震惊世界的“N号房”事件又有了新爆料，据韩媒报道，被称为“GODGOD”的Telegram秘密房间创始人与“博士”赵主彬在今年1月21日的信息对话内容被公开。GODGOD表示：如果自己被捕，导致连续10天不能登录网站，所有的淫秽视频将自动曝光，同时叮嘱“博士”也做好相同的设定。
一时间，这件事又被大家关注，根据之前的报道，本次涉案的人数已经达到26万人，按照韩国总人数5100万计算，刨除女性和小孩，这个比例已经十分高了，可能还会涉及到某些知名人士，一旦视频被曝光之后，影响力有多大，简直不敢想象。
当然，影响最大的还是那些受害者，网络的传播速度相当快，一旦这些视频流出，肯定会有人浏览和保存，到时候官方就是想瞒都瞒不住，本身就遭受了一次伤害，现在视频流出肯定会造成二次伤害，这种的做法真是让人气愤！
目前，GODGOD是N号房的最初创始人，也是该案件的核心人物，警方正在对他进行追踪，但他一直行踪不明，在对话中，他还表示：警察是绝对抓不到自己的，“现在在京畿道”，我都用文化商品券收费所以警察追踪也追踪不到我”！
如此猖狂的表现，韩国警方还真没办法吗？我觉得很难，“GODGOD”设定的这个机制让每一个参与进来的人都有把柄被掌握着，如果这些付费会员的名单被公开，其中很有可能包含知名明星艺人、高校教授、社会名流等。
所以，我认为这件事最后可能还真不会有结果！
各位，意下如何？
谢谢阅读，祝您心明眼亮~
匿名社交不是引导人们阴暗面，而是为了更好的保留自由。
闪说App，匿名探索朋友的秘密!闪说是一款带有 3D 二次元视频、匿名聊天、阅后即焚功能的熟人匿名社交软件，可以为你在与朋友实时视频过程中，添加特效个性化 AR 形象、漫画滤镜，为你带来 3D 二次元聊天体验，尽情的扮演喜欢的角色、探索体验不一样的社交模式。
闪说阅后即焚和截图保护功能， 帮你守住秘密，用户之间发送的任何形式信息只要设定，都会在阅读后自动焚毁、对方一旦截屏就会立刻通知，让你的秘密可以无压分享，不留痕迹;满分新奇的匿名聊天也让聊天更有趣且无负担，一旦设定此条消息为匿名消息后，对方将不知道你是谁。这里没家长、没老板，只有志同道合的小伙伴。 闪说，一个集 AR 虚拟形象、阅后即焚、匿名聊天功能为一体的社交产品，让熟人社交无压有温度，帮你缓解日益沉重的社交压力，找回日渐疏远的亲密关系。
一款匿名聊天软件，运气不错碰到了一个能听我说并且给我建议的人，类似于树洞的存在吧，还不错，平时没事也可以随机找人聊聊天。系统会定时清理没有再联系的消息，碰到聊得来的可以锁定以及备注。
一罐是一个匿名社交平台，是绝对的匿名。每个用户只是这里平等的个体，将这些人聚集起来的是一个个「罐头」，每个罐头代表一个主题，分为情绪、互动、爱好、生活几大类。有了绝对的隐私做前提，这里就成了很多人的树洞。比如在情绪分类里，有丧、开心、抑郁、孤独几个主题，一罐把这些主题命名成了「丧之海」、「吐槽之海」这样的名字，而每个主题中堆集的消息也就成了一个个「罐头」，浮在海面上，寓意和漂流瓶类似，把想说的话说给陌生人听。
这几年，很多人都说自己抑郁，焦虑不安。年轻的年老的都有。真不知道是咋回事，我去看过心理科，还挂的专家号，进去三两分钟，问了几句话就开药，四五样吧！之后有个女的就一直问医生给开的啥药，一对比大同小异的几样。问她给谁吃，她说孩子瞅她的年龄也就四十多吧，那她的孩子应该20左右。补充一下，看心理科的人好多。我没有买开的药，原因有二，一是觉得没必要吃，二是要到分院去买太远了。自己就是更年期好烦躁焦虑，然后看的中医。正在更，希望早点过去吧！[祈祷]
我不害怕，但现在特别害怕的是感染了要强制拉去方仓！这个就要命了，如果可以居家隔离自我康复就不怕了！但非要拉走，那还是有点怕！
今天少校跟大家说的一些野史可都是有正式记载的，这本书的名字叫《清代野记》(也叫四朝野记，记述了道光，同治，光绪，宣统这4个朝代一些野闻杂记)时间跨度大约为30年。
1.慈禧太后割肉救慈安太后
