AI領(lǐng)域的實踐之路還需要理論么？

今年GPT的破圈，讓AI又添了一波熱度，實踐的AI走的非常的穩(wěn)固。然而回過來看過去十年的機器學(xué)習(xí)理論的發(fā)展，好像沒有對AI的發(fā)展帶來任何幫助，所以AI還需要理論嗎？

最近，有幾個朋友以不同的方式跟我表達了同一個意思：過去十年，機器學(xué)習(xí)理論沒有給AI的發(fā)展帶來任何幫助，它只是個理論圈自娛自樂的玩具。

這個說法當然存在夸張成分，但是它背后的含義卻讓人難以辯駁。如果我們把AI頂會過去10年90%以上的機器學(xué)習(xí)理論論文都刪去，恐怕幾乎不會影響AI過去10年的發(fā)展，也幾乎不會影響OpenAI推出ChatGPT。更直白一點說，那些AI大佬們恐怕根本沒有時間去閱讀機器學(xué)習(xí)理論論文，因為他們要忙著做真正能夠推動AI前進的事情。

AI還需要理論么？

我認為，并不是AI不需要理論，而是我們之前做理論的方式有問題。

AI理論應(yīng)該長什么樣子？

姚班的學(xué)生經(jīng)常會說，“我不想做工程；我想要做偏理論的研究”。我時常會想，什么是理論，什么是工程？

學(xué)生往往是很淳樸的，就像孩子一樣。孩子看見了胡子就以為是老子，而學(xué)生則認為一定要有數(shù)學(xué)符號才是理論。這個想法本來無可厚非，但是在AI頂會內(nèi)卷的今天，幾乎每篇論文都會絞盡腦汁地加一點裝飾性的數(shù)學(xué)公式，所以光靠數(shù)學(xué)符號來做分類，效果就不太好了。

所以進一步的，恐怕理論論文里面不光要有數(shù)學(xué)符號，還得要有定理和證明。除此之外，最好還有假設(shè)，斷言，引理，推論。當然，免不了還要有??等十種希臘符號加上一整頁以上的推導(dǎo)。這些推導(dǎo)可以是優(yōu)化方面的導(dǎo)數(shù)分析，也可以是泛化方面的Rademacher復(fù)雜度求界，如果都有的話那就是一盤色香味俱全的菜——很飽滿了。

做完上述步驟，可以說已經(jīng)登堂入室，距離一篇頂會論文也只有一步之遙。還差什么呢？還差論文的立意和創(chuàng)新點。數(shù)學(xué)中可以證明的東西很多，倘若沒有和機器學(xué)習(xí)算法建立起實際聯(lián)系，那確實還不能算上乘之作。所以，理論論文的畫龍點睛之筆，就是和機器學(xué)習(xí)的現(xiàn)象構(gòu)建起聯(lián)系。

這看似畫龍點睛的聯(lián)系，卻成了理論論文被人詬病的根源。原因很簡單，讓理論和實際構(gòu)建起聯(lián)系，最后得到的結(jié)論大多成了對現(xiàn)象的解釋，而很少能對未來有實質(zhì)性的預(yù)測或指引。當然，我們不能說所有的機器學(xué)習(xí)理論論文都無法導(dǎo)出新的算法；但是實際上絕大部分的重要AI算法都是實踐派所得，不屬于理論學(xué)家的貢獻。

話說回來，這樣的比較也許并不公平：對于一個AI科學(xué)家，他提出一個新的算法只需要做一些實驗有效果就可以了；而理論學(xué)家的包袱更重，在實驗有效果的同時，他還需要有相應(yīng)的理論證明。這就相當于栓著鐵球和別人賽跑，難度增加了不少。因此，理論學(xué)家追著AI大佬追得很辛苦，對AI大佬提出的新概念如數(shù)家珍；但是AI大佬卻可以對理論工作視而不見，直接擺擺手說，那些東西我不太了解。

看到這里，很多朋友可能會說，機器學(xué)習(xí)理論不就是這樣的么？理論論文不這么寫，還能怎么寫？

登山與鋪路

在機器學(xué)習(xí)理論圈待過幾年之后，就會發(fā)現(xiàn)理論并沒有想象中那么神圣。像Knuth大神當年寫的Toilet paper（https://www.jstor.org/stable/2322567）一樣，只要一個人愿意，他總是可以寫出非常復(fù)雜的讓人望而生畏的證明，雖然這些證明未必有太多實際價值和意義。（我對Knuth大神的Toilet paper不了解，可能他這篇論文是個例外）所以說，單純從證明和符號的復(fù)雜程度，似乎并不能夠用來判定論文的價值。

