Adam优化器发明人炮轰统计学一张图引发的跨学科论战

这次是因为一张统计学流程图。

深度学习大佬、Adam优化器发明人之一的 David Pfau 在社交平台上 火力全开 ，直言：

每当有人说"统计学和机器学习是一回事"时，你就该知道， 机器学习圈里没一个人懂（或在乎）这些东西 。

这张图是由Lennart Nacke 教授 分享的 统计检验选择流程图 。看上去很专业，但在David眼里，这玩意儿跟机器学习 八竿子打不着 。

David接着火力全开：

是的，很多ML圈的人对频率派假设检验有所了解。但这些玩意儿在大多数ML研究中 根本没啥用 。

与此同时，如果你上医学院或者学社会科学，上统计课时可能就是学这种东西——一个 干巴巴的流程图 ，告诉你该把数据塞进哪个公式才能发表论文。

这话说的，统计学家们可能要不乐意了。

不过David似乎觉得自己说得有点过，又补充道：

我不知道为啥要为自己辩护，但好吧。当有人把我的话理解得太字面时，我还是得解释一下。

虽然是解释，但这话听着似乎有点口是心非的味道啊。。。

正当David喋喋不休之际，另一位机器学习大佬 Durk Kingma 突然杀出重围！

这位VAE（变分自编码器）的发明人，不紧不慢地甩出一份PDF：

抱歉打扰了……

http://dpkingma.com/files/statistical_tests.pdf

Durk 可能是想提醒David： 兄弟，咱机器学习圈也不是对统计一窍不通啊！

有细心的网友发现，Durk这份PDF可有来头。它竟是他在 Google Brain 实习期间整理的笔记！看来AI实验室并没完全抛弃统计学嘛。

不过话说回来，David的观点也不无道理。现代机器学习，尤其是深度学习，确实已经和传统统计学 渐行渐远 。

像有网友调侃的：

ML：我们有神经网络！

统计学：我们有p值……

当然，这场"口水战"远未结束。有统计学家反驳说： 没有统计基础，你们的模型就是个黑盒子。 别忘了， 可解释性 可是AI的一大难题！

而ML阵营也不甘示弱： talking不如showing，我们的模型能用就行。再说了，人脑不也是个黑盒子吗？

学科之间的鸿沟，有时比想象中更深。

不过话说回来， 统计学和机器学习真的是水火不容吗？

其实不然。

正如一位资深数据科学家所言：

统计学注重 推断 ，机器学习专注 预测 。两者是互补的关系，而非对立。

在现实世界中，我们既需要对数据进行严谨的统计分析，也离不开机器学习模型的强大预测能力。

相比争论谁更重要，更应该的是思考如何将两者的优势结合起来，这才是进步的正确姿势。

David 最后说道：

当ML圈外的人听到"ML只是花哨的统计学"时，他们可能会联想到原帖中的图片。不， 基本上不是这样的 。