算法受到自然界和人類生活的啟發(fā)，是科技的一部分。由于計(jì)算機(jī)已被廣泛用于解決人類的日常問(wèn)題，算法在快速發(fā)展，對(duì)人類和自然界的算法思考也變得普遍。那么，算法的基本原理、性質(zhì)與中國(guó)文化之間究竟有何聯(lián)系？

作者 | 杏花

編輯 | 青暮

12月9日，第六屆全球人工智能與機(jī)器人大會(huì)（GAIR 2021）在深圳正式開幕，140余位產(chǎn)學(xué)領(lǐng)袖、30位Fellow聚首，從AI技術(shù)、產(chǎn)品、行業(yè)、人文、組織等維度切入，以理性分析與感性洞察為軸，共同攀登人工智能與數(shù)字化的浪潮之巔。

大會(huì)次日，香港科技大學(xué)（廣州）教授，IEEE/AAAS Fellow熊輝教授發(fā)表了題為《人工智能算法中的人性和社會(huì)性》的演講，從算法的人文及社會(huì)意義層面進(jìn)行了探討。熊教授結(jié)合《易經(jīng)》中的“不易”、“簡(jiǎn)易”以及“變易”思想對(duì)算法在促進(jìn)人類社會(huì)發(fā)展、創(chuàng)新中的作用進(jìn)行了解讀。

熊輝教授

在此次演講中，熊教授向與會(huì)者分享了一些關(guān)于算法中人性和社會(huì)性的個(gè)人想法，闡述了算法的基本原理、性質(zhì)與我們熟知的課堂知識(shí)、日常經(jīng)驗(yàn)和中國(guó)文化之間的聯(lián)系。

例如，對(duì)于GAN算法中的判別器，熊輝教授是這樣解釋的：

“就好比有個(gè)非常好的老師指導(dǎo)學(xué)生學(xué)習(xí)的內(nèi)容和學(xué)習(xí)的方向?！?/span>

再如對(duì)不同聚類方法特點(diǎn)的形象描述：

“分層級(jí)的聚類就像資本主義的市場(chǎng)經(jīng)濟(jì)，它在早期和中期會(huì)產(chǎn)生一些問(wèn)題，這些問(wèn)題還會(huì)逐漸累積；K-means是社會(huì)主義，兼顧公平但在一些問(wèn)題上不符合現(xiàn)實(shí)。有沒(méi)有辦法把兩種方法的優(yōu)點(diǎn)融合起來(lái)呢？這就是我們的‘中國(guó)特色社會(huì)主義’?！?/span>

以及用易經(jīng)中乾卦的爻辭解釋來(lái)講算法的“中庸之道”：

“九五是飛龍?jiān)谔?，古代帝王說(shuō)自己是九五之尊，因?yàn)榫盼遑允侵粮唿c(diǎn)，九六就是亢龍有悔。（我們做算法做到）飛龍?jiān)谔炀屯昝懒?，再往上就是Overfitting（過(guò)擬合），往下就是Underfitting（欠擬合）。”

熊輝教授的講解生動(dòng)易懂，娓娓道來(lái)，贏得在座掌聲不斷。

熊輝教授現(xiàn)為香港科學(xué)技術(shù)大學(xué)（廣州）講席教授，人工智能學(xué)域主任；曾在學(xué)術(shù)休假期間擔(dān)任百度研究院副院長(zhǎng)并主管5個(gè)實(shí)驗(yàn)室。

熊教授獲得的部分榮譽(yù)包括AAAS Fellow、IEEE Fellow、ACM杰出科學(xué)家、中國(guó)教育部長(zhǎng)江講座教授、中國(guó)國(guó)家基金委-海外及港澳學(xué)者合作研究基金、哈佛商業(yè)評(píng)論2018年“拉姆·查蘭管理實(shí)踐獎(jiǎng)”-全場(chǎng)大獎(jiǎng)、ICDM-2011最佳研究論文獎(jiǎng)、和AAAI-2021最佳論文獎(jiǎng)。