我認為，世界上的理論大體可以分為兩種，登山式理論和鋪路式理論。

登山式理論

登山式理論像登山一樣，總是充滿挑戰(zhàn)，讓人熱血沸騰。這一類理論工作特點是目標清晰，就好像珠穆朗瑪峰頂一樣。當我們站在山底，目標很明確，就是要想方設(shè)法、不惜一切爬到山頂。不過，到山頂?shù)穆酚星f條，我們只需要找到一條最合適的路就可以了。雖然說，我們邁出的每一步都是數(shù)學(xué)推導(dǎo)，但是當山峰很高很陡的時候，我們也很難快速地找到一條可行之路。這個時候，有兩類工具是比較常用的：

制定規(guī)劃。登山之路過于漫長，我們可以找到幾個重要的節(jié)點，把登山之路拆分成幾個不同的階段，每次處理其中的一個階段。這樣，把一個復(fù)雜的問題拆分成很多簡單的問題，往往就會容易很多。

加假設(shè)。一旦制定了明確的登頂目標，理論分析的難度就容易受到影響。很多地方不是靠制定規(guī)劃就可以解決的，有的步驟你不得不用一些工具，比如繩索、直升機、木板等等才能過去。這樣的工具在機器學(xué)習(xí)理論圈就是加假設(shè)。比如，我們可以假設(shè)輸入x服從高斯分布，可以假設(shè)目標函數(shù)是光滑的，lipschitz的等等。

在很多機器學(xué)習(xí)理論的論文中，假設(shè)的選取是核心藝術(shù)。如果假設(shè)太強了，比如我們使用了傳送器直接傳到了山頂，那么整個登山路線顯得索然無味。如果假設(shè)太弱了，比如我們連繩索都不準用，那么就會發(fā)現(xiàn)爬來爬去爬不到山頂。問題是，這些用于登頂?shù)募僭O(shè)，在實際中往往是不完全成立的；或者說，就算成立，可能也只覆蓋了一個很小的部分，不能夠真正用于解釋和分析實際的AI算法。

舉個例子，我們觀察到了LayerNorm在實際算法中效果很好，于是我們決定把LN的分析當做我們的山頂去攀登?？墒牵瑢嶋H的數(shù)據(jù)分布到底長什么樣子？我們可能不得不假設(shè)數(shù)據(jù)服從高斯分布。損失函數(shù)滿足什么性質(zhì)？我們可能需要假設(shè)它是光滑的。網(wǎng)絡(luò)結(jié)構(gòu)是什么樣子？我們可能需要假設(shè)它是一個兩層或者三層的網(wǎng)絡(luò)，因為網(wǎng)絡(luò)層數(shù)一多分析起來就非常困難。優(yōu)化算法的步長是多少？我們可能需要假設(shè)它非常小，這樣優(yōu)化的過程在一個小小的鄰域中才便于分析。這些假設(shè)就像是登山運動員的工具包里形形色色的工具，要清晰理解它們的用途并不容易，把它們組合起來完成登頂?shù)娜蝿?wù)更是一種壯舉。但是，真實的訓(xùn)練過程往往和這些假設(shè)有一定差距：機器學(xué)習(xí)理論工作所攀登的山峰，更像是作者精心設(shè)計的理想山峰，而不是AI科學(xué)家日常真正遇到的那些。

過去十年，AI領(lǐng)域蓬勃發(fā)展，各種概念層出不窮。理論學(xué)家為了理解一個概念或算法，制定了很高的登山目標；但是限于工具的能力，又不得不加上各種假設(shè)助力登頂。最后，很多結(jié)論南轅北轍，得不到理論圈外部的認可，我認為這和登山式理論的研究范式是脫不開關(guān)系的。

