新智元專欄 作者：鄧侃 編輯：三石
【新智元導讀】若是一本書能夠成爲某個領域的經典教科書，並且被廣泛接受，那麼被書中重點介紹的內容，便成爲事實上的業界標準。如果中國學者能寫一本人工智能或計算機的教科書，被全球引爲經典，將會極大地促進中國，引領全球人工智能的發展。復星集團首席人工智能科學家鄧侃博士力薦計算機書籍《SPEECH and LANGUAGE PROCESSING》，並由此展開，隨筆談了談教科書是如何煉成的，他認爲現今的教科書應當是以“衆包”的形式展開，每個人既是作者又是讀者。
[1]
如果說計算機的理論基礎，歸功於圖靈，計算機的工程實現，歸功於馮諾依曼設計的計算機體系。那麼商用計算機的研製，尤其是硬件，頭號功臣應該是 IBM，軟件的頭號功臣，應該是 Bell Labs，因爲 Bell Labs 發明了 Unix 操作系統和 C 語言。
IBM TJ Watson Research Center 在紐約北邊，Bell Labs 在紐約西南，兩地相距 1 個多小時車程。這兩個研究中心有很多相似之處，譬如走進正門，醒目位置都是歷史陳列室，裏面都陳列着各自的大神及其成就。
走進 Bell Labs 歷史陳列室，自然要去拜拜 Ken Thompson 和 Dennis Ritchie 兩位大神，Unix 操作系統的第一版，主要由 Ken Thompson 研發，而 C 語言，基本是 Dennis Ritchie 的作品。
說到操作系統，不能不提另一位大神，Abraham (Avi) Silberschatz。他執筆寫的《Operating System Concepts》一書，深入淺出，要言不煩，是操作系統的經典教科書。不僅如此，他還寫了 PPT，方便教學，非常貼心。這本教科書，一版再版，至今已經第十版了 [1]。
除了《Operating System Concepts》，Avi Silberschatz 還寫了另一本經典教科書《Database System Concepts》。這本書也保持了他的一貫風格，深入淺出，要言不煩，還附帶 PPT。這本書也一版再版，至今已經第五版了 [2]。
如果一本書成爲某個領域的經典教科書，被廣泛接受，那麼被書中重點介紹的內容，便成爲事實上的業界標準。如果中國學者能寫一本人工智能的教科書，被全球引爲經典，將會極大地促進中國，引領全球人工智能的發展。
Figure 1. 《Operating System Concepts》各個歷史版本的封面。
http://codex.cs.yale.edu/avi/os-book/OS10/covers-dir/index.html
Figure 2. 《Database System Concepts》各個歷史版本的封面。
http://db-book.com/
[2]
之所以一版再版，是因爲相關技術更新很快，不僅需要添加新內容，而且先前的技術，有些已經被淘汰，需要刪減。
早年的計算機使用磁帶作爲存儲介質，後來被淘汰了，於是相關的串行存儲內容，需要刪減。隨着雲計算興起，虛擬機漸熱，這部分內容需要添加。另外，移動互聯網使得安卓手機操作系統變成熱門，安卓的內容也得添上。
以特斯拉爲標杆的智能汽車，以大疆爲標杆的無人飛機，以波士頓動力爲標杆的機器人，涉及的硬件不同，需要解決的任務也不同，它們對操作系統提出了新需求。
不僅操作系統的教科書，要與時俱進，其它方向的教科書，也需要跟得上技術發展的節奏。
《Artificial Intelligence: A Modern Approach》初版於 1995，當時被學界譽爲人工智能經典教科書。2003 再版，2009 年出第三版。從 2009年到現在，快 10 年了，沒有再版。從 1995年到現在，人工智能技術取得了巨大的進步，尤其是深度學習的進展日新月異。現在深度學習幾乎成了人工智能的同義詞。如果要出版《Artificial Intelligence: AModern Approach》第四版的話，估計 2/3 的內容要重寫。
如何才能快速地撰寫並更新教科書呢？
Figure 3. 《Artificial Intelligence: A Modern Approach》第三版封面。
http://aima.cs.berkeley.edu/cover.html
[3]
自然語言處理（Natural Language Processing, NLP）是人工智能的一個分支。這個領域的經典教科書是《Speech and LanguageProcessing》。這本書的第一版，於 2000 年前後出版。其實這本書的草稿，在 1997 年前後，就已經在學界流傳，並廣受讚譽了。
