除了对数学的热爱,林宙辰教授在他多年的机器学习研究工作中,一直遵从Vladimir N. Vapnik 的名言:“Nothing is more practical than a good theory.”( 没有什么比一个好的理论更加实用)。为什么以这句话作为研究理念?对此,林宙辰教授这样回答:“ 我非常认可这句名言。如果没有理论,就很难确定你的方法什么时候能行,什么时候不行,它与仅仅只是在工程上的经验是截然不同的。比如,深度神经网络分析是非常难的问题,目前也有不少严肃的学者在研究深度学习背后的机理。但现在的很多深度学习方法,都陷入了一个缺乏理论指导的困境。而以我本人这么多年的研究经历来看,我觉得我做的东西,总得有一些数学理论和数学模型作为支撑,否则做起来没有感觉。因此,我现在要求我的学生读论文、写论文时,要有一定篇幅的数学推导或证明。当然,理论不能解决所有问题。对数学模型或算法进行分析时,我们希望能在适当简化之后保持其本质特征。如果实验结果能够与理论相匹配,那我就会对这项工作非常有信心。否则,就会心里觉得不踏实,总觉得更换数据集之后,效果就可能得不到保证。” 6