前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >重走机器学习之路——形而上者谓之道

重走机器学习之路——形而上者谓之道

作者头像
李拜六不开鑫
发布2018-09-04 14:25:12
3320
发布2018-09-04 14:25:12
举报
文章被收录于专栏:本立2道生

形而上者谓之道,形而下者谓之器,化而裁之谓之变;推而行之谓之通,举而措之天下之民,谓之事业。——《易经·系辞》

天地间本就存在种种规律和法则,这些规律和法则在物质世界相互作用、不断演化形成了世间万象,比如水蒸气遇冷液化成雨,比如万有引力让苹果落到地上。世间万象称之为“形”或“象”。

世间之“形”“象”,大致可分两种:一种是物质的种种“现象”,风雨雷电、花鸟鱼虫,另一种是精神的种种“意象”,或者说“观念”。两者背后都蕴含着很多规律,人们发展出各种学科,如物理学、心理学等,都是在尝试更准确地描述“形”“象”背后的规律,从而指导实践。

人们通过持续观察自然认识自我,初成感觉和猜想,进行实践,总结规律,不断修正和创造,进而改造自然,推动社会进步。比如古人观察到火烧后的土地会变硬,学会了烧陶,但是对于烧制结实耐用容量大的陶器而言,这个阶段的认识是片面且肤浅的,在不断烧制实践的过程中,进一步总结规律,调整工艺,知道了如何烧制更好的陶器。

是因为物理法则的存在,才会产生“火烧后土地会变硬”的现象,物理法则即是现象背后的道,此为“形而上者谓之道”;人们对这些现象的观察和总结是在尝试刻画“道”、拟合“道”,应用认识到的规律,烧制出陶器,此为“形而下者谓之器”;但认识到的规律是片面的,与真正的“道”之间是有偏差的,这种偏差表现在实践过程中就会暴露出种种问题,像易碎、裂纹、变形,然后完善认知总结出更准确的规律,改进工艺,此为“化而裁之谓之变”;当总结出的规律足够准确,工艺足够好之后,就可以推行了,传授给更多人,应用的范围越来越广,改善了大家的生活,此为“推而行之谓之通,举而措之天下之民,谓之事业”

但是,如果总结出的规律一直存在人的脑袋里,或者停留在工艺层面,别人并不能很快掌握和应用,而且到了一定阶段后难以进一步改进,这对推行和发展是不利的。于是需要数学,数学通过抽象可以将结论和规律高度概括为公式,易于验证、推行和改进。需要注意的是,通过数学公式描述的规律——模型,也仅仅是对“道”的拟合,与“道”仍有偏差,从牛顿力学到爱因斯坦相对论再到量子力学,在简单场景下好用的规律到更广泛的场景下可能就不好用了,这即是偏差,有差距就会推动发展出更准确的模型。

这个“认识自然、总结规律、修正改进”的过程能否通过机器(计算机)实现呢?答案是可以的,利用机器“上溯寻道”的方式就是机器学习,而且已经形成了相对清晰的“寻道”路线图,认识自然——认识数据,总结规律——形成模型,修正改进——模型优化。根据你的问题场景,收集相关数据,总结规律得到模型,分析暴露出的问题,缩小“偏差”,得到更准确更贴近“道”的模型,接下来就是应用模型——应用通常表现为预测,就像利用公式预测苹果落地时间一样,这就是机器学习的实践过程。

假设用\(P\)来评估计算机程序在某任务类\(T\)上的性能,若一个程序通过利用经验\(E\)在\(T\)中任务上获得了性能改善,则我们就说关于\(T\)和\(P\),该程序对\(E\)进行了学习。——《Machine Learning》Tom Mitchell, McGraw Hill, 1997

这里,\(T\) 是你的问题场景,\(P\)是对“偏差”的评估,\(E\)是从数据中学得的模型。

江湖流传,训练深度学习模型的过程是“炼丹”,输入的数据是炼丹的材料,丹方是模型结构和设计,tensorflow、mxnet这样的框架是炼丹炉,得到的模型即“金丹”。我们不仅仅是在“炼丹”,更是在“问道修仙”,希望早日成就“金丹大道”。

炼丹
炼丹

个人博客地址:重走机器学习之路——形而上者谓之道

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2018-07-23 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档