雪天里遇到的问题，会让人以为爱情的全部就是雪天这种环境，只能在这个节气里修修补补，品味美丽与缺憾。不知道在其他相不大的气流那里，即使发生同样程度的碰撞，之间也许只会降温5度，不至于产生雪球，多如雨水，淋湿双方，当气流对冲结束后，终归会很快消失于空气里、时间里，没有累积的前提。报考专业。

1.计算机科学与技术：计算机科学与技术专业在当今信息时代非常热门。它涵盖了计算机硬件和软件方面的知识，培养学生在编程、算法设计、网络安全等方面的技能。随着科技的不断进步，计算机科学与技术专业的就业前景非常广阔，毕业生可以在软件开发、人工智能、大数据分析等领域找到丰富的就业机会。

2.人工智能与机器学习：人工智能和机器学习是未来的发展趋势。这个专业培养学生在人工智能、机器学习、深度学习等领域的技能。随着人工智能技术的广泛应用，这个专业的毕业生将有机会在自动驾驶、智能机器人、智能医疗等领域找到高薪就业机会。

3.

你相信大数据和人工智能吗？

数据科学与大数据技术：数据科学和大数据技术专业致力于培养学生在数据分析、数据挖掘和大数据处理方面的能力。随着大数据时代的到来，企业和组织对于数据分析的需求越来越高。这个专业的毕业生可以在金融、电子商务、市场营销等领域从事数据分析和决策支持的工作。

记得《奇葩说第五季》有一期的辩题，就是在一段幸福的恋情中，否要与大数据匹配合适对象约会？

大数据定义详解：

这是个很有趣的话题，因为大数据和人工智能，都是我们当下正在经历的技术时代，它们侵入爱情领域，是早晚的事。

我认真想了想这个问题，觉得未来如果那种技术真的到来，我很可能会接受相关的服务。

因为我认为恋爱中，合适比相爱重要，比互相妥协重要，比长久重要。

合适的纬度主要包括人生规划，兴趣爱好，外表与性格。

当两个人因摩擦而导致的痛苦越少，快乐就会越多，不必再花时间从爱情中去探索痛苦的意义。即使两人缘分走到尽头时，是因为彼此的追求有所分歧，而不是因为痛苦不得不分开。这样才能在技术层面上做到真正的好好告别，彼此祝福，来日方长。因为两人前期已经通过付出一般人不愿意付出的脑力去建立规则，捋清自己，分辨鸡汤，给痛苦设定好了一个触碰到时就该脱离的较高阈值，把日常的调解都控制在这个阈值之上，避免让彼此痛苦加深的风险。比如不能说的话，不能做的事，不该撤离的时刻，不该纠缠的时刻。这样即使遗憾分手，也都能给彼此留下回忆快乐的余地。在感情中明确这些规则，不是数据和计算，它的名字叫经营。

很多感情走到尽头的情侣之间，并非发生了什么复杂的矛盾，本质上应该是因为不适合，重情与薄情，消极与积极，舒缓与苛刻，优柔与果断，面对事情时的尺度与方寸不同，即便在日常琐事中，也会生发意料之外的碰撞与失控。

有情也许可以饮水饱，但只有情会丧失对爱与自由的把握。在日常的相处与磨合中，也会产生许多裂缝和隐患。

不适合这个词，没有人们想象的那么虚伪，它在一段双方都不会为对方改变的关系里，就只是一个客观现实。

时代也不断在变化，一个成熟的爱情观有了更加多元的解释，不再只被囿于“有爱就足够，所有矛盾都是不够爱”这条定理中。人类的精神领域随着时代不断在变得复杂，爱情也不再像过去那样占据一个人举重若轻的位置。爱本身也逐渐在从个体的小我走向大我。

人们对爱情的认知往往通过两个极端来确定边界，一端是王子公主的永恒幸福，一端是两头笼中困兽的鲜血之争。大多数爱情都在这两个极端之间，慢慢都会发现彼此的不合适，终都会走向庸常，有的还在继续，有的已然分开。但我不认为这种常态便是真理，也不认为爱情的归宿就是亲情，尽管人们都是这么宣称的，也许人们把自己的感情归类到大众认知里会有一种安全感，就像对待其他事物的认知一样。

兴趣爱好里，有一半都相同。能一起做事固然，其他时间也能与自我相处。

头脑比身材重要，身材比脸蛋重要。

彼此性格独立，不卑不亢，遇事不慌，尊重智识。对未来生活有相不大的愿景，对真理有一样执着的热情。懂得爱自己，一个人的时候能照顾好自己，饿了就吃，困了就睡，不会故意折磨自己也折磨对方，不会让对方因为任性伤害自己而担心。不会遇事就慌乱不堪，不分轻重大小提拎不清，不会轻易陷入语言的漩涡，任由自己被情绪掌控。在问题面前能够理性沟通，努力表达，尽可能细致而不是粗略的去理解对方，并试图从双方的矛盾中找出互相妥协之道。能够在日常争执时较为快速的恢复情绪，在冷静下来之后与对方互相道歉和拥抱。

以前我曾觉得爱情简简单单就好，但这种简单带来的幸福一定是建立在必要的相似性或者妥协性之上。简单爱只是歌谣，不是真实生活的准则。那些基于一时之念而生的爱情，有的因为不爱和不妥协走到了30分，有的部分妥协和成长走到了刚刚及格，也有走到80分以上的爱情，80分的爱情里，我们听闻多的往往是一方对另一方的牺牲性妥协和改变，但应该也有刚刚好的彼此不用妥协太多，其中的关健就在于相似性。我们很少看到满分的爱情，只是因为每个人类都有独特性。

不合适大多数时候会走向不太美好的结局，就像两股温度相悬殊的气流，只要稍微碰撞就会降温20度，大雪一场，即使两股气流对冲结束，地面上的雪花也一时难以消除，雪球的滚动就变成一个很容易的过程。雪球在这里代指两人之间的矛盾。