文節(jié)選自《為什么偉大不能被計劃:對創(chuàng)意、創(chuàng)新和創(chuàng)造的自由探索》,上一篇鏈接:
《為什么偉大不能被計劃》第十章:案例研究1 重新詮釋自然進(jìn)化
《為什么偉大不能被計劃:對創(chuàng)意、創(chuàng)新和創(chuàng)造的自由探索》,作者是肯尼斯·斯坦利(Kenneth Stanley)和喬爾·雷曼(Joel Lehman),他們是目前享譽(yù)全球的創(chuàng)業(yè)公司OpenAI科學(xué)家。兩位作者持續(xù)多年扎根人工智能前沿領(lǐng)域,這本書是他們在科學(xué)研究的過程中蹦出的意外火花。他們在學(xué)校、TED、科研論壇等場合公開演講,讓這一新思維方式影響并激勵了許多人。他們自身也憑借寫入本書的“尋寶者思維”“踏腳石模型”“新奇性探索”等具體思維方法,在人工智能研發(fā)領(lǐng)域取得了飛躍式的突破和進(jìn)展,產(chǎn)生了一系列惠及人類的偉大創(chuàng)造。
近期我將會在網(wǎng)易號平臺將這本書的各個章節(jié)分享給大家,感興趣的網(wǎng)友可以去買一本實體書
《為什么偉大不能被計劃》第??章 案例研究2:?標(biāo)和??智能領(lǐng)域的探索
唯?不會抑制進(jìn)步的原則是:?切順其?然?!A_·費(fèi)耶阿本德(Paul Feyerabend),《反對?法》
我們今天視為理所當(dāng)然的?數(shù)科學(xué)技術(shù),在不久前仍是?法想象的存在。即使最富有的中世紀(jì)國王,也仍然需要騎?出?,并很容易死于肺炎。但到了現(xiàn)代,哪怕是普通?,也可以乘坐?機(jī)出?,并與千?之外的朋友即時溝通。在推動所有這?切,以及使更多看似不可思議的進(jìn)步成為現(xiàn)實??,科學(xué)可謂功不可沒。就其本質(zhì)??,科學(xué)是對知識的探索,科學(xué)不斷地拓展了?類可能性的邊界,使?們能夠更深?地了解這個世界。正如歷史上所有偉?的發(fā)現(xiàn)那樣,當(dāng)今的科學(xué)發(fā)現(xiàn),也是通往未來的踏腳?,引領(lǐng)我們發(fā)現(xiàn)超乎想象的技術(shù)。
盡管科學(xué)的發(fā)展令?炫?,但其進(jìn)步需要依賴于科學(xué)家們的努?,?科學(xué)家也是?,跟所有其他??樣,并?完???紤]到?類才是偉?科學(xué)進(jìn)步的幕后推?,科學(xué)家們溝通和互動的?式,也將深刻地影響科學(xué)進(jìn)步的節(jié)奏和速度。我們必須了解科學(xué)體系的運(yùn)??式,因為科學(xué)決定了?類的?活質(zhì)量。不妨想象?下,若沒有抗?素,?們的?活會變成什么樣。因此,如果科學(xué)界能夠更有效地合作,所有?都將受益。所以,在本章中,我們將了解當(dāng)前的科學(xué)運(yùn)作?式,并探索其背后是否存在可能帶來麻煩的?標(biāo)。
?先,科學(xué)實際上不只是?個聚集了所有科學(xué)家的龐?社區(qū)。世界上有太多的知識,沒有?能夠?qū)⑵淙坷斫饣蛘莆?,因此科學(xué)家們往往僅專注于?兩個較?的科學(xué)知識領(lǐng)域,我們將其稱為學(xué)科。普通??較熟悉的學(xué)科,包括物理學(xué)、?物學(xué)和化學(xué)等,都由不同的科學(xué)家群體構(gòu)成,就像任何其他類型的?類社區(qū)?樣。不同學(xué)科也有專屬的慣例和?化,事實上,很多喜聞樂?的笑話,都描述了不同學(xué)科群體之間的?化差異,例如:?位數(shù)學(xué)家、?位?物學(xué)家和?位物理學(xué)家,正坐在?家街頭咖啡館?,看著街對?房??進(jìn)進(jìn)出出的?。
他們?先看到兩個?進(jìn)?房?。時間?點?滴流逝,過了?會?,他們注意到有三個?從房??出來了。物理學(xué)家說:“測量并不準(zhǔn)確?!?物學(xué)家得出結(jié)論:“他們‘繁殖’了。”數(shù)學(xué)家:“如果現(xiàn)在正好有?個?進(jìn)?這所房?,那么它?將是空的124?!?/font>
不同國家之間?活?式的?化差異,往往體現(xiàn)在語?或飲?習(xí)慣上,?科學(xué)界的?化差異,則與?類知識的拓展和積累有關(guān)。我們希望??學(xué)科的?化,能夠催?富有成效的探索,促使該學(xué)科中最有前途的踏腳?開花結(jié)果。同時,學(xué)科的?化也幫助科學(xué)家們避免在探索死胡同上浪費(fèi)太多時間,因為每位科學(xué)家個?的時間和資源都是有限的, 所以每個學(xué)科社區(qū),必須幫助其成員確定哪些科研想法才是最重要的想法。這樣?來,同?個社區(qū)中的科學(xué)家們,就可以在不需要閱讀全部論?或?獻(xiàn)的情況下,了解到最前沿的信息。這也是為什么?多數(shù)科學(xué)社區(qū),都遵循了旨在剔除不良或?趣理論和實驗的經(jīng)驗法則。可以想象,如果不存在這種篩選機(jī)制,?個科學(xué)社區(qū)就可能產(chǎn)??量??混雜、泥沙俱下的研究成果。
為了篩選和傳播最重要的思想,?多數(shù)學(xué)科的研究者們,都選擇在期刊和會議上發(fā)表個?的研究成果。期刊以定期出版的?式,傳播不同研究者的想法和成果,?學(xué)術(shù)會議則能讓研究?員?聚?堂,?對?討論和分享彼此的?作??蒲袝h還經(jīng)常出版(記錄會議情況的)“會刊”,有時還收錄了所有在研討會上發(fā)布的論?。重要的是,科學(xué)家在期刊或會刊中發(fā)表??的想法,有助于進(jìn)?步驗證其研究, 并能將科研的想法或成果傳播到更?的社區(qū)。得到期刊和會議認(rèn)可并發(fā)表的觀點很重要,因為它們決定了未來科學(xué)研究的?向——它們往往是會被科學(xué)家們進(jìn)?步探索的踏腳?。因此,?個有趣的(也很重要的)問題是,我們?nèi)绾尾拍茏詈玫嘏袛喑觯男┫敕ㄖ档冒l(fā)表,哪些應(yīng)該被拋棄。
解決這個問題的最常??案,就是同?評審(在本書第?章探討哪些科學(xué)項?應(yīng)該得到資助時,也提到了這個?法)。?位希望在特定學(xué)科社區(qū)中分享新想法的科學(xué)家,將其研究成果以?章的形式,提交給期刊或會議組委會時,同?評審的流程就開啟了。接下來,期刊或會刊的編輯們,不會只是單純地閱讀拿到的?章,然后直接根據(jù)個?的喜好,決定該?章是否應(yīng)該發(fā)表。因為對于??學(xué)科的未來發(fā)展?向??,??群?不應(yīng)該擁有如此?的話語權(quán)。相反,編輯們的?作,是尋找同?評審員,即?章所涉學(xué)科領(lǐng)域的專家們,并征求評審員們對該論?觀點的意?。評審員們通常會給出?常具體?詳細(xì)的意?(主要是挑刺),旨在找出被評審的?章中的錯誤,并判斷?中想法的重要程度。編輯隨后會收集評審員們提供的評論并發(fā)回給作者,便于他們對?章作進(jìn)?步修改和完善。然后,這個過程可能會不斷重復(fù)——修改、重新提交、再次評審,直到這個觀點被接受(和出版)或徹底被拒。整個流程的?標(biāo),就是確保發(fā)表的觀點是準(zhǔn)確且重要的。
我們希望通過同?評審能有助于完善或剔除部分“認(rèn)識膚淺、內(nèi)容單 薄”的想法,繼?確保最重要的想法得以發(fā)表。通過出版和發(fā)表,學(xué) 科領(lǐng)域中最頂尖的?,才能夠了解這些想法,他們可以將其作為進(jìn)?步探索的踏腳?,推動學(xué)科繼續(xù)向前發(fā)展。但這個體系也存在?些重?的?險,?如被選來審查某?特定學(xué)科論?的“專家”有可能帶有個?偏?,他們可能認(rèn)為某個新觀點威脅到了??的理論,或者?法理解新觀點的有趣之處。因為這些新想法可能看起來過于激進(jìn),或與本學(xué)科?些得到普遍認(rèn)可的信念相沖突。此外,審稿?還可能會傾向于發(fā)表那些“滿?于現(xiàn)狀”且缺乏想象?的想法,這會扼殺創(chuàng)新。就像在其他類型的?類社區(qū)?樣,權(quán)?和政治也會毒害科學(xué)社區(qū),有權(quán)勢的成員可能會導(dǎo)致整個評審過程偏離公平和開放的理想軌道。因此,如果?個科學(xué)社區(qū)在評審??不夠謹(jǐn)慎,評審員作為把關(guān)?,就有可能因??之好?導(dǎo)致科學(xué)發(fā)展停滯不前,反?阻礙科學(xué)的進(jìn)步。
