Filestorm's purgatory

在deadline之后发现自己的体能下滑如此之快。跑步都喘，去Gym搞器械也不得不减磅—— 一直标榜着“超男人不行都行”（其实疯狂的赛车里还有“超男人行都不行”，“男人都超不行”的标语……），在这种时候就特别需要一个目标。某种意义下像deadline一样的目标，来督促自己，时刻让自己以最优化一个工程的眼光去钻营锻炼身体这个事儿。


其实何止锻炼身体需要钻营，大到人生职业规划，小到Windows任务条到底横着放还是竖着放，放左边右边还是中间（这关系到工作时每分钟脖子扭动的次数以及鼠标是否需要精确移动到某个区域等等许多问题），都需要钻营。
钻营这个事儿本身也是要钻营的。尤其是当每天的脑力有限的时候，明儿早是吃油条饼干这类的事情就得少考虑点儿了——因为总有更重要的事情需要你浪费时间去钻营。

1. 世间本无事，庸人自扰之——南大周志华老师被新语丝拿去说事。出于好奇我还特意看了两眼所谓的抄袭。发现纯耸人听闻。试想一下，科学界近年来总共才多少足够伟大的新点子？但是每年多少paper？抽屉原则一下，就会发现绝大部分人难逃抄袭之咎。周志华老师真的是树大招风，虽然没跟他打过什么交道，但是在此替他鸣不平。

2. 我的个人工作站终于装上了4个显示器。两个新的瓶颈：一个是颈椎的活动量明显增强，然而颈椎带动的头部运动显然要比眼跳慢一个数量级。另一个是眼睛余光部分的分辨率太低，以至于任务栏放在边上就会经常看不见——可惜我没长一张马脸或者苍蝇脸（那样视角超大的说……）

3. 最近处变不惊的本领越来越强了。从10月25号开始截至11月19号，有两篇paper deadline，两个期中考试（其中一个还不怎么会。。。），一个lab project，一个大作业要写。还不算每周的小作业，翻译书，以及帮忙性质的一些其他活动。各位同学应该以此为鉴，不要被一两个月余的小deadline折磨了一下就开始呻吟 :-)

4. 跟做地质（地震方向）的MLS同学聊天，发现地震研究是个非常有意思的model。争取下学期抽空过去跟他们合作搞一搞新理论——不为别的，纯为科学事业和人类进步做贡献……

5. 这一个星期收到大量速配、交友、相亲的广告邮件，也不知道是不是因为有什么气候异常。邮件内容大抵是很傻很天真且俗不可耐的套话。读着类似邮件我眼前总会浮现这样的情景：一女生，要么很傻，要不傻就是丑，要不丑就是俗，再不俗肯定作。。。

6. 最后，因为不堪附近基督教会的再三骚扰，我决定放弃这个持续思考了近6年的信仰。我昨天刚开始读一本书，《Letter to a Christian Nation》。很薄，随手翻旧已经翻了1/3。有条件能借到或买到的同学可以读读。当然，需要澄清的是本书是在我做出决定之后才找到的。但是该作者书中许多观点和我的思考惊人的相似。如果要我对我的思考给一句总结，那就是：宗教是人在统计规律上产生的错觉。

忙过11月我会重点写一下这段故事。

本人其实有轻度洁癖，对家中地板的清洁程度的理想要求是：面包掉地上，果酱面朝下，捡起来还能吃（这话有两个理解，你知道我这里说的不是另外一个意思。。。）新家是硬木地板，比地毯之类的干净很多。本以为终于可以逃离集体宿舍和实验室这样的住宿条件，可以贯彻地板的理想。


但是，每周跪地擦洗两三次实在是太痛苦了。尤其是天蒙蒙亮以后回家只想一觉睡到上课前5分钟的时候……


好在坚信科技以懒为本的不知我一个人。iROBOT的一帮geek们早就提供了解决方案：




只要加清洁剂加水再充满电，就可以自动打扫卫生。
详情参见：http://store.irobot.com/product/index.jsp?productId=2371402