以下是演講全文，AI科技評(píng)論做了不改變?cè)獾恼恚?/span>

1

GAN與師生

今天演講的主題是《人工智能算法中的人性和社會(huì)性》。此前一年，我一直在美國(guó)。這期間，我將人工智能的很多經(jīng)典算法進(jìn)行了審視與回顧，以人性和社會(huì)性的角度反思了這些算法與人類的關(guān)系，感慨良多，于是整理成報(bào)告與大家分享。

感謝我之前指導(dǎo)過(guò)的17位學(xué)生（有一位今年畢業(yè)，照片沒(méi)放PPT上），他們現(xiàn)在大多都在學(xué)術(shù)界從事研究工作。前三位都已獲得終身教授的榮譽(yù)，也有一些學(xué)生在工業(yè)界，還有些在創(chuàng)業(yè)。

首先，作為引子我先介紹GAN算法。

我們知道，對(duì)抗生成學(xué)習(xí)方法可以產(chǎn)生很多虛擬數(shù)據(jù)，比如人臉。此外，GAN還在其他場(chǎng)景中發(fā)揮作用，比如"時(shí)光機(jī)"，當(dāng)我們給出一個(gè)人18歲的照片，GAN算法可以預(yù)測(cè)這個(gè)人年老時(shí)的樣子。

在百度期間，我們進(jìn)行了一些有趣的工作，例如，走失兒童的問(wèn)題前些年較為嚴(yán)重，近年已大幅減少，因?yàn)樘煅巯到y(tǒng)日趨成熟。但天眼系統(tǒng)還未普遍應(yīng)用的時(shí)候，走失兒童的找回是個(gè)大問(wèn)題。當(dāng)兒童走失且若干年沒(méi)有回家，其樣貌會(huì)隨年齡發(fā)生改變。

我們的系統(tǒng)可以根據(jù)孩子童年的照片，生成如今的樣子，然后將當(dāng)前生成的樣貌進(jìn)入公安系統(tǒng)數(shù)據(jù)庫(kù)中比對(duì)查找。鎖定一些范圍的人群后，再進(jìn)行DNA的測(cè)試比對(duì)，從而找到走失兒童。這種應(yīng)用十分有效，并且具有人性和社會(huì)意義。

這種算法和人性甚至社會(huì)性有何關(guān)聯(lián)？我想先介紹兩個(gè)概念。

我們?cè)谶M(jìn)行監(jiān)督學(xué)習(xí)時(shí)，有兩種思路，一種是Discriminative，即差異性的、差分式的方法。還有一種是Generative，即生成式的。下面我們舉例來(lái)理解這兩種方法的差異所在。

假設(shè)一個(gè)場(chǎng)景中有兩個(gè)外國(guó)人，如何判斷他們是否在使用韓語(yǔ)？

按照Discriminative的思路，我們可以找一些韓劇，觀察演員的發(fā)音和語(yǔ)氣。當(dāng)我們大概知道韓語(yǔ)的發(fā)音模式時(shí)，再去聽這兩位外國(guó)人的對(duì)話，便可以判別他們是否使用韓語(yǔ)。雖然我們不知道談話內(nèi)容，但可以快速判別口語(yǔ)種類。

還有一種是生成式的方法，在同樣的場(chǎng)景中，為了判別兩位交流者所使用的語(yǔ)言是否為韓語(yǔ)，我們可以報(bào)班學(xué)習(xí)，學(xué)會(huì)后就可以判斷這兩位外國(guó)人說(shuō)的是否為韓語(yǔ)，此外還可以對(duì)談話內(nèi)容加以理解。

