→ Eriri: 雖然我想說的跟你有些相同與不同的地方 不過你說這些 讓我 06/10 09:45
→ Eriri: 想到一個當年也是物奧金牌 MIT PhD 理論凝態大師Patrick A. 06/10 09:45
→ Eriri: Lee的學生 柏克萊博後 的一個台灣學長 當年轉行時說的一句 06/10 09:45
→ Eriri: 話: 06/10 09:45
→ Eriri: research in theoretical physics nowadays do not even he 06/10 09:46
→ Eriri: lp to understand the world better in any significant wa 06/10 09:46
→ Eriri: y (let alone help the world) 06/10 09:46
→ psion: @樓上:請教後來他轉去哪? 06/10 11:49
→ Eriri: 轉去當quant 06/10 12:07
→ wohtp: 同樣都無益世道人心,那乾脆選個錢多的 06/10 13:34
推 davidwales: 推!! 06/11 09:48
→ webster1112: 不就賭場是賺錢的 賭徒是破產的 06/11 13:56
推 yeahhuman: 我現在面臨類似的問題,恐怕當下強勢的物理領域是材料 06/13 09:10
→ yeahhuman: 我的看法是現在"物"已經沒有"理"了,就像是超市的貨架 06/13 09:11
→ yeahhuman: 陳列了各種商品,有特定需要自己去拿來用。y 06/13 09:12
→ yeahhuman: 能讓我相信的就是幾天前統計的那篇文章,我是頻率論者 06/13 09:13
→ yeahhuman: 現在只能說這貨架沒有砂糖與咖啡,我不敢說有紅茶包。 06/13 09:14
→ yeahhuman: 會不會有0.001%的機會有咖啡,會不會有一包紅茶包,我 06/13 09:19
→ yeahhuman: 不知道。 06/13 09:19
推 sputtering: 非線性物理模型不能處理的也許深度強化學習可以處理 06/13 23:21
→ sputtering: 最近讀了一二本強化學習的書有很深的感觸 06/13 23:27
→ sputtering: 一位大師級的工匠憑的也許是巧思及經驗而不需要很複雜 06/13 23:29
→ sputtering: 的邏輯 06/13 23:30
推 wohtp: ML做出來也是電腦會處理不是人會處理 06/14 00:27
→ recorriendo: ML和理論物理來比賽 看誰能能預測大地震 這樣好不好 06/14 00:50
→ recorriendo: 先 06/14 00:50
→ Eriri: 機器學習展示一種可能性 或許當代科學家要開始慢慢改變對 06/14 01:00
→ Eriri: 於如何掌握跟得出知識的習慣 比起這一世紀來 理論物理學家 06/14 01:00
→ Eriri: 習慣從底層第一原理與傳統數學工具計算出結果 或許需要的是 06/14 01:00
→ Eriri: 能夠借用各種工具 甚至容許一些過程無法靠邏輯推演與數學處 06/14 01:00
→ Eriri: 理 來歸納出更上層卻基本規律的科學家 (當然 更早以前的 06/14 01:00
→ Eriri: 物理學家 其實在做的就是這種事) 06/14 01:00
→ Eriri: 就像那些職業棋士 哪個不是花費大量時間 以為自己已經很通 06/14 01:02
→ Eriri: 徹了 但結果機器展示了一些從未想像過的圍棋規律 或許物理 06/14 01:02
→ Eriri: 學家也是一樣的 我們對於世界的理解還存在一面牆 只是這面 06/14 01:02
→ Eriri: 牆由於物理學家能力跟視野的狹隘 而甚至根本從未意識到 06/14 01:02
→ Eriri: 或許未來的世代 需要的不是在牆內靠著習慣的技能與工具 繼 06/14 01:02
→ Eriri: 續造出各種花俏建築的科學家 而是利用各種無法掌握跟理解 06/14 01:02
→ Eriri: 的很好工具 只求走出牆外的科學家 06/14 01:02
→ Eriri: 不過 這些目前也只是空話XD 首先要機器學習更加有用才行 現 06/14 01:05
→ Eriri: 在它只是展現一點可能性而已 期待有一天機器就能發出一些 06/14 01:05
→ Eriri: 類似現代物理學的廢文 取代人類做這種事 06/14 01:05
推 DDMO: 不知道數學證明是否也有機會被取代 06/14 15:16
→ webster1112: 神棍一定最先預測到 XD 06/15 00:49
→ webster1112: 無法靠邏輯推演與數學處理 ?? 佛教密宗? 通靈? 06/15 00:52
→ webster1112: 機器展示了一些從未想像過的圍棋規律==>數學結果 06/15 00:53
→ webster1112: 利用各種無法掌握跟理解的很好工具=>密宗雙修通靈XD 06/15 00:55
→ webster1112: 別鬧了 沒邏輯搞屁? 沒數學靠什麼?是計算量跟機率論 06/15 00:59
→ webster1112: 不是討論科學就算了 改神學也行 但科學就那樣啊 06/15 01:02
→ Eriri: 科學方法本來就只是一種人類理解世界的方法學 沒有人證明 06/15 01:41
→ Eriri: 科學方法可以讓人類理解所有規律 同樣的 歷史上科學的發展 06/15 01:41
→ Eriri: 跟規律與原理的發現 其實並不見得遵循所謂的科學方法 06/15 01:41
→ Eriri: 事實上 即使是現代的理論物理 很多在數學上都不嚴謹啊 可是 06/15 01:47
→ Eriri: 也沒人在意 因為已經能解釋很多現象 我的意思是 或許更高層 06/15 01:47