接下来要面临的一个新问题是——如果再掉面包，果酱面估计会沾上清洁剂。。。

最近对Homunculus的中文翻译感到颇为棘手。“小人”明显不妥；“微人”也不形象；“人造人”这种明显带有小日本风格的翻译大概也说不通。直译“何蒙库鲁斯”就更山寨了。
想破头的时候翻wiki，却一下子看到很有意思的传说。



=====以下内容转自wikipedia=====
何蒙库鲁兹（Homunculus），或称“精子微人”，意指欧洲的炼金术师创造出的人工生命，也指这种创造人工生命的工作本身。

其制作方法是、在烧瓶中放入人类的精液以及各种草药、马粪并且密封，通过马粪的发酵作用来进行保温。经过四十天后，烧瓶中就会出现透明的具有人类形状的物体。但是此时它因为还没有肉体，需要加入活人的血液，并在四十个星期里保持马的胎内温度进行培养。这期间内，每天都要保证加入新鲜的血液。如果把它拿出烧瓶，或是停止新鲜血液的供应，则会立即死亡。（在有的传说中，烧瓶也一定要使用水银烧瓶）。经过这些工作完成的生命，外表和人类儿童基本一样，但是身体比人类要小很多。何蒙库鲁兹自降生起就具备了各种各样的知识。

据说欧洲文艺复兴时期的炼金术师帕拉塞尔苏斯曾经成功地制造过何蒙库鲁兹。但是在他死后，再也没有第二个成功制作出何蒙库鲁兹的人了。

之后18～19世纪的德国的文学家约翰・沃尔夫冈・冯・歌德，在自己创造的歌剧‘浮士德’第二部第二幕中也涉及到了何蒙库鲁兹相关的题材。在现代的诸多创作中（特别是在日本），何蒙库鲁兹也成为了很多漫画以及游戏的故事题材。 基督教因为认为这种创造人工生命的技术是属于作为创造主的神・耶和华的领域，人类不应随意涉足其中而忌讳这种传说。
=====转载毕=====


另据wiki说，创造了Homunculus的Paracelsus拥有贤者之石。其父名叫Wilhelm Bombast von Hohenheim。


霍恩海姆，烧瓶中的小人，贤者之石，炼金术……这些东西竟然真的有历史记载！！
写到这里我觉得我整个人都钢炼了。

Candes走了，我才又一次（已经不知道是第几次了）发现他的研究是如此高瞻远瞩。现在愈发后悔为什么当初没在Candes家做一个学期的rotation呢……竟然跑去训猴……
所幸的是，还和他的一个学生保持着联系，希望可以从他那学来一点精髓的思想。

最近两周不得不看大量传统CV的工作，95%的papers是把一个视觉问题转化为一个优化问题然后用通用的优化算法求解。这种文章看一两篇（如果纯考虑应用的方法论，不如直接去看LeCun或Bengio的那些framework文章）还能忍，看多了智力实在下降得快*


必须不断找机会聆听智者的教诲，才能在初秋时节感受到春风拂面，让自己那变得越来越糟糕的思路化腐朽为神奇。



*想起鸟笼山剿匪记的对白：“大王，您不是一直嫌自己智力太高么，那就得多看看电视”

好久没更新blog了，对不住各位读者~

最近在筹划许多"BIG plans"，待我慢慢道来，其中之一就是参与翻译Christof Koch那本很有意思的著作：The Quest for Consciousness
这书讲的是一个关于“意识”的故事。简单地说，生物学家一直搞不明白我们的七情六欲是如何从大脑神经的物理结构中产生的——当然，更大胆的人也许会问，七情六欲有没有可能根本不是从脑神经结构中产生的？对于这样一个棘手的问题，Christof并没有直接找到一个脑区说，我们的灵魂就来自这里——相对地，而是通过展示大量正常大脑和不正常大脑的行为、结构依据，来试图寻找意识的各个部分，是如何工作，以及如何相互分离的。

在翻译的过程中，我会陆陆续续在这里放上一些有趣的片段，这样即使不是神经科学专业的朋友们，也可以得到一些茶余饭后有趣的谈资——其实科学在早年，本来就是为达官贵人们茶余饭后时聊天提供谈资而应运而生的。。。