這兩種方法各有利弊，前者更為快速，后者則需要我們付出時(shí)間和精力進(jìn)行系統(tǒng)的學(xué)習(xí)。那么，是否有一種學(xué)習(xí)方式融合兩者的優(yōu)勢(shì)呢？生成式學(xué)習(xí)便是這樣的方法，這也是其最顯著的優(yōu)勢(shì)之一。

但這和我們的人生有何關(guān)系？

站在個(gè)人的層面，我們也需要一個(gè)很好的判別器。不同的人有不同的經(jīng)歷和選擇，有些人成功有些人失敗，主要在于他們使用的判別器。這個(gè)辨別器告訴個(gè)體在什么時(shí)候應(yīng)該進(jìn)行怎樣的生成式學(xué)習(xí)。

也就是說(shuō)，我們需要一個(gè)良好的導(dǎo)師。好的導(dǎo)師能讓我們走在光明大道上；不好的導(dǎo)師則放任我們自由生成，甚至走在錯(cuò)誤的生成式學(xué)習(xí)道路上。

人生在世，就像進(jìn)行一次漫長(zhǎng)的生成式學(xué)習(xí)。如果我們有一個(gè)好的生成式判別器，這個(gè)判別器可以是導(dǎo)師、偶像、家長(zhǎng)、甚至是我們追逐的對(duì)手。因此，對(duì)抗學(xué)習(xí)融合了生成式和判別式學(xué)習(xí)的優(yōu)點(diǎn)，它總是在尋找一個(gè)極佳的判別器，讓我們走在正確的軌道上，讓我們的資源用在正確的方向上。算法之所以有用，很大程度上是因?yàn)樗鼜纳钪衼?lái)，抽象了我們的經(jīng)驗(yàn)和哲理。

2

AI與易經(jīng)

當(dāng)我站在一個(gè)比較系統(tǒng)的宏觀角度來(lái)觀察所有的算法時(shí)，我用易經(jīng)的理論對(duì)它們進(jìn)行了梳理，將它們分成三個(gè)主要類別：不易、簡(jiǎn)易和變易。這里，我們所說(shuō)的"易"是指變化。

“簡(jiǎn)易”，就是我們常說(shuō)的大道至簡(jiǎn)，可以幫助我們洞悉事物的本質(zhì)。事物的本質(zhì)就是“不易”，是萬(wàn)事萬(wàn)物中恒定不變的東西。

比如，我曾在百度做過(guò)一項(xiàng)開發(fā)，幫助我拿到了哈佛評(píng)論的獎(jiǎng)勵(lì)。在這個(gè)智能化專業(yè)系統(tǒng)中，我涉足的是人力資源領(lǐng)域。其實(shí)學(xué)習(xí)人力資源并不困難，它只是一個(gè)行業(yè)知識(shí)基礎(chǔ)，任何行業(yè)都有其"不易"的東西。

但如果我們的方法不對(duì)，學(xué)習(xí)可能會(huì)很難。我們需要把握住人力資源中恒定不變的那些"根本性知識(shí)樹"。比如對(duì)企業(yè)、對(duì)團(tuán)隊(duì)、對(duì)個(gè)人的管理。如何把握這些根本性的東西，就是我們學(xué)習(xí)的難點(diǎn)。

我們的算法都可以從這些角度出發(fā)對(duì)問(wèn)題進(jìn)行審視。比如，對(duì)于監(jiān)督式學(xué)習(xí)，如果想訓(xùn)練一個(gè)蘋果香蕉的分類器，這之所以在技術(shù)上是可行的，主要是因?yàn)樘O果和香蕉分別有著它們特有的、恒定不變的根本屬性。

如果香蕉整天變化，算法就沒(méi)法對(duì)其進(jìn)行預(yù)測(cè)和識(shí)別。我們的算法主要是捕獲這些不變的"根本"。只有捕獲到這些，才能實(shí)現(xiàn)目標(biāo)任務(wù)。

