高中生都在研究神經網路，我這個老師力不從心了

賈浩楠 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

「現在的高中生不講5的，來搶研究生的機器學習專案。」

昨天，一位美國高中老師的求助貼在Reddit火了。

他的一個學生正在開展有關機器學習的專案，並向他尋求幫助。

但這完全超出他的能力範圍，因此，這位老師希望AI專業人士能給予這個孩子一些指導。

而看過這位高中生的部落格後，不少網友都大讚他是「天才中學生」。

甚至有人高呼他的研究比不少研究生還強，未來不可限量……

美國高中生，把AI研究到什麼地步，能獲得「天才」的讚譽？

美國高中生の野望

這位名為Isaac Krementsov的高中生，就讀於美國弗蒙特州Champlain Valley Union High School，是該州排名靠前的公立高中。

Isaac目前讀12年級，相當於我國的高三。

今年9月，Isaac首次開始了自己關於機器學習的研究專案，並開了專門的部落格記錄研究筆記。

3個月來，他已經積累了數萬字的筆記，由淺入深，邏輯連貫，從最初的立項、研究目的，到所遇問題、尋求專業解答等等過程都詳細記錄。

從專案的規範程度和整體框架來看，Isaac的機器學習專案確實搞得有聲有色，他的投入、認真，以及撰文的思路，超過了普通高中生。

Reddit上有人稱讚他的撰文基本功甚至已經超過了不少研究生。

但是，文風再好，框架再清晰也無法說明研究本身的價值。

Isaac到底搞了什麼專案呢？

按照他第一篇立項博文中的說明，他在做的是使用AI對真實世界的運動物體，進行藝術化處理再現，由此討論AI的創作能否被稱為藝術。

簡單的說，就是實現影片的風格遷移。

為了達到這個目的，Isaac計劃使用3個不同的演算法。

第一個是模擬時序性物理過程（水流、彈道等）的機器學習演算法，其中物理過程由微分方程建模。

第二個演算法是動畫演算法，用來處理運動時的光影效果。

第三是藝術風格演算法，用來給結果做風格遷移。

由此，他給出了最終程式的架構圖：

以上哪一項工作都不簡單，涉及到微積分、計算機圖形學、流體力學等等課程，還要有相當紮實的計算機基礎和程式設計經驗，難以想象高中生能完全掌握這些技能。

從Isaac的敘述來看，他的確有一定的高數和計算機基礎，比如，他知道使用快速傅立葉變換來求解微分方程。

但在用演算法實現時卻遇到困難，直到他發現了SciPy裡的FFT軟體包。

而對於程式設計，Isaac能夠掌握最基本的技巧。

但是，複雜的CNN、GAN演算法原理，對於高中生來說還是超綱了。

到目前為止，他上手的演算法，無論是CNN還是GAN，都是來自TensorFlow的免費教程，Isaac的工作，主要是透過實測效果和走訪高校研究人員來弄懂演算法的框架和功能模組。

至於神經網路的數學原理和構建方法，以及如何訓練，Isaac，他都不太瞭解。

比如，他曾經為收集模型訓練資料而發愁，直到大學研究員告訴他Kaggle上有許多可用資料集，並且建議他使用谷歌Colab，而不是用自己的筆記本來訓練模型。

真的是「天才」嗎？

相信說到這裡大家也能明白，所謂「天才高中生」，其實是誇張了。

提出的研究目標很宏大，涉及知識面很廣，要完成這項研究的工作量，可能需要一個小組成員的努力。

但是，他本身卻缺乏相關紮實的專業知識，甚至機器學習領域的一些基本常識還不甚清楚，一次上手這麼大的專案，有些力不從心。

這也是Isaac最近的一篇部落格（12月4日）仍然在熟悉GAN的基本訓練方法的原因。

在這篇博文中，他發現了GAN在處理大畫素影象時生成器的崩潰問題，提出借鑑英偉達的方案，將風格對映網路加入GAN來解決這個問題。

對於底層原理之上的框架部分，Isaac下了巨大的功夫，理解也比較準確。甚至能自行對神經網路進行輕度最佳化。

相比他的研究成果和進展，網友稱讚的，更多是Isaac本人認真嚴謹的態度，以及能從現象中提出問題，並努力尋找解決方案的探索精神。

冷靜的聲音

Isaac的老師在釋出的帖子中說，他毫不懷疑他以後能在這條道路上取得成就。

但他卻無法解答Isaac現在的提出的問題，擔心無法指引他的前進方向。

除了Isaac在評論區贏得一片讚美，還有很多人羨慕他有這樣一個關心學生的好老師。

但也有人對發帖本身提出了質疑，他認為發帖引導過多讚譽和關注，對於學生是不利的，鼓勵年輕人追求興趣要注意一下分寸。

即使是絕地武士，也是有規則和約束的。

而對於這位老師的擔心，有網友勸導：

相比過度的擔心，不如讓學生自己去探索感興趣的課題，遇到挫折也不用緊張。老師沒有必要樹立「正確」的路徑來引導學生。

這位所謂美國「天才」中學生，他的做法值得提倡嗎？