重走机器学习之路——形而上者谓之道

形而上者谓之道，形而下者谓之器，化而裁之谓之变；推而行之谓之通，举而措之天下之民，谓之事业。——《易经·系辞》

天地间本就存在种种规律和法则，这些规律和法则在物质世界相互作用、不断演化形成了世间万象，比如水蒸气遇冷液化成雨，比如万有引力让苹果落到地上。世间万象称之为“形”或“象”。

世间之“形”或“象”，大致可分两种：一种是物质的种种“现象”，风雨雷电、花鸟鱼虫，另一种是精神的种种“意象”，或者说“观念”。两者背后都蕴含着很多规律，人们发展出各种学科，如物理学、心理学等，都是在尝试更准确地描述“形”“象”背后的规律，从而指导实践。

人们通过持续观察自然认识自我，初成感觉和猜想，进行实践，总结规律，不断修正和创造，进而改造自然，推动社会进步。比如古人观察到火烧后的土地会变硬，学会了烧陶，但是对于烧制结实耐用容量大的陶器而言，这个阶段的认识是片面且肤浅的，在不断烧制实践的过程中，进一步总结规律，调整工艺，知道了如何烧制更好的陶器。

是因为物理法则的存在，才会产生“火烧后土地会变硬”的现象，物理法则即是现象背后的道，此为“形而上者谓之道”；人们对这些现象的观察和总结是在尝试刻画“道”、拟合“道”，应用认识到的规律，烧制出陶器，此为“形而下者谓之器”；但认识到的规律是片面的，与真正的“道”之间是有偏差的，这种偏差表现在实践过程中就会暴露出种种问题，像易碎、裂纹、变形，然后完善认知总结出更准确的规律，改进工艺，此为“化而裁之谓之变”；当总结出的规律足够准确，工艺足够好之后，就可以推行了，传授给更多人，应用的范围越来越广，改善了大家的生活，此为“推而行之谓之通，举而措之天下之民，谓之事业”。

但是，如果总结出的规律一直存在人的脑袋里，或者停留在工艺层面，别人并不能很快掌握和应用，而且到了一定阶段后难以进一步改进，这对推行和发展是不利的。于是需要数学，数学通过抽象可以将结论和规律高度概括为公式，易于验证、推行和改进。需要注意的是，通过数学公式描述的规律——模型，也仅仅是对“道”的拟合，与“道”仍有偏差，从牛顿力学到爱因斯坦相对论再到量子力学，在简单场景下好用的规律到更广泛的场景下可能就不好用了，这即是偏差，有差距就会推动发展出更准确的模型。

这个“认识自然、总结规律、修正改进”的过程能否通过机器（计算机）实现呢？答案是可以的，利用机器“上溯寻道”的方式就是机器学习，而且已经形成了相对清晰的“寻道”路线图，认识自然——认识数据，总结规律——形成模型，修正改进——模型优化。根据你的问题场景，收集相关数据，总结规律得到模型，分析暴露出的问题，缩小“偏差”，得到更准确更贴近“道”的模型，接下来就是应用模型——应用通常表现为预测，就像利用公式预测苹果落地时间一样，这就是机器学习的实践过程。

假设用\(P\)来评估计算机程序在某任务类\(T\)上的性能，若一个程序通过利用经验\(E\)在\(T\)中任务上获得了性能改善，则我们就说关于\(T\)和\(P\)，该程序对\(E\)进行了学习。——《Machine Learning》Tom Mitchell, McGraw Hill, 1997

这里，\(T\) 是你的问题场景，\(P\)是对“偏差”的评估，\(E\)是从数据中学得的模型。

江湖流传，训练深度学习模型的过程是“炼丹”，输入的数据是炼丹的材料，丹方是模型结构和设计，tensorflow、mxnet这样的框架是炼丹炉，得到的模型即“金丹”。我们不仅仅是在“炼丹”，更是在“问道修仙”，希望早日成就“金丹大道”。

个人博客地址：重走机器学习之路——形而上者谓之道