潛伏在這些令?擔(dān)憂問題背后的,是?標(biāo)的強(qiáng)?影響?,我們也不應(yīng)該對此感到驚訝,因為?標(biāo)是具體的,并且允許?們衡量和?勵科學(xué)的進(jìn)展。喜歡通過?標(biāo)來指導(dǎo)任何探索或發(fā)現(xiàn)的過程,是?類的天 性,這在科學(xué)領(lǐng)域也不例外。簡??之,要求科學(xué)家們?yōu)?個具體的想法提供?標(biāo),?評判完全沒有設(shè)定?標(biāo)的想法更容易。因此,評審專家們在評估?個新想法時,?然會想到關(guān)于?標(biāo)的諸多問題:這些想法可以達(dá)到什么?標(biāo)?它們是否會實現(xiàn)?個特定的?標(biāo)?然?,在科學(xué)領(lǐng)域,專注于?標(biāo)驅(qū)動問題的習(xí)慣可能會帶來意想不到的后果, 就像在?標(biāo)驅(qū)動的其他活動中?樣。因此,?標(biāo)在科學(xué)領(lǐng)域發(fā)揮的作?,同樣值得我們仔細(xì)研究。秉持了解這種新視?的意圖,讓我們來研究?下某個特定科學(xué)分?的思維?式,將其看成?項案例研究,幫助我們了解?標(biāo)驅(qū)動的思維對整個科學(xué)探索過程的影響。
鑒于我們兩位作者都專注于??智能領(lǐng)域的研究,因此我們?然?然地將其選為研究的對象。但更重要的是,??智能領(lǐng)域還頗為有趣, 因為其研究的核?重點是實現(xiàn)?個??!??上”的?標(biāo):創(chuàng)造?度智能化的機(jī)器或程序。這種以遠(yuǎn)??標(biāo)為導(dǎo)向的研究趨勢,使我們很容易能夠看到?標(biāo)導(dǎo)向的思維在??智能領(lǐng)域的影響,并且其嚴(yán)重程度遠(yuǎn)遠(yuǎn)超出其他學(xué)科。盡管不同的研究?員可能對??智能的確切定義有所不同,但整體??,這個領(lǐng)域中?多數(shù)還沒有喪失激情的?,都想要努?實現(xiàn)?些“??上”的?標(biāo),?如接近或?于?類?平的??智能。最重要的?點是,在??智能領(lǐng)域,我們談?wù)摰氖亲非?個典型的?遠(yuǎn)?標(biāo),即距離這個?標(biāo)的最終發(fā)現(xiàn)還需要很多踏腳?。
當(dāng)然,本書已經(jīng)在前?中反復(fù)告誡諸位,不要為了?個遙遠(yuǎn)?虛幻的?標(biāo)?投?過多的努?。?然,這種警告對??智能研究來說,就是?個悖論。因為試圖奔向遙遠(yuǎn)?充滿潛?的遠(yuǎn)?,是??智能領(lǐng)域研究的本質(zhì)。也許這就是為什么,??智能領(lǐng)域的?些研究?員選擇聲稱??秉持保守策略,并表示??的研究?的,就是為當(dāng)前的社會創(chuàng)造實?的算法,對充滿了不確定性的遙遠(yuǎn)夢想毫?興趣。但是,我們怎么可能放棄??智能的突破,放棄創(chuàng)造真正的智能機(jī)器,以及從根本上改變世界的偉?想法呢?如若實現(xiàn)了這個遙遠(yuǎn)的夢想,?機(jī)將能夠?主翱翔藍(lán)天;機(jī)器?不僅能?主建造房屋,還能?主設(shè)計;不起眼的芯?可以譜寫出美妙的樂章,完全?須?類插?;未來的救援?員可能是鋼鐵機(jī)器,????之軀。如果??智能領(lǐng)域最宏偉的?標(biāo)得以實現(xiàn),所有這些都會成為現(xiàn)實。
這就是為什么??智能領(lǐng)域是研究?標(biāo)思維如何影響科學(xué)發(fā)展的?個絕佳案例。將??智能領(lǐng)域作為案例,我們可以說明?標(biāo)思維如何影響整個科學(xué)領(lǐng)域,甚?影響科學(xué)之外其他領(lǐng)域的發(fā)展和探索。因此, 本章得出的經(jīng)驗和教訓(xùn)不僅僅適?于??智能領(lǐng)域,還可以延伸到更深遠(yuǎn)的地?。畢竟,?標(biāo)就是社會把關(guān)?最喜歡的?具。把關(guān)?指的是那些能夠決定在什么地?投?資源,或哪些領(lǐng)域可以被忽略的掌權(quán)者。因此,通過本章的分析,我們不僅可以了解特定科學(xué)領(lǐng)域的內(nèi)部運(yùn)作模式,還可以了解?標(biāo)在整個社會的決策中發(fā)揮的作?。
要充分了解??智能“社區(qū)”,思考??智能領(lǐng)域的研究?員所做的事情,會很有幫助,尤其是考慮到??智能研究的主要產(chǎn)品,是算法, 它也是??智能領(lǐng)域的“?道根本所在”。在這個領(lǐng)域,沒有任何理論 是完整的,沒有任何想法是確定的,除?它?先被寫成算法,然后得到測試。這個傳統(tǒng)為??智能領(lǐng)域的研究奠定了基調(diào),即任何看似異想天開的主張,都可以通過計算機(jī)化的實驗進(jìn)?檢驗。研究?員必須提供實際的測試結(jié)果來?持他們以研究論?形式提出的論點。
考慮到??智能的?個?標(biāo),是制造能夠執(zhí)?有?任務(wù)的計算機(jī),所以也存在各種各樣?途的??智能算法。有些程序可以實現(xiàn)物體的視覺識別,有些可以?主編寫?說,有些可以控制機(jī)器?,有些能下象棋,有些能?主學(xué)習(xí),甚?還有能夠玩視頻游戲的算法。因為任何需要智能的?為,都是??智能研究的內(nèi)容,所以??智能的算法,也涵蓋了?類和不同物種能夠完成的所有任務(wù)或?為。當(dāng)然,?部分?為的實現(xiàn)難度要?其他的更?:?臺名為“深藍(lán)”的計算機(jī),在1997年 擊敗了?類國際象棋冠軍加?·卡斯帕羅夫(Garry Kasparov)125, 但迄今為?,?個能??學(xué)會系鞋帶的算法,仍是?個難以企及的巨?挑戰(zhàn)。??智能領(lǐng)域的“圣杯(???上的?標(biāo))”,是開發(fā)出?種單?的算法,它可以完成?類能做的?切任務(wù),或許甚?可能超越?類的能?范疇。雖然??智能領(lǐng)域?直在向前發(fā)展,但這種算法,即便?類有朝??有可能寫出來,在?前來看,仍是?個遙不可及的?標(biāo)。
因為算法是??智能研究?員的研究成果,所以??智能領(lǐng)域本身, 可以被認(rèn)為是對算法的?種探索。換句話說,??智能研究群體作為?個整體,共同致?于尋找更新、更好的算法。與此類似,數(shù)學(xué)研究者也在尋找新的定理,物理學(xué)研究者也在尋找能更好地描述現(xiàn)實世界的新規(guī)律。然?,關(guān)于??智能領(lǐng)域的?些有趣和獨(dú)特之處在于,其研究?員研究的主題是如何有效地搜索。??智能領(lǐng)域的科學(xué)家們, 是設(shè)計??智能算法的專家,其中許多算法本身就是為了?動搜索更?的未知空間?設(shè)計的。例如,?些??智能算法,旨在搜索出穿越迷宮的最佳路徑,?另?些算法則?于在跳棋或國際象棋等棋盤游戲中,搜索最佳棋步。因此,這個領(lǐng)域的與眾不同之處在于,??智能領(lǐng)域本身就是對算法的搜索,???智能研究?員本身就是研究搜索的專家。換句話說,??智能研究?員正在尋找能夠進(jìn)?搜索的算 法。這并?什么不可宣之于?的秘密,因為搜索本身就是智能的?個重要組成部分,所以?類的發(fā)展和??智能的研究都涉及搜索,并不是巧合。
我們將機(jī)器學(xué)習(xí)領(lǐng)域(??智能研究的?個分?)選為解釋搜索算法?作原理的案例,因為這個領(lǐng)域的算法,通常?于尋找最佳的參數(shù) 集。例如,其典型的研究問題,可能包括許多告訴程序如何駕駛汽?或控制雙?機(jī)器?的參數(shù)(我們在本書第五章中描述的雙?機(jī)器?實驗就是機(jī)器學(xué)習(xí)領(lǐng)域的典型案例)。搜索算法可以通過這些參數(shù)進(jìn)?搜索,然后嘗試找出駕駛?輛或機(jī)器????為的最佳設(shè)置,這就可能幫助?類節(jié)約?量花費(fèi)在此類事情上的時間。
其中?些汽?駕駛參數(shù)可能包括轉(zhuǎn)彎的距離、踩油?的?度,以及應(yīng)保持的合理?距等。當(dāng)然,這些參數(shù)的?些設(shè)置,應(yīng)該?其他參數(shù)更有利于駕駛。有時,慢慢加速?猛踩油?會更安全。因此,如果我們具備了?個衡量安全駕駛的?法,機(jī)器學(xué)習(xí)算法就可以?動搜索最佳的參數(shù)設(shè)置。通過這種?式,搜索算法就可以?動進(jìn)?原本需要??操作的搜索。因此,??智能研究?員不需要??進(jìn)?搜索,?是致?于創(chuàng)建搜索系統(tǒng),由于他們不斷地對這類搜索系統(tǒng)進(jìn)?編程,??智能研究?員也?然?然地成為搜索領(lǐng)域的專家。簡??之,關(guān)于??智能研究的有趣之處在于,相關(guān)研究?員在設(shè)計搜索算法的同時, 也在不斷地搜索新的??智能算法。