另外说说目前我知道的的出版方面的消息。翻译本将由上海科学技术出版社出版。翻译工作是由复旦的顾凡及老师和我负责。顺便赞一下顾凡及老师。前几天和他email了几次探讨关于翻译风格的统一这样的问题，深深感受到老一辈知识分子的风骨十分可敬。相信我们这次一定能把这本有趣的名著原汁原味地呈献给大家。
哦，另外，本书目前拟定价35块RMB。考虑到美国原版定价是45刀，AMAZON上也要卖32刀，这个价位相当厚道了。（虽然这么便宜意味着我能拿到的稿费也少得可怜——不过服务大众这种东西我本来也没想着挣钱。再说我以前参与编写的各种正式的和非正式的出版物，每次都要我倒贴钱进去，只要不亏我就满足了）


不了解我的朋友们可能会问我的动机。其实很简单，没打算拿这个玩意儿挣钱，也没打算，就是提升一下相关方面的重视程度。且不说做人工智能的同行们经常在神经科学上一缪千里（比如以为Brain-inspired computation就是选择Gabor或者DoG作为线性滤波器）。一些非本专业的朋友们也经常会问我一些常识性错误的问题。比如以下这几个典型陈述：
1. 正常人的大脑只利用了10%左右。
正确答案：正常人的大脑没有一块儿肉是闲着的，就像身体的每一个器官，缺了哪块儿都会出毛病。

2. 爱因斯坦的大脑结构和一般人不一样。
正确答案：爱因斯坦的大脑被切片研究过，但是在结构上，没有发现任何正常人有区别的地方。

3. 失忆症就像旧电视——使劲拍一下就会忘了自己的名字，再使劲拍一下就会想起来。
正确答案：失忆有很多种，的确有可能通过猛击破坏某个脑区从而“失去曾经拥有的记忆”（相对来说，还有另外一种“失去产生新的记忆”的能力）。但是失忆很难逆转的。而且就算是修复也不是靠猛击……

还有很多类似的谬误不一而足，欢迎楼下同学补充。


上面提到的这些问题，在Quest for Consciousness中，都可以找到各种有趣的故事来解释——比如通过某个小日本拿冬天冻在房檐上的冰锥戳眼睛自杀未遂却产生了第二人格，来解释左脑右脑的分工问题。

然而，本书与描述飞碟、外星人、史前文明、超能力等小说的不同之处在于，每个case study都是在很严格的科学环境下进行的。都是有据可查的（不少故事都是nature science上的文章）




工作时间到了，今天先讲到这里。待续……

研究需要，晚上祭起信息论[1]重读。
已经不知道是多少次，觉得自己“足够认真地”看这本皱皱巴巴的书了。可是每次读过，却总能有新的体会。


想起两个月前和老张的通信[2]：“比如你刚学信息论的时候，总是摸不透熵是何物。只有你不断去用时才会理解。”
其实，我想补充的是，就算是已经完成了好几个和熵直接相关的理论，我还是没摸透熵是何物。

P.B. Shelley说得对[3]，Claude Shannon stood alone illuminating an age unworthy of him.


这里需要顺便指出一下带着实际问题学习理论知识的重要性。
如果没有实际问题支撑，各种定理公式流于形式。就好比我现在很难说在对单神经建模，到底应该用分类器更合理还是看成有噪音的信道更合理。在每次将实际问题代入抽象的模型时，我们总会无可避免地加入各种先验假设。而假设的合理性必须基于对模型入木三分的理解。而且，假设的合理性直接决定了模型的性能。
回顾国内教育的矛盾之处往往在于，教书人盲目地强调基础有多重要，恨不得你本科四年学四年基础，以为这样就可以制造内力雄厚的全才。但是说实话如果你不是天才也不是自闭症患者，几乎是没有可能直接在抽象的学习中把基础的每个犄角旮旯都摸透。更谈不上理解基础理论背后的假设，及其在具体模型中的意义了。


-----reference-----
[1] Elements in Information Theory
[2] Personal communication
[3] A Defence of Poetry - Percy Bysshe Shelley

