要说在北京扔一块石头就能砸到一处长，那在华大扔石头应该就可以找到一个能和你讨论机器学习（machine learning ）的人。
可不，工业界有需求，在学界自然就火呀。机器学习是什么呀？谷歌百度一下呗——要非得在这里很不权威的简单地说，就是通过各式各样的算法指导机器（计算机）利用大数据不断地“训练”模型，使之可以小误差地对新的情境做出模拟预测甚至交互。比如那个能和我们对话的Siri（苹果手机的语音识别系统），她是越来越”聪明“了吧？——进行机器学习了呗；再比如亚马逊开的那家实体书店里该摆些什么书，按什么顺序摆，是正着摆在橱窗？平放在店门口的展台？还是直接按类别侧立于书架？……都是机器学习给”算“出来的。还有那个AlphaGo，经过左右互博数千万局的“训练”，最终机器靠着经验值打败了棋手李世石。
… …
机器学习进而人工智能的一路高歌突飞猛进，让能够执行各种任务的软件系统硬件设备和机器人，从日常起居到工业生产甚至到看起来极需要主观思考的艺术创作，都事无巨细地“服务”人类。而作为被服务的对象，我感叹“it’s amazing”的同时，却还是在心底升起了一种“还有什么是机器取代不了的” 紧迫感和被操控感。的确，机器在初始阶段的确需要人赋之以算法和数据进行训练，但所需要的只是“少数”的人哦，况且随后机器就能高效地“自我训练”，进而掌握各个领域的工作模式。于是机器带来便捷和高效，带来现代感和科技感。可是会不会有一天，我们大多数人都被机器认为太傻太低能太偏离最优值而被机器所抛弃了呢？
我知道这种想法既无新意又显得庸人自扰，还可以被诟病为“黑”科技的成词滥调，可心中的不安和疑惑又实在难以消解，于是就打算去扔块石头找个人来讨论一番机器学习——于是，找来一位小姐姐，听她从神经网络讲到深度学习，听得云里雾里，直到后来只是听见她在不断地重复着“train my model，train my model……”
Train my model? Train my mind！既然机器学习是在不断地“训练”模型，通过不断地试错降低误差，那人本身呢？当带着非常理想化的主观世界在现实世界里行动，因为主观预期和客观情境的各种“不拟合”，我们的思维确实也可以看作是在经历一次一次失败-修正-再失败-再修正的训练。如果说真的要为“机器无法取代人”的信念找佐证，那么“人本身也在不断地进行自我训练”就是最直接的一点。尽管在个体训练量上永远无法赶上机器，但对于那来自祖先的，经过数千万年自然选择保存下来的学习能力的信心，还是要有的。而之所以在不断的失败和犯错之后还要学习，大概也就是害怕哪天真的沦为一个完全能被机器取代的物体，无法有尊严地老去了。
… …
我回过神来，被石头砸到的姐姐也终于讲完了她的机器学习模型。于是我最后问了一句她是不是也会在做数学证明、设计程序代码或者写论文的时候觉得艰难而想放弃。她想了一想，然后引用了冯•诺依曼的那句名言: "Young man, in mathematics you don't understand things. You just get used to them." 作为回答。