Figure 4. 《SPEECH and LANGUAGE PROCESSING》第一版封面。
這本書最初是一本論文彙總，選擇了若干優秀論文，根據不同主題，編排成若干章節。當時這本論文彙總的內容，偏重於 Speech Recognition，NLP 的內容不太豐富，而且幾乎沒有深度學習的內容。
Figure 5. 《SPEECH and LANGUAGE PROCESSING》第一作者Daniel Jurafsky。
本書的主要作者，是 Daniel Jurafsky。Dan 說，這本書最初只是一個論文精選目錄，目的是讓同學們快速瞭解該領域的研究前沿。後來同學們覺得一篇一篇下載論文原文 PDFs，太麻煩。於是，Dan 把這些精選論文彙總成冊，爲懶人們提供方便。
後來懶人們又建議，讀論文全文，太費事。要是能對每篇論文，做個簡單介紹，深入淺出，要言不煩，那就更方便了。於是 Dan 又繼續做好人，寫論文介紹，逐漸形成這本書的第一版。
現在這本書的內容，已經完全變樣了。Speech Recognition 的內容，被大大縮編，而且被放進正文後的附錄中去了。傳統的 NLP 方法，舍卒保車，主流的傳統方法被保留了一些，支流幾乎消失殆盡。同時，大大強化了深度學習的最新成果的介紹。
Figure 6. 《SPEECH and LANGUAGE PROCESSING》第三版目錄。
Daniel Jurafsky 本科博士受教於加州大學伯克利分校，畢業後去 University of Colorado Boulder 任教。在這期間，他不僅做出了很多亮麗的研究成果，而且持續更新《Speech and LanguageProcessing》的內容，逐漸成爲 NLP 領域大師。隨後，Dan 轉校到斯坦福大學任教。
Dan 的成功經驗，有三點值得重視，1. 廣讀論文，並且寫讀後感，2. 把衆多讀後感，分門別類編輯成書，3. 持續更新書的內容。
[4]
單槍匹馬地更新教科書，工作負擔太重。
2018年9月9日到14日，DeepMind 主辦 Deep Learning Indaba 2018 學術會議，會上有專家梳理了 NLP 前沿進展，並發表演講 [4]。該演講廣受業界好評。
如果比較一下近年來 NLP 的前沿進展，與《Speech and Language Processing》的內容，會發現剛剛出版的經典教科書，又需要更新了。一本書從寫作到印刷出版，至少要一年。而最近深度學習的進展實在太快，一年前的話題，已經略顯老舊。
一個可能可行的辦法，是發動學者們共同協作，既是讀者，也是作者。
1. 先在 GitHub 上羅列一個精選論文清單，類似於這樣 [5]。值得特別點讚的是，這個論文清單，是中國學者羅列的。
2. 發動相關學者，給每一篇論文寫介紹，深入淺出，要言不煩。
3. 把衆多論文的介紹，根據不同主題，串連成章節，形成教科書。
4. 定期出版教科書的最新版本，並持續更新論文清單和論文介紹。
Figure 7. A review of the recent history of NLP
https://www.kamperh.com/slides/ruder+kamper_indaba2018_talk.pdf
Figure 8. 生物醫學領域的機器學習應用的論文清單
https://github.com/xuhanvsxuhan/An-Incomplete-ML-Paper-Collection-for-BioMedical-Applications
參考文獻：
1. Operating System Concepts
http://os-book.com/
2. Database System Concepts
http://db-book.com/
3. Speech and Language Processing
https://web.stanford.edu/~jurafsky/slp3/
4. Frontiers of Natural Language Processing
https://www.kamperh.com/slides/ruder+kamper_indaba2018_talk.pdf
5. An Incomplete ML Paper Collection for BioMedicalApplications
https://github.com/xuhanvsxuhan/An-Incomplete-ML-Paper-Collection-for-BioMedical-Applications