博文
徒有其形而无其实？计算机科研与实践的距离
精选
||
今天读到一篇博文《A criticism of computer science: models or modèles?》，由一位来自加拿大魁北克 TéLUQ 学校计算机系教授的Daniel Lemire写成的。博文链接在这里： http://lemire.me/blog/archives/2013/05/17/a-criticism-of-computer-science-models-or-modeles/
文中提到，他在审核他们学校的一篇计算机系博士开题时，他发现该开题写得规范和“科学”：“建立模型” -> "开发系统" -> "收集使用数据" -> "选用合适的度量"。 作者觉得有点怪怪的，因为该学生的开题在理论上看似无懈可击，但即使做出来了也不会有多么振奋人心。
这样的事在计算机科学很正常。研究人员的报告写得很漂亮，观点也很清晰，但一眼看上去就知道实际用处不大(not useful)。
作者用程序员与医生对比：医生们常常要阅读科学文献，职业要求他们关注医学领域的最新进展；相比之下，有几个项目经理会关心组里的程序员阅读了几篇最新的科研文献？ （当然，后文的跟贴里有人认为这种比喻不妥，因为程序员与医生职业要求不一样，程序员少一点科研知识，后果仅是程序慢一点而已；而医生如果对科学无知，那可是人命关天的，一点马虎不得，这也是为何程序员可能半路出家，非科班出身也可能胜任，而对职业医生的培训要经过五年以上的时间）
作者把原因归结于：计算机科学家用的很多模型（model）都是不实用的（useful）。（把这里的‘model’ 翻译成模型，其实有不妥，但是本人功力有限，苦于找不到更好的中文词语与之对应。作者的model一词概念很宽，并不实指某个具体的模型，我理解为model是一种思维方式，用语言表述出来就是一个 科学命题）
一个理想的、严谨的科学命题应该是像这样：在数据Z上的，软件X比软件Y运行得更快（Software X will be faster than software Y on data Z）。
这个命题应该是容易被证伪的，也就是如果经过实践检验，在数据Z上的，软件X比软件Y运行得慢，那么观点就会被推翻，此命题为假。
但是在很多科研论文里，我们看到的是这样的结论：根据某个（并不一定可靠的）执行速度预测模型，在数据Z上的，算法X比算法Y运行得更快（According to some cost model that may or may not be indicative of actual running speed, algorithm X is better than algorithm Y on data Z）。
作者认为，这种结论的实际意义不大，因为前提假设/限制过多，不具备普适性。但是在理论上它是无懈可击的，永远不能被现实的证据证伪。作者用了一个法语词 modèle 来形容这种思维模型，因为这种命题是经过简化的科学命题，与真正实用的科学命题相比，这些命题就像儿童的玩具一样简单、天真。
你可以将modèle 与现实对比，但是你永远不能证明modèle是错误的，因为modèle都是经过精心设计的，在逻辑上无懈可击。
modèle 的设计者其实在玩思维/逻辑或文字的游戏，modèle 并在解决实际问题，因此与现实无关。计算机科学里充斥了这种modèle ！作者还联想到了一种叫做 Cargo cult science 的伪科学流派，这个流派就像未开化的原始部落，刚刚接触到现代科技产物时，他们只关注那种神乎其技的技术产品外表 （cargo），造了很多外型类似于飞机、登陆舰等等的东西进行宗教似的膜拜，并不是用一种真正的科学方法（scientific method) 来指导实践，徒有其形而无其实。
个人点评：
1. 作者对计算机科研现状的批评还是有道理的，很多科研人员做的东西实在与现实相差太远，最终所谓的学术成果其实不过一场文字游戏而已。所以，要做好研究的思路是，尽量把自己的命题往现实里靠，综合自己的联想和分析能力，努力让自己的成果对现实有指导意义。
2. 这种现状不能全怪研究人员们，他们是有苦衷的，谁不想拿到宝贵的第一手数据呢？很多时候是数据和设备是最大的颈瓶，并不是研究人员自身的科研能力。例如我所在的实验室就曾经与一家软件企业合作，想攻克他们公司中的一些难题，去一次他们公司要，坐公车来回要四小时以上，去到公司后发现很多数据都是保密的，我们根本看不到，花费了很大的心血去收集和分析那些有限的数据，到头来什么结论都得不到，没有数据就没有可能得出让人信服的结论，也就不可能发表任何文章。大家都知道这个道理。
所以，是否可以拿到数据，这往往是科研成果是否有现实指导意义的颈瓶。但在IT企业里数据都是有商业保密的，能否说服公司高管把数据透露给科研人员，这个问题已经超越了科研能力的范围之外了。
3. 根据博文后的回贴，其实其他学科也好不了多少，例如 在数学系里，经常做的是 you prove what you can prove, not what it is useful.
https://blog.sciencenet.cn/blog-934027-692223.html
下一篇：如何高效地工作——读Aaron Swartz博文有感
