火花访谈｜用“神经网络”帮你进行分钟级别天气预报

本期火花访谈我们有幸邀请到苑明理老师，向大家分享了他的学术观点和研究动向。

// 嘉宾简介

苑明理：

彩云天气联合创始人，瓦克星计划发起人，维基百科中文版的第一位中文用户和管理员。

2002 年 10 月，苑明理通过 google 在网上找到了一个非常适合做笔记的网站，于是和一个新加坡朋友共同做了该网站的汉化，写下了第一个条目，成为中文 Wiki 的一个里程碑事件。

16 年受刘慈欣科幻《山》、《三体》的影响，苑明理萌发创建一个虚拟星球——瓦克星的念头。用计算机模拟出来一个星系，上面有两个太阳，以及一个行星和一个恒星的双星系统，运用物理、数学和计算机知识，花了几个月的时间在上面模拟出了大气运动、山川和海洋，并且进一步模拟出了生物环境。

问：

您之前为什么要做彩云？？

答：

当初加入彩云对我来说，其实是事出于偶然。当时一方面，我对原来的工作有一些地方不太满意；另一方面我也觉得，像机器学习和深度学习将会成为未来的趋势。所以就选择加入了这个团队，成为最早的几个成员。

问：

当时为什么选择从天气预测开始，而不是其它的应用场景呢？

答：

一方面，公司创始人袁行远之前是个气象爱好者。在美国，龙卷风可以提前五到十分钟来预测。但目前在国内，如果想精准预测分钟级别的降雨状况，其实是比较困难的，所以我们希望做出来这么一个 app。

另一方面，在机器学习的过程中，标注的工作量非常大，并且成本往往很高。但是对于天气预测来说，它的数据其实是自标注的，这样的话成本就会相对低一些。

问：

** 彩云科技从一开始做天气精准预测，到现在开始做翻译，跨度还挺大的。所以彩云其实是做深度学习在不同的场景下的应用吗？**

答：

对，深度学习是我们从一开始就坚持的方向。我们并不觉得自己是天气预测公司，也不认为自己是机器翻译公司，我们的定位是人工智能。而且我们相信，未来很有很可能出现强人工智能，那种和人类智力持平，甚至超越人类智力的人工智能，都是能造出来的。

问：

如果以后想要出现超人工智能，那您觉得神经网络和深度学习的能力需要到达什么样的程度？

答：

这其实是在问一个学习算法它的极限在哪里，这个问题并不好回答。拿深度学习举例，目前还存在不少问题制约它的发展：一是机器学到的东西人类并不好理解，可解释性差；二是如果机器想要很好地解决一个问题，你要给一个比较合适的网络架构，要不然机器学起来可能要用非常长的时间。

所以我觉得，一方面神经网络这套技术并不是万能的，它还是有一定的局限；另一方面就是刚才提到的，一个学习算法的上限在哪里？目前学界好像对这些问题并不太感兴趣，因为大家更关心的是怎么去解决具体的问题。而对于一个抽象理论的上限，其实很少人在关注，这是我自己也觉得挺奇怪的一个事情。

问：

** 怎么样去找合适的网络架构呢？

答：

目前有一些基本的思路，比如说已经出现的 Convolutional Neural
Networks （卷积神经网络），它其实考虑的是一个空间的不变性。对于这一类的数据，你需要尽可能的把握它内在的对称性，然后根据对称性设计一个相应的网络架构。

问：

在您研究过程中，会不会出现之前不同领域的知识相互融汇或相互促进的情况？

答：

当然会，有些领域的知识是会相互融汇的。比如说我们一开始做深度学习的时候，都是用 Convolution 这种深度学习的思路来做的，但是我明显感觉到，像下雨这一类的问题，其实跟物理有很深的关系，所以物理和深度学习就有可能有结合。实际上现在也可以看到，深度学习正在发展的一个趋势，就是怎么把物理的先验更好的加到网络架构里，这就需要把两方面的知识交融起来。