因此,我們可以將針對??智能算法的搜索,稱為元搜索,即搜索那些能夠搜索的事物。換句話說,就是?種類型的搜索被嵌套在另?種類型的搜索之中。盡管涉及“元”概念的東?都有點令?費(fèi)解,但在??智能領(lǐng)域,元搜索并不像聽起來這么復(fù)雜。事實上,這種元搜索同樣也會出現(xiàn)在?常?活中。想象?下,如果你想從狗場?挑選?只?狗帶回家,?你恰好喜歡好奇?重的?狗,你?然就會尋找那些最喜歡到處聞來聞去、搜這搜那的?狗。?或者你的?作是要在?家尋寶公司雇傭?個?來擔(dān)任?級寶藏獵?,那么你會主動尋找能?最強(qiáng)的尋寶?,因為他的任務(wù)就是尋找寶藏。進(jìn)?,整件事情就變成?個尋寶的元搜索。??智能領(lǐng)域的研究?員也是如此,因為他們的任務(wù)就是搜索最好的算法,?這些算法本身也可能正在搜索最佳的參數(shù)設(shè)置。
元搜索的觀點很有?,因為它闡明了搜索算法如何?作,以及它與??智能研究?員如何創(chuàng)造算法之間的聯(lián)系。?者背后的聯(lián)系是,??智能研究?員對搜索的專業(yè)理解,也適?于整個??智能領(lǐng)域的新算法搜索。換句話說,搜索在??智能的最佳算法中如何編程,應(yīng)該與研究?員如何搜索新算法之間存在某種聯(lián)系。因為不管是搜索算法還是搜索參數(shù),本質(zhì)上都是搜索。但事實證明,?們很少探討或關(guān)注??智能研究的這個元層?。也就是說,很少有?談及??智能領(lǐng)域的搜索,與從搜索算法所獲得的洞?之間的聯(lián)系。雖然??智能領(lǐng)域的許多論?,都分析了是什么讓搜索在算法層?發(fā)揮作?,但很少有?討論??智能領(lǐng)域?qū)λ惴ū旧淼脑阉?。但事實上,類似的原則也必須適?于此。畢竟,?論在什么層?上,搜索仍然是搜索。
你可能會認(rèn)為,編寫出世界頂級搜索算法的專家,也能夠熟練地指導(dǎo)??智能領(lǐng)域的搜索。因此,?個有趣的問題是,??智能領(lǐng)域的搜索專家,是否能夠避免追逐過于?遠(yuǎn)的?標(biāo),避免被這個失靈的指南針牽著???;或者連??智能領(lǐng)域的專家都?法幸免,也會像其他??樣,被?標(biāo)的誘惑性吸引。
為了探索?標(biāo)的欺騙性是否會成為??智能領(lǐng)域的?個真正的問題, 我們可以先看看??智能領(lǐng)域?qū)嶋H上是如何開展??智能算法搜索 的。正如我們在本書中討論的那樣,搜索背后的關(guān)鍵概念是遵循?個梯度:?種瀏覽的路徑或?條強(qiáng)度遞增的路徑。在?標(biāo)驅(qū)動的搜索 中,梯度指的是從壞到好排列的?系列性能指標(biāo)。在新奇性搜索中, 梯度就是新奇性遞增的過程。那么,??智能的研究?員在搜索新算法時,遵循了什么梯度呢?
開展??智能領(lǐng)域的研究,往往意味著研究?員?先需要確定哪些算法最有前景,然后再通過某種?式對其進(jìn)?完善或擴(kuò)展。?們希望這個過程能夠產(chǎn)?更新或更好的算法。但要判定??智能算法的“最富 前景性”,最適合?什么標(biāo)準(zhǔn)來對它們進(jìn)?分級呢?選擇有待進(jìn)?步探索的算法,標(biāo)準(zhǔn)應(yīng)該是這些算法的?為或表現(xiàn)。所以此處潛在的?險是,如果僅僅??個簡單的?標(biāo)來指導(dǎo)整個??智能研究領(lǐng)域的信息,就會產(chǎn)?欺騙性:以性能測試為評判標(biāo)準(zhǔn)時,某?算法可能看起來“前途?量”,但它可能最終?法產(chǎn)?更好或更有趣的結(jié)果。當(dāng)然不可否認(rèn)的是,根據(jù)算法在?項簡單測試中的表現(xiàn)來排名,能使我們更輕松地做出決策,但由于?標(biāo)欺騙性的存在,只關(guān)注那些在測試中表現(xiàn)最佳的算法,也不太可能給我們帶來任何突破性的成果。
我們可以將??智能研究?員遵循的梯度,視作他們?來判定最佳算法的標(biāo)準(zhǔn)。指導(dǎo)??智能領(lǐng)域搜索的經(jīng)驗法則,??個?業(yè)術(shù)語來描述,就是啟發(fā)式搜索(heuristic)。盡管沒?能夠確定哪種啟發(fā)式的?法能夠在實現(xiàn)?級??智能??取得最佳效果,但??智能領(lǐng)域基本上確定了兩種具體的?法。第?種,我們稱其為實驗派啟發(fā)式? 法,它遵循的經(jīng)驗法則是:?個算法的潛?和前景,取決于其在實驗中的表現(xiàn)。換句話說,?個值得進(jìn)?步探索的算法,在基準(zhǔn)任務(wù)中的表現(xiàn),?定要優(yōu)于現(xiàn)有算法。??智能領(lǐng)域的基準(zhǔn)任務(wù),與其他領(lǐng)域的基準(zhǔn)任務(wù)的本質(zhì)并?不同,?如計算機(jī)的運(yùn)?速度、運(yùn)動員的跑步速度、汽?的每英?耗油量等。科學(xué)家們?yōu)??智能設(shè)定基準(zhǔn)時,遵循的基本想法是,?個更智能的算法要??個相對較次的算法能更快地解決問題。除了實驗派啟發(fā)式?法,??智能研究領(lǐng)域的第?個主要梯度,是定理派啟發(fā)式?法。根據(jù)此法,如果?種算法能夠被證明具有理想的屬性,那么它就是最好的算法。這種?法背后的邏輯類似于售賣汽?零部件時隨附的質(zhì)保憑證,即通過數(shù)學(xué)驗證,證明算法在理論上具備可靠和可預(yù)測的性能。
最重要的是,這兩種啟發(fā)式?法對??智能領(lǐng)域的研究都有著深刻的影響,即使你個?不喜歡這兩種?法,或意圖提出??的理念,在不尊重這兩種?法的情況下,你的諸多想法也不可能得到發(fā)表。因為在??智能領(lǐng)域,就觀點發(fā)表擁有決定權(quán)的把關(guān)?,通常將?者視為鐵律,并以此衡量所有相關(guān)的想法。如果?個算法,既不能提升性能,?不能提供保障,就很難通過把關(guān)?的審核,因此有可能永遠(yuǎn)都不會在整個??智能研究領(lǐng)域得到傳播。因此,??智能領(lǐng)域通?的這兩個主要的啟發(fā)式?法,在“對想法的探索”??有著巨?的影響。但這種情況并???智能領(lǐng)域獨(dú)有的現(xiàn)象,每個研究領(lǐng)域,都依賴某種啟發(fā)式?法來篩選不斷涌現(xiàn)的新想法,只是其他領(lǐng)域的?法可能與??智能領(lǐng)域采取的具體措施不同。各個領(lǐng)域的評審員,在決定是否發(fā)表?個新觀點時的依據(jù),必須是該?業(yè)的經(jīng)驗法則,因為?們?法確定這個新觀點在未來的道路上能?多遠(yuǎn)。因此,隨著時間的推移, 每個科學(xué)研究領(lǐng)域的?化,都會?然?然地聚攏到?些主要?于篩選新想法的經(jīng)驗法則上。盡管特定的啟發(fā)式?法會因不同的科學(xué)領(lǐng)域?有所差異,但從指導(dǎo)??智能研究的特定經(jīng)驗法則中,我們也可以學(xué)到很多東?。這個領(lǐng)域的案例研究,可以闡明?于判斷新的科學(xué)研究的經(jīng)驗法則可能普遍存在的問題。如果在??智能研究領(lǐng)域,即使其研究?員是搜索??的專家,也?法擺脫這些問題,那么其他領(lǐng)域更可能會受到類似錯誤的影響。
然?,??智能領(lǐng)域開展研究的?式也存在問題,這種情況并不明 顯,因為?論是實驗派還是定理派,兩者的啟發(fā)式?法看起來都完全合乎邏輯。?先,有些想法的確很糟糕,將它們傳遍業(yè)內(nèi)只會浪費(fèi)所有?寶貴的時間。為什么我們要學(xué)習(xí)?個表現(xiàn)明顯更差的算法,或?qū)W習(xí)?個不保證產(chǎn)?任何積極成果的算法?即便這個算法的表現(xiàn)可以改善,或最終可以證明它能夠帶來?些益處,那么直接讓其作者對算法進(jìn)?修正,然后提交修正后的算法,不是更好嗎?如此?來,就能避免太多?把時間浪費(fèi)在有問題的算法上。這些論點如此明顯,以?于?們?乎從未提出類似的觀點,畢竟,誰會需要去論證“表現(xiàn)較差的算法應(yīng)該得到較少的關(guān)注”這樣的觀點呢??乎沒有?,因為這是常 識。然?,設(shè)定?標(biāo)是指導(dǎo)搜索的?種好?法,在?多數(shù)?看來也是?種“常識”,所以我們要??常識背后隱藏的危機(jī)。
我們來看看實驗派的啟發(fā)式?法。此?法背后的邏輯是,只有當(dāng)?個新算法的表現(xiàn)超越了當(dāng)前的最佳算法時,它才能被認(rèn)定為“有潛?”。?事實證明,評審員對??智能領(lǐng)域提出的新算法最常?的批評便是這些算法的表現(xiàn)不夠出彩或不夠明確。許多評審員認(rèn)為,為了展示?個新算法的潛?,它應(yīng)該始終與旨在解決多種不同的挑戰(zhàn)性問題的不同最佳算法進(jìn)??較。所以評審員在駁回?篇關(guān)于算法的論?時,可能會寫下這樣?段話:“作者還應(yīng)該將新?法與現(xiàn)有的、可靠的?法進(jìn)??較”或“作者還應(yīng)該在相關(guān)難點問題上開展實驗,以確保這個新 想法的確是?項重要的進(jìn)步”。身為??智能領(lǐng)域的從業(yè)?員,我們 兩位作者??也有過類似的想法!
