[[356670]]

本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

「現在的高中生不講5的，來搶研究生的機器學習項目。」

昨天，一位美國高中老師的求助貼在Reddit火了。

他的一個學生正在開展有關機器學習的項目，并向他尋求幫助。

但這完全超出他的能力范圍，因此，這位老師希望AI專業人士能給予這個孩子一些指導。

而看過這位高中生的博客后，不少網友都大贊他是「天才中學生」。

甚至有人高呼他的研究比不少研究生還強，未來不可限量……

美國高中生，把AI研究到什么地步，能獲得「天才」的贊譽？

美國高中生の野望

這位名為Isaac Krementsov的高中生，就讀于美國弗蒙特州Champlain Valley Union High School，是該州排名靠前的公立高中。

Isaac目前讀12年級，相當于我國的高三。

今年9月，Isaac首次開始了自己關于機器學習的研究項目，并開了專門的博客記錄研究筆記。

3個月來，他已經積累了數萬字的筆記，由淺入深，邏輯連貫，從最初的立項、研究目的，到所遇問題、尋求專業解答等等過程都詳細記錄。

從項目的規范程度和整體框架來看，Isaac的機器學習項目確實搞得有聲有色，他的投入、認真，以及撰文的思路，超過了普通高中生。

Reddit上有人稱贊他的撰文基本功甚至已經超過了不少研究生。

但是，文風再好，框架再清晰也無法說明研究本身的價值。

Isaac到底搞了什么項目呢？

按照他第一篇立項博文中的說明，他在做的是使用AI對真實世界的運動物體，進行藝術化處理再現，由此討論AI的創作能否被稱為藝術。

簡單的說，就是實現視頻的風格遷移。

為了達到這個目的，Isaac計劃使用3個不同的算法。

第一個是模擬時序性物理過程（水流、彈道等）的機器學習算法，其中物理過程由微分方程建模。

第二個算法是動畫算法，用來處理運動時的光影效果。

第三是藝術風格算法，用來給結果做風格遷移。

由此，他給出了最終程序的架構圖：

以上哪一項工作都不簡單，涉及到微積分、計算機圖形學、流體力學等等課程，還要有相當扎實的計算機基礎和編程經驗，難以想象高中生能完全掌握這些技能。

從Isaac的敘述來看，他的確有一定的高數和計算機基礎，比如，他知道使用快速傅立葉變換來求解微分方程。

但在用算法實現時卻遇到困難，直到他發現了SciPy里的FFT軟件包。

而對于編程，Isaac能夠掌握最基本的技巧。

但是，復雜的CNN、GAN算法原理，對于高中生來說還是超綱了。

到目前為止，他上手的算法，無論是CNN還是GAN，都是來自TensorFlow的免費教程，Isaac的工作，主要是通過實測效果和走訪高校研究人員來弄懂算法的框架和功能模塊。

至于神經網絡的數學原理和構建方法，以及如何訓練，Isaac，他都不太了解。

比如，他曾經為收集模型訓練數據而發愁，直到大學研究員告訴他Kaggle上有許多可用數據集，并且建議他使用谷歌Colab，而不是用自己的筆記本來訓練模型。

真的是「天才」嗎？

相信說到這里大家也能明白，所謂「天才高中生」，其實是夸張了。

提出的研究目標很宏大，涉及知識面很廣，要完成這項研究的工作量，可能需要一個小組成員的努力。

但是，他本身卻缺乏相關扎實的專業知識，甚至機器學習領域的一些基本常識還不甚清楚，一次上手這么大的項目，有些力不從心。

這也是Isaac最近的一篇博客（12月4日）仍然在熟悉GAN的基本訓練方法的原因。

在這篇博文中，他發現了GAN在處理大像素圖像時生成器的崩潰問題，提出借鑒英偉達的方案，將風格映射網絡加入GAN來解決這個問題。

對于底層原理之上的框架部分，Isaac下了巨大的功夫，理解也比較準確。甚至能自行對神經網絡進行輕度優化。

相比他的研究成果和進展，網友稱贊的，更多是Isaac本人認真嚴謹的態度，以及能從現象中提出問題，并努力尋找解決方案的探索精神。

冷靜的聲音

Isaac的老師在發布的帖子中說，他毫不懷疑他以后能在這條道路上取得成就。

但他卻無法解答Isaac現在的提出的問題，擔心無法指引他的前進方向。

除了Isaac在評論區贏得一片贊美，還有很多人羨慕他有這樣一個關心學生的好老師。

但也有人對發帖本身提出了質疑，他認為發帖引導過多贊譽和關注，對于學生是不利的，鼓勵年輕人追求興趣要注意一下分寸。

即使是絕地武士，也是有規則和約束的。

而對于這位老師的擔心，有網友勸導：

相比過度的擔心，不如讓學生自己去探索感興趣的課題，遇到挫折也不用緊張。老師沒有必要樹立「正確」的路徑來引導學生。

這位所謂美國「天才」中學生，他的做法值得提倡嗎？