论文上推崇的算法，别太当真。

  我很早之前就意识到，论文、尤其是高级期刊论文上的算法，往往不实用。

有的工作基于明确的数学模型，去研究优化或者控制算法。这里潜伏着一个问题：现实的复杂对象，能用清晰的数学模型描述吗？事实上，人们选择特定模型的一个重要原因，往往是这个模型便于求解、便于写出漂亮的论文。换句话说，如果可以合理描述实际对象的模型难以找到合适的求解办法，人们就把它改造成能够求解的模型：这是论文发表的需求。

有的论文，首先是基于数据建模，然后是基于模型的控制和优化。这里又埋伏着另外一个问题：误差最小的那个模型，真的就好吗？我曾在多个报告中讲到，这往往是一个坑。而且，当人们发现了一个精度很高的模型，现实中一般就是“过拟合的”。这样的模型往往只能是“事后诸葛亮”：可以用来描述过去的数据，不能用于预测未来。更有甚者，某些论文的结果本来就是造假的，或者专门挑一些数据来证明模型是好的。

对于现实对象，以上两个问题基本上都是“坑”。但遗憾的是：论文往往需要这么写才能发表。

现实中真正有用的算法，往往是简单办法、“笨办法”或者经典教科书上的算法。但算法中往往融入了大量业务和专业知识，这才是关键所在。但这样的工作，一般不适合发表，也上不了档次、更谈不上时髦。

以上就是论文的“幸存者偏差”。

所以，对众多论文上提到的观点同样也不要在意。在我国，写论文多的人一般实际工作做得少。论文写多了、读多了的人，往往把自己都骗了。

不久前我写过一篇文章，认为对用户的口头上说观点不必太在意。这篇文章的背景，针对的是对“智能制造”的需求调研。事实上，很多用户对智能制造原本就不理解，他心中的智能制造可能局限于人工智能、机器人、无人车间。能提出合理需求的用户是非常少的、甚至可以说是罕见。这样的调查结果，怎么会可信呢？

我们不能相信权威、不能从众；我们需要相信的是实践、是常识、是理性。因为我们身处一个创新的时代。