大數(shù)據(jù)與深度學習是一種蠻力

Facebook去年底挖來了一個機器學習大神Vladimir Vapnik，他是統(tǒng)計學習理論和支持向量機的主要發(fā)明者。Vladimir Vapnik被稱為統(tǒng)計學習理論之父，他出生于俄羅斯，1990年底移居美國，在美國貝爾實驗室一直工作到2002年，之后加入了普林斯頓的NEC實驗室機器學習研究組，同時任哥倫比亞大學特聘教授。2014年，Vladimir Vapnik加入Facebook人工智能實驗室。

Vladimir Vapnik

近日，Vladimir在俄羅斯最大的搜索引擎公司Yandex的大會上發(fā)表了講話，重點討論了深度學習是否以蠻力取勝。來自加利福尼亞大學圣地亞哥分校的Zachary Chase Lipton博士詳細記錄了會議內(nèi)容，并整理成了文章：

上周，我來到柏林參加機器學習展望和應(yīng)用大會。這個大會由Yandex舉辦，主要談了Deep Learning和Intelligent Learning兩個問題，它們經(jīng)常作為對比的概念出現(xiàn)。

雖然我自己也是演講者之一，但是整個會議的高潮部分，還是關(guān)于深度學習的方法論，其中經(jīng)驗主義和數(shù)學推理中的矛盾部分。

第一條是關(guān)于深度學習，討論的是背后的數(shù)學支撐，以及未來的方向。問題包括了模型的可解釋性和醫(yī)療領(lǐng)域的應(yīng)用。到了周三晚上，Vladimir Vapnik也參與了討論，說的是知識如何在不同的個體之間傳遞。Vladimir的哲學觀橫跨了機器學習、數(shù)學和智能的源頭，并且挑戰(zhàn)了深度學習的方法論，這很有爭議。

其實在今年夏天，我就寫文章說機器學習的成功是大數(shù)據(jù)時代經(jīng)驗主義的勝利。在里面我強調(diào)說，過度去擬合數(shù)據(jù)，雖然能在真實數(shù)據(jù)中得到檢驗，但里面會有很大風險，至少比基于數(shù)學推理建立的系統(tǒng)風險大得多。在這次會議中，我聽到了Vladimir在這方面的觀點。

為了避免混淆視聽，我得強調(diào)：我是一個深度學習的實踐者。我個人并不否認深度學習，而且對它的先行者和火炬手充滿尊敬。但我也同樣相信，我們應(yīng)該對深度學習的可能性抱有開放性的態(tài)度：

即會有一些數(shù)學模型，能夠更好的指明未來發(fā)展方向，開啟新的方法論。

很顯然，當我們?nèi)ゾ捉篮拖@些觀點的時候，能夠得到很大的價值。

大數(shù)據(jù)與深度學習是一種蠻力？

盡管Vapnik當場說了很多觀點，但是最核心的還是援引了愛因斯坦關(guān)于上帝的隱喻。簡單的說，Vapnik假設(shè)了一個理論：想法和直覺要么來自上帝，要么出自魔鬼。而區(qū)別在于，上帝是智慧的，而魔鬼往往不是。

在作為數(shù)學家和機器學習研究和踐行者的生涯中，Vapnik得出了一個結(jié)論：魔鬼往往來自于蠻力（Brute Force）。進一步說，如果承認深度學習系統(tǒng)在解決問題時不可思議的表現(xiàn)，那么大數(shù)據(jù)和深度學習，都有某種蠻力的味道。

不過，我自己并不同意深度學習必須等同于機器蠻力。我們?nèi)缃褚材芸吹綄τ诖髷?shù)據(jù)的觀點爭論，其中Vapnik和Nathan Intrator教授就說：小孩不需要幾億的標簽樣本以完成學習。雖然有大量帶有標簽的數(shù)據(jù)時，學習會成為一件比較容易的事，但如果依賴這樣的方法，我們就錯失了自然界中關(guān)于學習的基本原理。

也許，真正的學習只需要數(shù)百樣本，而我們現(xiàn)在卻只有非常大的數(shù)據(jù)量才能完成學習。如果我們不去探尋學習的本質(zhì)，那就是在屈從于懶惰。

我們現(xiàn)在的深度學習并非科學。確切的說，機器學習和核心任務(wù)是理解計算本身，而現(xiàn)在的方法和它有所背離。這就好比任務(wù)是制造小提琴，而我們扮演的角色不過是小提琴演奏者，雖然也能創(chuàng)作美妙的音樂，也有演奏的直覺，但我們并不知道小提琴如何創(chuàng)造出音樂。

進一步說，很多深度學習實踐者，他們對數(shù)據(jù)和工程有很好的感覺，但其實不知道這里頭是怎么回事。所以在目前的深度學習方法中，參數(shù)的調(diào)節(jié)方法依然是一門“藝術(shù)”，而非“工藝”。

在算法和模型上，我們是否能發(fā)明所有東西？

Vapnik認為，在機器學習的算法和模型上，我們并不能發(fā)明所有東西。他堅持說，他自己并沒有如此的聰明才智，以完成這些算法模型的發(fā)明。（這似乎也在暗示，其他人也沒有那么聰明，去發(fā)明這些玩意）

按照Vapnik的意思，我們在機器學習上發(fā)明的東西是微不足道的。真正重要的東西，來自于我們對數(shù)學本質(zhì)的理解。就深度學習來說，模型經(jīng)常被發(fā)明出來、品牌化并申請專利，但這些相比于真正由數(shù)學驅(qū)動的機器學習，就顯得很一般了。

關(guān)于深度學習的反思，來自紐約州立大學的顧險峰教授也有很多理解。顧險峰認為，深度學習方法深刻地轉(zhuǎn)變了學術(shù)研究的范式。以前學者們所采用的觀察現(xiàn)象，提煉規(guī)律，數(shù)學建模，模擬解析，實驗檢驗，修正模型的研究套路被徹底顛覆，被數(shù)據(jù)科學的方法所取代：收集數(shù)據(jù)，訓練網(wǎng)絡(luò)，實驗檢驗，加強訓練。

在深度學習新方法下，嚴格的數(shù)學推理缺失了。比如說地圖四色定理的證明，數(shù)學家將平面圖的構(gòu)型分成1936種，然后用計算機逐一驗證。當然在足夠的算力下，這可以證明地圖四色定理。但是在這個過程中，沒有新穎概念提出，換言之，機械蠻力代替了幾何直覺。

而在數(shù)學歷史上，對于一個著名猜想的證明和解答，答案本身也許并不重要，在尋找證明的過程中所凝練的概念，提出的方法，發(fā)展的理論才是真正目的所在。機械定理證明驗證了命題的真?zhèn)危菬o法明確地提出新的概念和方法，實質(zhì)上背離了數(shù)學的真正目的。

所以說，這是一種“相關(guān)性”而非“因果性”的科學。歷史上，人類積累科學知識，在初期總是得到“經(jīng)驗公式”，但是最終還是尋求更為深刻本質(zhì)的理解。例如從煉丹術(shù)到化學、量子力學的發(fā)展歷程。

人類智能最為獨特之處也在于數(shù)學推理，特別是機械定理證明，對于這一點，機器學習方法是無能為力的。當人的數(shù)學推理缺失的時候，僅僅依靠機器蠻力，就會遇到很大制約。