从机器学习领悟到的三点人生智慧

上周六，参加了北京大学计算机研究生机器学习的课程，北大知名肖臻教授从北京飞到深圳给我们授课，这里我把学习的一些启发和心得分享给大家，从机器学习，我们可以领悟到什么样的人生智慧？

一、敢于试错，不断优化

首先，简单地介绍一下机器学习，机器学习是通过计算机自动寻找数据的规律，模拟或实现人的学习行为，以获取新的知识或技能，它是人工智能的核心，我这里举一个线性回归的例子，如果你要预测北大学生毕业后，收入与在北大学习成绩之间的关系，你可以把X轴设置成学习成绩，Y轴设置成收入，现在我们把样本数据画成散点图，怎么求收入与学习成绩的关系呢？ 只要告诉机器，哪些是影响因素，哪些好，不好。y = a + bx ，用机器学习的方法，就是向优化的方向小步试错，不断地追求与样本的偏差最小，直到找到一个最优值，比如这条线太偏上了，我就往下移动一小步(调整的幅度就是调参，这是一门艺术)，如果步子迈太大，矫枉过正了，那就再往回迈一小步，在这中间，我们可以获得的第一个启发如下，世界太复杂了，有些规律不是那么容易看清楚，需要在实践中摸索出来，在战斗中学会战斗，要敢于试错，如果不行动，永远不知道会发生什么，发现错了就及时调整。

二、抓住趋势，顺势而为

接下来，回顾一段吴军在《数学之美》介绍的一段非常经典的与机器学习相关的历史，我们知道，现在翻译软件很厉害，翻译准确度媲美人类，但是，翻译软件历史上走过很多弯路，在上个世纪70年代，主流的翻译软件是，你告诉计算机规则，计算机根据你给的规则翻译，做这些软件的专家主要是语言学家，但这条路很快走到尽头，首先语言中很多多义词很难用规则来描述，而且严重依赖上下文，所以依靠语言学家把所有的规则都穷举出来是不可能的，通过机器学习是另外一种方法，由计算机自己去发现规律，当时，这两种方法争论了15年，最终，GOOGLE采用了机器学习的方法取得了最终的胜利，当时负责Google翻译的负责人开玩笑说，我每开除一个语言学家，翻译的质量就能提升一个档次，Google能够获胜，深层次的原因是，数据量越来越大，计算能力越来越强，这个时代发展所有的外部因素，都是对机器学习这种方法有利的。回顾这段历史，人生有几个十五年，如果一个研究者选错了方向并坚持错误，到了15年后就会发现，基本这一辈子可能就一事无成了，我们得到的第二个启发是，抓住趋势，与时间做朋友，顺势而为。

三、抓住重点，克服‘完美主义’

机器学习，是基于已有的样本数据，来预测其他数据，那么，是不是机器学习输出的模型与样本数据越吻合越好呢？这里我们要用批判的思维来看这个问题，举个例子，女生爱美，美图秀秀可以通过机器学习自动美图，这里它要考虑调光线、瘦脸、磨皮等非常多的要素，特征太多，我们一定会遇到过拟合的问题，也就是说，你基于一群人找到的规律，在另外一群人身上不适用，解决的办法如下，我们把不同人群的美图数据分为训练集和测试集，这里画另外一个图，展示机器学习迭代次数与Loss偏差的关系，从训练数据（蓝色）的视角看，它是逐步降低的，这时，如果再拿测试数据来看，就会发现，到了一定的程度，对于测试数据，偏差反而更大了，这就意味着，完全吻合训练数据的模型，并不一定是最好的，因为它包含了训练集的噪音，过拟合了，这时，我们只要测试集效果还没有变差前的模型就可以了，避免过度拟合，我们得到的第三个启发是，抓住重点，克服‘完美主义’，例如我们在接收到信息时，比如来自领导的要求，我们只要抓住里面的重点就可以了，不要花太大的精力把领导的意图过于僵化地执行，别太追求‘完美’。

刚刚介绍了机器学习，是不是好难啊，我也觉得好难，幸亏肖教授讲地很精彩，而且通过停顿、提问互动让我们更好地掌握要点，我才不至于被瞌睡征服。智能时代即将来临，机器学习是其核心，很多人会觉得焦虑、恐惧，我也是，让我们从500年前哥伦布发现新大陆开启的全球化时代寻找一些启发，500年前，哥伦布相信地球是圆的，他想向西航行到印度淘金，葡萄的科学家认为他错误估计了地球的周长，拒绝了他的经费申请，他游说了十几年，最后西班牙女王支持了她，从而发现了美洲新大陆，开启了全球化，他到死都以为他到达的是印度，他错地离谱，但这又有什么关系呢？ 他的不畏艰险，勇于探索，拥抱变化与改变的精神，也是我们在这个人工智能的新时代需要的，让我们敢于试错、顺应趋势、抓住重点，为了更美好的明天而奋斗。