道光帝有两个皇后，慈安皇后和慈禧皇后，慈安皇后这个人比较善良，深得咸丰帝的信任，咸丰帝怕他死后，慈安皇后被慈禧欺负，就在临死前给慈安太后留下秘旨：如果慈禧骄纵不法，就让慈安太后按祖宗家法治她。
正是因为有这个原因，慈禧太后对慈安太后一直非常的尊敬，有什么事儿都听慈安太后的。后来有一次慈安生病，慈禧通过割下自己胳膊上的一块肉，熬成了参汤，为慈安治病，把慈安的病治好了，取得了慈安的信任，慈安感动之下便烧了这个密旨，自从她烧了这道密旨后，慈禧便对慈安不客气了，剥夺了她所有的权力。
2.同治帝是得病而死的，而不是死于天花。
同治帝因慈禧不让他与皇后见面，便流连于花丛中，得了病。但慈禧为了维护皇家的体面，便让太医按照天花这个病就给同治去治后来同治马上就要死了，的脓血很多， 皇后看到后，便用手去给同治擦，慈禧看到后便大怒说：皇帝都已经病成这样了，你还魅惑于他。并的打了皇后掌，同治帝一气之下，死了。
3.敬事房中皇帝临幸妃子的一些规矩。
比如说皇帝吃完饭后准备云雨，便把妃子的名字写在一些牌子上反扣过来(牌子分为红头牌和绿头牌)，递给皇帝，皇帝选好了之后，们让选中的妃子沐浴干净后，并用毛毯把赤身的妃子抬到皇帝的寝宫中。
然后皇帝躺在床上，全身盖着被子，只留着脚不盖，妃子便从皇帝脚那里，从被子里爬到皇帝身上。事后们就问皇帝留不留？如果皇帝说留，们便记录下来行房日期。如果皇帝说不留，们便通过技术手段，让龙精流出。
4.小钱不花花大钱。
李鸿章在甲午之战后，偷偷的答应给当时日本驻清国的大使小村寿太郎几百万银子，让日本退兵。小村寿太郎也同意了。但后来光绪帝却因为金额较大，不同意。最终导致了中日《马关条约》的签订，省割让给了日本，并赔偿日本军费2亿两白银。 后来李鸿章大怒说：小钱不花要花大钱 。
5.守银库的库兵如何偷银子？
当时清朝守银库的库兵从小便开始训练：把银子抹上猪油，塞到门里。最牛叉的人一次就能偷100两。一个库兵只能干三年，而且每个要花5000两银子去买名额。但是这三年下来，每个库兵都能够净赚几十几万两。所以库兵到老年的时候都有脱瘘的症状。
这些野史是不是挺有意思的？这本书的名字叫《清代野记》成书于初，可信性较高，作者叫梁溪坐观老人，大家可以看一下。
那一个王朝对宫女都有一套惩罚规定，偌大的皇宫，三宫六院，三千佳丽，嫔妃宫女，数千人相处的一个大院子里没有一个严厉的规矩是不行的。
但是皇宫里的太后，皇后，贵妃记一些要封号的嫔妃们为了显示自己的权威，提高自己的身份，或为了自己的利益，往往会对宫女们实行一定的惩罚，或实行过于严厉的刑罚。
尤其是满清，他们住进了皇宫后，里面有许多明朝遗留下来的一些汉人宫女。为了是她们臣服，就常常对这些宫女进行一些过于严厉的刑罚，比如：罚跪、杖刑、笞刑、拶刑、打入辛者库为奴、驱逐出宫、死刑等等有十多种残酷的刑罚。
其中，以“提铃”、“板著”、“墩锁”三大刑罚最为严酷，受刑者往往痛不欲生，生不如死。比如：
一，“提铃”
这种刑罚，就是让宫女整夜在宫里四处转悠，高唱天下太平等语言，而且行动不能停，就像打更一样，到点就唱，不许睡觉，直到活活把人累死为止。
二，“板著”
这种刑罚，就是民间常说的“蹶着”，这个姿式非常难受，消耗体力，还要保持两个时辰，让人直接晕倒吐血而死。
三，“墩锁”
这种刑罚，是宫女最害怕的。因为这种刑罚是将宫女锁在一个箱子里面，但只将头露出来，手脚身体都缩在里面，整个身体像个球一样，就像传说中的人彘一样，只是不需要挖眼、割耳朵等。但这样的情况谁的身体受得了？之后在将其活活折磨死。
除了这几条著名的刑罚之外，清宫里还有一条规矩：“打人不打脸”！皇后太后贵妃们，在处罚一些嫔妃、宫女的时候，可以把她们打死，但绝对不可以打她们的脸。
因为“打人不打脸”这个规定，这是老祖宗传下的。其中的原因是：宫里女人的脸是给皇上看的---宫女在皇上面前都是打扮的漂漂亮亮，面若桃花一般的。这样皇上看了才会爽心悦目。
你若将她的脸打坏了，皇上看了就叫“惊驾”，吓到皇上，或做皇上心里不高兴，那罪过可是非同小可的---谁打的谁就得倒霉。并且，打脸，也被认为是对人格的污辱，所以宫女虽有错，但绝不可以打脸。
