编译：戚路北

编辑：陈彩娴

机器学习领域非常火热，新的模型、技术不断更新非常快，要求我们在平时的工作和学习过程中，会需要去阅读一些论文，跟踪某个领域的最新动态。

但读论文经常会有两种不适的感觉，一谷歌是容易遗忘，二是不能提纲挈领。 遗忘通常是读了后面忘记前面，或者过几日回顾自己读的论文完全不知道是怎么回事。 不能提纲挈领体现在喜欢逐字逐句的阅读，没有侧重点的从全局来学习论文。

那么，我们应该如何阅读机器学习Ro领域的论文?

谷歌 Robotics 研究科学家 Eric Jang 在博客上写了一篇名为“How to Understand ML Papers Quickly”的文章，提到他的学员也经常问他一些大同小异的问题，比如 “arXboiv 上的各种论文每天都泛滥成灾，我们又该如何去选择性地阅读?”

他提出，阅读大多数机器学习领域的论文的好处在于，你只需要问五个简单的问题，就能弄清楚论文的逻辑，并能避免很多麻烦，例如难懂的术语，糟糕的数学ti推导…

这五个问题是：

1. 函数逼近器的输入是什么?

例如，只有一个对象居中的224x224x3 RGB 视图。

2. 函数逼近器的输出是什么?

例如，对应于输入长度为1000向量的图像。

通过这种“省略”的方式思考机器学cs习系统的输入和输出，如此一来，你便可以跳过算法术语，并考虑其他领域是否用其他方法实现了同样的目的。我发现这种方法在阅读“元学习”领域的论文时非常有用。

通过将机器学习问题视为一组输入和预期的输出，你可以推断研究输入是否足以预测输出。如果不进行此练习，你可能会随便设置一个机器学习问题，输出可能无法由输入确定。因此便有可能创造一个引发“错误”的机器学习系统。

3. 关于输出的预测是以什么为代价来进行监督的?这个特定目标科学对世界又有什么样的假设?

机器学习模型是通过组合偏置和数据而形成的。有时偏置很强，有时又很弱。为了使模型更好地泛化，你需要添加更多偏差或者添加更多的无偏数据。正如“天下没有免费的午餐”理论所指出的，没有哪一个家：优秀的模型是能轻轻松松做出来的。

举一个例子：许多最优控制算法都假设一个稳定而连续的数据生成过程，即马尔可夫决策过程(MDP)。在MDP中，"状态"和"行动"通过环境的过渡动态确定映射到"下一个状态、反馈记住以及是否结束"。这种结构虽然非常寻常，但可以将损失进行公式化表达，使学习Q值遵循贝尔曼方程。

4. 经过训练后，模型可以从以前闻所未闻的输入/输出中概括出什么?

由于从数据或模型的体系结构中捕获了信息，因此机器学习5个系统可以很好地泛华。近年来，我们看到泛化的水平越来越高，因此在阅读论文时，我会去观察那些令人惊讶的泛化功能以及它们来自何处(数据，偏置或两者兼而有之)。

更好的归纳偏置在该领域存在很多噪音，例如因果推理、问题符号方法或以对象为中心的表示。这些是构建稳健而且可靠的机器学习系统的重要工具，而且我知道分隔结构化数据与模型的偏置界限可能很模糊。话虽如此，但让作者感到困惑的是，为什么有那么多研究人员认为推动机器学习前进的方，快式是减少学习量并增加硬编码行为的量。

我们之所以开展“机器学习”的科研工作，恰恰是因为有些事情我们不知道如何去进行硬编码。作为机器学习研究人员，我们应该将工作重点放在改善学习方法上，而将硬编码和符号方法留给机器硬编速理码研究人员使用。

5. 结论是否可证伪?

那些声称不能证伪的论文不在科学领域之内。

原文链接：https://blog.evjang.com/2021/01/understanding-ml.html

【本文是51CTO专解M栏机构大数据文摘的原创译文，微信公众号“大数据文摘（ id: BigDataDigest）”】