比如，我曾在百度進(jìn)行員工的離職分析。一些HR問(wèn)我這個(gè)事情是否具有可預(yù)測(cè)性？我說(shuō)肯定可以，因?yàn)樗胁蛔兊母尽?dāng)我們準(zhǔn)備離職時(shí)，心就不在公司了，工作狀態(tài)就會(huì)發(fā)生變化。工作狀態(tài)改變時(shí)，一定會(huì)在數(shù)據(jù)上表現(xiàn)出來(lái)。如果能抓住這個(gè)根本，就能預(yù)測(cè)離職。

很多人都覺(jué)得CNN不具備可解釋性。但是從更高層級(jí)來(lái)說(shuō)，黑盒一樣的CNN也有其不變的根本。

例如手寫字母的識(shí)別，對(duì)于一個(gè)X，我們可能根據(jù)心情、疲勞和習(xí)慣把X寫成各種姿態(tài)，但機(jī)器判斷的時(shí)候，其實(shí)都可以發(fā)現(xiàn)一些共性的東西，比如圖中的紅色和黃色小塊，就算手法、字跡不同，它們也會(huì)恒定出現(xiàn)。這些就是Kernel（核心），即不變的根本。

CNN的任務(wù)就是去捕獲這些Kernel，一旦捕獲住，不論字體寫成什么樣，有這些Kernel在，CNN都可以將其識(shí)別。

這就是通過(guò)"簡(jiǎn)易"尋找不變特性的過(guò)程。這個(gè)例子中，卷積計(jì)算就是"簡(jiǎn)易"，目的是捕獲"不易"。但由于隨機(jī)性，一些Kernel的表現(xiàn)并不完美，因此就要進(jìn)行一些模糊化的Pooling操作。Max Pooling也是一種"簡(jiǎn)易"，目的是讓“不易”凸顯出來(lái)，讓Kernel更顯眼。

所以，傳統(tǒng)的CNN-Pooling組合背后的原理就是通過(guò)"簡(jiǎn)易"尋找"不易"的過(guò)程。機(jī)器學(xué)習(xí)另一個(gè)常用的工具是集成學(xué)習(xí)，它的意義是什么呢？

舉例來(lái)說(shuō)，一位VIP病人想知道自己是否罹患某種疾病，這時(shí)醫(yī)院會(huì)召集多位臨床專家共同探討病情，并通過(guò)投票給出最終診斷結(jié)果。在很多機(jī)器學(xué)習(xí)競(jìng)賽時(shí)，我們都會(huì)用集成學(xué)習(xí)來(lái)提升算法效果。這其實(shí)就是民主投票，讓多數(shù)人認(rèn)可的結(jié)果作為最終輸出。

這樣的民主投票好處很明顯。比如我有25個(gè)基分類器，每個(gè)分類器的誤差都是0.35，那么集成學(xué)習(xí)能將誤差降至0.06。

但集成學(xué)習(xí)也是有前提的。想讓集成學(xué)習(xí)的投票成立，每個(gè)基礎(chǔ)分類器都必須獨(dú)立。即每個(gè)人的決策都必須不受他人影響。

第二個(gè)前提是，每個(gè)基分類器都要足夠聰明。每個(gè)人對(duì)事物的認(rèn)識(shí)起碼要優(yōu)于隨機(jī)猜測(cè)，這就是投票機(jī)制的民主基礎(chǔ)。所以一人一票并不一定是好的機(jī)制，不談前提的投票，就是耍流氓。

這兩個(gè)前提的必要性可以從數(shù)學(xué)上證明。

因此，從社會(huì)學(xué)的角度，投票之前要先看人口結(jié)構(gòu)。如果人口結(jié)構(gòu)太差，那投票就相當(dāng)于讓一堆隨機(jī)猜測(cè)甚至低于隨機(jī)猜測(cè)的基分類器投票，其結(jié)果會(huì)更糟。只有在"足夠聰明"的人群中進(jìn)行投票才是有意義的。