→ Eriri: 級(複雜系統)基本規律 無法靠著底層的原理與模型 數學地 06/15 01:47
→ Eriri: 推演與建立 至少可能人類沒有辦法 於是 或許借用機器學習 06/15 01:47
→ Eriri: 或者其他任何方法 能夠幫助人類發現更高層級地某些其他更多 06/15 01:47
→ Eriri: 更基本的pattern 06/15 01:47
→ webster1112: 機器學習 不就 計算量跟機率論 不就數學 ?? 06/15 02:34
→ webster1112: 沒邏輯人如何思考? 沒數學人如何精確描述物理? 06/15 02:37
→ webster1112: 機器學習就是全天下最邏輯最數學的工具 !!!! 06/15 02:41
→ Eriri: 機器學習的數學基礎至今仍然很多不完備阿 06/15 02:51
→ Eriri: 而且即使機器學習的數學基礎是足夠完備跟可以被理解的 它 06/15 02:53
→ Eriri: 應用在不同領域 在那個領域所展現的規律 也不見得是可以被 06/15 02:53
→ Eriri: 理解的 06/15 02:53
→ Eriri: 其實我說的真的也不是什麼邪魔歪道 科學哲學家費耶阿本德 06/15 02:54
→ Eriri: 早就提過了科學無政府主義 06/15 02:54
→ Eriri: 舉個例子 alphago的原理跟數學都是可以被理解的 可是它展 06/15 02:59
→ Eriri: 示的圍棋規律 表現了超過過去棋士的理解 而且棋士很可能只 06/15 02:59
→ Eriri: 能模仿與應用那些手段 卻不一定能夠理解箇中原因(如果可以 06/15 02:59
→ Eriri: 當然更好啊) 這樣算不算有邏輯的科學方法呢?但其實這根 06/15 02:59
→ Eriri: 本不重要啊 因爲棋手可能的確變能得夠強 於是的確是有用 06/15 02:59
→ Eriri: 的 06/15 02:59
→ recorriendo: 邏輯就是符號規則系統 而且邏輯系統也不唯一 "現在通 06/15 07:02
→ recorriendo: 用的邏輯"可以用來理解宇宙萬物 本來就是一種信念 06/15 07:04
→ recorriendo: 例如constructive mathematics就是自洽嚴謹但不相容 06/15 07:10
→ recorriendo: 通用邏輯建立出來的數學系統 證明出的定理跟標準數學 06/15 07:10
→ recorriendo: 完全不同 再如各種三值邏輯(paraconsistent logic)等 06/15 07:11
→ recorriendo: "通用邏輯"本身就是隨時代改變 Kuhn就是發現他不懂亞 06/15 07:23
→ recorriendo: 里斯多得的邏輯才提出典範的不可共量性 結論:宇宙能 06/15 07:25
→ recorriendo: "宇宙遵守我們現在的邏輯"即是一個未証成並且更可能 06/15 07:26
→ recorriendo: 為假的命題 06/15 07:27
→ Eriri: 說真的 我並不是反對邏輯 我反而覺得 物理學家才是真正不 06/15 10:28
→ Eriri: 那麼重視二十世紀以後邏輯學發展的一群人 物理學的有些問題 06/15 10:28
→ Eriri: 跟定義 可能甚至在真正嚴格的邏輯學而言 根本就有問題 06/15 10:28
→ Eriri: 舉個例子 前幾年純數學上已經證明 存在有些系統 能不能判斷 06/15 10:28
→ Eriri: 是否有能隙 是一個數學上不可判定的問題 意思是 對這類的系 06/15 10:28
→ Eriri: 統而言 到底有沒有能隙 已經被證明是個不可能被證明的 06/15 10:28
→ Eriri: 但這不妨礙很多物理學家 在作物質的拓撲態分類的時候 一開 06/15 10:29
→ Eriri: 始就先假設有或無能隙 然後才開始分類 本來這樣的分類是想 06/15 10:29
→ Eriri: 要對所有的物質系統做分類 事實上卻是 這個前提並不general 06/15 10:29
→ Eriri: 或者對某些系統不一定有用 因為至少數學上存在根本就無法 06/15 10:29
→ Eriri: 知道被歸類與哪種的系統 06/15 10:29
→ Eriri: 某個角度 真正的邏輯學的觀念跟方法 在物理學中其實一直都 06/15 10:32
→ Eriri: 沒有被足夠重視跟發展 說不定這之間存在某些空間 06/15 10:32
推 caseypie: 地震我不知道,不過在分子生物學上統計學和ML已經贏物理 06/19 05:53
→ caseypie: 好多分了。 06/19 05:53
推 psion: 請教樓上:計算化學是否也很多人用到ML? 謝謝! 06/19 08:53
推 caseypie: 牽涉到量子的計算我不熟,不過通則大約是分子越大或要求 06/20 01:02
→ caseypie: 動態過程資訊越多則越爛,ml因爲可供訓練的實驗數據太 06/20 01:02
→ caseypie: 少所以基本上做不出一般性結果,不過physics-base的forc 06/20 01:02
→ caseypie: e field也通常好不到哪裡去。大家現在都是各種方法拼湊 06/20 01:02
→ caseypie: 著用。 06/20 01:02
推 caseypie: 我說的分生上的應用主要是指分子結構預測,那個有大量 06/20 01:06
→ caseypie: 結晶和nmr的實驗結果所以可以套ml,不過最近大家擔心的 06/20 01:06
→ caseypie: 是同個生化分子體內和體外的結構常常會差很多... 06/20 01:06
推 psion: 感恩!! 06/20 09:21