但這種習(xí)慣可能很危險,正如約瑟夫·胡克(J.N. Hooker)所寫的那樣:“?多數(shù)啟發(fā)式算法的實驗研究更像進(jìn)展追蹤,?不是科學(xué)探索。”回顧?下,??智能是對搜索算法的搜索,即元搜索。因此,考慮到其元搜索的本質(zhì),總是因為新想法的表現(xiàn)不夠突出?將其駁 回,可能不是?個好主意?;叵?下,我們在本書第五章中已經(jīng)論述了,相較于表現(xiàn)這個啟發(fā)式的?法,新奇性搜索的表現(xiàn)顯然更佳,我們就沒有理由懷疑,同樣的啟發(fā)式?法,在更?層次上的運(yùn)?(即指導(dǎo)整個??智能領(lǐng)域的搜索,?不僅僅是單個算法的搜索),就能夠避免那些困擾?標(biāo)驅(qū)動搜索的問題。在決定哪些算法應(yīng)該推??更?的科研領(lǐng)域時,若“算法的表現(xiàn)”成了評判的經(jīng)驗法則,那么所有其他 類型的踏腳?都會被駁回或忽略。當(dāng)然,如果對“算法的表現(xiàn)”的批評,僅僅是批評?不是駁回的標(biāo)準(zhǔn)或理由,那就是另?回事了。但由于“表現(xiàn)”已經(jīng)被?多數(shù)?視為過濾新點?的?具,它也就淪為?個典 型的具有欺騙性的?標(biāo)函數(shù)。
想象?下,有?種多年來?們?以訓(xùn)練機(jī)器?完成困難任務(wù)的最流??式,其被稱為“?靠譜”(Old Reliable)算法。然后有?天,?群科學(xué)家發(fā)明了?種叫做“超?然”(Weird)的新算法。雖然“超?然”算法教給機(jī)器?的技能與“?靠譜”算法相似,但新算法卻?常新穎。然?,試圖決定“超?然”算法是否應(yīng)該被發(fā)表的期刊評審員,以 前沒有?過類似的東?。為了加?評審過程的復(fù)雜性,讓我們假設(shè)作者在提交研究論?中,描述了新算法“超?然”在標(biāo)準(zhǔn)基準(zhǔn)(如教機(jī)器?如何??)上的表現(xiàn),?“?靠譜”算法差5%。這類?較在??智 能領(lǐng)域很常?:也許“超?然”算法在學(xué)習(xí)如何????需要多花費(fèi)5%的時間,或者它學(xué)習(xí)的??步態(tài)不穩(wěn)定性超出了5%。
因為它的表現(xiàn)更差,實驗派啟發(fā)式?法認(rèn)為應(yīng)該駁回“超?然”新算法 的發(fā)表。畢竟,在??智能領(lǐng)域,涉及新研究的論?,通過?肆報道?個新算法的表現(xiàn)更差來宣傳新觀點,也是很罕?的操作。?多數(shù)作者甚?不屑于提交這種研究,因為他們很清楚,實驗派啟發(fā)式?法, 是??智能研究領(lǐng)域的?個強(qiáng)?過濾器。因此,如果?個新的算法, 在?個基準(zhǔn)上的表現(xiàn),?不上它的競爭對?,新想法的發(fā)明者往往會試圖改善它的性能,或找到?個更有利的基準(zhǔn)進(jìn)??較。
但假設(shè)作者很固執(zhí),在提交的論?中,“超?然”算法的表現(xiàn)還是差了 5%。審稿?可能因此直接拒稿,但以此為由駁回“超?然”算法就真的合理嗎?它是?個全新的研究?向,充滿了新的想法。關(guān)鍵的問題是,如果駁回了“超?然”算法,那么就沒有?能知道它。更糟糕的是,將沒有?去進(jìn)?步探索“超?然”算法所開辟的踏腳?,以及其后 續(xù)可能帶來的踏腳?。因此,實驗派的啟發(fā)式思維是短視的。它對“超?然”算法的評判標(biāo)準(zhǔn),是基于其當(dāng)前的價值,?不是它為??智能研究開辟新未來和新道路的價值。但因為它的后續(xù)潛?沒有得到認(rèn)可,“超?然”算法和所有后續(xù)可能會衍?出來的算法,都被掃進(jìn)了學(xué)術(shù)垃圾箱,從此??問津。這類“??切”式的評判,也砍掉了很??部分的“搜索空間”,即所有??智能算法的未來空間。那些被砍掉的空間,將永遠(yuǎn)不會被探索,因為它們只能從那些“表現(xiàn)”并不出?的 算法中獲得。
如果你認(rèn)同我們在本書中所說的?部分內(nèi)容,那么你可能會認(rèn)為,考慮到“超?然”算法的創(chuàng)新性,?論它與“?靠譜”算法相?的結(jié)果如 何,都應(yīng)該被接受。但這?有?個更?的問題:我們?yōu)槭裁匆选俺?然”算法與“?靠譜”算法相??這種?較只會分散我們的注意?, 使我們忽略“超?然”算法本身就是?個有趣想法的本質(zhì),?這可能是?個更好的關(guān)注點。然?,現(xiàn)實情況下,為了通過實驗派啟發(fā)式評審員的篩選,研究?員必須進(jìn)?這些導(dǎo)致焦點偏離的?較。
我們可以從?個略顯滑稽的?度來理解這種?較。想象?下,?個發(fā)條玩具和?臺?形機(jī)器?在賽跑,盡管?形機(jī)器?已經(jīng)竭盡全?地追趕,但發(fā)條玩具實在是跑得太快了,并以顯著優(yōu)勢獲勝?;剡^頭看, 這場賽跑對?形機(jī)器?的研究意義何在?我們是否應(yīng)該徹底拋棄對?形機(jī)器?的研究,直到它們能夠在賽跑中擊敗發(fā)條玩具為??當(dāng)然, 這個?賽結(jié)果其實根本沒有任何意義,因為發(fā)條玩具和?形機(jī)器?之間的差異,不亞于蘋果和橘?的差別。但這就是實驗派啟發(fā)式?法的最?問題:我們對?形機(jī)器?感興趣的原因,與它們同發(fā)條玩具的賽跑表現(xiàn)?關(guān)。同樣,我們對“超?然”算法感興趣的原因,可能與其 同“?靠譜”算法表現(xiàn)的?較結(jié)果?關(guān)?;蛟S我們不愿意承認(rèn),但什么是好的踏腳?,實際上?我們想象的更難以預(yù)測,并且似乎不存在什么簡單的成功公式。?個基于?標(biāo)的啟發(fā)式?法,如通過?系列基準(zhǔn)任務(wù)的表現(xiàn)來衡量?個新算法的潛?,可能會讓?很省?,因為它提供了?個明確的原則,使我們能夠很輕松且不費(fèi)腦地判斷?個新算法是否值得傳播。但基準(zhǔn)并不能說明為什么?個研究?向會?另?個研究?向更有趣,或更?趣。
過分依賴實驗結(jié)果和?較的問題在于,它們可能具有?度欺騙性。“超?然”算法很可能是??智能?命的新?種,但它卻因為5% 的技術(shù)表現(xiàn)問題,?失去了被進(jìn)?步探索的可能性。?發(fā)條玩具和?形機(jī)器?之間的競賽?疑是愚蠢的,因為我們不可能從?者的?較中學(xué)到任何東?,因為?形機(jī)器?本身是很有趣的,?論它們在競賽中的表現(xiàn)與發(fā)條玩具相?有多么糟糕。所有這些都表明,有時實驗派啟發(fā)式?法就像之前提到的“中國指銬”整蠱玩具:松開指銬的正確的做 法,是把?指??往?推,然??標(biāo)欺騙性的表象總是誘導(dǎo)我們要??往外拉,因為“往?推”這種正確的做法?開始在?標(biāo)函數(shù)上的得分表現(xiàn)就?較差。
問題的根源在于,實驗派啟發(fā)式?法,是由?個?標(biāo)驅(qū)動的?法,?這個?標(biāo)通常會阻礙進(jìn)?步的探索。在這個案例中,實驗派?法背后暗含的?標(biāo),是“完美的表現(xiàn)”,所有的新算法都要根據(jù)這個?標(biāo)來衡量。如果新算法在表現(xiàn)上還有改善的空間,哪怕只是?點點,它們就會得到承認(rèn)和發(fā)表。但是,如果它們不能在表現(xiàn)上取得進(jìn)展,就會被駁回并被忽略。最終導(dǎo)致的結(jié)果就是,??智能領(lǐng)域也被卷?了?個典型的?標(biāo)驅(qū)動型搜索中——其背后的驅(qū)動?是:假設(shè)?標(biāo)驅(qū)動型搜索運(yùn)作良好。但實驗派啟發(fā)式?法由如此簡單的?標(biāo)驅(qū)動,以?于今天很少有??智能研究?員,會真正采?基于這種天真的啟發(fā)式?法的算法。
雖然搜索的算法已經(jīng)變得更加復(fù)雜,可以削減?定程度的欺騙性,但涉及??智能研究?員本身作為?個群體在搜索中的?為時,這些?解并沒有得到應(yīng)?。因此,即使簡單的實驗派啟發(fā)式?法的欺騙性已經(jīng)顯?易?,??智能領(lǐng)域的探索還是?如既往地受其驅(qū)動。不知何故,?們仿佛忘了質(zhì)疑其合理性。事實上,這種奇怪的脫節(jié)也表明, 較為簡單的?標(biāo)驅(qū)動型?法是多么有吸引?,即使是搜索理論的專家群體也依然??受其驅(qū)使。
