追求逻辑——概念是人们创造的，解释是人们观察到的

概念是人们创造的，解释是人们观察到的。

今天美国宾夕法尼亚州立大学一位教授来我校给一些研究生授课，授课的主题是《经济数学建模与神经网络和深度学习》，她从效用函数出发，从最简单的到复杂到考虑了很多因素的效用函数，加上一个资源限制的函数，这个模型似乎能够在一定程度上分析人类行为，得到最优结论。

后来渐渐的神经网络和深度学习火遍全球，大势所趋。为了更好的找到这个效用函数，经济学家也纷纷靠到神经网络深度学习这个方向。教授说，在讲报告的时候，传统模型能够写出方程，能够解释，很完美，但是神经网络这个黑盒子让人无法窥视内在规律，不好解释。

教授是后期移民美国，她女儿就在美国长大，对于学习英语，教授举了一个例子。她现在的一些论文有时会给她女儿看看，虽然她女儿不太懂一些专业术语，但她能告诉她妈妈这一句好像有点怪怪的，教授一看，确实表达不太对。教授学习英语和我们国内大多数人一样，背单词，记语法等等，我们称之为英文的规律。她女儿在国外长大，看见cat就知道是cat，如果认错是dog，别人会告诉她这不是dog是cat（吐槽一下，这就是反向传播算法啊。。。），没有专门像我们的方法那样学习英语，但是她身处那个环境长大，她却可以为她妈妈的论文指点江山。

这就引出一个问题，什么是“learning”?

是像她妈妈那样按照规律总结来learning，还是像她一样从小脑海中的记忆单元就记录下了英文。这是两种类型，也就是传统方法和神经网络深度学习的这两种类型。

回到上面提到的经济学中的效用函数。我们通常会假设一些东西，比如就是这个效用函数，经过一系列推导演算，发现它能在一定程度上总结出人类行为规律，经济学家们好开心，后来发现，诶影响因素还有还有好多啊，把这些因素也加到模型中去吧。可是再怎么加，用最后得到的模型来分析社会人类行为，合理吗？（这就相当于第一行我说的那句话：概念是人们创造的，解释是人们观察到的。）什么鬼都是人类弄出来的， 用人类观测到的东西，去验证人类创造出来的概念或理论，这本身就不是一个严谨的逻辑。

这让我回忆起之前看过的一本量子物理科普书。如下图。（郭冬临小品里有一句话：“用谎言来验证谎言，得到的一定是谎言”）人创造的假设是「人头在大理石里」，下面做实验，为了有观测结果人会动用一些工具，这个工具是不是锤子？是不是凿子？有没有影响观测？（薛定谔的猫，这个理论认为人类的观察会影响实验结果。搞笑的是不观察就不会有结果。。。没想出解决办法，我感觉世界就是很混沌的。。。）

感觉很多时候都是这样，找到一个合适的理论，验证它，成了，这就是一个真理。这种思想的出发点，不是追究事件是什么，而是创造一种观点来验证它，逻辑的走向很奇怪。

在这混沌之中，神经网络和深度学习作为黑盒子也是很配合了，因为它们也很混沌啊。。。好吧，其实教授女儿的learning也是混沌的，会了就是会了，管它什么语法，反正就是英语好（好羡慕。。。）