学习中的美与丑，难和易

儿子在学人工智能，机器学习。聊天中，儿子表现出对机器学习的抱怨，因为这些理论过于复杂，模型参数过于繁杂，内部机制糊里糊涂，总之缺乏美感，直接说，就是太丑了。

我问：那么什么是美呢？
儿子：欧拉方程那样的。真正有价值的理论一定是美的，简洁明了的。

我：好吧，莱布尼茨计算 π 的公式很简洁，美不美？
儿子：美

我：那么这个呢，我找了个复杂的公式写下：这个呢？

儿子：看上去不美，但是可能很有用

我：这个才是计算机语言stdlib里计算 π 的Chudnovsky公式，因为它最精确，最有效，

简洁明了的莱布尼茨公式，计算100项，才能精确到 π 小数点后第2位，而Chudnovsky公式仅仅1项，就达到 小数点后 第14位。收敛速度 是否有效才是最重要的。美不美只是副产品。

对称很美，但是宇称不是永远守恒的，对称的破缺，破坏了美了吗？刚开始确实是这样，像费曼这样的天才都打死也不相信。但后来发现 PCT 还是守恒的，美，上升到了一个新的高度。

当Ramanujan把他的公式

Hardy看到的时候，大数学家 Hardy直接斥之为骗子，因为Hardy觉得这个公式太丑了。

机器学习理论的美，正是这种 Ramanujan的美，其美，不在公式本身的简洁 对称 优雅 和规律，而美在强有力的实用性，美在强大的表达能力，美在解决问题的能力，美在将抽象的概念转化为现实的能力。随着机器学习理论的不断完善，其美也会随之呈现出 庐山真美，机器学习的模型将会更加精巧，内部机制将会逐渐清晰。

儿子：美的理论学起来，赏心悦目容易学，丑的理论学起来，拉郎配的感觉
我：美在于发现，懒惰的人配不上美女，而勤奋的人，可以在麻风女脸上的每一个麻坑里发现美丽。

抛砖引玉，欢迎各位批评指正，共同探讨学习中的美与丑，难和易