这是从物理去帮助机器学习来讲，但另外一方面也可能是机器学习去帮助物理或者是帮助天气。比如说我们是否可以超出传统微分小步迭代的框架，直接去考察大步长现象变化之间的联系，或者反过来从机器学习的角度重新思考原来物理里面的一些思路和方法，这两方面其实都是能相互促进的。

问：

集智俱乐部目前是从复杂系统这种角度，然后用计算机的一些技术方法论去研究社会科学吗？

答：

不止这些，社会科学只是其中的一个研究方向，里面也有很多人在研究一些更深的问题。比如说有的人对生命起源感兴趣，有的人对宇宙的奥秘，终极的奥秘感兴趣，会探讨量子和相对论怎么结合等等这样一些问题。

问：

您可以描述一下当初做的瓦克星项目吗？

答：

这是我大概在二零零几年的时候，开始创建的一个教育性项目。我当初想制造一个不一样的环境，然后通过这个环境，让大家去重新反思我们日常里学习到的那些概念：是和以前的类似，还是稍微有点变化？如果发生变化，这时候就迫使你重新思考你学到的那些概念。在这个过程中，你肯定会加深对原来那些概念的理解，我希望用这样一种方法去建造一个虚拟世界。

问：

可以用电脑模拟出来瓦克星的演化规律吗？之后是否可以演化出生命？

答：

可以。我侧重是把数理的基本原理跟电脑的模拟结合在一起，再结合数理的一些原理来设计这个东西。

至于是否可以演化出生命，我觉得某种程度上并不是你演化出生命，而是你设计出生命。在生物学和数学的交叉边缘，是有一类话题探讨这些问题的。比如说植物的形态：它未来长什么样的树枝，长什么样的叶子，长什么样的花，都有一些公式来刻画。

其实现在有很多人在研究这些问题，也有不少研究成果，只是可能相对比较小众，知道的人并没有那么多。所以我希望把这些知识重新整理一下，设计出一个系统，然后让大家学到这些东西。

问：

您觉得未来会怎么样？或者在概率轴上它会怎么样分布？

答：

这可能是个挺不好回答的问题，因为从经济学你可以发现，人们对未来的估计大概率上都是不成功的。相反那些一开始就不被看好的企业，最后获得了成功，很多都是这样的，尤其是科技发展这一方面。

问：

** 对您影响最大的一本书是什么？**

答：

《战争与和平》。这是一个本非常老的小说，但在我上初中和高中的时候，读了好多遍，对我影响还是蛮大的。这本书会引起你对人本身的关注，现在有很多人都在讲技术的发展和革新，这些可能固然重要，但其实我们也要适当的回头反思，技术给我们人类造成什么样的影响。它是增加了人类的福祉，还是恰恰相反？其实这是非常值得探索的。

问：

如果新的科技发展并不一定能给人类带来福祉，那科技演化的基本规律到底是什么呢？

答：

我觉得人类科技的进化，特别是最近几百年，很大程度上是从人类认知大自然的角度来进行的。随着人类对大自然有了一个更深刻的认识，才激发人类能力的不断提升。科技进步确实不一定会导致人类福祉的增加，有些时候可能还会给世界带来一些非常危险的事情，比如说核能的发现最后导致了大量核武器的出现。

写在后面

X-Order 是一家致力于发现拓展秩序的初创企业，希望利用机器学习、区块链和通证经济，让微小的创新都可以被世界发现。

如果你也对密码学，分布式系统，机器学习以及计算经济学感兴趣，欢迎加入我们的社群，一起进行交流探讨（小助手微信：DaiGuanXorder ）。

如果你脑洞大，热爱实践反思，喜欢折腾，我们也很乐意和你交个朋友。

X-order Lab 渴望有想法的你，带上好奇心加入我们。

更多关于 X-Order 的信息

微信公众号：代观

官网：http://xorder.ai/

Medium：https://medium.com/@xorder

X-Order

找寻有想法的你