Jeremy Howard：从Delphi到fast.ai，重新思考深度学习的“正确打开方式”

在这期Lex Fridman播客中，fast.ai创始人Jeremy Howard回顾了自己从早期编程语言到深度学习教育与研究的完整路径。他分享了对编程未来、深度学习实践误区、GPU训练、学习率技巧以及fast.ai诞生背景的独特看法，揭示了为何“把复杂技术交还给更多人”才是真正的突破。

为什么理解一个人的编程起点很重要

要理解Jeremy Howard对深度学习和工具的态度，必须从他的编程起点说起。在播客一开始，Lex Fridman并没有直接进入AI，而是问了一个看似随意的问题：你写过的第一个程序是什么？Jeremy的回答透露出一个贯穿他整个职业生涯的线索——对创造力和工具本身的热爱，甚至提到“底层一直有一种对音乐的热爱”。

他使用并深入学习过多种编程语言，其中让他反复提及、甚至“至今仍然怀念”的，是Delphi和早期的Visual Basic。在他看来，Delphi“是一个编译型、速度极快、同时又极其高效的语言”，能让开发者用很少的代码完成复杂的事情。他直言，Delphi“在几乎所有方面都比今天大多数人每天使用的语言更强大”。

这个观点并不是怀旧，而是为他后来的核心判断埋下伏笔：真正优秀的技术，应该最大化人的表达能力，而不是迫使人去适应机器。这种价值观，后来直接影响了他对深度学习框架、课程设计以及研究方向的选择。

他如何看待编程的未来：问题不在算力，而在抽象

在讨论未来编程形态时，Jeremy Howard刻意把话题从“算力”和“硬件”拉回到“抽象层级”。他认为，单纯依赖计算能力的提升“绝对不够好”，真正的瓶颈在于我们如何把底层复杂性隐藏起来，让人能够直接组合高层能力。

他特别提到，当前一个重要趋势是编译器技术的进步，以及把高层接口“像积木一样”拼接在一起的能力。某种意义上，这正是在尝试重建当年Delphi带给开发者的那种体验——高性能、强抽象、低心智负担。

这种判断也解释了他为何长期对“工具设计”异常敏感。在他看来，如果一门语言或一个框架不能让聪明的领域专家迅速上手，那么无论它在学术上多么优雅，都无法真正推动技术普及。

fast.ai 的起源：理论正确，但实践失灵

当话题回到fast.ai的起源时，Jeremy Howard明确指出了一个他认为长期被忽视的问题：深度学习的“理论”和“实践”之间存在巨大断层。他直言，很多研究成果在论文中看起来完美，但普通实践者几乎无法复现，更谈不上在真实场景中使用。

fast.ai的诞生，正是为了弥合这道鸿沟。他把教学、研究和真实竞赛紧密结合，比如在讨论中提到的Stanford主办的DAWNBench竞赛。通过这些竞赛，他和团队不断验证一个核心信念：很多所谓的“高级技巧”，并不是必须的，真正重要的是对训练过程关键变量的理解。

他在播客中多次强调教学本身也是研究的一部分——“我基本上一年教两门课”，而这些课程反过来不断暴露现有方法在实践中的不足。这种从教学中反推研究方向的方式，是fast.ai与传统学术路线最大的不同。

关于GPU、分布式训练和学习率的“反直觉”结论

在GPU和多机训练的问题上，Jeremy Howard给出了一个颇具争议性的观点：对于大多数人来说，这“在很大程度上是浪费时间”。他并不是否认分布式训练的价值，而是指出，很多实践者在还没把单卡训练吃透之前，就急于追逐复杂的系统设计。

相比之下，他更愿意把精力放在训练过程中的“魔法参数”上，尤其是学习率（learning rate）。他提到，自己曾花大量时间实验学习率策略，而这些看似简单的调整，往往比增加更多GPU带来更显著的效果。

这种观点再次体现了他的核心方法论：与其堆叠资源，不如理解机制。深度学习的门槛，往往不在硬件，而在认知。

成功的创业者，和优秀的深度学习实践者有什么共同点

在播客后段，话题从技术转向个人成长。Lex Fridman问他：当一个人掌握了基础之后，接下来要怎样才能创建一家成功的初创公司？Jeremy的回答出人意料地平静——成为成功的创业者，和成为成功的深度学习实践者，并没有本质区别，“它们都是完全不错的人生结果”。

在他看来，关键不在于追逐某个头衔，而在于持续做有用的事情、解决真实的问题。这也解释了为什么fast.ai坚持“我们做的一切都是免费的”，并且始终把目标用户放在非传统背景的学习者身上。

他甚至提到自己正在学习Swift，再一次印证了他对工具和学习过程本身的持续兴趣。这种不断回到“初学者心态”的选择，或许正是他能够长期保持创造力的原因。

总结

这期对话真正打动人的，并不是某个具体的技术技巧，而是Jeremy Howard一以贯之的价值观：技术应该服务于人，而不是反过来。从Delphi到fast.ai，从学习率实验到反对盲目多GPU，他不断提醒我们，深度学习的核心不是复杂，而是理解。对于今天的学习者和从业者来说，这既是一种警醒，也是一条更可持续的成长路径。

关键词： Jeremy Howard， fast.ai， 深度学习， GPU训练， 学习率

事实核查备注： Jeremy Howard 是 fast.ai 创始人；视频来自 Lex Fridman Podcast #35，发布时间 2019-08-27；提及编程语言包括 Delphi、Visual Basic、Swift；讨论话题包括深度学习实践、DAWNBench 竞赛、GPU 与多机训练、学习率；fast.ai 课程与资源为免费提供。