漂亮的皮囊与有趣的灵魂——论游泳健身与人工智能的共性（上）

原题目：标致 的皮郛与有趣 的魂灵——论泅水健身与人工智能 的共性| 腾研识者

编者案

作为一个酷爱健身也酷爱AI 的家伙，看到如许一篇正(da)本(kai)清(nao)源(dong) 的稿件，我无疑是兴奋 的。一向但愿能有融汇贯通 的跨界稿件呈现。不外因为专业所限，跨界可能都是附近 的范畴产生，像Ai和健身如斯风马不接 的二者，本期腾研识者火雪挺可以或许经由过程本身 的理解消化，将两者 的内核解读给公共实属不容易。

本文从认知-打算-练习-恢复-轮回迭代-验证-连结-向往等方面找到了练习AI与熬炼身体之间 的方式论共性，正如作者所言，可以帮忙你在健身房侃侃AI，也能够在敲代码时秀秀肌肉。

作者 | 火雪挺 腾讯CSIG资深架构师

常识 的教授历来不是一件简单 的工作，特殊是向初学者、行外人进行传道授业解惑，必需深切浅出。教育是指导，我们中国人常说“开而不达”，意思就是要开启一小我，而不是帮他到达，是激起他对某一件 的爱好、或是对将来 的抱负，然后鼓励他以行之有用 的方式去告竣本身 的方针。是以作为在健身和人工智能范畴都略有常识与经验 的我来讲，认为有需要与大师分享一下本身 的一些小看法，帮忙你在健身房可以和他人谈AI，也能够在敲代码 的时辰和他人聊健身。正如我之前所说，开而不达，但愿这篇文章可以帮忙有需要 的人开启各自对分歧范畴新 的认知。

在最先之前，先对名词做一下需要 的注释。这篇文章中 的“健身”首要是以健体活动(bodybuilding)为主，而拿来与健身作为比力 的，是AI范畴中 的机械进修部门，包罗了传统 的统计机械进修与深度进修、强化进修、迁徙进修等等。

固然机械进修不是AI完全问题，就似乎撸铁并不是等在健身 的全数一样，但这其实不故障我们井蛙之见。

既然会商两件事物 的相干性，那末一定它们需要有必然 的内涵联系，不严谨地总结来讲，二者几近有类似 的步调：进修-打算-练习-恢复-轮回迭代-验证-连结-向往明天。

进修之初：根基认知

俗语说“健身先健脑”，即使你可以凭一腔热血最先跑步、俯卧撑、仰卧起坐，可以很有豪情 的最先、也会以年夜吃一顿竣事。但是没有根本常识或健身常识，你所做 的尽力虽然并不是白搭，但必然是以事倍功半 的体例，说不定增肌酿成了增肥、减肥减失落了“年夜阿姨”，到头来还会破坏膝盖、颈椎，乃至是腰椎。

就像AI 的机械进修一样，年夜可以网上先找一段python代码或预练习好 的模子本身捣鼓一番，除有可能增添进修爱好以外，并没有太年夜 的用途，有可能还会让人发生已取得常识 的错觉。

AI是一门科学，健身也是一门科学，在没有进修其理论常识并作思惟预备之前，盲目标投入极有可能在以后碰到挫折时令人快速地抛却，由于你不知道问题出在了哪里，乃至还会带来活动危险、对新事物 的挫折感和对进修和糊口 的疲倦。

可能话说得有些严重，但进修根本常识 的进程是需要 的。例如对健身来讲，你要知道分类 的方式有良多，取决在你 的目标是甚么。有有氧活动和无氧活动，有器械熬炼和非器械熬炼，有局部熬炼和组合熬炼，有增肌、塑性、减脂、连结之分，也有年夜重量、长距离与小重量、短距离之分，肌肉 的熬炼乃至还分气力、围度、耐力等分歧 的熬炼体例。以增肌为例，肌肉不是在熬炼 的进程中发展 的。熬炼 的进程只是负责将肌纤维扯破，以供给肌肉发展 的空间，并发生需要 的发展素，活动后经由过程准确 的饮食来弥补需要 的碳水、卵白质与脂肪来弥补肌肉发展需要 的营养，共同以足够 的睡眠来供给肌肉发展所需 的时候。所以大师常说，健身这件事，三分练、七分吃、还九十分靠睡。