或许正因为清宫里有“打人不打脸”的规矩，后来，民间也有了这一种民俗---“打人不打脸，骂人不揭短”。
去看那些让你情绪高昂的节目，而不一定是什么书或者是电影？
不过你对跳舞感兴趣，那你就去看那些特别精彩的舞蹈表演，他们的表演会让你精神振奋。
若你喜欢唱歌，去看那些大型的歌手比赛，他们的表现。
如果你喜欢游戏，那你就去看那种竞争和争夺赛的那种场景。
其实真正抑郁的时候是需要有一个声音告诉你，找到自己内心最激昂的时刻，你的抑郁就瞬间消失。
就好像为什么有的人正在打瞌睡，忽然有个声音打搅你就被惊醒了，原因是一样的。
或者是你喜欢的一段文字，你大声的读出来，你就会听见自己的声音如此洪亮，也可以做的更好。
恐怖片看得很少，印象最深的是曾经看过的恐怖短片，恐怖而又意味深长，最可怕的不是鬼，而是人，每一集都让人汗毛耸立！
《鸡皮疙瘩》取材于现实生活，一集包含六个小故事。一直都知道，日本在恐怖领域造诣很深，具有放大人们心灵恐惧的魔力，作为日本的深夜剧，它的恐怖程度可想而知。
简单介绍其中的一个故事，就可以窥探一二了。
改变——这是一个属于孩子的故事，充分展现了人性，不恐怖却意味深长。
贤也和浩一是一对好朋友，假期快要结束了，浩一早早地做完了作业，而贤也因为剩下的功课愁得眉头紧皱。
然而在浩一的说服下，他们还是决定相约骑车。
无聊的他们决定比赛看谁先到达超市，但意外发生了，浩一被路过的大卡车撞伤，当场死亡。
面对此次变故，贤也非常的悲伤，本来他计划着与浩一的一切。
看到贤也的自责与难过，浩一的家人选择安慰他，并且让贤也拿走浩一的东西留作纪念。
下一帧画面转为贤也的书桌，他拿着浩一的作业，将属于浩一的名字擦去，慢慢写上自己的名字，看着这些他开心的笑了…
AI在医疗行业7个开创性的应用领域
事实上，计算机与医疗的结合为未来医疗开启了新大门。医疗健康行业是一座“数据金矿”，高质量的医疗数据会成为人工智能引擎的宝贵助力。当然，AI在医疗的应用远不止看医疗影像，其实它还有一些典型场景。这里，我们总结了AI在医疗行业7个开创性的应用领域。
1、疾病诊断
疾病的识别诊断一直是医学研究的前沿。根据美国药物研究与制造商发布的2015年报告，有800多种药物和疫苗用于治疗癌症。
奈特（Knight）研究所研究员杰夫·特纳（Jeff Tyner）在接受彭博科技（Bloomberg）采访时表示，虽然这令人兴奋，但还是不容易找到行之有效的方法来处理所有数据结果。
Tyner表示：“生物学家与计算机专家合作非常重要。”
毫不奇怪，一些大公司已经开始这方面的研究布局，特别是在像癌症识别和治疗这样的重要领域。
2011年10月，IBM沃森健康公司（Watson Health）宣布与沃森基因组学公司（IBM Watson Genomics）合作，该计划旨在通过集成认知计算和基因组肿瘤测序，推动精密医学领域发展。
总部位于波士顿的生物制药公司Berg正在使用AI来研究包括肿瘤学在内的多个领域的诊断和治疗。目前正在进行的研究项目包括静脉内肿瘤治疗的剂量试验和前列腺癌检测和后续管理。
其他主要的例子包括谷歌的DeepMind Health，去年宣布与英国的多家合作伙伴关系，包括伦敦的Moorfields眼科医院，他们正在开发技术来解决老化眼睛黄斑变性的问题。
在脑部疾病如抑郁症等领域，牛津的“抑郁症预防及应对”（PReDicT）项目正在使用预测分析来帮助诊断并提供治疗，他们的总体目标是研发一组情绪测试问卷调查用于临床。
2、个性化医学
个性化医学或基于个人健康数据的预测分析也是当前一个热点研究领域。
该领域目前大多采用监督学习（Supervised Learning），这让医生们可以从更有限的诊断集中进行选择，或者基于症状和遗传信息来估计患者风险。
IBM沃森研究中心肿瘤学部门和斯隆凯特林纪念医院目前在该领域处于领先地位。他们致力于使用患者医疗信息和诊疗历史来选择最优治疗方案：