如何判斷人群是否足夠聰明呢？可以看人群中是否有足夠數(shù)量的中產(chǎn)階級(jí)，且每個(gè)人都要有獨(dú)立的思考能力和選擇投票的權(quán)利。

所以，算法和社會(huì)的運(yùn)轉(zhuǎn)形態(tài)一樣。

有時(shí)我會(huì)感慨，和懂算法的人溝通十分順暢，因?yàn)榭梢灶惐?。只要我們認(rèn)可算法的證明過(guò)程，將其應(yīng)用于社會(huì)與人生，就無(wú)需贅言。

上面我們介紹了“不易”，接下來(lái)說(shuō)“簡(jiǎn)易”。

“簡(jiǎn)易”包含很多東西，比如注意力機(jī)制（Attention）、聚類（Clustering）、規(guī)則化（Regularization）等等。它們都是“簡(jiǎn)易”的過(guò)程，目的是讓我們聚焦到事物的本質(zhì)——“不易”。

近年，我們一直在說(shuō)大數(shù)據(jù)，但不意味著數(shù)據(jù)越多越好。大數(shù)據(jù)帶來(lái)最好的提升是讓其"不易"的本質(zhì)更容易被捕獲。但如何捕獲這些本質(zhì)呢？

比如，聚類是最簡(jiǎn)單的“簡(jiǎn)易”方法之一，將相似的東西組合在一起，再轉(zhuǎn)化成一些優(yōu)化問(wèn)題，讓類間的差異最大化，類內(nèi)的誤差最小化。這可以幫助我們進(jìn)行知識(shí)的總結(jié)，而總結(jié)有助于我們理解。舉一個(gè)簡(jiǎn)單的例子：

公司有5000萬(wàn)個(gè)客戶，老板讓我們分析這5000萬(wàn)個(gè)用戶處于怎樣的生態(tài)。我們通過(guò)聚類分析，可以將他們分類：第一類對(duì)錢不在乎。他們可能會(huì)買兩張同個(gè)運(yùn)營(yíng)商的卡，還都買了無(wú)限流量的套餐，而且就擺著不用。這樣的用戶在公司眼中是最好的，因?yàn)樗麄兏读俗钯F的代價(jià)，卻占用最少的資源。

還有一類是需要公司賠錢的用戶。他們會(huì)最大限度利用套餐中的服務(wù)，100分鐘的通話肯定用到99.99為止。這樣的用戶會(huì)給公司的運(yùn)維造成較大的負(fù)擔(dān)。

進(jìn)行了這樣的聚類后，就能對(duì)用戶歸類并分別管理。這個(gè)例子的目的是說(shuō)“簡(jiǎn)易”的意義。簡(jiǎn)易有兩種方法，一個(gè)是分層次的，一個(gè)是Partitional聚類。分層的方法主要是產(chǎn)生分層的聚類理解。

它的好處是不用預(yù)先設(shè)定聚類結(jié)果的數(shù)量，而且有利于自然形態(tài)最終態(tài)的形成。這很像原始資本主義的市場(chǎng)經(jīng)濟(jì)，讓企業(yè)自由競(jìng)爭(zhēng)，互相吞并，不強(qiáng)加干涉，這就是一個(gè)自然的狀態(tài)和結(jié)果。

它的缺點(diǎn)是什么呢？由于缺乏全局的指導(dǎo)（損失函數(shù)），它在早期和中期會(huì)產(chǎn)生一些問(wèn)題，這些問(wèn)題還會(huì)逐漸累積。這就是分層次的聚類方法的問(wèn)題。

相對(duì)應(yīng)的，我們一看K-means，就覺(jué)得像最初的社會(huì)主義形態(tài)。在這里我們首先需要一個(gè)中央全權(quán)負(fù)責(zé)周圍的統(tǒng)治，并且規(guī)定好最終的簇?cái)?shù)量，然后再按最優(yōu)函數(shù)進(jìn)行分配。

