机器学习两大派别--南大周志华
//2014年11月7日
//http://quweiprotoss.blog.163.com/blog/static/4088288320099178652101/
机器学习现在是一大热门，研究的人特多，越来越多的新人涌进来。
不少人其实并没有真正想过，这是不是自己喜欢搞的东西，只不过看见别人都在搞，觉着跟大伙儿走总不会吃亏吧。
问题是，真有个“大伙儿”吗？就不会是“两伙儿”、“三伙儿”？如果有“几伙儿”，那到底该跟着“哪伙儿”走呢？
很多人可能没有意识到，所谓的machine learning community，现在至少包含了两个有着完全不同的文化、完全不同的价值观的群体，称为machine learning "communities"也许更合适一些。
第一个community，是把机器学习看作人工智能分支的一个群体，这群人的主体是计算机科学家。
现在的“机器学习研究者”可能很少有人读过1983年出的“Machine Learning: An Artificial Intelligence Approach”这本书。这本书的出版标志着机器学习成为人工智能中一个独立的领域。它其实是一部集早期机器学习研究之大成的文集，收罗了若干先贤（例 如Herbert Simon，那位把诺贝尔奖、图灵奖以及各种各样和他相关的奖几乎拿遍了的科学天才）的大作，主编是Ryszard S. Michalski（此君已去世多年了，他可算是机器学习的奠基人之一）、Jaime G. Carbonell（此君曾是Springer的LNAI的总编）、Tom Mitchell（此君是CMU机器学习系首任系主任、著名教材的作者，机器学习界没人不知道他吧）。Machine Learning杂志的创刊，正是这群人努力的结果。这本书值得一读。虽然技术手段早就日新月异了，但有一些深刻的思想现在并没有过时。各个学科领域总有 不少东西，换了新装之后又粉墨登场，现在热火朝天的transfer learning，其实就是learning by analogy的升级版。
人工智能的研究从以“推理”为重点到以“知识”为重点，再到以“学习”为重点，是有一条自然、清晰的脉络。人工智能出身的机器学习研究者，绝大部分 是把机器学习作为实现人工智能的一个途径，正如1983年的书名那样。他们关注的是人工智能中的问题，希望以机器学习为手段，但具体采用什么样的学习手 段，是基于统计的、代数的、还是逻辑的、几何的，他们并不care。
这群人可能对统计学习目前dominating的地位未必满意。靠统计学习是不可能解决人工智能中大部分问题的，如果统计学习压制了对其他手段的研 究，可能不是好事。这群人往往也不care在文章里show自己的数学水平，甚至可能是以简化表达自己的思想为荣。人工智能问题不是数学问题，甚至未必是 依靠数学能够解决的问题。人工智能中许多事情的难处，往往在于我们不知道困难的本质在哪里，不知道“问题”在哪里。一旦“问题”清楚了，解决起来可能并不 困难。
第二个community，是把机器学习看作“应用统计学”的一个群体，这群人的主体是统计学家。
和纯数学相比，统计学不太“干净”，不少数学家甚至拒绝承认统计学是数学。但如果和人工智能相比，统计学就太干净了，统计学研究的问题是清楚的，不象人工智能那样，连问题到底在哪里都不知道。在相当长时间里，统计学家和机器学习一直保持着距离。
慢慢地，不少统计学家逐渐意识到，统计学本来就该面向应用，而机器学习天生就是一个很好的切入点。因为机器学习虽然用到各种各样的数学，但要分析大 量数据中蕴涵的规律，统计学是必不可少的。统计学出身的机器学习研究者，绝大部分是把机器学习当作应用统计学。他们关注的是如何把统计学中的理论和方法变 成可以在计算机上有效实现的算法，至于这样的算法对人工智能中的什么问题有用，他们并不care。
这群人可能对人工智能毫无兴趣，在他们眼中，机器学习就是统计学习，是统计学比较偏向应用的一个分支，充其量是统计学与计算机科学的交叉。这群人对统计学习之外的学习手段往往是排斥的，这很自然，基于代数的、逻辑的、几何的学习，很难纳入统计学的范畴。
两个群体的文化和价值观完全不同。第一个群体认为好的工作，第二个群体可能觉得没有技术含量，但第一个群体可能恰恰认为，简单的才好，正因为很好地 抓住了问题本质，所以问题变得容易解决。第二个群体欣赏的工作，第一个群体可能觉得是故弄玄虚，看不出他想解决什么人工智能问题，根本就不是在搞人工智 能、搞计算机，但别人本来也没说自己是在“搞人工智能”、“搞计算机”，本来就不是在为人工智能做研究。
两个群体各有其存在的意义，应该宽容一点，不需要去互较什么短长。但是既然顶着Machine Learning这个帽子的不是“一伙儿”，而是“两伙儿”，那么要“跟进”的新人就要谨慎了，先搞清楚自己更喜欢“哪伙儿”。
引两位著名学者的话结尾，一位是人工智能大奖得主、一位是统计学习大家，名字我不说了，省得惹麻烦：
“I do not come to AI to do statistics”
“I do not have interest in AI”
机器学习两大派别--南大周志华相关推荐
- 【大咖论道】周志华，唐杰教授等专家，站在 2022，展望大模型的未来
28 日,阿里巴巴达摩院发布 2022 十大科技趋势.其中,"大模型参数竞赛进入冷静期,大小模型将在云边端协同进化"的断言,在 AI 圈备受关注. 2021 是大模型爆发之年,我们 ...
