fuzzywanglixin的个人博客分享 http://blog.sciencenet.cn/u/fuzzywanglixin

博文

后Matlab时代如何做科研:人工智能篇 精选

已有 11960 次阅读 2020-6-19 06:56 |系统分类:观点评述

 浏览人工智能、统计学习、自动控制等相关领域国际顶级期刊的论文,会发现大部分论文是“调包族”:这些论文不再进行基础算法的编程,而是调用现成的软件包,其中最常用的就是Matlab Toolbox。这些基础算法包括:BP,Hopfield,Decision Tree,Random Forest,MARS,SVM,等等等等。由于研究者们不再对这些基础算法进行自己编程,使得研究者们对基础算法的理解趋于表面化、肤浅化,这也是许多年来这些领域在基础理论方面没有突破的一个重要原因。这是全球整个研究领域的问题,不局限于我们国家。

 所以,对于人工智能统计学习等相关领域的研究者们来说,Matlab被禁用正好给了我们一个难得的机遇,让我们回归本学科科学研究的本质。二十年前,当我觉得模糊系统和模糊控制研究可以暂时先告一段落的时候,我“放眼世界”,最吸引我的就是“统计学习”。当时,我读Breiman的论文、读Friedman的论文,让我着迷。Breiman关于Decision Tree的原始论文和书,以及后来发展起来的Random Forests,还有Friedman的MARS,等等等等。大师们思想的足迹,让我流连忘返。我自己编程去实现这些算法,然后和我的模糊系统WM方法做比较(我也是模糊大师哦),深刻体会各自方法的优缺点,对我后来的研究与实践帮助甚大。我深深地体会到,只有自己编程、在不断的试错中“细嚼慢咽”,才能深刻体会这些核心算法的优缺点。而只有深刻体会这些核心基础算法的优缺点,才能在实践中有效地使用它们,解决重要的实际问题。

 “调包族”最大的问题是什么呢?就是当结果不理想时,不知道如何改进,只有“听天由命”。这是因为调包族对算法的细节缺乏深刻理解,知其然不知其所以然,不知道如何改进算法,使其更加适用于自己的问题。通常,大数据建模涉及复杂的非线性关系,而且这些复杂关系因问题的不同而不同。所以,需要对算法的众多参数进行有的放矢的调节,使之适应于需要解决的具体问题。如果对算法的细节缺乏深刻的理解,不知道这些众多参数之间的互动关系,那么就很难有效地调节这些参数,使算法的性能达到最优。

 还有,“调包族”的盛行阻碍了基础理论的发展。因为,新理论是在旧理论的基础之上、通过改进旧理论的缺点缺陷而发展起来的。常言道:It takes a better theory to kill an existing theory。“调包族”对现有算法采取囫囵吞枣的态度,将不同的算法机械地“排列组合”,这种“撞大运”的研究方式很难产生深刻的理论。

 总之,Matlab被禁给了我国人工智能研究者们一个难得的“歪打正着”的机会,让我们静下心来自己编程基础算法,深刻体会基础模型与算法的核心要素与优缺点,在现有成绩的基础之上“百尺竿头、更进一步”,迎接更加灿烂的明天。

 天若有情天亦老,人间正道是沧桑。


相关博文:《Matlab被禁是理工科科研的一场“禁烟运动”》http://blog.sciencenet.cn/blog-2999994-1238025.html 


 后记:好了,气宇轩昂的“大话”咱们就说这么多。“理想很丰满、现实很骨感”:没有了Toolbox,“调包族”们今后如何生存啊?其实,虽然toolbox没有了,但这些基础算法的开源原始程序还是很容易找到的。这些原始程序可以是用Python,C,Fortran,或者Matlab的基础语句写成的。我的建议是:要读懂这些原始程序,一行一行地读,然后自己运行。这样其实并不用花费很多的时间。比如我最新的“深度卷积模糊模型”,在论文发表的同时也附上了用Matlab基础语句写成的原始程序(很容易翻译成Python等;论文Deep_Fast_proof.pdf;原始程序code_training_algorithm.pdf)。论文和程序是一个有机的整体,相互交叉地读可以起到相互促进的作用,能够更加深刻地理解模型和算法的核心要素,程序运行起来也就更加心中有底气了。



https://wap.sciencenet.cn/blog-2999994-1238465.html

上一篇:Matlab被禁是理工科科研的一场“禁烟运动”
下一篇:寻找“算法交易”领域的“Jack Little”
收藏 IP: 1.203.100.*| 热度|

27 郑永军 徐绍辉 王安良 张士宏 杨正瓴 刘立 卜令泽 曾杰 刘良桂 胡大伟 李丽莉 王林平 熊江辉 周忠浩 吕建华 黄永义 王恪铭 康建 段含明 王卫 王德华 谢力 杨小军 段法兵 强涛 刘刚 曹家樅

该博文允许注册用户评论 请点击登录 评论 (63 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 03:55

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部