Question

之前给自己定下了一个目标，专栏的关注者每突破一千就写一篇和技术没有太大关系但是又比较有意义的文章。第一个 1000 人，我聊了点专栏未来的发展方向，第二个 1000 人，我放了一些“有趣”但实际上挺恶俗的图片，到了第三个 1000 人，我想了好久才想到了这个话题，于是让我们一起聊一聊什么是学习。

写在前面，专栏里正常的文章还是怀着科学的精神来写的，不过这个“聊点轻松的”支线剧情就不管那么多了，玄学为主哈。

我们聊了好多有关机器学习的事情，那么让我们回到自己身上，人又是怎么学习的？从人学习方式来看，我们有哪些优秀的模式可以利用到机器上呢？从机器学习的角度，人类的学习又该如何进行呢？（好玄学的问题啊）

学习方法

说到这个让我们首先来看看机器界的三种常见的学习方法：

• 监督学习
• 非监督学习
• 增强学习

排名不分先后。这几种学习在我们的日常生活中会不会经常出现呢？当然会。下面我们来举几个例子：

监督学习：1+1 等于几？要是答等于 2 就对了，答其他就错了（这里是严肃的 1+1 问题）。这里问题有，答案也有，我们的目标是让自己做桥梁，连通问题和答案；

非监督学习：多半来自脑中突然出现的一些宇宙终极问题，还有一些课外兴趣小组中偶然碰到的问题（当然还有现在工作研究中的一些问题），没人知道正确答案，能不能答对全看自己的思考分析了。（XX 猜想……）当然一般这些问题最后慢慢都有了答案，不过当初解决问题时确实没有答案。

增强学习：生活小经验，生活小技能。人在江湖飘，哪能不挨刀，每一次成功与失败，老天都会给你一个“奖励”，并让这个世界稍微改变一点……当然这个奖励有时候不是物质的，比方说“心里乐开了花”这种……

从某种意义上看，机器学习的方式和人类学习的方式其实差不多，机器学习也可以算是门仿生学了。我们走进校园，在课堂上被老师进行监督学习，自己无聊时做些思考，进行一些非监督学习，其他的大部分时间，进行很多增强学习。于是学校里也经常出现各种各样的传奇人物：

学霸：典型的监督学习产物，一天刷一本练习册，这不是海量训练数据样本+高性能计算是什么？

学神：思考一些神秘的问题，经常有规律的进行非监督学习……当然学神一般是在完成了监督学习之后才进行这项高级活动的。

老（lao）江（si）湖（ji）：社会活动多，社交经验丰富，审时度势，察言观色，调节气氛，推动剧情的好帮手。

好吧，胡扯到此结束。不过似乎每个人都有自己擅长的学习方式，也有自己不擅长的学习方式，可能所谓的“因材施教”和这个也有关系吧。

论语和机器学习

玄学第二弹，论语！你没有看错，几千年前的孔老夫子，中华文化的形象代言人，已经在他的著作中告诉了我们很多机器学习的“套路”！已经忘了？没关系，让我们来一起复习下：

“学而时习之，不亦说乎？”

- 训练数据要记得经常回测一下，以确保模型的泛化性，别捡了芝麻丢了西瓜。

“温故而知新，可以为师矣”

- 要在旧数据上 finetune，也要记得在新数据上继续提升哦～

- 要是能通过研究旧数据就能产生新数据，那就逆天了！Deep Generative Model，我来了！（歪解）

“吾尝终日不食，终夜不寝，以思，无益，不如学也”

- 跑了三天无监督训练精度还是上不去，还是去标点数据跑监督学习吧。

（镜像贴：《荀子 劝学》“吾尝终日而思，不如须臾之所学也”）

有痛的学习

专栏的名字叫做“无痛的机器学习”，可实际上谁都知道学习有痛。最近还被罗振宇罗胖打了脸。他的一期《罗辑思维》中《怎么样成为一个高手》 罗辑思维 中提到了，学习是要专找自己不会的地方“刻意练习”。从机器学习的角度解释再简单不过了：

• 只有自己不会的地方才会有较大的 loss 梯度，才有优化目标函数的必要，总是找自己已经会的，都没有梯度可以下降，还优化个毛线啊……
• 刻意练习，反复练习。哪有一轮迭代就可以完美梯度下降的优化算法，兄弟一定要多跑几轮啊！

其实说到这里想想学习这个事情，还是听悲哀的。学习本来就是个苦差事，现在的中文中，从学习两个字不太能看出它的痛苦，主要是能看出它的手段 - 学和习，不过我中华上国，少年学习不谈苦和累，只谈使命和责任；不过我们的邻居就比较诚实了：

日语中的学习写作：“ 勉強する ”，我去太直白了，就是勉强嘛，凡事不能勉强啊……

韩语中的学习写作：“ 공부하다 ”，后面两个字算是词缀，和日语的“する”类似，前面两个字念出来就是“恐怖”，恐怖……

所以多学点语言了解不同的国家人的内心还是很有必要的……一个是做勉强的事情，一个是做恐怖的事情，我们还在天真地认为那只是在知识的海洋遨游……

虽然学习是有痛的，但是“学海无涯苦作舟”的时代已经过去，现在的时代信息交流已经变得非常方便，我们可以寻找到很多方法让自己在学到一定知识的基础上减少痛苦，或者在一定痛苦的基础上多学知识。随着社会的发展，人类要学的会越来越多，不过人类学习的痛苦也一定会越来越轻的。