前几天刚做了第一个电生理实验，正在处理数据。

所谓电生理，就是研究生理放电现象——具体说，就是神经的活动。
为什么要揭示神经活动呢？是因为神经的活动，体现了智能的计算本质。

而了解了智能的计算本质之后，我们就应该能有机会设计出人造的类似物。

把神经网络当成电路，我们用一根导体电极靠近单个神经，就可以在胞外（或胞内）测到相应的电位变化。继而根据生理物理学的一些知识，推断出该神经元的状态。


所幸的是，单个神经元的状态空间相对比较简单。于是用如此朴素的方法，我们就已经可以大概获得一些信息了。然而不幸的是，整个大脑总共有100兆个这样的简单单元。这样的比例已经不能说是“管中窥豹”的尺度了，而应该说是“见一叶落而知岁之将暮”。


为了捕捉那“一叶落”，我们有时会潜到大脑的深处。

- 深度？
- 12540
- 继续前进100
- 现在深度12640，发现有响应，开始记录
- 响应逐渐增强，可能是组织纤维回弹
- 组织纤维回弹，为避免损伤探头，后退30
- 原响应消失，前进100
- 出现两个新的信号源，前进50看能否接近其中一个
……


恰如其分地说，我们就是大海捞针一般地在“脑海”中探寻。
能否找到大脑在进行人脸识别计算时的线索？
能否找到那传说中的祖母细胞？
能否观一叶而知天命？

现在要给答案，还早。

NIPS的审稿人又把我的理论搞个蛮拧……
仨审稿，一个没看懂但是喜欢，一个没看懂但是不喜欢，一个没看但是不喜欢。
今年的评语明显比去年少很多，而且没有分数。估计是组委会又在妄图做一些改革吧。

反正到这份上，再埋怨别人如何看不懂也没啥意思。

虽然前前后后搞了一年多，号称自己最满意地工作，但是没人看得懂也还是白搭。现在要么写出一个浅显易懂让人一下就能看明白的，要么干脆就别再折腾这论文了——反正我也不是非得给科学事业做贡献的说，就算是要给科学事业做贡献，也不一定非写论文。至于公费旅游就更不敢奢望了，光线在学校就欠我三百刀——白条打了半年一点动静都没有。

今天校长再次全校群发讣告，化学系一个grad student在宿舍去世，原因不明。这已经是近三个月以来的第三张讣告了。。。


总结：老板们要自重。。。

扯蛋分两种，有的人聚在一起，无论一开始是商量多么正经的事儿，不消五分钟，肯定岔开到十万八千里外。另一些人，无论话茬子来自什么鸡毛蒜皮的事儿，到最后都会莫名其妙地落到学术问题上。
周末林达华过来玩，于是我们之间的讨论自然而然地就是后者了

其实我现在已经不做一般意义上的computer vision了（见过哪个搞EECS的天天训猴？），平日打交道的同学、同事们大都是生化、电生理出身。以至于近半年来，绝少有和人讨论机器视觉相关问题的机会。这次我俩算上晚饭时间，总共海聊了7个小时，感觉极爽——而且dahua还带来了Miami一线的报道（CVPR 2009），有不少有意思的消息。
也许好久没想CV的事儿了，今天送走dahua之后，感觉脑内热度完全没有消退的意思。现在脑子里全是些CV的事儿——当然，也许是因为这才是我做电生理（electrophysiology）的主要动力吧。


视觉到底应该关注什么？虽然CV一直在说，我们要做新问题，但是我以为，对所谓的“新问题”用照猫画虎的方法按照解决旧问题的思路写一篇实验报告——这样的风气是难以让人满意的。我们需要的不是新的问题，而是新的解决问题的思路，方法，以及手段。归结下来，是新的表达（representation）

David Marr在世的时候就一直在说，表达是视觉计算的核心。无数的electrophysiology，psychology也都在暗示我们需要有更高级的表达以完成高级的任务。可是这么多年下来，sift / histogram / gabor几乎变成了computer vision的全部表达——对于绝大部分算法，在这些表达之后的计算过程我们只能称之为inference——因为这些后续计算都是为了解决一个高度局限的实际问题出发，而非如人的视觉系统那样，为了解决普适的视觉欠定问题，而以数据驱动的方式演化出来。

