高中生都在研究神经网络，我这个老师力不从心了

 本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

「现在的高中生不讲5的，来抢研究生的机器学习项目。」

昨天，一位美国高中老师的求助贴在Reddit火了。

他的一个学生正在开展有关机器学习的项目，并向他寻求帮助。

但高中这完全超出他的能力范围，因此，这位老师希望AI专业人士能给予这个孩子一些指导。

而看过这位高中生的博客后，不少网友都大赞他是「天才中学生」。

甚至有人高呼他的研究比不少研究生还强，未来不可限量……

美国高中生，把AI研究到什么地步，能获得「天才」的赞誉？

美国高生都中生の野望

这位名为Isaac Krementsov的高中生，就读于美国弗蒙特州Champlain Valley Union High School，是该州排名靠前的公立高中。

Isaac目前读12年级，相当于我国的高三。

今年9月，Isaac首次开始了自己关于机器在研学习的研究项目，并开了专门的博客记录研究笔记。

3个月来，他已经积累了数万字的笔记，由浅入深，逻辑连贯，从最初的立项、研究目的，到所遇问题、寻求专业解答等等过程都详细记录。

从项目的规范程度和整体框架来看，Isaac的机器学习项目确实搞得有声有色，他的投入、认究神真，以及撰文的思路，超过了普通高中生。

Reddit上有人称赞他的撰文基本功甚至已经超过了不少研究生。

但是，文风再好，框架再清晰也无法说明研究本身的价值。

Isaac到底搞了什么项目呢？

按照他第一篇立项博文中的说明，他在做的是使用AI对真实世界的运动物体，进经网行艺术化处理再现，由此讨论AI的创作能否被称为艺术。

简单的说，就是实现视频的风格迁移。

为了达到这个目的，Isaac计划使用3个不同的算法。

第一个是模拟时序性物理过程（水流、弹道等）的机器学习算法，其中物理过程由微分方程建模。

第二个算法是动画算法，用来络，处理运动时的光影效果。

第三是艺术风格算法，用来给结果做风格迁移。

由此，他给出了最终程序的架构图：

以上哪一项工作都不简单，涉及到微积分、计算机图形学、流体力学等等课程，还要有相当扎实的计算机基础和编程经验，难以想象高中生能完全掌握这些技能。

从Isaac的我这叙述来看，他的确有一定的高数和计算机基础，比如，他知道使用快速傅立叶变换来求解微分方程。

但在用算法实现时却遇到困难，直到他发现了SciPy里的FFT软件包。

而对于编程，Isaac能够掌握最基本的技巧。

但是，复杂的CNN、GAN算法原理，对于高中生来说还是个老超纲了。

到目前为止，他上手的算法，无论是CNN还是GAN，都是来自TensorFlow的免费教程，Isaac的工作，主要是通过实测效果和走访高校研究人员来弄懂算法的框架和功能模块。

至于神经网络的数学原理和构建方法，以及如何训练，Isaac，他都不太了解。

比师力如，他曾经为收集模型训练数据而发愁，直到大学研究员告诉他Kaggle上有许多可用数据集，并且建议他使用谷歌Colab，而不是用自己的笔记本来训练模型。

真的是「天才」吗？

相信说到这里大家也能明白，所谓「天才高中生」，其实是夸张了。

提出的研究目标很宏大不从，涉及知识面很广，要完成这项研究的工作量，可能需要一个小组成员的努力。

但是，他本身却缺乏相关扎实的专业知识，甚至机器学习领域的一些基本常识还不甚清楚，一次上手这么大的项目，有些力不从心。

这也是Isaac最近的一篇博客（12月4日）仍然在熟悉GAN的基心了本训练方法的原因。

在这篇博文中，他发现了GAN在处理大像素图像时生成器的崩溃问题，提出借鉴英伟达的方案，将风格映射网络加入GAN来解决这个问题。

对于底层原理之上的框架部分，Isaac下了巨大的功夫，理解也比较准确。甚至能自行对神经网络进行轻度优化。

相高中比他的研究成果和进展，网友称赞的，更多是Isaac本人认真严谨的态度，以及能从现象中提出问题，并努力寻找解决方案的探索精神。

冷静的声音

Isaac的老师在发布的帖子中说，他毫不怀疑他以后能在这条道路上取得成就。

但他却无法解答Isaac现在的提出的问题，生都担心无法指引他的前进方向。

除了Isaac在评论区赢得一片赞美，还有很多人羡慕他有这样一个关心学生的好老师。

但也有人对发帖本身提出了质疑，他认为发帖引导过多赞誉和关注，对于学生是不利的，鼓励年轻人追求兴趣要注意一下分寸。

即使是绝地武士，也是有规则和约束在研的。

而对于这位老师的担心，有网友劝导：

相比过度的担心，不如让学生自己去探索感兴趣的课题，遇到挫折也不用紧张。老师没有必要树立「正确」的路径来引导学生。

这位所谓美国「天才」中学生，他的做法值得提倡吗？

最新评论