由 machine learning 到 human learning，再看國內音響討論區

上個月 Google 的學者來系上演講，題目很有趣，講 machine learning 技術如何影響了 human learning，再如何影響了 human innovation。

講者用幾個 machine learning 的要訣來類比 human learning，非常有趣，也與我學習 machine learning 之後的感想不謀而合：

1. Good training instance
Machine learning 要有好的 training data；人類需要好的教材。

2. Diverse traning instance
Training instance 要多、要雜，才能讓 machine 處理廣泛多元的 input instance；人類也需要從各種角度、各種來源的教材取得全面性的知識。一家之詞，重覆的訓練，只能增進的速度，卻不能啟發創造力。

3. Do not overfitting
Machine 要預測的是未知的 input instance，過度逼近 training instance，往往變得鑽牛角尖，不知變通。對人類來說，讀死書，對知識過度詮釋，也會變成不知變通，不能舉一反三，無法適應未知的狀況。

4. Balance exploring and exploiting
不能只從正面的教材學習，也要有負面的教材來作比較。經過正面、負面的交互比對，才能學會辨別對與錯之間的界線。

第四項，恰好讓我想到國內的音響論壇。MyAV 這等大型論壇上，遍佈似事而非的言論，各種武斷不堪一擊的論述，正好是最佳的反面教材，處處發人省思。

然而，國內的 DIY 論壇卻又不如 MyAV 了。MyAV 的論述是反面教材，DIY 論壇卻連論述也沒有，只有「聽感由人」這種不敢為自己品味負責的囈語。前面四項 human learning 的訣竅，台灣的 DIY 論壇一項也不具備。缺乏良好的教材，台灣的 DIYer 假如不從國外論壇吸收知識，不接觸第三方的資訊，單憑 DIY 討論區想學到些本事或眼光，無異緣木求魚。