但其問(wèn)題在于什么？比如我們國(guó)家，漢族人口占到90%以上，但我們卻說(shuō)有56個(gè)民族，在使用K-means進(jìn)行民族劃分時(shí)，就會(huì)有很多漢族人被分成壯族、苗族、維吾爾族人等等，這就不符合現(xiàn)實(shí)。

因此，分層級(jí)的聚類和K-means的方法各有利弊，能否將其融合起來(lái)呢？

這就是我們的“中國(guó)特色社會(huì)主義”，既能兼顧市場(chǎng)經(jīng)濟(jì)的靈活性，又能融合社會(huì)主義的大局領(lǐng)導(dǎo)力。

在算法中，為了克服不同數(shù)據(jù)的規(guī)模和密度差異，我們會(huì)首先將目標(biāo)數(shù)量定高，然后發(fā)揮K-means的公平性特點(diǎn)，保證每個(gè)小類中的對(duì)象聚于一堂，這就是"兼顧公平的市場(chǎng)經(jīng)濟(jì)"。

每個(gè)小類再使用分層次的方法進(jìn)行市場(chǎng)競(jìng)爭(zhēng)，讓它們自由融合吞并，最終大類和小類會(huì)呈現(xiàn)更好的、更自然的分布。

除了中國(guó)，北歐也將資本主義進(jìn)行了改良。他們的改良資本主義也是將分層級(jí)和K-means的思路進(jìn)行兼容。總的來(lái)說(shuō)，社會(huì)和科學(xué)相輔相成、相互借鑒和促進(jìn)交叉。

但話說(shuō)回來(lái)，“簡(jiǎn)易”必然帶來(lái)信息的缺失。信息丟失可能帶來(lái)一些問(wèn)題，比如“簡(jiǎn)易”后，原本三維的信息映射到二維空間，我們看到二維信息時(shí)很可能會(huì)"浮想翩翩"。因?yàn)樗男畔⒈静煌暾?，比如圖中的男女，我們看這張圖總覺(jué)得他們之間有點(diǎn)什么問(wèn)題，但當(dāng)恢復(fù)成三維的樣子，卻發(fā)現(xiàn)他們毫無(wú)瓜葛。

這提示我們不要在“簡(jiǎn)易”時(shí)丟掉了“不易”。最后講“變易”，這里面的代表性算法是強(qiáng)化學(xué)習(xí)。

我們都聽說(shuō)過(guò)內(nèi)卷，這里有兩個(gè)概念，一個(gè)是Exploitation，中文就是內(nèi)卷。為什么有內(nèi)卷？是因?yàn)槲覀兠總€(gè)人都想活在自己的舒適區(qū)，不愿破圈。當(dāng)很多人都不愿破圈，就形成了內(nèi)卷。

為了避免內(nèi)卷，我們要做Exploration，就是去破圈。比如，在給學(xué)生尋找研究方向時(shí)，我說(shuō)推薦系統(tǒng)領(lǐng)域已經(jīng)有內(nèi)卷的趨勢(shì)了，我們突破一下，去做人力資源的人才推薦。因此，同樣是做推薦算法，研發(fā)傳統(tǒng)推薦的人和我們沒(méi)有競(jìng)爭(zhēng)，人力資源的研究人員也跟我們沒(méi)有關(guān)系，這就找到了新的天地，避免了內(nèi)卷。

當(dāng)我們開辟了一個(gè)新領(lǐng)域時(shí)，就像挖了一個(gè)坑，很多人也想涌進(jìn)來(lái)分一杯羹。但不怕，我們繼續(xù)開辟新領(lǐng)域即可。

因此為了避免內(nèi)卷，我們要在Exploration和Exploitation之間找到有機(jī)的平衡。這個(gè)平衡是什么呢？就是強(qiáng)化學(xué)習(xí)算法。