正如dahua指出的那样，现在做visual representation是最吃力不讨好的工作。对此，我深有同感，并且也愈发感觉到自己从Computer Vision界转而投身到Computation & Neural System，一心做“表达”的必要性。



结尾处插播一则关于会议见闻的见闻：
据说Ma Yi关于sparsity和人脸识别结合的工作竟然被普遍认为是“新工作”。这着实让我非常震惊。其实自从08年，他就一直在忙和这个事儿。光我这儿就已经从无数人嘴里听到无数好评，（而且我也给无数人推荐了这个工作），好像有内部消息说该文章在conference上一直走背字，以至直到CVPR 09才终于有了机会在conference上好好宣传一下。

顺便指出，sparsity的核心，我认为依然是一个“表达”的问题。虽然目前从各个学科，我们已经积累了无数的侧面依据，但最多我也只能朦胧地问：难道sparsity是视觉神经计算的本质？(One ring that rules them all?)

经人推荐在网上看到一本《上海交通大学学生生存手册》
http://sites.google.com/site/survivesjtu/


阅毕，拍案惊呼！！！！！！！！！！！！！！
这本“手册”正是我们这个时代所缺乏的精神！！！
每个有正义感的学生都应该向周围的人推荐！！！

最近老板让写proposal，狂扫paper。

最大感觉就是不知道的东西真多……再给我十个qual的阅读量，我能读完这其中的一小部分么？

马毅的在Sparse方面的工作，其实前几年就看过，激动过。但我还是实在不记得当时为什么没有特别的激动。估计是水平差的太远吧。
今天重读，颇有恍然大悟的感觉。虽然sparse coding说了不是第一次了，虽然compressive sensing也让我泪流满面过。但是以前我自己却从没想过在Pattern Analysis框架下，能有这么清晰的路线图。


不小心看到刘策早年的文章，竟和我proposal里非肉脑的一个部分颇为相关。一边读一边感叹世界真小……

接下来是candidacy，然后是答辩，再然后回老家结婚……



楼下这帮土人……
难道没人听说过 “其实我打算等这场战争结束后，就回老家结婚” 的典故么？

最近每天看一集三国演义。发现了第一次看时许多没有发现的细节。
Filestorm原创，后续情节陆续更新，敬请期待。。。

第四集 孟德献刀，结尾处曹操杀吕伯奢全家，陈宫离别，惊现马脚！






十五集 关羽约三事，太医吉平刚刚被曹操斩断十指，但是。。。

工作的幸福来自享受新设备带来的革新。

下了许久狠心，终于搞定了双26显示器。现在终于可以用一眼望不到边来形容我的视窗了。
由于实验室空间有限，双30还是不太现实，稍微有点遗憾。

显示器大了之后带来的第一个问题是鼠标，以前为了精确定位，我的鼠标移动速度慢的惊人。但是面对超视角的大屏幕，一张eXactMat显得有些不够了。不过不怕，Razor鼠标的4000dpi就是在等这一天。

另外的问题包括Acrobat不提供四栏浏览的功能（最多开双栏）。希望在下一个版本中能得到改善。

至于MATLAB，窗口切分功能非常合理，完全定制。于是一扭头就能看见command window, current dir, workspace, profiler, variable explorer，以及两个plot。
再扭回头来则是两个editor。


希望我的CPU们和内存条们，还有我自己，能尽量对得起这俩显示器。

骑奇马，张长弓，琴瑟琵琶，八大王，并肩居头上，单戈独战！
倭委人，袭龙衣，魑魅魍魉，四小鬼，屈膝跪身旁，合手擒拿！

昨晚上朋友给我一个3阶符号矩阵，求最大Singular value的解析解，并分析矩阵里某个变量在这singular value解析解小于1的时候的取值。
听上去不怎么复杂一个问题，三阶符号矩阵，自乘转置，求特征值，开方，再解一个三次方程。

