- 由於主辦者並非方案的提議人，他們應該要求三個方案的提議者提供網頁，解釋方案內涵，保證網頁內容不變，並於投票網頁附上解釋三個方案的網頁連結。現時，投票網站上解釋方案內容的網頁有附註謂「資料來源: 和平佔中網站」，但不清楚是由和平佔中網站提供資料，抑或是投票主辦者自行詮釋。網頁內容，應由和平佔中網站提供為宜。
- 本來就應該開設多個實體票站。電子投票縱然方便，卻排拒了不諳電子產品的選民。我知，資源有限資源有限資源有限吖嘛，但既然係全民投票，就應該盡力令所有人都可以參予。今次安排，我覺得於年齡階層上，會造成很大偏差。
- 即使是電子投票，今次的安排也強差人意。投票者必須用智能手機 app，或者可以發出短訊的手機。若我的手機是某些不便發短訊的 feature phone 或老人手機，投票就變得很困難。若能安排用固網電話投票，才算妥善。
2014年6月21日星期六
6.22 民間全民投票
昨晚於網上投了票。我明白主辦者資源有限，且當務之急為應付中國的網絡攻擊。未能顧及其餘，可以諒解。然而相比往常的投票活動，今次實在有幾個亟待改善之處：
又一個 benchmark
從別人的網誌看到一篇做 benchmarking 的論文：A Comparison of Programming Languages in Economics，其中有些令人驚奇的結果。
比較不同程式語言的執行效率，往往引起極大爭議。一來，作比較時，實際上比較的不單單是語言本身，還牽涉了 compiler 或者 interpreter，以及程式庫。二來，各種語言均有其獨特的 features。如何用不同語言來實作同一個算則才算公平，並無定論。幾年前 Google 有人寫了篇 Loop Recognition in C++/Java/Go/Scala，對所涉各種語言，都找來熟悉該語言的工程師，先用最自然的寫法來實作同一個算則，然後再優化程式。照道理這樣做已經很公道，可是還是有工程師事後表示，若早知程式是用來做 benchmarking 的話，寫法就會不同云云。可見無論是再公平的程序，亦說服不了所有人。
三來，許多時於網上見到的都是 micro-benchmarks，它們實作的，往往都是生安白造兼且過份簡單的算則，而非來自現實問題、難度適中的算則。今次這篇論文，和前述 Google 工程師所用的算則，皆有現實背景，既不太難，亦不太易，很適合 benchmarking 用。
我自己寫的程式通常都是做科學計算，用得較多的語言中，我最熟悉的是 Matlab 和 C++，其次是 Python 和 Java，再而是 R。印象中，若計算以矩陣為主（我指的是「矩陣」matrix，不是「陣列」array），則前四種語言的表現皆差不多一樣，原因是除了 C++（但 C++ 也可以）外，Matlab, Python 或 Java 基本上都只是呼叫 BLAS 程式庫。若程式的瓶頸並非矩陣計算，則各種語言分別很大。通常若執行一個 C++ 程式要花一個時間單位，那麼 Java 就要大約 2-3 倍時間，Matlab 不用 Mex 則 6-10倍，而 Python 則時快時慢，但粗略地說，和 Matlab 同級。R 則慢過蝸牛，若講求速度的話，完全不用考慮。
那今次這篇 benchmarking 論文的結果又如何？答案是仍是 C++ 最快。各實作程式所花的時間（以 C++ 為 1.0）如下：
C++ (1.00) < Fortran (1.07) < Matlab, Mex (1.29) < Python/Numba (1.57) < Java (2.10) < Julia (2.70) < Mathematica (3.83) < Pypy (45.16) < CPython (155.31)。
以 C++, Matlab 和 R 來說，結果和我的經驗相符。然而，Julia 和 Python 的表現卻令我意外。如本網誌舊文所說，Julia 這種語法和 Matlab 有點相似的新語言可視為 "a general purpose programming language with a bias towards scientific computing"。其設計者曾於公式網站上，吹噓 Julia 有接近 C++ 的速度，然而網站上的 benchmarks，都不是來自現實問題。因此，今次 Julia 的超卓表現，應有助其宣傳攻勢。