還有另?種?度,可以幫助我們看穿實驗派啟發(fā)式?法存在的問題, 即通過思考“搜索空間”。在這種情況下,“搜索空間”就包含了所有可能的??智能算法。因此,“?靠譜”算法和“超?然”算法都是這個?空間中的?個點。回想?下我們在本書第?章中提到的,包含所有可能事物的?房間的概念。在??智能領(lǐng)域的這個?房間充滿了各種算法,從這?墻到對?墻,從地?到天花板,層出不窮。請記住,這個由算法組成的?房間的布局,包含了?定的邏輯。沿著??墻,你可能會發(fā)現(xiàn)?個簡單的算法,以遞增的順序?qū)?shù)字列表進(jìn)?排序;?緊挨著它,你可能會發(fā)現(xiàn)同?算法的輕微變體,以遞減的順序?qū)α斜磉M(jìn)?排序。
因為這個房間包含所有的算法,在這個?闊空間中的某個地?,有我們熟悉的“?靠譜”算法,它周圍存在著類似的算法。?在遠(yuǎn)處另?個?落的是新來者,即“超?然”算法。這個場景想要展示的是,實驗派 啟發(fā)式?法經(jīng)常要求我們在?個巨?的“搜索空間”中?較兩個遙遠(yuǎn)的 點之間的性能和表現(xiàn),這就像?形機(jī)器?和發(fā)條玩具之間的賽跑。?在?多數(shù)搜索中,以這種奇怪的?較?式為指導(dǎo)是沒有意義的——它不能幫助我們決定,在?房間?應(yīng)該朝著哪個?位去搜尋。只因為梵?畫出了《星空》這幅傳世佳作,我們就不去欣賞?開朗基羅的《?衛(wèi)》嗎?只因為有了??,我們就應(yīng)該停?發(fā)明更好的???嗎?橙?的存在,并不是停?培育蘋果的理由,即使你個?更喜歡橙?。當(dāng)然,有些?會繼續(xù)培育更好的蘋果,也有些?會培育更好的橙?,兩個?向的探索都符合所有?的利益。
反過來說,我們也并不是建議?家都不應(yīng)該去研究“?靠譜”算法是否?“超?然”算法更優(yōu)秀。?者?較的結(jié)果可能仍然會給某些?帶來啟示——盡管它在指導(dǎo)算法的搜索時,可能會造成欺騙性。要了解背后的原因,就要考慮到??智能?業(yè)研究?員和實踐者之間的區(qū)別。研究?員著眼于開辟未來的創(chuàng)新道路,??業(yè)實踐者則希望當(dāng)下就解決現(xiàn)實世界的實際問題。?業(yè)實踐者不會試圖編寫新算法,?是審視當(dāng)前可?的算法,然后選?其中的?些來解決當(dāng)前的問題。前者就像發(fā)明新的實驗性汽?類型,后者就好?是從經(jīng)銷商處選購?臺已上市的汽?。?業(yè)實踐者更像是?位??智能?戶,?不是??智能的研發(fā)?員。
?者之間重要的區(qū)別是,?業(yè)實踐者不參與尋找新的算法。對他們來說,??有現(xiàn)成的問題解決?案就萬事?吉,即確?,F(xiàn)有的最佳算法能應(yīng)付當(dāng)下的需求就?夠了。因此,你可以看到“?靠譜”算法 和“超?然”算法之間的?較,可能會幫助?業(yè)實踐者在當(dāng)下做出明智 的選擇。如果在實踐者待處理的某?問題上,對兩種算法進(jìn)?基準(zhǔn)測試,若“?靠譜”算法的性能?“超?然”算法?出5%,那么他們就應(yīng) 該使?“?靠譜”算法?不是“超?然”算法。但是我們不應(yīng)該讓這種區(qū)別混淆視線,因為對?業(yè)實踐者??最好的東?,不?定是研究?員的?頭好,就好??位汽?研究?員,不應(yīng)該因為發(fā)現(xiàn)懸浮噴?式汽?原型機(jī)?福特??座更耗油就放棄繼續(xù)研究。
需要再次強(qiáng)調(diào)的是,我們的?標(biāo)是了解研究?員如何判斷新算法是否值得探索,更重要的是,我們想了解這些判斷,如何決定探索哪些踏腳?,以創(chuàng)造更新的算法。因此,?位只求“利在當(dāng)代”的?業(yè)實踐者,他感興趣的東?對于?位?志“功在千秋”的創(chuàng)新者來說,并不是 正確的指南針。也許這兩種??(?業(yè)實踐者和研究者)之間的混 淆,幫助我們理解了實驗派啟發(fā)式?法是如何主導(dǎo)??智能的研究?向的(以及類似的經(jīng)驗法則,如何主導(dǎo)了許多其他領(lǐng)域的研究)。對?業(yè)實踐者來說,“性能表現(xiàn)”的確是?項?較適?的評判標(biāo)準(zhǔn),但對研究者來說,這個標(biāo)準(zhǔn)就不可靠了,因為它充滿了欺騙性。
但正如前?所示,實驗派啟發(fā)式?法并不是唯?發(fā)揮作?的因素。尋找??智能算法的另?個主要經(jīng)驗法則,是定理派啟發(fā)式?法,其核?思想是,具備更可靠的理論驗證的算法就是最具未來探索潛?的算法。事實上,?些研究?員認(rèn)為,定理派啟發(fā)式?法是?實驗派啟發(fā)式?法更好的選擇,因為它提供了不容置疑的保證。實驗派啟發(fā)式?法并沒有證明“?靠譜”算法何時會優(yōu)于“超?然”算法,或者?者?較的結(jié)果,在多?程度上取決于特定的設(shè)置——它只是表明,在某些情況下“?靠譜”算法更好。理論結(jié)果(依賴于數(shù)學(xué)證明的結(jié)果)的優(yōu)勢 在于,它們總是包含了理論成?的各種條件。因此,只要這些條件得到滿?,那么在某種程度上,我們就能知道算法有望得到怎樣的結(jié) 果。但是,即使“理論驗證”看起來像是?個堅實的基礎(chǔ),事實證明, 定理派啟發(fā)式?法也是有缺陷的。也許更令?驚訝的是,當(dāng)它被?來指導(dǎo)??智能算法的搜索時,它存在的缺陷與實驗派啟發(fā)式?法并?不同。
但在我們指出這個缺陷之前,還需要再解釋?下“定理派啟發(fā)式?法”,這個短語本身就有些奇怪,“定理派”和“啟發(fā)式”這兩個詞似乎是?盾的。正如??智能領(lǐng)域的研究?員都知道,啟發(fā)式?法是經(jīng)驗法則,那么,“得到理論驗證的經(jīng)驗法則”有什么意義?雖然啟發(fā)式?法可能在?多數(shù)時候能夠發(fā)揮作?,但它們往往不能保證進(jìn)步。但反過來看,數(shù)學(xué)定理確實提供了保證,所以它們不能以同樣的?式受到質(zhì)疑。就好像?們可能會質(zhì)疑?個特定的啟發(fā)式?法在某個問題上是否真的有效,但質(zhì)疑?個特定的定理是否仍然是真理并沒有意義。因為?個定理被證明為正確之后,它將永遠(yuǎn)是正確的。定理的這種可靠性,也是它對??智能領(lǐng)域如此具有吸引?的?個原因。如果我們能證明?個特定的算法,在某些條件下會成?,那么由此產(chǎn)?的保障性,是永遠(yuǎn)都?法被否認(rèn)的。所以在“定理派啟發(fā)式?法”這個短語 中,啟發(fā)式的不確定性,似乎與定理的絕對確定性產(chǎn)?了沖突。
但這個短語在本案例中的確適?,因為這兩個詞分別作?于??智能算法的元搜索的兩個不同層??!岸ɡ砼伞边@個詞,適?于單個算法, 旨在確定特定算法是否具備良好的保證。相較之下,“啟發(fā)式”這個詞適?于通過??智能算法開展的搜索,即經(jīng)過?量可靠驗證的算法, 往往會成為很好的踏腳?。然?,我們需要再次意識到,涉及“元”概 念的東?都很難把握,但其內(nèi)在邏輯其實很簡單。?們只是將定理(理論部分)當(dāng)成評判什么是好算法的經(jīng)驗法則(啟發(fā)式?法的部分)?已。然?重要的是,研究?員不應(yīng)該只關(guān)注??智能算法的特定定理,甚?最好不要特別關(guān)注特定的??智能算法本身。事實上, 整個??智能研究領(lǐng)域,整體應(yīng)該專注于探索所有??智能算法的空間,并發(fā)掘出有潛?的踏腳?。因此,我們真正應(yīng)該探討的,是如何運(yùn)?定理來指導(dǎo)??智能算法空間的探索。?個算法的良好理論結(jié)果的數(shù)量,應(yīng)該成為??智能領(lǐng)域進(jìn)?的更?層次的算法搜索中的啟發(fā)式?法。在其他條件相同的情況下,??智能領(lǐng)域通常更傾向于選擇具有更多理論保證的算法。
例如,假設(shè)某位理論家證明了?個關(guān)于“?靠譜”算法的新定理。這個 新定理保證了“?靠譜”算法將能夠合理地、快速地?成?個可接受的 結(jié)果,那么此定理就是??智能理論家研究的?標(biāo),因為它向?業(yè)實踐者承諾,算法?定能夠?成?個合理的結(jié)果。因此,?業(yè)實踐者選擇?個有許多定理?持的算法,?不選擇?個沒有定理?持的算法, 是符合邏輯的做法。但是,僅靠?種特定算法的定理,并不保證研究?員在搜索算法空間時能發(fā)現(xiàn)涉及后來算法的東?。換句話說,雖然這個新定理是關(guān)于“?靠譜”算法的,但它并不能保證“?靠譜”算法在未來會衍?出?系列新的“踏腳?”算法。該定理既不保證后來的算法 會具備同樣的可靠保障性,也不保證其?定會?原版“?靠譜”算法更 好,即使它們被證明的確更可靠。