除了两次要解三次方程外，剩下的东西听起来都和我修了四次才过的线性代数的期末考试题目差不多。当然了，给你三次方程的解析解公式，就更像了。

当下请缨，跟同学吹说没问题这种trick在中国天天考。然后开始推，推了一个小时，公式长得已经无法在一张A4纸上写下了——并且推两次出来俩结果（好吧，我真是功底不扎实，随你们便怎么寒碜我……）




绝望之余，抄起MATLAB：
clear
clc
myRange = -3+0.01:0.01:3;
mySingular = zeros(600);
for m = 1:600
    parfor n = 1:600
        a = myRange(m);
        b = myRange(n);
        A = [a 0 -b; 0 a -b; b b 0] ;
        s = svd(A);
        mySingular(m, n) = s(1);
    end
end
mesh(mySingular);


顺便打个已经不算是新闻的广告，MATLAB 2009a的parallel computing toolbox终于支持8核了，内牛满面~~~
30秒之后，茶还没泡好，结果就已经出来了。



这个故事告诉我们，人类比狗熊聪明的地方在善于使用工具。

NB...
还有第二关，在中国的memorial day考。剩下最后一门心理学，问题不大。

要是因为qual挂导致没法念PhD，我就去申请the other institute of technology

刚刚拿到ICCV审稿意见。我以前觉得这会又不是年年开，应该能比CVPR好点吧，但是今年的抽样一下就驱散了我那天真的错觉。

三个审稿人，一人完全服，俩人有意见。说实话我真的是挺好奇，这回憋了一年写出来一篇文章堪称呕血之作，他们能挑出什么骨头。

一篇文章最核心的几个硬指标应该有：宏观观点上的新方向，细节技术上的新突破，甚至benchmark的提升…… 如果拿CNS publication来说，我当然还有很多需要做的工作。可我这回投的是ICCV啊！考虑到会议档次，真的很难想象文章的核心思想及主要结果会被提出什么“意见”。


但是，果然还是有意见。俩人的意见加起来有：
1. 你文章的英语水平不行，hard to read！
2. 你的工作都被别人做过啦！
3. 你的工作和Xiaodi Hou相关！

虽说我对自己文章的文法很自信，但咱毕竟不是native speaker，也许会被土生土长的老美看出来。可是……是最后帮我从头到尾改文法的老板，可是隔三差五在CNS写perspective的主儿啊！！

相反对比一下那俩reviewer写出来的支离破碎的意见，我不得不以小人之心地怀疑这两位应该不是native，并且除了标准computer vision conference junk paper之外，他们应该也没有读过English as a language.



至于第二点，我的体会就像是玩RPG游戏的时候，你在未达成某个条件（比如没有打败某个小怪，或者没有得到某个宝物）的时候去找一个NPC说话，他通常会用一个驴唇不对马嘴的理由拒掉你。而这时候也一样。

第一个人白纸黑字地说，你用A方法做B事情这件事儿，早就被人做过啦！然后扔给我一篇1988年的文献。
如果我有机会rebuttal，我特别想白纸黑字地对他说，首先，我没用A方法，其次，我没做B这个事儿。
合着我文章他压根没看，那么多实验，那么多理论，跟88年的古文一毛钱关系都没有。你怎么能睁着眼睛说瞎话呢？
退一万步，我给你找个理由，我在理论推导中用了一个小概念，也许看上去和88年的那文章有点像，但是那也只不过是“络”和“铬”的关系而已



另外一人还举出Xiaodi Hou以前的某篇文章，说你地工作是这个文章的follow up。这就好像说，在Shannon 1948年之后，任何提及了 概率函数的log期望 的文章，都应该被认为是Shannon工作的follow up。

我心中还暗喜一下，Xiaodi Hou在你心目中地位这么高呢~ 但是作为一个principled scientific researcher，我是绝对不会在没有足够充分理由的情况下，去写一个新的理论。换句话说，如果非要说我的文章是Xiaodi Hou某文章的follow up，那么我这个follow up绝对是充分必要而且有重大意义的。

提到信息论，我还得顺便说一下，其中一个人审稿人竟然还在challenge我信息论的某个公式。这一徒劳的举动一下就暴露了他连熵的定义域都有基本错误——建议重修概率论。






至于文章本身，某个reviewer给了这样一句：
Although the simple code may work, ...