反过来对进修AI 的人士来讲，我们起首要清晰今朝时期 的手艺所培养 的AI不是全能 的，乃至可以说是相当“低智” 的。机械进修 的方式作为AI范畴成长最快 的手艺之一，它教会机械 的并不是自我思虑而是绝对 的遵从与履行，构建 的机械进修模子只是依照人类“投喂”给它 的数据，不需要特殊 的法式编写，便可以自我进修到一种特定模式辨认 的能力。这类模式可所以识猫、识狗、识人，乃至是看图措辞、看图讲故事、即兴写诗等，但这一切都不代表今天 的机械具有了自我思虑 的能力、具有了自我必定或否认 的高阶思惟、更不代表TA们发生了自我意识，并且，在未来很长一段时候内不会具有。

今天 的AI，不严谨 的说是一种摹拟与模拟智能，是尽可能学着“拷贝不走样”，固然年夜大都时辰以今天在财产界 的利用来讲，想“不走样”也是很难 的，是以我们在斟酌和设计一个AI能力或测验考试用机械进修手艺去解决一个困难时，起首要斟酌 的不是用甚么算法或模子，而是这个问题有无解，假如对人来讲也是无解 的问题，那末在这个时期就不克不及奢望AI可以取代。但就算在这个阶段还相当 的“低智”，AI已现实帮忙人类在良多财产利用上年夜幅度 的降本增效、开花成果，例如人脸辨认之在安防、车辆辨认之在交通，语音语义之在客服，AI乃至还可以庇护情况、庇护动物、庇护驾驶员削减交通变乱，并且以一种极有用率 的体例，乃至已有相干 的岗亭由于AI 的呈现与能力 的成熟不能不打消，这仿佛是前进 的革命对旧世界带来 的一种必定。

制订打算：认清方针

在进修了两门学科 的根本常识以后，就是制订打算了。

对健身来讲，要明白本身活动 的方针，是增肌、塑性、连结仍是减脂。假如是增肌，还要分是气力型 的仍是健美型 的。这二者 的共性是要包管天天摄取 的卡路里热量要年夜在耗损 的，即造成热量红利。假如是气力型 的，可能要选择年夜重量、长间隙、少组数 的体例进行熬炼；假如是健美型 的，可能要选择渐进年夜重量、中等间隙、多组数 的体例进行熬炼，延续不竭对肌肉进行较高强度 的刺激；假如是耐力性 的，例如长跑、长距离泅水等，则可能要选择中等重量、短间隙、多组数 的体例来对熬炼肌肉耐力。接下去是若何设计练习时候与部位，凡是以周为单元。假如一周内一个部位只熬炼一次，可能没法造成足够 的刺激与发展，致使下一周 的活动程度没法快速地增加，通俗来讲就是练得不敷；假如统一个部位熬炼 的次数过量，距离上一次熬炼 的时候过近，则身体不克不及很好 的恢复，处在持久疲惫 的状况，没法生成足够 的发展激素还可能在疲惫 的状况下由于盲目地上重量致使活动危险。一旦呈现了毁伤，你掉去 的可能就不是一两天 的熬炼日了，这也是健身人士最不肯看到 的，凡是我们叫熬炼过度。不外你只要没有举铁举到吐 的履历，一般通俗人不消担忧活动过度，反而熬炼不足是经常产生在我们具有固执惰性 的通俗人身上 的工作。还好在健身这件事上，我们有年夜量 的“先验经验”可供参考。例若有人喜好胸背腿+有氧四天一轮回，也有人喜好胸背腿肩+手臂 的五天一轮回，在天天 的熬炼中加上焦点活动、小肌群熬炼与高强度短间隙 的有氧活动。

这些都和你 的健身方针有关，也因人 的接管水平分歧而分歧，并且也不是死端方。犹如吃药，人 的身体有耐药性一样 的，熬炼 的时候长了，身体对熬炼 的重量、时候、体例发生了习惯，活动结果就会进入所谓 的“平台期”，这个时辰就需要加年夜重量、削减歇息时候或改换分歧 的动作、活动打算来打破身体 的惯性、打破“平台期”。是以，健身 的打算也是一门学问。

对AI范畴来讲，打算阶段凡是是决议性 的。

起首明白AI需要告竣 的方针是甚么，为了告竣方针 的进程是不是是可解 的，肯定是一个分类问题、回归问题、搜刮问题仍是聚类或其他问题，这决议了以后AI手艺 的选择。例如假如是传统 的机械进修，起首可以肯定 的是利用模子 的种类，分类模子如决议计划树、随机丛林、GBDT，回归模子如线性可分问题 的线性回归、逻辑回首等，还很多聚类模子。

