深度学习一定程度上脱离了数学吗？

看帖有感：

地址：https://www.zhihu.com/question/609230832/answer/3102286500

=========================================================

搞了十多年的AI，虽然没有啥成果但是心得体会却有一些，看到了上面的帖子就有写想法要说。前天，也就是本月的25号，我所在的高校研究所开期末会，其中师母说过这样一句话，那就是“以前发论文认为数学好、英文好、文笔好是优势，现在看来代码能力前也是比较重要的优势，如果代码能力强就可以早些上手做实验，也就好更快的出论文”，或许这句话也就是现在AI领域的现状。

在六七年前，AI的研究还都是传统的一些方面，比如分类的用SVM和随机深林，搞聚类的则是各种矩阵分解，说的直白些就是虽然AI是计算机下的一个方向，可以说是实验学科，毕竟它属于工科嘛，和采矿、冶金一样都是工科嘛，那自然都是考实验出结果的，但是传统的AI研究和标准的计算机学科研究还有些不同，正因为传统的AI研究虽然也是实验学科但是其中却加入很多的数学概念和知识，最简单的来说这个玩聚类的清一色都是搞矩阵分解/流行数学啥的，你要是连矩阵分解是个啥东西都搞不清楚自然也就没得玩了，而标准的计算机学科更像是软件工程开发+探索这种模式，因此传统的AI（也就是现在AI领域的基础知识）都是要有一定的数学知识做储备的。但是即使是传统的AI研究也只是会在一些地方用到数学，其实所占的比重也不大，并且由于只是使用也就不需要对数学知识有太多的理解和深入了，这就和学经管高数与数学专业的数学分析一样，看似外表差不多其实内部却差别极大，但是即使是这样为啥传统AI研究要把数学捧上神坛呢，这明明也是一个以实验为主的学科，其实原因就是带有数学公式的论文好发表；不论是国内还是国外的学术界都有一个传统，那就是带有数学的研究比较高大上，这也是上百年物理学科靠数学打天下留下的后遗症，毕竟现在搞经管的都在整天堆公式你一个理工科的好意思发论文时候不带公式嘛。

不论是传统AI还是现在的深度学习AI其本质都是实验为主的学科，它的本质是工科而不是理科，但是由于学术领域的价值导向问题造成了有数学公式的有说服力、有数学公式的高大上的偏见，所以各位researcher为了能更好的发表文章也就不管它有用没有用的、是否说的通、是否能贴近上，也就是全然不顾的生搬硬套的堆数学公式了，而作为我这个常年给A刊、A会写审稿意见的人来说看到这些公式虽然觉得高大上但也确实看不大懂，凭着学术领域默认的诚信原则，只要论文上说这个公式证明了什么和什么，那么我就可以认为这个公式就是正确的（毕竟我们不是数学专业而是计算机专业，AI方向），这时只要这个公式的输入和输出貌似有道理我也不需要深究这个公式具体是怎么证明的。很多人没有取审过A刊/A会的文章，就这短短几天的时间，你要审几十篇论文，而且你每天都有的日常工作来做的，这个审稿只能是你的业余工作，基本上是难以去深究这些公式的，也是正因如此即使感觉这些公式好扯也断无胆量去说些什么，万一没喷过被搞得“身败名裂”就不划算了。不过也必须要承认的就是这些公式确实很高大上，看着虽然感觉扯但是也觉得有档次和上面，毕竟这种满屏都是公式的论文你不好给reject，毕竟你也知道这种的东西大家都看着顺眼，也都看不大懂却也都不敢给reject。

之前的传统AI研究（SVM、基于矩阵分解的聚类研究），这些方面都是要用到一些数学方法的，虽然不多也不难但是却难以避免，再加上论文发表的唯数学公式的特点，所以之前搞AI的人还是比较看重数学功底的，毕竟你要是数学太烂的话总不能在论文上胡编论文公式搞得太离谱的。但是现在的深度学习往往本身就不太像之前的传统AI还得搞搞矩阵分解之类的，基本上和数学就挨不上什么关系了，如果非说哪个方向还能用到数学我想也就是现在AI的图神经方向还会用到一些矩阵分解之类的东西了，除此之外也就不太有多少能用到数学的地方了。

换句话来说，现在的AI研究可以说是回归本质了，也就是更像是实验研究了，毕竟搞计算机的本身就是工程技术研究，这东西本就不是science，就像搞基础学科的物理、化学什么的生化环材之类的还能出出院士，你见到搞计算机的出过几个院士。现在的人们喜欢用AI领域少数学的这一点来说事，我想这本就不是个事情，这就和搞分类算法一样，从当年搞出SVM算法后你又见过几个搞分类的用到了靠谱的数学公式了，可以说现在的情况就是回归本质，而不是什么不好的事情，也不是啥走下坡路，只能说是炒作太久了有些东西沉下来了，就和那句话一样“大浪退后才知道谁在裸泳”。

不论是之前的AI研究还是现在的AI研究，还是以后的AI研究，数学知识只是会用到一小部分，占比很小的那种，最大占比的还是实验研究，如果考虑发论文的话我想会修图（精美、高清晰的图）再加上好的文笔（会写学术story、会讲故事、会写motivation），我想这些技能或许才是最主要的。但是啥事都不能走极端，如果大家看到现在的情况，认清现实后清楚的了解数学的“工具属性”也容易出现“物极必反”的问题，因为大家需要知道虽然AI领域一个重要的研究会几十年才出现一个，但是这几十年的间隙里大家用不到什么数学知识，但是这个几十年出现的里程碑似的研究可是不能完全脱落数学的，这就和当年的SVM一样，而现如今的深度学习的难以解释性也是脱离不看它先天数学底子薄的问题的。

可以说搞AI的话，数学用处不大，但是不能一点也不会，这东西说白了就是工程技术学科，要是想研究就多跑实验，多炼丹，说不定东鼓捣鼓捣、西鼓捣鼓捣就能搞出一个点高的算法了。

PS:

额外要说的是我个人认为AI这个学科发展其实和中国的中药学科比较像，你没法用西方的自然学科的传统研究方法来对中药进行完整的解释，但是几乎大部分的中国人包括亚洲人都认为中药这东西是有用的，是好使的，而我本人也是中药的深度用户，每年的夏秋之交时总会犯鼻炎（过敏性鼻炎、枯草症），每每这时候我都是要去沈阳的辽宁中医去开上几服药来吃，这东西也是神奇的很的，好几味药都是调料居然也能有用；而AI这东西和中药一样，都是实验学科，都是靠经验积累进行探索的，这其中或许很难用西方自然科学的方法来解释其完备性，但是这东西也确实是好用，至于是否能够在science层面来解释估计是以后的事情了，不过短时间来看这个AI方向必然已经是实验学科，而不是science学科。

=========================================================

原文的回帖：