大惑不解是什么肖大惑不解是什么 _云知道

来自quantamagazine
作者：Ingrid Daubechies
机器之心编译出品
编译：微胖，汪汪

这篇文章原刊登于《量子杂志》（Quanta Magazine），分析了机器学习在大数据中的一些数学原理和问题，作者Ingrid Daubechies是杜克大学数学、电子和计算机工程系的教授。《量子杂志》是由西蒙斯基金会独立编辑出版的一本杂志，旨在向公众介绍数学、物理和生命科学方面的最新进展。

几年前的一次晚餐上，杰出的微分几何学家 Eugenio Calabi 主动半开玩笑地和我聊起了纯粹数学家和应用数学家的区别。研究遇到难题时，纯粹数学家经常进一步窄化难题，避免障碍；但应用数学家会把卡壳视为信号——是时候学习更多数学知识，找出更好的解决办法了。
我一直觉得这个观点很赞；它解释了为什么应用数学家总是需要更为基础的数学领域研究出来的新概念和新结构。这在今天人们努力理解「大数据」（非常庞大和复杂，难以用传统数据处理技术进行理解的数据组）的过程中，显得尤为明显。
目前，从最理想的角度来说，我们对大数据变革中的中心技术的数学理解还不够。举个最简单的例子——监督式学习。巨头们已经将这项技术用于语音和图像识别，准确性趋近人类水平。起初，系统需要海量训练样本（数百万甚至数十亿的图片或者语音录音）用来训练深度学习网络，识别统计上的规律性。和机器学习其他领域一样，计算机有望通过吸收足够多数据来「学习」需要完成的任务。我们无需对决策所需细节步骤进行编程，计算机就能跟随算法的脚步，算法会逐渐引导它们关注相关模式。