Python 則既慢得意外，也快得意外。PyPy 和 CPython 皆比 C++ 慢了接近兩個數量級，實在始料不及。與此同時，一個我以前未聽過的 Python package，叫 Numba，卻做出 1.57 這個難以置信的結果。若其他範疇的 Python/Numba 程式皆有此表現，何止 Julia 活不了，相信連 Java 及 C++ 皆可殺掉。
不過話說回來，這個 benchmark 未必公正。從它的源程式所見，瓶頸位似乎是二維陣列的 array access。然而用各語言實作時，作者似乎一律假設二維陣列為 column-major 的。這樣就對 Fortran, Matlab 和 Julia 有利，卻不利使用 row-major convention 的 C++ 與 Python 了。無論如何，benchmark 只能作參考，不能一概而論，但今次 Julia 和 Python/Numba 的表現均相當優秀，值得關注。
比較不同程式語言的執行效率，往往引起極大爭議。一來，作比較時，實際上比較的不單單是語言本身，還牽涉了 compiler 或者 interpreter，以及程式庫。二來，各種語言均有其獨特的 features。如何用不同語言來實作同一個算則才算公平，並無定論。幾年前 Google 有人寫了篇 Loop Recognition in C++/Java/Go/Scala，對所涉各種語言，都找來熟悉該語言的工程師，先用最自然的寫法來實作同一個算則，然後再優化程式。照道理這樣做已經很公道，可是還是有工程師事後表示，若早知程式是用來做 benchmarking 的話，寫法就會不同云云。可見無論是再公平的程序，亦說服不了所有人。
三來，許多時於網上見到的都是 micro-benchmarks，它們實作的，往往都是生安白造兼且過份簡單的算則，而非來自現實問題、難度適中的算則。今次這篇論文，和前述 Google 工程師所用的算則，皆有現實背景，既不太難，亦不太易，很適合 benchmarking 用。
我自己寫的程式通常都是做科學計算，用得較多的語言中，我最熟悉的是 Matlab 和 C++，其次是 Python 和 Java，再而是 R。印象中，若計算以矩陣為主（我指的是「矩陣」matrix，不是「陣列」array），則前四種語言的表現皆差不多一樣，原因是除了 C++（但 C++ 也可以）外，Matlab, Python 或 Java 基本上都只是呼叫 BLAS 程式庫。若程式的瓶頸並非矩陣計算，則各種語言分別很大。通常若執行一個 C++ 程式要花一個時間單位，那麼 Java 就要大約 2-3 倍時間，Matlab 不用 Mex 則 6-10倍，而 Python 則時快時慢，但粗略地說，和 Matlab 同級。R 則慢過蝸牛，若講求速度的話，完全不用考慮。
那今次這篇 benchmarking 論文的結果又如何？答案是仍是 C++ 最快。各實作程式所花的時間（以 C++ 為 1.0）如下：
C++ (1.00) < Fortran (1.07) < Matlab, Mex (1.29) < Python/Numba (1.57) < Java (2.10) < Julia (2.70) < Mathematica (3.83) < Pypy (45.16) < CPython (155.31)。
以 C++, Matlab 和 R 來說，結果和我的經驗相符。然而，Julia 和 Python 的表現卻令我意外。如本網誌舊文所說，Julia 這種語法和 Matlab 有點相似的新語言可視為 "a general purpose programming language with a bias towards scientific computing"。其設計者曾於公式網站上，吹噓 Julia 有接近 C++ 的速度，然而網站上的 benchmarks，都不是來自現實問題。因此，今次 Julia 的超卓表現，應有助其宣傳攻勢。
Python 則既慢得意外，也快得意外。PyPy 和 CPython 皆比 C++ 慢了接近兩個數量級，實在始料不及。與此同時，一個我以前未聽過的 Python package，叫 Numba，卻做出 1.57 這個難以置信的結果。若其他範疇的 Python/Numba 程式皆有此表現，何止 Julia 活不了，相信連 Java 及 C++ 皆可殺掉。
不過話說回來，這個 benchmark 未必公正。從它的源程式所見，瓶頸位似乎是二維陣列的 array access。然而用各語言實作時，作者似乎一律假設二維陣列為 column-major 的。這樣就對 Fortran, Matlab 和 Julia 有利，卻不利使用 row-major convention 的 C++ 與 Python 了。無論如何，benchmark 只能作參考，不能一概而論，但今次 Julia 和 Python/Numba 的表現均相當優秀，值得關注。
