本来想写“为什么选择深度学习”。
向同事推荐Edward，这个工具建在Tensorflow之上，Tensorflow又和深度学习有些关联，同事问：“其他更简单的工具一样解决问题，为什么用这么复杂的工具？”。
或者就写"为什么选择Edward"。
今年年初，哥伦比亚大学、Adobe Research、Google 联合发表了 “DEEP PROBABILISTIC PROGRAMMING”，深度概率编程，即Edward。
国内媒体机器之心很快翻译了这篇文章。
实际上，我在去年就开始试用Edward，至于为什么会使用Edward，现在梳理一下，是很有意思的事情。说起来有点长。首先，从“DEEP PROBABILISTIC PROGRAMMING” 第六作者David M.Blei 讲起。
我电脑上也有个文件夹叫 David M.Blei ，我已经不记得在什么样的情况下建这个文件夹，查了下维基百科，David M.Blei 是LDA（Latent Dirichlet Allocation）最早期的开发者之一，2015年，为奖励其在概率话题模型和贝叶斯机器学习的理论和实践上的贡献，美国计算机协会授予其 ACM FOLLOW。全球有五百多位 ACM FOLLOW ，其中有二十位华人，去年南京大学周志华老师也获得了 ACM FOLLOW（以后再也不讨论周志华《机器学习》是不是本好书这个话题了）。讲这么多FOLLOW的事，是想说，在信息“爆棚”的今天，大家很容易忽略一篇文章某个角落里的一些关键信息，例如，如果我们意识到 David M.Blei 在学术和工业上的贡献，把新闻标题改为 “ LDA大佬携手谷歌推出深度概率编程，贝叶斯与频率学派再起军备竞赛 ”，好不好啊？
还是回到为什么使用Edward这条线上，“DEEP PROBABILISTIC PROGRAMMING” 的摘要上有一些线索。例如，“ Turing-complete " ，图灵完备，我和同事开玩笑时，会说：我这个方法是图灵完备的（潜台词是：别问为什么，我解释不清）。“ MCMC ”，马尔可夫链蒙特卡洛仿真，这是求贝叶斯后验概率分布的常用方法，我去年刚好用MCMC解决了某个问题（的一部分），有段时间我很想再拓展一下。“ 35X faster than Stan "，Stan是一个很好的概率编程语言，老板给我推荐的是 Winbugs，可是我觉着 Winbugs 2012年之后，就停止版本更新了，不放心就跳到了Stan，也许某个原因我又发现了 David M.Blei，而他的学生 Dustin Tran又恰好是Edward的主要开发者。
这大概解释了我为什么使用Edward的原因。我刚好用MCMC，需要有一定的拓展，于是找到了Stan，Stan作为一种贝叶斯编程语言，我一定会找到 David M.Blei，而我也一定会找到他学生主导的Edward。我那时选择Edward，很大原因是Stan的文档太厚了，我一时啃不下来，而Edward刚刚出来，要轻很多，就自然而然地选了Edward。不过，当我真想用Edward时，我又发现它太轻了，我还得回头啃Stan，多么痛的选择啊！
“ 35X faster than Stan "，这个要多说几句。在“DEEP PROBABILISTIC PROGRAMMING” 里，有下面这个比较。Stan用一个CPU算了171秒，Edward用GPU算了4.9秒，Edward比Stan快了35倍，一个用GPU算，一个用CPU算，这好比开汽车的甲和骑自行车的乙比赛，甲赢了，然后甲说：我比乙厉害。这么比好像不那么公平。不过，我又查了下Stan文档，发现Stan也是哥伦比亚大学开发的，而在开发者里有两个成员也是Edward的开发成员，就是“DEEP PROBABILISTIC PROGRAMMING” 的第一、第二作者，不过，最新一版Stan文档里，第二作者已经被“除名”了（也不能说除名，是退出）。挺好玩的一个细节。
其实，Edward和Stan，连起名字，都有一拼。Edward是为了纪念统计学家George Edward Pelham Box。这位老先生提出了统计建模的若干思想。
George Edward Pelham Box 老先生很有意思，他在1974年写了一篇纪念更有名统计学家R.A.Fisher的文章“Science and Statistics”（科学与统计学），下图是他在文章中的注释。大意就是作为获得Wisconsin大学统计系的R.A.Fisher教职的他，以及作为R.A.Fisher女婿的他，写了一篇纪念R.A.Fisher的文章。
至于Stan，我在 Stan 文档找到了这张图。Stan是为了纪念Stanislaw Ulam，他是第一颗原子弹“曼哈顿项目”的参与者，大家对原子弹争议很大，但曼哈顿项目确实聚集了当时最优秀的人才，我们现在所使用的很多技术都是源于这个项目，例如仿真技术、计算机等。
总之，哥大在给编程语言起名字上要更加传统、更加人性化。很多计算机语言，例如python，是蟒蛇的意思，hadoop是小孩给玩具起的名字，很难看到知识的传承。（码农可能会奋起反击我）。
我解释了我为什么选择Edward的原因，以及Edward和Stan的八卦。但是我仍然没有从我同事的角度解释为什么选择Edward？贝叶斯和频率主义的学派竞争有意义吗？我用频率主义的那些机器学习算法好好的，干嘛改换们庭呢？
我好像都回答不了这些问题。毕竟贝叶斯和频率主义的竞争存在一百年了，很多频率主义机器学习算法主导着工业界的应用，大多数人习惯了这些算法，并习惯了这些算法所产生的应用。
先不解释了。留给下集吧。本质上我当然赞同我同事的看法：能用简单方法实现的问题，绝对不要复杂化。
贴一张从Edward文档的图。大家都很熟悉的图，学校或补习班贴过无数的图，里面有分类、回归、聚类、降维、模型选择、处理等。加了一句话后，就变成贝叶斯的呐喊了：这是机器学习正确的抽象组织吗？
说一些题外话。关于选择和被选择，看似是无限的选择，其实又是尴尬的有限的选择（人话就是没得选）。家人有天突然劝我：“你。。。能不能找份安稳的工作？”，倘若我处在清醒状态的时候，我一定会说：“一定要对我有信心，你知道嘛，就要到达光明顶了！”，可是当我饮完一瓶啤酒（酒量不行）之后，恍惚之间，眼前无数武林豪杰，加无数马仔，厮杀于山脚之间，那光明顶岂是那厢容易去的地方，然后我看到其中一名马仔就是我。
可能这就是王小波小说中有关“荒谬”的意思，荒谬代表了真实。同时代的人，他们不承认他们之间所产生的荒谬，例如，从我们这个时代看王小波所描述的时代，我们觉着他那个时代是荒谬的，在黑板上贴大字报，一层层贴，帖的人之间产生了纠纷，结果把人打红肿了，被打红肿的人居然认为被打的原因是印度同学对他的诅咒。可是，我们这个时代就不荒谬了吗？例如，很多人在没日没夜的造着机器学习的马甲，这些马甲和大字报应该都差不多吧。这些马甲也会起纷争，也会被打红肿。
娃下去买冰淇淋，回来给我一包辣条，说：“你写东西这么辛苦，我带给你你最爱吃的辣条”。我心里想我什么时候说过我最爱吃辣条了。
娃转身走时，甩给我一句话：记得还我辣条的钱，四块五。
好吧，你赢了！