強(qiáng)化學(xué)習(xí)算法首先有兩個(gè)本體，一個(gè)是Agent，另一個(gè)是環(huán)境。Agent能感知環(huán)境的狀態(tài)，之后可以采取一些動(dòng)作，比如砍樹。當(dāng)樹砍光，環(huán)境變差，就會(huì)通過(guò)Reward來(lái)懲罰Agent。如此一來(lái)，人類就知道樹砍多了環(huán)境就變差了。因此，不僅不要砍樹，還要去植樹，從而形成一個(gè)循環(huán)。人類不斷感知環(huán)境并采取行動(dòng)，這就是強(qiáng)化學(xué)習(xí)算法。

強(qiáng)化學(xué)習(xí)的優(yōu)點(diǎn)在于，它能在錯(cuò)誤中學(xué)習(xí)，不斷試錯(cuò)迭代，在內(nèi)卷和探索之間取得很好的平衡。

算法其實(shí)很美，人類一直在藝術(shù)和科學(xué)之間進(jìn)行拔河。例如，微積分。如果我們想估計(jì)一條曲線下的面積，微積分會(huì)進(jìn)行近似。但不論多精確，都會(huì)有差異。那么這個(gè)差異就可以用藝術(shù)彌補(bǔ)。這也是不同機(jī)器學(xué)習(xí)煉丹師效率的差異核心所在。有的人可能上手一天就能完成任務(wù)，有的人可能三個(gè)月也束手無(wú)措。

其根本原因在于"藝術(shù)感"上的差異，后者缺乏一點(diǎn)"感覺(jué)"，即那種看山是山，看山不是山的inside-out的經(jīng)驗(yàn)和大局觀的藝術(shù)感。只有當(dāng)我們了解了算法中的人性和社會(huì)性，才能發(fā)揮算法的藝術(shù)性。

此外，做算法一定要有"中庸之道"。機(jī)器學(xué)習(xí)需要在偏差（Bias）和方差（Variance）之間取得平衡。前者會(huì)導(dǎo)致過(guò)擬合，后者則欠擬合。

那么，機(jī)器學(xué)習(xí)的"中庸之道"是什么意思？我們不論使用早停、L1/L2損失都是為了達(dá)到Bias和Variance之間的最優(yōu)點(diǎn)。這就像易經(jīng)的"乾卦"，它分為前卦后卦、內(nèi)卦外卦。

我們知道初九叫做潛龍勿用，意思是我們?cè)趯W(xué)習(xí)時(shí)不要朝三暮四，就安心學(xué)習(xí)。學(xué)完之后，我們可以初出茅廬，顯龍?jiān)谔铮≡嚺５?，就像很多老師努力獲得“優(yōu)秀青年”稱號(hào)。之后有人可能開始得瑟，這時(shí)就會(huì)進(jìn)入九三。我們應(yīng)該做到終日潛潛，也就是小心謹(jǐn)慎，避免槍打出頭鳥。

有的人可能一輩子都在下卦，上不到上卦。此時(shí)一部分人能夠從九三跨越到九四。九四再往上就是飛龍?jiān)谔臁：芏喙糯弁跽f(shuō)自己是九五之尊，因?yàn)榫盼遑允侵粮唿c(diǎn)，九六就是亢龍有悔，比如袁世凱，他非要稱帝，就物極必反，遺臭萬(wàn)年。

所以，“飛龍?jiān)谔臁本偷酵昝懒耍偻弦徊?，就過(guò)擬合了，再往下可能就處于欠擬合的狀態(tài)。因此，如果想真正做好算法的應(yīng)用，一定要把領(lǐng)域知識(shí)和專業(yè)知識(shí)結(jié)合，明白什么是“不易”。領(lǐng)域知識(shí)能告訴我們“不易”是什么、在哪里，然后做到藝術(shù)和哲學(xué)的有機(jī)平衡。

雷峰網(wǎng)雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。