在相当长时间里，统计学家和机器学习一直保持着距离。慢慢地，atv，不少统计学家逐渐意识到，统计学本来就该面向应用，而机器学习天生就是一个很好的切入点。因为机器学习虽然用到各种各样的数学，但要分析大量数据中蕴涵的规律，统计学是必不可少的。

　　统计学出身的机器学习研究者，绝大部分是把机器学习当作应用统计学。他们关注的是如何把统计学中的理论和方法变成可以在计算机上有效实现的算法，至于这样的算法对人工智能中的什么问题有用，他们并不 care 。

　　▲ 对统计学家来说，运用计算机产生新算法，对海量数据进行处理是他们所关注的。

　　这群人可能对人工智能毫无兴趣，在他们眼中，机器学习就是统计学习，是统计学比较偏向应用的一个分支，充其量是统计学与计算机科学的交叉。这群人对统计学习之外的学习手段往往是排斥的，这很自然，基于代数的、逻辑的、几何的学习，很难纳入统计学的范畴。

　　两个群体的文化和价值观完全不同。第一个群体认为好的工作，第二个群体可能觉得没有技术含量，但第一个群体可能恰恰认为，简单的才好，正因为很好地抓住了问题本质，所以问题变得容易解决。第二个群体欣赏的工作，第一个群体可能觉得是故弄玄虚，看不出他想解决什么人工智能问题，根本就不是在搞人工智能、搞计算机，但别人本来也没说自己是在 “搞人工智能”、“搞计算机”，本来就不是在为人工智能做研究。

　　两个群体各有其存在的意义，应该宽容一点，不需要去互较什么短长。但是既然顶着 Machine Learning 这个帽子的不是 “一伙儿” ，而是 “两伙儿” ，那么要 “跟进” 的新人就要谨慎了，先搞清楚自己更喜欢 “哪伙儿”。

　　引两位著名学者的话结尾，一位是人工智能大奖得主、一位是统计学习大家，名字我不说了，省得惹麻烦：

　　“I do not come to AI to do statistics.”

　　“I do not have interest in AI.”

　　附：近期由周志华老师担任学术主任的《人工智能前沿讲习班》于近日开班，其主题为《机器学习前沿》，借用周老师最近在 CNCC2016 的总结：“深度学习可能有寒冬，但机器学习不会有冬天”。