雖然理論家可能會辯駁說,該定理的優(yōu)點是:任何后來的算法,只要遵守相同的假設(shè),就會繼承原版算法的可靠性。但這對于?勵探索新的想法來說,未必是好事。它意味著整個??智能研究,變得只限于那些遵守相同的、不斷增?的假設(shè)集的算法,導(dǎo)致元搜索對每?條打破該假設(shè)的前進(jìn)道路視?不?。最后的結(jié)果是,探索的范圍縮?了,?標(biāo)的悖論再?次成為主導(dǎo)。
問題是,理論專家提出的前述定理,并不能解答“??智能領(lǐng)域接下 來應(yīng)該做什么”這?問題,它只是關(guān)于某個特定算法的定理。這個算 法,不過是所有可能存在的算法構(gòu)成的巨?“搜索空間”中的?個點。 所有?或許都已經(jīng)知道,對?個沒有證明能夠提供良好表現(xiàn)的算法進(jìn)?微調(diào),就可能創(chuàng)造出?個?“?靠譜”算法表現(xiàn)得更好的算法。?個 算法的可靠性,并不能說明未來可能衍?出的其他算法也同樣可靠。因此,由于“?靠譜”算法得到了定理的論證,就將其認(rèn)定是?個有前 景的“踏腳?”算法這?結(jié)論,只有在這個特定的定理包含了可以證明 該算法能帶來其他更有潛?的算法的內(nèi)容時,才能夠成?。?論何 時,不管你選擇依賴于哪種經(jīng)驗法則,都不要忘了你在很?程度上, 依然依靠著直覺做判斷。?論你傾向于相信“表現(xiàn)”,或者“理論保證”,它們其實就是兩種直覺,?于判斷哪些算法是有潛?的踏腳?。定理派啟發(fā)式?法的主要問題是,特定定理只適?于特定算法。因此,?個算法的定理數(shù)量,不過是判斷它能否作為新算法踏腳?的?項經(jīng)驗法則。最終,我們也將?法說服??,確信定理派啟發(fā)式?法會?實驗派啟發(fā)式?法更可靠。
另?個問題是,定理派啟發(fā)式?法,會假設(shè)算法的“搜索空間”存在? 種特定的結(jié)構(gòu)。這個假設(shè)是,?個算法具備的有潛?的定理越多,它就越接近??智能研究的終極?標(biāo)。但這種信念也只是?種假設(shè),因為在??智能研究?員正在探索的巨?“搜索空間”內(nèi),沒有?能夠確 定,關(guān)于算法的定理會向我們指明,??智能的最崇??標(biāo)就在觸?可及的地?。即使“?靠譜”算法在“表現(xiàn)”??有定理的保證,?“超?然”算法沒有,這并不意味著“超?然”算法不重要。即便“表現(xiàn)”平平且缺乏保證,它也可能是?常新穎的,?且引發(fā)了?些有趣的新問題。如果“超?然”算法確實有潛?,那么為什么要忽視它呢?過分相 信定理派啟發(fā)式?法,只會推遲(或阻礙)?們?nèi)ヌ剿麟[藏在“超? 然”算法背后的新理念。
但是有些?可能會說,我們應(yīng)該坐等“超?然”算法的“表現(xiàn)”驗證定理出現(xiàn),這樣我們就不會把時間浪費(fèi)在未經(jīng)驗證的算法上。不過我們?yōu)榇丝赡芤壬虾?年,因為要驗證?項宏?的理論結(jié)果并?易事,?且哪些保障最終可以被證明有效,我們永遠(yuǎn)也?法確定。因此,如 果“超?然”算法可能衍?出?種新的算法,其趣味性的來源與“超?然”算法的“理論保障”?關(guān),那么等待的代價不過是我們浪費(fèi)了?年時間才最終找到了超“超?然”算法,??智能領(lǐng)域的發(fā)展,也因此?被稍稍拖了?年后腿。當(dāng)然,??智能的?業(yè)實踐者可能會欣賞“超?然”算法提供的保證,但需要再次強(qiáng)調(diào)的是,這些?業(yè)實踐者并沒有參與到??智能的探索中。因此,盡管定理很有趣,但我們?法確定性能表現(xiàn)保障(或任何其他保證)是不是指導(dǎo)搜索的正確信息,特別是在探索所有??智能算法構(gòu)成的“?房間”這種?闊?復(fù)雜的空間時。
最終,我們不得不?對這樣?個令?不安的事實(盡管讀到此處,我們已經(jīng)對其?常熟悉了),即我們?法確定任何經(jīng)驗法則能否成為追求實現(xiàn)??智能?標(biāo)的可靠指南。當(dāng)然,這并不意味著所有的實驗或定理都毫?價值。同樣,它們只是眾多可能線索構(gòu)成的汪洋?海中的?顆??滴。雖然更好的“表現(xiàn)”或更驚奇的新定理,可能是令?印象深刻的成就,但“令?印象深刻”也不是實現(xiàn)搜索中特定?標(biāo)的可靠指 南。發(fā)條玩具與雙?機(jī)器?相?,奔跑速度之快令?印象深刻,但它不可能最終成為通往機(jī)器?技術(shù)?命的橋梁。
定理派啟發(fā)式?法的核?邏輯,是這樣?種理念:確保?個算法在理論上“有保障”,就?定能夠帶來更多、更好的保障,并在此基礎(chǔ)上,通過??智能算法的空間確定了?個?標(biāo)梯度。如果我們相信這個?標(biāo)梯度,如果它真的有效并且不會有欺騙性,那么它最終將產(chǎn)?強(qiáng)有?的保障,從?實現(xiàn)??智能的終極?標(biāo)。但是,?組越來越有“保 障”的踏腳?,就可以為我們鋪設(shè)?條通往?類智??平相當(dāng)?shù)?? 智能的道路,這個假定真的成?嗎?事實上,有些真理是?法證明的。就我們所知,即使是最強(qiáng)?的??智能算法,也?法提供任何“保障”。
畢竟,?然進(jìn)化確實孕育出了?類智慧,但在其整個史詩般的運(yùn)?過程中,它從未證明過任何?個定理。即使沒有提供任何定理,進(jìn)化也收集了?塊??塊踏腳?,最終架起了?座通往?類智能的橋梁。當(dāng)然,這個故事并不能證明定理派啟發(fā)式?法是?種糟糕的梯度,但它確實表明,我們不需要定理也同樣可以不斷地擴(kuò)展探索的深度。?少發(fā)?深省的是,推動了?類智?產(chǎn)?的這?有史以來最強(qiáng)?搜索,在?路上沒有使?任何定理。更深層次的問題是,定理派啟發(fā)式?法在??智能算法的空間中,創(chuàng)造了?種?標(biāo)驅(qū)動型搜索,?歷史經(jīng)驗已經(jīng)告訴我們,這些類型的搜索在復(fù)雜的空間中通常有糟糕的表現(xiàn)。
實驗派啟發(fā)式?法和定理派啟發(fā)式?法不只是經(jīng)驗法則。它們不僅僅是科學(xué)家們在?夜中獨(dú)?摸索時使?的?具,還是??智能領(lǐng)域的把關(guān)??中揮舞的鐵尺。把關(guān)?設(shè)定的衡量標(biāo)準(zhǔn),決定了哪些想法?夠優(yōu)秀且值得分享。?論你是否喜歡這些“鐵尺”,?論你是否想使?它們,?論??智能是否真的沿著它們設(shè)定的路徑發(fā)展,如果你提出的想法不能在某種程度上滿?它們的規(guī)定,那么想要公開發(fā)布和分享個?想法,便可能是?場艱苦卓絕的戰(zhàn)?。如果你的算法表現(xiàn)得?現(xiàn)有的算法差,那么向他?論證你的算法存在的合理性將是?個備受煎熬的過程。如果你沒有將??的?法與其他?進(jìn)??較,那么?多數(shù)評審員都會把它當(dāng)作未經(jīng)證實的?法?直接否定它。如果你沒有定理來?持??的新想法,便很難說服??智能理論家,讓他們相信你的新想法值得所有?關(guān)注。這樣做的后果很嚴(yán)重,這把“鐵尺”迫使整個??智能研究領(lǐng)域的?,只能通過這些啟發(fā)式?法規(guī)定的狹隘踏腳?往前探索,并將所有不符合的可能性通通扼殺。
正如我們所看到的那樣,這些啟發(fā)式?法實際上阻礙了發(fā)現(xiàn)和進(jìn)步, 因為它們只有在?標(biāo)的欺騙性四處泛濫的情況下,才能發(fā)揮積極作?。為此,我們將?如既往地遭遇同?個問題:是否存在?個有潛?的、??標(biāo)的替代?案,可以取代當(dāng)下在??智能領(lǐng)域??其道的?標(biāo)驅(qū)動型搜索?是否有?種更類似于尋寶者的??標(biāo)驅(qū)動型?法,可以指導(dǎo)??智能研究,即?種尊重踏腳?的內(nèi)在特性,?不是欺騙 性、機(jī)械性的啟發(fā)式?法?
