After Netflix
最近Machine Learning界最大的新聞 莫過於Netflix獎的頒發 這個獎是由Netflix公司發起 讓參賽者寫程式依據過去記錄的客戶資料預測未來Rating的行為 冠軍作品比原本的預測系統進步達到10% 這樣的突破過去被認為難以達到 因此這次的成就讓人感到振奮
對於能夠在現實世界資料中達到如此激勵人心的進步 他們的方法無疑讓各界甚感好奇 前幾天找來他們的架構介紹paper拜讀 彷彿打開恐怖懸疑小說 閱讀得過程感受得到心跳加速血壓升高 頭暈甚至有些許的反胃 在快速掃過文章內容後 關掉文件 在電腦桌前望著發白的銀幕 緩緩平靜心情
在這些文章當中 我看到的是血與淚
迥異於過去看過的Machine Learning paper 這個方法 我嗅不到人的味道 只感受到經由無數擠壓重組拼湊而形成的建築 如同一群忙亂得螞蟻在大自然的摧殘下奮力築起的避難所
正常的Machine Learning paper 其方法架構散發著人的智慧的味道 簡單 結構化而低亂度 這篇 在結構與結構間卻夾雜著大量的熵 感受得到大自然的雕磨
上一次帶來閱讀恐怖小說般衝擊的經驗 是研究Linux kernel中的排程程式時 那段是我所知的Linux kernel中最髒最醜的一部份 彷彿打開大城市的下水道 這裡雖維繫著整個系統的運作 卻窩藏著許多讓居民難以面對的黑暗與污穢
Linux在2.6後越來越重視一般用戶的使用感受 因此在排程方面致力於讓跟使用者互動的程式獲得較高的優先執行權 然而扯到使用者滿意度 扯到人 扯到效能調校 必須要面對的是龐大複雜充滿不確定性的系統 試圖模擬 逼得Linux開發者必須放下原先的優雅 大量使用黑魔法 來打造一個奇形怪狀的蟻窩
當離開學術界的溫室來到現實世界 當效能得重要性遠勝過方法之美 當我們試圖利用人類雕刻出來的工具拼湊這個世界 從Netflix到Linux到遊戲AI 都告訴我們 這些簡易道具在脫離學術藉的呵護面對現實的巨牆 仍必須脫下華麗的外袍低著頭默默一磚一瓦與眾人一同努力
人造物總是簡單
前年去巴黎 對於環繞整個城市的建築之美感到讚嘆 然而第一天感到美 第二天感到美 第三天開始卻失去相同的讚嘆 建築物雖新 意境卻無心意 那趟巴黎之旅 最讓人難以忘懷的 是坐在凡爾賽宮外的花園望著有大樹夾道的草皮 看著落葉點綴得飄落 許久捨不得離開
巴黎的建築物遠望迷人 近看卻可以感受到固定的結構與pattern 經不起細看
自然的景色遠望或許沒有如此燦爛奪目 近看卻可以感受到多層次的變化 越品味越有味道
單一智慧打造出來的作品 終究會被其單一性限制
Netfix的成就達到了 但我們能從中學到什麼? 作者使用了大量不同的演算法來模擬人的行為模型 在利用大量不同的演算法將這些模型混合 也許這告訴我們在分析複雜系統下 Ensemble Learning是個該優先考量的概念 然而兩者的關連 其實仍稍嫌薄弱 尚不足以稱為佐證 或許 更像個提醒 當你面對現實世界 當你想解決的問題是複雜難以分析時 請放下你在學術界培養出來的羅曼蒂克 請放下發paper的習慣思惟模式 拿出所有你手上所有能用的道具 打起赤膊 讓手長出厚繭吧