其次长短常很是主要 的特点工程打算，由于分歧 的模子对特点工程 的要求也纷歧样。特点工程凡是包罗特点构建、特点提取、特点选择。例如我们此刻有一个猜测客户采办行动 的AI方针，起首可以认为这是一个分类问题，最后输出 的成果不过是这个客户会买或不会买 的零和成果。在这个命题下，特点构建就是构建犹如性别、春秋段、教育布景、资产程度等与这个客户相干 的特点；特点提取就是为了让这些特点对终究分类 的成果有更好、更直不雅 的进献，把根本特点提取为组合 的特点，例如年夜龄青年、钻石王老5、年青有为等；有时辰你会发现可以描写一小我 的特点特殊多，但不是每一个人 的生命都是那末出色，这就造成了特点空间 的稀少性，对模子分类 的成果与结果都晦气，这个时辰就需要特点选择 的进程来机械挑选一些真正对成果有帮忙 的特点，像“上茅厕是不是刷抖音”这类特点对这小我是不是会采办地铁上盖 的房子可能一点关系都没有，理应去失落，所以凡是操纵特点对成果 的相干性进行特点 的选择。在之前 的机械进修范畴，普遍风行 的一句话是“数据和特点决议了模子 的上限，而模子、算法与参数等只是帮忙迫近这个上限罢了”，可见特点工程 的主要水平了。

不外当前是深度进修，或说是深度神经收集算法 的时期，DNN对特点工程并没有很是高 的要求，并且DNN 的专业人员其斟酌问题 的方式、设计方案 的体例也会与传统 的攻城狮、法式猿很是分歧。他们斟酌 的履行打算不会跳出DNN 的框架，是CNN问题，仍是RNN问题，用几层DNN，CNN/RNN是不是要变种，输入是甚么，输出又在哪一层上，是不是要拼接多个DNN来完成使命等，例如在语音辨认手艺中关在语音特点提取 的部门，就会有利用CNN+LSTM+DNN 的体例，比来火热 的Google BERT，还各类成熟 的RNN、Attention机制帮忙我们处置各类各样 的问题，固然要想结果好，在现实利用傍边还需要我们本身脱手去做调剂与优化。

是以健身与AI都需要进行打算，制订步履方针、设计具体方案。

根本举措措施

健身 的初学者可以足不出户便可以体验到熬炼 的乐趣，移动互联网时期随着手机APP便可以做些有氧和无重器械 的无氧活动，好比Keep，固然还可以选择像瑜伽垫、瑞士球、小重量哑铃、弹力带等在家便可以利用 的轻器械。

有前提 的人士可以选择健身房，健身房里 的器械周全：固定器械可以有用为没法找准发力部位或姿式不不变 的人士供给高效 的局部健体、做到更有用 的颠峰缩短，自由活动区 的杠铃、哑铃、牧师椅、史姑娘机等也会涵盖较广 的健身姿式和动作，更不说有氧区常见得跑步机、椭圆机、爬山机、荡舟机等，是年夜大都减脂女生 的首选。更有前提 的可以去更专业 的健体房，请私家锻练，上团操课、健美课和所谓 的拉伸课等。

和健身一样，AI范畴 的根本举措措施已很完美，不需要反复造轮子。

在AI范畴此刻除初学者随着教材会写一些根本 的算法代码外，很少开辟者会从底层功能从头做起，凡是会在经常使用 的资本库里面选用适合 的已成型 的代码进行上层利用，例如skicit-learn、Spark ML等，或针对成熟 的算法架构进行有针对性 的改良，例如集成进修、增添埋没层、改换损掉函数/鼓励函数、调剂参数、重构softmax等。一种经常使用 的更有用率 的做法就是利用算法框架，例如tensorflow、caffe、digits、PyTTorch等，可使AI模子 的构建很是有用率，在调剂层也不是从头手写，而是操纵K8S、基在yarn 的Gaia等调剂东西。对初学者有前提 的可以去各类AI进修类平台进修MOOC 的课程，例如Udacity、Coursera等，费用也是上千乃至上万，可不比几年 的健身卡廉价。

在说说实操中 的机械进修、特殊是深度神经收集 的模子练习，异常花费计较资本，没有几块、几十块GPU显卡良多时辰是弄不定海量数据 的，这也是深度进修 的特点，它不像传统机械进修需要年夜量 的特点工程，特殊是免除了手动特点提取 的麻烦，是答应机械进修利用特点 的同时，也进修若何提取特点，换句话说，是教机械进修若何进修。而GPU显卡此刻 的市场价钱，那就堪比健身房里 的1对1私教课程。

欲先攻其事必先利其器，针对分歧 的目标、分歧 的起步与分歧 的情况前提，健身与AI一样，都要选择合适本身 的“根本举措措施”。

我都雅吗？