计算机伪科学：文科已经走了，理科还会远吗？

“你们如果用plug-in estimator，最cool的方式就是fearlessly一plug到底。不要犹豫，每当你看到true distribution的时候，都plug in empirical distribution。Be Fearless！That is what cool people do.” 他不喜欢数学系统计学家的一步一证明，战战兢兢，觉得他们就那么几个定理还要证来证去的，不够fearless。 他欣赏机器学习，因为它是fearless method。 目前来看，后者人定胜天的fearless精神占了上风。 All models are wrong. Some are useful. 二 机器学习对传统统计学的冲击引出一个问题——科学是否已经过时？ 知识分子是否已经不再象征最高生产力，取而代之的是掌握算力的工程师？ 工程师自信到什么程度？ 那个俄裔教授读梯度下降（gradient descent）读的不是“古雷第恩特”，是“古拉第恩特”。 因为梯度下降什么都能解，怎么读都管用。 颇有一种人有多大胆，地有多大产的感觉。 “统计学家看到有十几个参数要优化都要吓尿了，我们勤劳勇敢（fearless）的计算机学家，用grAHdient descent，优化上亿个参数都是小菜一碟。” 而且他honestly不发“昂尼丝力”，发“夯尼丝力”。 感到那种扑面而来的粗犷的美了吗？ 好像他的数据都是从西伯利亚的猛犸象身上剥下来的，通过石油管道输进苏联的坦克里都能跑起来。 三 现在有了AI4Science，解决科学问题都不需要懂多少科学了，只需要有数据和算法。 AlphaFold就只需要读一个字符串就能预测蛋白质结构，疾病检测就只需要读一张图。 学什么具体的学科，好像都不如转计算机解决问题来的快。 颇有一种砸铁锅大炼钢铁的感觉。 在我年少无知的时候，我还选过MIT的神经科学课。结果每次上课都睡着，两周就把课退了。 唯一记住的是教授第一节课用熊的神经系统举例子的时候说的，"I have a personal interest in bears." 这是因为教授的名字叫Mark Bear。 我退课时，Professor Bear对我说，“年轻人，神经科学的路还长，后面有意思的东西多的是。但就好像学一门语言一样，你想要聊天前得先背单词，学语法——你现在学的不过是神经科学

saved by

• YUU YUU