在接下来的十年中，我们将会看到微生物传感设备以及具有更复杂的健康测量和远程监控功能的移动APP的广泛使用，这将带来可用于帮助促进研发和治疗功效的大量数据。
这种个性化治疗有益于帮助提高健康，并最终降低总体医疗成本。
3、药物研究/制造
在初步（早期）药物设计中使用机器学习具有巨大潜力，从药物化合物的初步筛选到基于个体因素的药物有效性预测，以及一系列新技术，如下一代测序等。
精准药物医学是这一领域的前沿。这涉及确定“多因素”疾病的机制，或者寻找替代治疗等等。
很多这方面研究涉及无监督的学习，目前很大程度上我们仍然局限于识别数据模式（而非预测）。
▲ 图示：
A：监督和无监督学习问题的矩阵表示
B：决策树将特征映射到结果
C：神经网络基于特征的变换来预测结果
D：最近邻算法 - 基于最相似训练样本值的分类器
该领域的主要开拓者包括MIT临床机器学习小组。 其精密医学研究侧重于开发算法，以更好地了解疾病过程并设计有效治疗2型糖尿病等疾病。
微软的汉诺威项目正在多个计划中使用ML技术，其中包括与奈特癌症研究所合作开发用于癌症精准治疗的AI技术，目前着眼于开发治疗个性化急性骨髓性白血病（AML）的药物组合。
英国皇家学会还指出，药物研究中运用ML已经成熟。 来自实验或制造过程的数据有可能帮助制药厂商减少生产药物所需的时间，从而降低成本并提高重复率。
4、临床试验研究
机器学习可以用来指导临床试验研究。应用高级预测分析，我们可以利用比目前更广泛的数据，例如社会媒体和医生门诊记录，以及在针对特定人群时的遗传信息来确定临床试验候选人; 这一切将使得临床实验更小，更快，更便宜。
ML还可用于远程监控，例如，监测患者体征以发现任何人身伤害或死亡的迹象。
据麦肯锡称，ML可以帮助提高临床试验效率，包括找到最佳样本大小; 适应患者个体差异; 以及使用电子医疗记录来减少数据错误（例如重复输入）。
5、放射学和放射治疗
在2016年10月的“统计新闻”采访中，哈佛医学院助理教授Ziad Obermeyer博士说：“20年后，放射科医生将不复存在。他们可能看起来更像是人和机器的混合体：应用ML算法每分钟他们可以读取数千个病例。
“ 目前，Google的DeepMind Health正在与伦敦大学学院（UCLH）合作开发能够检测健康和癌组织差异的ML算法帮助改善放射治疗。
DeepMind和UCLH正在努力应用ML，以加快癌组织分割过程（确保没有健康的结构受损）并提高放射治疗的准确性。
6、智能电子健康记录
使用支持向量机（SVM）进行文本分类（例如通过电子邮件来对患者查询进行排序）以及光学字符识别（或OCR，将草图手写转换为数字化字符）都是成熟的ML应用。
这将有助于推动电子健康的收集和数字化。 这方面的工作包括MATLAB的ML手写识别技术和Google用于OCR的Cloud Vision API。
MIT临床机器学习小组正在推动下一代智能电子健康记录的发展，他们使用内置的ML算法来帮助诊断，临床决策和提供个性化治疗建议。 MIT在其网站上写道:“我们需要强大，安全及可解释的ML算法。它可以从小规模的标注训练集中学习，并支持自然语言交互，从而可推广至大量医疗机构。
7、爆发预测
根据从卫星收集的数据，网络上的历史信息，实时社交媒体更新等等，ML和AI技术也被应用于监测并预测世界各地的爆发。
目前已有基于支持向量机（SVM）和人工神经网络（ANN）的模型来预测疟疾。采用的数据包括温度，月平均降雨量，阳性病例总数等等。
预测在第三世界国家尤其迫切。这些国家往往缺乏医疗基础设施，教育途径和及时治疗机会。 ProMED是一个基于互联网的邮件系统以用于监测新出现的疾病并实时提供报告：
利用ProMED报告和其他开采的媒体数据，HealthMap组织使用自动分类和可视化来帮助监控和提供任何国家的疾病爆发警报。
有待克服的障碍
在将ML技术应用于制药和医疗的这场竞赛中，还有如下待解决的挑战：
来自科技行者团队最有偶像包袱的DAWN老师
有，国内一款名为Emohaa的情感支持聊天机器人，