要回答這個問題,我們需要從頭開始,重新思考我們?先應(yīng)該尋求的是什么。什么才是真正“好的”??智能算法???智能研究領(lǐng)域如此 專注于算法的性能表現(xiàn),甚?到了“?葉障?,不?泰?”的程度。? 個好的算法,并不在于其出?的性能表現(xiàn),?是要能引導(dǎo)我們?nèi)ニ伎计渌惴ā??智能的終極?標(biāo)位于迷霧籠罩的湖?的彼岸,?它離我們依舊?分遙遠(yuǎn),所以我們不應(yīng)該如此專注于把“性能表現(xiàn)”當(dāng)作衡 量標(biāo)準(zhǔn)。?前的算法智能化?平與?類相差甚遠(yuǎn),我們?前的探索?為好?本書第四章中提到的思維實驗,即給細(xì)菌做智商測試,以期發(fā)展出接近?類的智??平。我們不應(yīng)該關(guān)?“超?然”算法是否?“?靠譜”算法好。相反,我們應(yīng)該問“超?然”算法是否帶來了新的超“超?然”算法,且后者可以沿著任何有趣的維度(不僅僅是性能)繼續(xù)擴(kuò)展衍?新的“超?然”算法。例如,超“超?然”可能會創(chuàng)造出?“超?然”算法看上去更像現(xiàn)實世界?腦的類腦結(jié)構(gòu),即使它的性能表現(xiàn) 更差。我們應(yīng)該僅僅因為其性能表現(xiàn)?較差,?放棄這個新的想法 嗎???智能研究領(lǐng)域的本質(zhì),畢竟是在進(jìn)?搜索,?搜索的功能,則是發(fā)現(xiàn)新事物。實驗派和定理派啟發(fā)式?法,能找到的東??較有限,因為它們篩掉了許多有趣的算法。
這就是為什么??智能的期刊上,隨處可?關(guān)于性能改進(jìn)的內(nèi)容,?每位參加會議的??智能研究者匯報的內(nèi)容差不多都是:??如何通過各種復(fù)雜的技巧,將算法的性能表現(xiàn)提升了2%?;蛟S?個解決? 案是讓會議評委駁回更多的論?,因為2%的性能改進(jìn)實在是太微不?道了,不值得放到?會上來宣揚(yáng)。但真正的問題是,沒有?會持續(xù)地關(guān)注這些算法,因為通過細(xì)枝末節(jié)的調(diào)整,擠出最后?絲性能提升空間的做法,并不會帶來令?振奮的洞?。另外,這些純靠擠壓性能提升空間來撐場?的算法,本身并不能算是“優(yōu)良”的踏腳?。就像? 類歷史上所有的偉?發(fā)明那樣,所有被歷史記住的算法,必然是為未來的開拓者奠定基礎(chǔ)的算法。它們將推動新算法的誕?,甚?幫助我們開辟全新的領(lǐng)域。到那時,誰還會在乎這些新算法在剛開始出現(xiàn) 時,與“?靠譜”算法?較時的表現(xiàn)如何呢?
癡迷于性能表現(xiàn)的提?,可能還會產(chǎn)?另?個負(fù)?影響,即“同?就 是冤家”,它會致使研究?員之間產(chǎn)?狹隘競爭。然?科學(xué)研究并不是?場?徑賽,這種狹隘的競爭思維,往往會導(dǎo)致?們分散對??智能領(lǐng)域真正?標(biāo)的注意?。相較于競爭,研究?員更需要的是攜?合作,共同探索??智能算法的?限空間。但?前經(jīng)常發(fā)?的現(xiàn)實情況是,?位研究?員致?于證明??的算法?業(yè)內(nèi)當(dāng)前的“頭號算法”表 現(xiàn)得更好,之后就會有另?位研究?員,絞盡腦汁地繼續(xù)爭奪新?任的“天下第?”。例如,假設(shè)在?個得到?泛認(rèn)可的基準(zhǔn)測試中,“超?然”算法?前任王者“?靠譜”算法表現(xiàn)得更好,那么?位個?英雄主義爆棚的研究者就會橫空出世并試圖?挽狂瀾。這位“?英雄”會證明,實際上有另?種名為“轉(zhuǎn)移(Diversion)”的算法,在不同的基準(zhǔn)測試中擊敗了“超?然”算法,于是后者便從云端?下?跌落到了塵埃?,因為它已經(jīng)不能被稱為最好的算法。盡管這位英雄澄清事實的舉動出于善意,但這種圍繞基準(zhǔn)的激烈競爭分散了我們的注意?,導(dǎo)致我們只專注于性能表現(xiàn)的?拼。如果“超?然”算法是真正的突破,是通往新領(lǐng)域的踏腳?,那么它與“轉(zhuǎn)移”算法之間的爭?,不過是?場 不值?提的?打?鬧,因為真正的??筆,應(yīng)該是對“超?然”算法的 后續(xù)探索,即它衍?出的超“超?然”算法。同樣,在??智能研究領(lǐng) 域,踏腳?才是真正萬眾矚?的巨星。
從這個??智能的案例研究中,我們已經(jīng)了解到?標(biāo)的啟發(fā)式?法如何限制了科學(xué)領(lǐng)域的探索。但是,即便我們接受了這些缺陷,在沒有任何指南針的情況下,?個學(xué)科領(lǐng)域如何能夠繁榮發(fā)展?在??智能領(lǐng)域,我們是否能夠就??智能算法進(jìn)?某種“新奇性搜索”?沒錯,這的確是?個可能的路徑,但需要徹底地改???智能領(lǐng)域的研究, 才有可能付諸實踐。
回想?下本書第五章提到的圖?孵化器?站的案例,在這個“社區(qū)”?,沒有設(shè)定任何規(guī)則;沒有邀請專家?組來評判某位?戶的照?是否真的值得分享;沒有發(fā)布任何嚴(yán)格的?標(biāo)性標(biāo)準(zhǔn)來決定哪張照?是“最好的”;沒有任何制度來規(guī)定,每張發(fā)布的圖?,必須與競爭對?的圖?進(jìn)??較,以求分出個好壞優(yōu)劣,或者讓作者必須在“社 區(qū)”內(nèi)證明??圖?的價值。在圖?孵化器?站上,不存在前述任何 形式的審查或權(quán)衡。即便如此,圖?孵化器“社區(qū)”還是能找到前?沒 有找到的新東?:復(fù)雜的數(shù)學(xué)表達(dá)式(這就是圖?孵化器?站的“DNA”),它們描述了?常有意義的圖?,即枯草堆?的那根針,所有那些指向可能圖?的東?。沒有?能夠獨(dú)?在圖?孵化器?站上培育出骷髏頭圖?,這需要舉全“社區(qū)”之?,?它必須是?個不存在?標(biāo)驅(qū)動型“把關(guān)?”的“社區(qū)”。
你可能會覺得,這是?個“錯誤的類?”。畢竟,選擇有趣的圖?,并不像??智能研究那樣,要求?定的專業(yè)知識和經(jīng)驗。在??智能領(lǐng)域,我們不可能盲?地允許任何有著瘋狂想法的?,直接向整個業(yè)界公布他們的算法(前提是他們拿出來的東?稱得上是算法)。實驗派和定理派啟發(fā)式?法,可以保護(hù)我們免受這種瘋狂但毫?意義的想法的沖擊。要求想法的創(chuàng)意者提供某種程度的性能表現(xiàn)證明,?少能確保他們的算法不是?個騙?的“繡花枕頭”。
盡管這種說法聽起來很合理,但它忽略了?個關(guān)于??智能研究?員(以及所有其他正常?)的關(guān)鍵事實,即我們都是有腦?的?,所 以“我們必須通過遵循嚴(yán)格的?標(biāo)規(guī)則,以保護(hù)??不受潛在瘋?的影響”,這句話說得不是很奇怪嗎?如果沒有?標(biāo)驅(qū)動的啟發(fā)式?法,我們再看到胡編亂造的創(chuàng)意時就?法識別,這真的是事實?不是狡辯嗎?當(dāng)然,專業(yè)知識在科學(xué)領(lǐng)域研究中的確?常重要,就像你希望乘坐的越洋?機(jī)是由?程專業(yè)的專家設(shè)計出來的那樣。然?專家(?不是什么隨機(jī)選擇的?)在做決定時應(yīng)該考慮“其他專家可能希 望看到的內(nèi)容”。但是,將這些決策權(quán)留給?標(biāo)驅(qū)動的啟發(fā)式?法, 并沒有尊重專家的作?,?是否認(rèn)了專家的作?。對于專家??,這甚?是?種侮辱,因為此舉?疑是在暗諷專家們都是很容易上當(dāng)受騙的?。此舉同時還等于承認(rèn)了,整個研究領(lǐng)域,只能通過這些啟發(fā)式的?法的篩選,才能避免被瘋狂且不切實際的想法淹沒。換?之,如果啟發(fā)式?法是必要的,那么我們就默認(rèn)專家們不存在任何理性判斷的能?。那么,這樣的“專家”,是否真的能夠被稱為專家呢?