- 《机器学习》（西瓜书）周志华 -学习心得
第一章绪论 基本术语 记录&示例&样本:"=",意思是取值为,每一条记录是关于一个对象或事件的描述.eg:(色泽=浅白:根蒂=硬挺:敲声=清脆) 数据集:记录的集合 ...
- 【MLA首日报告摘要】周志华、马毅等教授分享机器学习最新进展
来源:专知 概要:第15届中国机器学习及其应用研讨会今天11月4日在北京交通大学举行,海内外从事机器学习及相关领域研究的10余位专家与会进行学术交流. 第15届中国机器学习及其应用研讨会今天11月4日 ...
- 纯国产的大佬周志华，如何扛起了智能学界的一面大旗
原创:HyperAI超神经 关键词:周志华 机器学习 IJCAI 身为 AI 领域里的大神级学者,周志华教授在科学研究,人才培养,著作传播上都投入了极高的热忱,而他不凡的学术贡献,更是让其获得嘉奖 ...
- 南大周志华清华胡事民入围院士候选！计算机领域共计7人
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 明敏 发自 凹非寺 量子位 报道 | 公众号 QbitAI 2021 ...
- IJCAI 2021：周志华任大会首个华人程序主席，南大校友获AIJ杰出论文奖
来源:新智元 [导读]近日,IJCAI 2021在线上开幕,IJCAI史上首位华人程序主席南大周志华教授分析本届大会论文接收情况:中国投稿量最多,最热门的前四个领域论文接收率占56%,此外还总结了通过 ...
- 南大周志华教授入围院士候选！计算机领域共计7人
明敏 发自 凹非寺 来源 | 量子位 QbitAI 2021年中国科学院院士增选初步候选人名单现已公布. 人工智能领域有南京大学人工智能学院院长周志华教授.清华大学胡事民教授入围增选. 计算机领域共有 ...
- 周志华：华为-南大LAMDA人工智能联合实验室正式成立
转载于 新智元 来源:新智元综合报道 编辑:金磊 [新智元导读]"到华为去",说到做到.昨日,南京大学计算机系主任.人工智能学院院长周志华发布朋友圈表示:华为-南大 LAM ...
- NIPS论文排行榜出炉，南大周志华5篇论文入选
作者 | 非主流 出品 | AI科技大本营 作为人工智能领域的顶会,已经有 30 年历史的 NIPS 今年以来一直风波不断.先是被爆出 NIPS 2017 出现了性骚扰行为,然后又被 diss 会议名 ...
最新文章
- 《嵌入式系统开发之道——菜鸟成长日志与项目经理的私房菜》——02-08项目人力资源（Human Resource）管理...
- Android中五种常用的menu
- 数据埋点：用户唯一标识
- Django项目的创建Django项目的修改配置文件
- php表单显示mysql数据库_php用表单形式显示数据库信息
- python中单行注释采用的符号是什么_Python注释符号使用说明（多行注释和单行注释）,用法,详解,攻略...
- Matlab imcrop函数功能小结（20190123）
- js 利用数组队列模拟多线程操作
- 萤火虫算法求解简单TSP问题
- 18. shell当中的until,until语法,无限循环,until示例
- 金蝶凭证序时簿在哪_怎么用金蝶kis记账王打开会计分录序时簿
- mysql 联合主键_mysql的联合主键与复合主键区别
- iOS -- 第三方登录之微信登录 （Swift代码）
- Android开发该学习哪些东西？
- 安卓开发中的 “Android高手” ，需要具备哪些技术？
- 520. Detect Capital
- python查找第k大的数_寻找数组中第K大的数
- 第三讲 Matlab/Simulink入门——离散系统仿真实例
- 使用 GPSD 快速读取 GPS 信息
- Wav ,flac,mp3,ogg 等的区别