2014年6月18日星期三
中國央視的鍵盤戰士新聞
據有線新聞報道，中國中央電視第一、四、十三頻道皆用了不少時間，報道日前於立法會大樓的示威，不過，為甚麼立法會大樓是下列截圖中的建築物？立法會新大樓都啟用了三年了，舊最高法院大樓亦早已交回法院使用。做新聞，引述外電很正常，但自己重新包裝播出前，起碼應該搞清楚基本事實吧。
話說回來，甚麼叫「衝擊」？我不是扮懵，而是真的不明白這些共產中文詞彙。示威就是「示威」；不准你進入，你偏要進去，就是「硬闖」；若造成許多不必要的破壞，就是「大肆破壞」。乜叉叫「衝擊」？若我去示威，踢倒路旁的垃圾桶，算不算「衝擊垃圾桶」？
話說回來，甚麼叫「衝擊」？我不是扮懵，而是真的不明白這些共產中文詞彙。示威就是「示威」；不准你進入，你偏要進去，就是「硬闖」；若造成許多不必要的破壞，就是「大肆破壞」。乜叉叫「衝擊」？若我去示威，踢倒路旁的垃圾桶，算不算「衝擊垃圾桶」？
2014年6月14日星期六
民許警治 Policing by consent
（原文連結）
按《資訊自由法》所釋文件
來自：內政部
牘歷：2012年12月10日發佈
25060
我們接獲以下按照《資訊自由法 2000》作出的要求：
內政大臣提及「民許警治」時，所指的是一套有悠久傳統的英國警治思想，通稱為「卑利的九條警治原則」。（譯註：卑利 Robert Peel, 1788-1850，曾任英國內政大臣。他在任其間，創立位於蘇格蘭場的倫敦警察廳，是現代英國警隊創始人。卸任後，卑利曾兩任英國首相，中環卑利街即以其命名。）然而，這套思想並無上溯至卑利的證據，它很可能是由倫敦警察廳兩位首任廳長（Charles Rowan 與 Richard Mayne；譯註：他們聯袂出任首任廳長）所擬。從1829年起，發給每名員警的《通例》中所載的原則為：
留意它所指的警權，乃來自公眾共同認許，而非國家權力。此非由個人認許。沒有個別人士可以撤銷他或她對警方或者一條法例的認許。
按《資訊自由法》所釋文件
來自：內政部
牘歷：2012年12月10日發佈
25060
我們接獲以下按照《資訊自由法 2000》作出的要求：
請閣下清楚界定內政大臣所謂「民許警治」的意思；可能的話，並輔實例。我們於2012年12月3日發放下列資料
內政大臣提及「民許警治」時，所指的是一套有悠久傳統的英國警治思想，通稱為「卑利的九條警治原則」。（譯註：卑利 Robert Peel, 1788-1850，曾任英國內政大臣。他在任其間，創立位於蘇格蘭場的倫敦警察廳，是現代英國警隊創始人。卸任後，卑利曾兩任英國首相，中環卑利街即以其命名。）然而，這套思想並無上溯至卑利的證據，它很可能是由倫敦警察廳兩位首任廳長（Charles Rowan 與 Richard Mayne；譯註：他們聯袂出任首任廳長）所擬。從1829年起，發給每名員警的《通例》中所載的原則為：
- 除了用兵力和嚴刑來鎮壓，預防犯罪與騷亂也是一個辦法。
- 要經常明白，警察履行職務的權力，繫於公眾對警隊的存在、行動、舉止，與警方取信於民、維持信任的能力之認可。
- 要經常明白，取信於民，維持公眾信任與認可，亦意味著為求大家守法，須促使公眾自願合作。
- 要經常明白，要民眾合作的難度，與為求達到警務目的而動用武力及強迫手段的必要性成正比。
- 要公眾青眼有加而不減，並非靠迎合公眾輿論，而是靠經常絕無偏私地維護法紀，完全不受政策左右，毫不考慮個別法律條文為義或不義，隨時為社會上任何人提供個別服務，伸出友誼之手，而不論財富或地位；隨時表現禮節與友善良好的幽默；隨時為保護生命而自我犧牲。
- 只有當勸喻、建議與警告仍不足以令公眾合作到一個地步，令公眾守法與恢復秩序時，方可使用武力，而且只能是在該場所實現治安目的所需的最低程度武力。
- 要時刻保持與公眾的關係，使「警為民，民為警」的歷史傳統保持現實。警隊只是民眾中唯一的受薪成員，全職履行每位公民都義不容辭，關乎社會福祉與存續的職責。
- 要經常明白，有需要嚴守警權，避免僭用或者令人覺得僭用了司法機關報應個人或國家的權力，或者以權威身份定罪與治罪的權力。
- 要經常明白，罪行與騷亂之缺少，而非對付它們的警方行動之顯眼，才是對警察效率的測驗。
留意它所指的警權，乃來自公眾共同認許，而非國家權力。此非由個人認許。沒有個別人士可以撤銷他或她對警方或者一條法例的認許。