鋪路式理論

如果說登山式理論目標明確，一切都是圍繞登頂；那鋪路式理論則更加佛系，完全是好奇心驅(qū)動。我把它叫做“鋪路式”，可能會有一些歧義：聽起來這樣的理論仍然有目標要完成，畢竟鋪路也是一項工程。我想澄清的是，使用“鋪路”這個詞，我更想強調(diào)它是從某個點出發(fā)，向四周蔓延，是一種自然而然的過程。如果我們看到了一個小池塘，就修一條到小池塘的路；如果我們看到了一個小山坡，就修一條繞開它的路?？傊?，修路的目標就是以修路的方式對這個世界進行四處探索，忠實地、不加假設(shè)或粉飾地去理解世界。這樣的路一開始修得很慢，但是會越來越快，因為在數(shù)學(xué)的世界里，一切已有的結(jié)論都可以成為未來結(jié)論的基礎(chǔ)；這樣的路也修得很扎實，因為從頭到尾都在描述世界的真實，所以修一步算一步——只要人們對這個世界有興趣，就會想要來看看已經(jīng)修好的路。

有很多數(shù)學(xué)大師有過類似的觀點，我不過是拾人牙慧，換了個比方。例如，

柯西：在純數(shù)學(xué)的領(lǐng)域里，似乎沒有實際的物理現(xiàn)象來印證，也沒有自然界的事物可說明，但那是數(shù)學(xué)家遙遙望見的應(yīng)許之地。理論數(shù)學(xué)家不是一個發(fā)現(xiàn)者，而是這個應(yīng)許之地的報導(dǎo)者。

格羅滕迪克：人們永遠不應(yīng)該試圖證明那些并非幾乎顯而易見的事情。

格羅滕迪克：我腦海中浮現(xiàn)出的類比就像是把堅果浸入某種軟化液體中。你會不時地擦拭，以便液體更好地滲透進去，其他時候則是讓時間流逝。經(jīng)過數(shù)周甚至數(shù)月，外殼變得更加靈活，當時間成熟時，手的力量就足夠了，殼就像完美熟透的牛油果一樣打開！幾周前，我有了另一個形象。未知的事物在我看來就像是一片土地或者堅硬的白堊，抵抗著滲透……海水無聲無息地緩緩?fù)七M，似乎沒有什么發(fā)生，沒有任何東西移動，水太遠了，你幾乎聽不見它的聲音……但最終，它包圍了那個抵抗的物質(zhì)。

小平邦彥講的故事則更加引人入勝：

現(xiàn)在數(shù)學(xué)的研究對象一般都非常抽象，實例也十分抽象，讓人難以理解。所以依靠具體事實歸納來猜想定理的方式，在大多數(shù)情況下已經(jīng)難以適用。目前的情況下，關(guān)于發(fā)現(xiàn)新定理的思考實驗方式，我本人也是不得而知。如果將精力都花費在思索新的思考方式上，恐怕難有所得。實際上很多時候無論如何思考都得不到相應(yīng)的結(jié)果。這樣看的話，是否可以說數(shù)學(xué)研究是一份極其困難的工作呢？不過這倒也未必。有時候感覺自己什么也沒做，那些應(yīng)當思考的事情卻很自然地呈現(xiàn)在眼前，研究工作也得以順利推進。

夏目漱石在《夢十夜》中對運慶（注：日本鐮倉時代的高僧，雕刻技藝十分精湛）雕刻金剛手菩薩像的描述，充分表現(xiàn)了這種感受。這部分內(nèi)容引用如下：

運慶在金剛手菩薩的粗眉上端一寸處橫向鑿刻，手中的鑿刀忽而豎立，轉(zhuǎn)而自上而下鑿去。鑿刀被敲入堅硬的木頭中，厚厚的木屑應(yīng)聲飛落，再仔細一看，金剛手菩薩怒意盈盈的鼻翼輪廓已清晰呈現(xiàn)。運慶的運刀方式無拘無束，雕琢過程中絲毫沒有任何遲疑。

“他的手法真如行云流水，鑿刀所到之處，居然都自然地雕琢出了內(nèi)心所想的眉毛、鼻子樣子。”我感慨至極，不禁自言自語道。

結(jié)果，方才那位年輕男子回應(yīng)道：

“什么呀，那可不是鑿刻出的眉毛、鼻子，而是眉毛、鼻子本來就埋藏在木頭中，他只是用錘子、鑿子將其呈現(xiàn)出來。就像從泥土中挖出石頭一樣，當然不會出現(xiàn)偏差?！?/strong>