于是我不得不很负责任地指出，这不是MAY work, 是HAS worked!


这样的理由，实在是和“莫须有”颇有几分神似。





也罢。反正我也不需要精忠报CV的这个国。你们一趟浑水爱怎么折腾怎么折腾去吧！

今天上Candes的Convex Optimization，再次领略了让人拍案叫绝的证明，甚爽，（虽然也甚累）

因为证明过于绝妙，以至于一上来，某同学就操着中式英语反对。Candes笑了，说：上我这个课，你们必须先知道axiom 1: Emmanuel (Emmanuel Candes) is always right.

该同学还有疑问，还说，我能证明。
Candes说，证什么？证axiom 1不对么？ Then it's gonna take quite a while...


听到这里，我两行热泪夺眶而出！这实在就是生猛海鲜啊！！！！Candes 你还敢再帅一点么？

可惜我无缘师从于他，这实在是PhD人生的一大遗憾（目前还不好说抱憾终生……）


顺便不得不指出，Stanford实在是太讨厌了。。。

简短截说。感觉很多人都有一个误区，以为模型推导部分越复杂、越华丽、字数越多、公式越厚就越强大。

其实，我们几乎所有对自然企图建模的企图，自打一开始就是错的。但是之所以某些模型被人用了几十年上百年还经久不衰，是因为他们在适用范围内的近似都是合理的。

从Boltzmann到Hodgkin，后人拿起他们的模型，最应该把玩的，不是后验地感叹这些模型如何解决了实际问题，而是仔细体会这些模型的前提假设中所蕴含了何等高超的智慧。



试想一下如果对每一个问题，一上来不管三七二十一先例行公事地把顶层的理论框架按照最“标准”的方式写出来，那就完全是在画地为牢了。可惜不幸的是，部分会议的部分reviewers根本没有这样的觉悟，习惯性地指出“不常见”假设（Gaussian这样的假设虽然可能跟一个具体模型差的驴唇不对马嘴，但是因为大家都在用，所以一般没人challenge）中的特例，是他们义不容辞的责任。

若是长此以往，真的很担心那些以这种方式选出来文章的出版物，会不会死于平庸。


后记，和XL同学聊天，听到一句经典，补在这里：
It's not your algorithms that work, but your hypotheses that work.

复习Qual发现自己optimization不懂的很多，random process不懂的很多，machine learning不懂的很多，biophysics不懂的很多，psychophysics不懂的很多，neural anatomy不懂的很多，neural computation不懂的很多，甚至连做了许多年的老本行的vision，再加上刚啃完的半本Visual Neurosciences，都不敢说自己能有多懂。
以为在experiment oriented lab做计算，能有点不同的视角。但是今天认真读老板的funding proposal才发现，我的视角是老板的真子集，而且局限如此大、思路如此俗，让我看着自己刚刚写好的experiment proposal都后怕——如果真交给老板能让她多失望。

扭头看看周围lab-mates：最次一哥们也有2篇CNS（算PNAS的话三篇）……再扭回头看自己：这么多年在computer vision混下来，说自己的研究做的浑浑噩噩完全不为过。无意找个人比比看谁的研究更加糟糕——至少在科学层面，我最多能用TRIVIAL来形容自己的工作。


无论出于理想还是现实，我都必须更清醒地意识到现在需要的不是赶会议deadline，不是提起鼻子嗅到cv/ml的新趋势，更不是抓着public benchmark来试图证明自己的算法比别人强。现在必须清醒：在这些腐朽的工作上花哪怕一天时间，都是非常耻辱的浪费。

qualification exam.




之前过去的两周绝对是度日如年。希望能够保持。一“年”下来，真能学不少东西。

另外就是Machine learning这块儿以前就不怎么信，现在考试有要求必须认真看。我看得越仔细，就越不信。
看来我果然需要改行了。