入门机器学习的法宝

入门机器学习的法宝

最近调查机器学习论文时发现，一窝蜂进行相同或相似的论题进行研究，且论题大部分为国内外最前沿的成果。机器学习（尤其以神经网络和机器学习为代表）的理论相当成熟，接下来是应用大爆发的发展阶段。机器学习的相关论文指向也趋于理论结合实际的应用，但大多集中于通过网络容易获得数据方面，图像识别方面的应用，而对于机器视觉或利用传感器收集数据的电子机械方面的运用很少。机器学习技术的落地本来是多元化的，但是相关的论文却给人比较单一的印象，无非就是继续进行图像识别的进一步研究，对有突破的生物，化学，信息工程等领域的研究，却不见新邻域（例如机械运动等方面的研究）。

当然，对于最新成果的进一步研究，无可厚非，毕竟，牛顿也说过站在巨人的肩膀上摘苹果。但中国高校林立，学子莘莘，不可能扎堆都往少数几个有所突破和发展的邻域进行研究。博士硕士，众多的高校老师，科研人员，本科学子，只需少部分有能力有条件有兴趣的人去跟风研究，而不是现在的这个局面（所有的人都在跟风）。对于相同的论题，大部分的情况下研究的结果会是一致，因为理论不同于情感有千变万化的形式，理论或者真理只有一个，也就是说，对于同一个论题，所以有能力的研究人员得出的结果大多数情况下会一样，而取得成果的是最先几个也许是比较聪明的人，这就导致大部分人时间，精力甚至金钱的损失。还有就是，在取得突破的邻域，一般情况下，那些取得突破的研究人员在进一步研究更加容易取得重大成果，其他研究人员更多的是实现小修小补的成绩。取得突破的研究者（领头羊）带领一小部分人继续研究是很有必要的，但是并不意味着大部分人都去分一杯羹，因为其他人大有所为。

取得突破研究者都是在默默朝着他们期望的研究路径一步一步艰难前行的，远远比看到的简单理论想象的艰难得多，所有方法，所有的推导过程，甚至所有的定义事先都是不知道的，都要进行研究，需要付出时间精力，苦苦探索。由简单的工作展开，层层深入，为达到运用的目标而努力。现在的科研发展趋势是理论直接联系实际，科研人员的工作是以运用为导向进行理论研究，理论取得突破，必然直接带来运用的爆发。如果大部分人跟风最新成果，尝试进一步研究时，其实是已经落后了很多。取得突破的理论已经用于实际，我们再去研究运用，相当于跟取得突破研究者竞争，会很激烈，淘汰率很高，被牵着鼻子走。为什么不能自己以运用为导向，开发一个新的领域，直接进行理论联系实际的开发呢？

从大的环境来讲，导致大部分人跟风与社会，学校，导师联合施压有很大关系。现在整个社会都有出名要趁早，一朝成名天下知的风气，而跟风研究往往可以坐享其成，享受一点点成果。在理论刚刚建立起来，想获得突破卓越的贡献不太可能，但进行诸如整理，稍微的修改，不同领域的应用方面取得小小的成绩还不会太难。所有的本科生面临就业压力，而研究生不仅有就业压力，还有论文压力，这不得不让大部分人做出看似稳妥的决定——跟风。

从小的方面来讲，与个人的价值观，思想，创新意识等有关。在导师的指导下，凡事先调查，让大部分人在电脑屏幕前膜拜着知网上的大神，而自信心受挫。知网上很多论文发表的都是国内外最先进的水平，在发现自己的差距是有油然而生一种崇拜感，这种崇拜感导致很多人不自觉向他们靠拢，就有了殊途同归的局面。在各种各样的压力面前，小小如沧海一粟的自我招架不住，根本就不敢完成自己的设想。自己的设想很可能与主流方法相悖，可能比不上主流方法，也可能比主流方法优秀，或者可以融合主流方法，也可能以一种全新的方法去研究主流的理论。在研究之前，谁都不知道，自己的设想是否比主流的优越，因为自己的设想处于发展阶段，与相当成熟的主流理论相比，往往给人自己的设想比较差劲的错觉。或者，根本就没有幸幸苦苦的去按照自己想法进行研究不知路向何方的准备，打者小算盘去走一些旁门歪道。更可怕的是，压根就没有自己的设想。自己的设想是自己的世界观，价值观和创新意识的产物。如果没有自己独特的世界观和价值观，就没有属于自己的对世界和未来的看法和想法，也就没有自己的创新意识和自己的设想。没有人会告诉你世界会变成什么样子，如果有，那很可能是错的，没有人知道，而不同的人对未来的不同看法和愿望会指引一个人悄悄改变着世界，所有的改变就成了未来，就如人工智能，机器学习，5G，机器人的研究者对世界的改变一样。

很多人都在迷茫，究竟机器学习技术往哪个方向发展。我想说的是，理论技术的发展发现取决于人而不是理论技术本身，人是主角，只要你愿意，且实事求是地设想，方向就由你把握。实事求是又独特的设想，是基于属于自己属于当下的世界观和价值观。正如世界上没有两片相同的树叶，每个人都有自己的想法，这与个人的性格，对世界的认识有关。作为科研工作者或技术人员，不仅要熟悉理论和技术，而且时常关注世界的变化。像写一篇好的文章体现其时代背景一样，技术和理论的运用也要跟上时代的节奏。技术和理论无法脱离时代的需求，而当下正是机器学习应用大爆发时期，针对人们对美好和高质量舒适便利生活的向往，结合自己的风格，不难产生让人热血沸腾的新想法。

新想法只是踏出创新之路的一小步，敢想要敢做。想法的实现是极其艰难的过程，会碰到他人的不理解不支持甚至嘲讽，会碰到各种各样的技术壁垒（例如需要跨学科跨专业合作，需要较广的知识面）。所有人都不知道会有什么结果，基于各种各样的原因，放弃的概率远大于坚持的概率。随着研究深度的增加，难度也会加大，当然成果也会增多。从一开始的调查到研究难度的增加，从毕业的压力到不支持的力量，从特立独行到且行且珍惜，放弃的念头也许贯穿始终。这能回答创新可贵的原因吧？坚持己见当然不是固执己见，不是闭门造车，固步自封，而是借鉴和利用一切与自己想法一致或相似的资源（或使一切知识理论技术）为自己想法服务。这里理所当然指出论文的重要性和必要性了。论文的存在不是束缚自己，往论文的方向靠，而是让论文协助自己往自己的想法靠。论文研究的理论技术很广泛，不仅仅是当下热门的一小部分，还有全世界不同想法的科研工作者自己的研究内容，也许内容在现在看来不先进，不热门，说不定经过一定的技术突破就变得先进了。当下先进，热门的理论技术是许多科研工作者默默付出，经过几十年研究，从而建立完整的理论体系，出现震惊世界的运用，才掀起了研究热潮。

坚持我心，不是避开当下热门研究内容，也不是盲从，而是你的任性喜欢和乐意。同时期待机器学习的应用能实现更加多元化的应用，发展发向更加多元，从而为其他领域难题和技术瓶颈带来全新的解决思路，进一步推进技术的落地，推进机器学习的发展，推进人工智能革命走向高潮。