發現與研究的基石

原文首發于我的微信公眾號：GeekArtT .

各種數據分析的工具，就像是醫生做手術時的各類手術刀，你不應該對工具產生崇拜，要緊的是你運用工具能夠做的事情。

Data science作為探索性的領域，其從業者需要重新擺正自己的態度和位置。不是說你掌握了某個工具，例如deep learning，SVM你就特別牛X。怎么理解這個問題呢？仔細考察一下在叢林里開荒和發現奇珍異獸的動物學家將是有幫助的。請問這些動物學家：

• 會因為掌握了瑞士軍刀而變得牛X嗎？

• 會因為他們拿到了可以自由伸縮的攀巖繩而牛X嗎？

• 會因為他們懂得如何制造可以劈開巖石的刀具而牛X嗎？！

如果不是的話，那你又憑什么會認為自己掌握了各大機器學習算法、能夠重新實現一遍這些算法就非常牛X了呢？

對于探索人員來說，最終目的一定是有所發現。所有的這些工具，無論多么華麗，如果最終你沒有做出任何有價值、未知的發現，都將毫無意義。甚至，在這樣的情形下，工具越是華麗，你的整個歷程越是諷刺。你絕對不會因為可以舞弄稀奇古怪的數學符號或是變化莫測的行業術語而得到探索的嘉獎。可以獲得嘉獎的，一定是你有所發現。發現本身才是你做這個data science的根本目的。

可在發現的道路上，我們卻走向了相反的方向。面對發展迅速的計算機和它日益強健的計算能力，我們卻更加不懂如何去做原創性的探索。

不要浪費了當今計算機和計算庫提供給你的巨大便利性。那些出色的計算能力可以幫助你計算太多曾經難以實現的探索工作。你可以輕而易舉地同時擺弄上百本書籍里的詞句，你可以輕松地在里面做各種你想要知道的統計計算，而這些都只會花費你一點點敲打鍵盤的時間。

可是，試想在中世紀的時候，各個科學上偉大的巨人無一不是手工計算各種現實中的數據，上至天體運行，下至機械偏移，他們仔細地維持著自己的計算結果，把它們作為自己最重要的研究資料庫，因為每一個數字背后都是他們艱辛的苦力與汗水。諷刺的是，到如今計算各種指標、探索各種小細節、獲取各種數據都變得不再費力的今天，大家卻不再去做計算了？！大家只顧沉迷在計算力所打造的虛擬世界中，毫不關心這些計算力在現實中可以做出的探索的潛力。

有能力卻不做，想去做卻沒有能力，無論是那一種，事情依舊不會被做成。我們現在所面臨的問題便是，有著出色的計算能力，卻對每一個細小的數據和可計算的細節熟視無睹。為什么？因為它們實在是太容易獲得了，容易得來會讓人產生質疑，僅僅是做了這些平凡的事情，就會有價值嗎？

可是回顧一下科學史，哪一項重要的發現不是由大量的經驗累積、大量的經驗計算開始的。人是善于發現pattern的動物，人的直覺也是由各種潛在的pattern所構成，而發現pattern的基礎，便是大量的經驗數據。即便是像“創造”這樣復雜而不可預測的過程，也依舊可以通過研習歷史，經歷各種想法的發展和演變而在腦海里慢慢掌握它的藝術。可是，技術的提高以及數學中證明為王的思路卻在慢慢將這一重要的能力削減。

在正統的數學中，證明的重要性是被歸結為第一的，無可爭辯和替代的。數學家花費大量的時間去做證明，去探究清楚某個命題背后隱藏的故事。把他人或是自己的某個研究結果作為基礎，然后憑借嚴格的邏輯推理和定理應用，逐步將現階段的結果慢慢擴展開來。這是一種典型的搬磚式的發展方式。

可是對于像拉馬努金那樣的直覺性數學家的工作風格，正統數學家便不太能夠理解了。拉馬努金的直覺建立在大量的計算之上，能夠通過數頁草稿紙的涂抹，而發現一個美妙絕倫的命題。同樣可以作為例子的是鬼才物理學家費因曼。費因曼有著出色的物理直覺和各種讓人驚嘆的淺顯易懂的物理解釋和洞見。但他很少會提及在他背后所做出的大量計算。甚至，他把計算本身當做是一種樂趣，一遇到問題，便會開始用各種計算去填滿眼前任何空白的稿紙。即便是得到了需要的計算結果，他也不會就此停止，而是回過頭重新檢驗自己的計算過程，試圖從更深層去理解為什么這個結果是顯然的。

這是兩種不同的研究風格，其核心在于他們有著不同的側重點。對于前者來說，重要的是將某個結論證明，想要知道的是這個結論為什么是正確的。至于這個命題或是結論為什么會被提出來，又是在怎樣的環境或者考慮下能夠被提出來，則完全不關心。對于后者來說，他們的關注點更在于如何發現有價值的命題，即愛因斯坦所說的提出一個好的問題，這是一個探索者真正的核心能力。

而無數科學先輩已經向我們證明，最好的探索與發現，一定是建立在大量的實驗與計算之上（事實上，計算是數字的實驗，或者說是實驗的研究語言）。原因無他，因為人就是經驗的動物。他們需要大量的事實去建立直感。沒有廣泛的計算，就沒有辦法積累實際的經驗，并且，計算本身是把一個粗糙的現象精細化的過程，它能夠加深我們對事物的認識與感知。

可是，數學上的僅僅證明為主的想法和科學技術所帶來的便利性，在侵蝕這種以“計算和實驗”為核心的建立直覺的過程。在這一點上，是可以看到理科生與工科生的一個顯著差別的。對于一個數學研究者來說，所有的工作都是可以在頭腦中完成，所有的步驟僅僅是在現實抽象后的符號上的推導。對于現實的細節，則完全不予以關心。下意識地，對于生活中的各種細節不會多費心力去做計算、做操作。

而計算機的巨大發展，將每一個計算變得來平庸無奇。這本是為探索發現工作鋪平了道路，但卻諷刺地讓人以為計算不再重要。

數據是現成的，擺弄計算的工具是成熟的，難道就可以因此得出運用它們所做出的工作是平凡的嗎？

可人們真的是忽略了歷史的教導，忽略了整個科學史的指導。沒有廣泛的計算和實驗作為基礎，探索人員的直覺與直感是無法建立和形成的。而沒有了直覺做指導，原創性的發現是無法做出的。

或許我們應該重新審視我們自己的PC，看看自己是否正在暴殄天物式地浪費計算能力。又或者，面對這些出色的計算工具、分析工具，你又是否在本末倒置地追求這些工具的華麗以及追求掌握工具名的浮夸，而忘記了真正重要的工作：如何做出卓越的發現。

如果你喜歡我的文章或分享，請長按下面的二維碼關注我的微信公眾號，謝謝！