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。。。)
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。。。)