从一门课中得到的

Last updated 22 days ago

刚考好人工智能,这门课是两周前才开始认真学的,真的应了师姐的话。大概一两个月前我询问考试难度的时候,就告诉我不要累积到最后,最后还是应了这句话。回来后算了下,加上平时分,应该不会挂,但我对离散数学是真的阴影加深了,这次做题让我感到重回大一时考离散的情景,之后62飘过,在保研面试中,导师看到这个碍眼的分数,穷追不舍,现在想来,就跟压力测试一样。当时我的回答是,那时候我不会,学得不好。还好后来几学期的离散没那么差,但也绝不算好,现在想来,真是心头的一块伤疤,因为这部分的确没得到加强,对离散的恐惧至今还在。

对于学习方法,也存在失误,这是针对考试而言的,及早地重看B站的课堂视频,就可以早一点开始复习,因为有那么多视频,终于能让你知道有这么多东西没有消化,终于能足够的压力来产生动力。而到最后看课程录播,很多地方都可以听懂了,如果时间足够,那么看完所有的录播都没问题,中间还可以详细地推理和验证,以及做做实验,扩展一下,都是极好

昨晚问本科的朋友,说如何复习最好,他说用悔恨复习法,对刚从考场出来的我而言,悔恨是肯定的,但我真的不知道会有这么多原题,而几道原题重做的时候都花了很多时间,导致后面的逻辑推导题空着。因为原题我只是简单解答了一下,没有跟别人讨论,这是很大的问题,我都不知道自己做得对不对。另外有个盲点就是认为考过的都不考,由此造成了今天的悲剧。

本文是对人工智能课程的一次总结,悔恨复习法很有效,但几乎不可能,就算是个玩笑了,但这学期,尤其是这几天的学习,对我的认识改变很多,有如下三点:

对神经网络的推导。由于网络这一部分是九月份讲的,那时候连DFS都不能快速写出来,所以觉得A算法很神秘;对网络更是停留在深度学习在CV和NLP领域的爆发式崛起的层次,怀有一种不是我的菜,并且有隔岸观火的心态。而对具体的训练网络、使用网络做自己的事则存在心理障碍,我以为学习深度学习必须要数学功底特别强,而我对计算机系统性的东西更感兴趣,尤其是架构,还有底层,对数学的练习在这几年非常薄弱,另外,线性代数也是我的弱项,导致我在很长一段时间不敢大胆地用numpy等工具(就是跟矩阵相关的一律忽略,回头看我也看惊讶)。要不是复习,我也不会去推导那些公式,而一旦推导了一遍,就会发现虽然有一些东西不懂,但已经知道了人工神经网络和深度网络要解决什么问题,它们是怎么工作的。想起去年有去清华实习的同学,他那时候就会用各种主流的网络做医疗图像处理了,而我那时候只是听了几个概念而已,不得不汗颜。除了数学功底不强,对新事物的工具意识不强,甚至抵触,都是我的大问题。目前我的认识是,*神经网络缺少可解释性,但它的有效性也代表了一部分合理性,它依然是非常有效的工具,并且继续变得更加有效。

对命题逻辑的证明。我对归结原理和MP这两种推演系统的可靠和完备重推了三遍,终于理解为什么是那么推的,老师觉得简单的事情,可能你花很久才get到那个点,而且中间不得不去找其他学校的PPT,找到一些老师没讲到的预备知识,这之后,方才恍然大悟,感慨理解的困难,也感慨逻辑系统的深邃和抽象。上课的时候提到了哥德尔不完全定理,好奇是怎么证明出来的,另外,哥德尔也是侯世达《哥德尔、艾舍尔、巴赫》的主要人物,而这本书的开篇就是定理的证明。学习逻辑,对提高认识是非常有帮助的,这往往是几个层级的抽象,又有点类似降维打击,也即从抽象到具体的打击。

对强化学习的入门。去年冬天去找室友玩,顺便参观了一下微软大厦,中途问到他目前在做什么,回答是强化学习,那个时候我对于各种深度学习和其他学习真是门外汉,经过这个课的学习,至少我知道了一些概念,知道了强化学习的几大算法,它们的基本思想和优缺点,在以后我肯定会使用这些东西的,而这门课就像一个导论,对我而言是重要的。说到这里不得不感慨,很多时候我们都需要别人逼一把,不然一直在门外,待久了就更没了进去看看的愿望和动力,到最后,认知鸿沟的差距就变得非常之大。

遍观多年的学习经历,我发现很多东西学得都不够扎实,这是非常大的问题,而我以为的,所有的学习都应该solid,都应该知道背后坚实的逻辑,这样知识的大厦才能非常稳固。

疲于奔命也是考生的常态,deadline对很多人而言是有效的,但可惜这些deadline绝大部分是外部的,是一种形似的压迫,而很少有来自内部的严格要求,所以也就造成了各种突击。而有些突击可以获得很好的效果,比如我本科信号处理,两天就重做了一遍作业,一共两本,这个课的特点在于,不管懂不懂各种变换的本质含义,只要记住公式,就可以顺利做题,而各种电路题都是一个套路,所以获得高分不算难。而另一些突击可能就不那么有效,比如算法,老师强调理解思想,这种往往是最难的,因为理解需要时间,而突击只能完成表面上的工作,在紧迫的情况下,理解几乎全无可能,所以效果也不会好,也即突击不一定有效,而突击却成为常态,不得不反思自己学习的方法和习惯

人工智能是一个好东西,佩服Hinton这样的大牛,冷板凳坐了20年,开创了深度网络的春天。在这个深度网络遍地开花的时代,不接触不使用是不行的,既然是很有效的工具,就不该放弃使用。

晚上考的一塌糊涂,索性写下我考后对课程的总结和一些感想。大学的很多分数是虚假的,虽然大家都皆大欢喜,但分数之外,有没有真正的收获,有没有长期的帮助,这是值得思考的。