现实同算法2014.8.25

其实，我一直都有一个问题，过去人们不能用百度地图的时候，他们是怎么去到一个
陌生的目的地的。即便是有了百度地图，去到一个地方时常都会遇到找不到目的地的
情况，这令人很尴尬，还累，觉得自己很蠢，我决定不再让自己觉得蠢了。为什么这
么说，因为经常性的情况是，我从几个地方得到去目的地的方式，百度地图的，Google
地图的，还有目的地的文字描述，再加上看现实场景()中的交通标示，有时候会觉
得一时之间大脑不够用，几个信息相互矛盾了，无所适从了。这时候真是感觉没法
利用全信息的东西仔细推演一下，自己在向东，向西，还是拐进某个小巷子，真是。
接下去，蠢事情就发生了——方向走反了，然后报复性的长路慢慢。那你不会打个车么
600米的距离，百度不建议打车！！其实问题的根源是什么，就是顺序错了，顺序错意
味时间、能量的浪费。进一步的其实，其实我现在也没法估计，如果我能把下了地铁去目的地识别路径的方法做成一个能
解的问题花费的问题用的脑力能比我浪费的走路浪费掉的能量多么。这其实不是重点，重点是时间上的浪费，如果我的目
的是一个拍卖场，那么，要想得到某件拍卖物就得花费更多金钱了，可是，这时候你一定会反驳，如果你是去一个拍卖场，
那么，呵呵，其实你就不要坐地铁了吧。好吧，要求一个人必须坐地铁去目的地而且不迟到，毕竟这是一个范围比较广的
问题。人们研究算法的一个动力在于，算法里面凝聚了关于某种最优的一般过程，有智慧成果在里面的。

数学结果同算法以及探索世界的两种方式2014.9.3

最近了解了一点机器学习和数理统计中的方法，发现所谓的方法背后往往是有一个严格的定理，所以在工业界，人们有可能
只要懂得那个方法并且使用它就足够，对于他们来讲可能就足够，看斯坦福大学讲机器学习那个老师对于同学提出的方法适
用范围的问题挺含糊的。我的想法是，要想做出有价值并且有创建的结果，前面叙述的做法不够，我希望自己能做到更多。
我可以举几个例子，数理统计中的矩法估计背后保证期有效的是辛钦大数定理，极大似然估计法背后保证其有效的是“小概率
事件比较不容易观测到”这个定理，蒙特卡洛方法背后保证期有效的也是大数定理。机器学习中的牛顿算法也是。而且我发现
大部分的这种定理都是从有理数领域向无理数领域推广的定理，足见这个认识对于人们生活的影响。这当然同时给了我一种
研究算法的好思路，即每个算法背后的定理是如何支撑这个算法。当然在现实的工业界有人会使用一些非证明的算法，他们
告诉我“它们跑的好好的。”对于这个事情，我想说的是，若它真的有效，背后的原理肯定存在，还没描述出来罢了。同时我
也很赞赏这种以探索获取知识的方式，稍微有点明白刘鹏老师讲的exploit是什么意思了。其实，就是两种探索世界的方式。
它们是可以一一呼应的，真是神奇，用惯了某种方式的人也不要去贬低习惯用另外一种方式的人。觉得自己的文字熠熠生辉。