當(dāng)然,這并不是說專家們不值得信任。真正的問題在于,實驗派和定理派啟發(fā)式?法就像社會上許多?標(biāo)驅(qū)動的措施?樣,成了我們懶得動腦?進(jìn)?理性判斷的借?,哪怕是專家們也不能幸免。如果評審員不喜歡的算法表現(xiàn)得?他們喜歡的算法差,那么他們就可以?腦地否定前者,?如果前者表現(xiàn)得更好,評審員就可以簡單粗暴地要求發(fā)明?把??的算法多與其他算法進(jìn)??較,否則就不給過審。當(dāng)專家們拒絕使?理性的判斷時,關(guān)于新想法的討論就從“什么使算法變得有 趣”這?實質(zhì)性問題上轉(zhuǎn)移開了。關(guān)注的重點被轉(zhuǎn)移到“搜索空間”中?個簡單的?標(biāo)標(biāo)準(zhǔn),類似?場雙?機(jī)器?與最新版發(fā)條玩具之間永??境的賽跑。以簡單的經(jīng)驗法則為標(biāo)準(zhǔn),評估新想法恰好是?個更?便的?法,?深?地研究想法,并考慮它們在未來可能帶來的東?,是?項艱巨的腦?勞動,尤其是對于?多數(shù)?都不熟悉的新穎想法??。
因此,讓我們在這?進(jìn)?本書最后?個思維實驗。假設(shè)在??智能研究領(lǐng)域,有?本不同尋常的期刊,題為《??智能發(fā)現(xiàn)期刊》(簡稱JAID)。但與??智能領(lǐng)域的其他期刊不同,該期刊的審稿?在其評論中不得提及任何與實驗結(jié)果有關(guān)的內(nèi)容。向《??智能發(fā)現(xiàn)期刊》提交研究報告的作者們,可以像往常?樣在?章?寫上定理派和實驗派啟發(fā)式?法的結(jié)果,但審稿?不能像以往?樣,以這些結(jié)果為基礎(chǔ)進(jìn)?評審。因此,審稿?不得以?個新算法的性能表現(xiàn)?另?個算法差為理由?做出單??的批貶。審稿?也不能要求作者提供更多的?較數(shù)據(jù)和基準(zhǔn)測試數(shù)據(jù)(因為這些結(jié)果對《??智能發(fā)現(xiàn)期刊》來說并不重要),更不能抱怨作者沒有提供理論上的保證,還不能批評說新想法在理論層?的結(jié)果不夠出彩。但在這些規(guī)則之外,審稿?可以隨?所欲地爭論這個想法是否應(yīng)該發(fā)表。更重要的是,這些評審員并不是隨機(jī)選擇的,?是從??智能研究?員的精英中挑選出來的。
現(xiàn)在,我們要回答的問題是,在《??智能發(fā)現(xiàn)期刊》上發(fā)表的? 章,?在該領(lǐng)域最著名的期刊上發(fā)表的?章差嗎,還是說它們要好得多?如果你是?名??智能研究?員,知道《??智能發(fā)現(xiàn)期刊》的審稿?不能從性能表現(xiàn)或理論保障?度對作者提出任何褒貶,你會讀《??智能發(fā)現(xiàn)期刊》的?章嗎?
《??智能發(fā)現(xiàn)期刊》所做的,是挑戰(zhàn)并要求其審稿?專注于?章的主旨內(nèi)容。審稿?將從??智能的實驗派和定理派啟發(fā)式?法中解脫出來,這意味著他們只能去思考?章的核?思想,并判斷它是否?夠有趣。如果?章主旨是有趣的,那么它可能會是?塊好的踏腳?。這些審稿?擁有??智能研究領(lǐng)域最聰明的頭腦,他們深?思考的重點應(yīng)該是?章?的觀點是否能改變??智能領(lǐng)域的未來。因此,他們的?腦必須去消化理解作者想法背后的真實意圖,?不是簡單地依賴傳統(tǒng)的啟發(fā)式?法進(jìn)?評判。沒有任何明確的規(guī)則,可以讓?快速地否定或接受作者們提交來的新想法,對它的評判,需要經(jīng)歷真正的、??再再?三的考慮和斟酌。
與其猜測《??智能發(fā)現(xiàn)期刊》對??智能領(lǐng)域的影響有多?,不如探討?下其中產(chǎn)?的?個有趣悖論。如果《??智能發(fā)現(xiàn)期刊》被證明?最頂尖的傳統(tǒng)期刊更差,那么這對身為評審員的“專家”來說意味著什么?但如果《??智能發(fā)現(xiàn)期刊》被證明是更優(yōu)秀的刊物,那么對于指導(dǎo)該領(lǐng)域的啟發(fā)式?法?意味著什么??論是哪種情況,都會有??存在問題。如果我們只能在?標(biāo)驅(qū)動的模式下思考,那么我們根本就沒怎么思考。使?理性思考能?是?可替代的,因為科學(xué)?法提供?種?成不變的?法來發(fā)掘下?個偉?的想法。最偉?的想法, 總是與之前的想法不同。每?塊踏腳?的發(fā)現(xiàn),都是?個獨(dú)特的故 事,?每?位發(fā)現(xiàn)它的?也都是?個傳奇。
任何領(lǐng)域的真正專家都能以開放的?態(tài)思考問題,不需要通過僵化的啟發(fā)式?法來做決定。全盤考慮?個全新的想法的所有細(xì)節(jié)是很困難的,這需要專注地付出精?和時間,但仍可能有很多微妙的地?容易被忽視,畢竟新的理念或想法可能難以完全被理解和消化。與根據(jù)簡單的經(jīng)驗法則快速判斷結(jié)果相?,對某個想法做出公平的評價會更難——這反過來可能也有助于維持現(xiàn)狀。如果?個新的想法看起來很奇怪,你可以簡單地要求作者提供更多的保證或更好的性能結(jié)果,?不是費(fèi)?地去理解它。提出這樣的要求看起來很合理,因為你只是在保護(hù)整個??智能研究領(lǐng)域不受那些不合格的算法的影響。
但是,正如?勒早在1846年就意識到的那樣,“假設(shè)踏腳?會與它們最終通往的地?表現(xiàn)得?樣,這就是?個錯誤128。”良好的性能表現(xiàn) 并不是通往?命性性能表現(xiàn)的踏腳?,“理論保證”也不是通往“偉?啟示”的踏腳?。如果很難想到除了爭論性能或保證之外的其他選擇,那么事實上還有許多其他重要的線索可供我們考慮:靈感、優(yōu) 雅、激發(fā)進(jìn)?步創(chuàng)造?的潛?、發(fā)?深省的構(gòu)造、對現(xiàn)狀的挑戰(zhàn)、新穎性、與?然的類?、美感、簡捷性和創(chuàng)造?。所有這些對于?個新的算法或任何其他類型的新想法??,都是可能的線索或判斷標(biāo)準(zhǔn), 雖然它們可能缺乏?標(biāo)性,但其說不定正是進(jìn)?步解放??智能領(lǐng)域以及許多其他領(lǐng)域的關(guān)鍵要素。任何?都可以說性能應(yīng)該提?,但誰有勇?看到某?想法背后的美妙之處,?放下對其性能的關(guān)注?這樣充滿勇?的專家,必然是多多益善的。
參考?獻(xiàn)
D.Godse and A. P. Godse, Computer Organisation and Archite cture.Technical Publications Pune, 2009.
Wikipedia, “Instructions per second,” 2011.
S.Okamura, History of electron tubes. IOS Press, 1994.
J.Levy, Really useful: the origins of everyday things. Fire?y Bo oks Ltd, 2002.
A.Hyman, Charles Babbage: Pioneer of the computer. Princet on University Press, 1985.
T.E. Larson, History of rock and roll. Kendall Hunt Publishing Company,2004.
R.Bolles, What color is your parachute? A practical manual for job hunters and career changers. Ten Speed Press, Berkeley, 1984.
“Career key test.” http://www.careerkey.org, 2012.
River, NJ: Pearson Assessments, Pearson Education, La st accessed December, vol. 28, 1970.
K.Hooker, “Testing heuristics: We have it all wrong,” Journa l of Heuristics,vol. 1, no. 1, pp. 33–42, 1995.
B.Smorynski, “The incompleteness theorems,” Handbook of mathematical logic, vol. 4, pp. 821–865, 1977.
特別聲明:以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布,本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.