博士说

AutoML是AI产业化、普世技术的发展方向之一。作为自动代码编写技术的一个子领域，AutoML是机器实现智能化的重要技术之一，适用于应用领域过于专业、业务模型需求大、更新频率高的特定场景。剑桥2019年度《全景AI报告》把AutoML等列为取得重大研究与技术突破的领域。插播一条小广告：酝酿已久的《博士说》栏目开更啦！聚焦行业技术前沿，汇集各路学霸大神，助您快速科普入门。首期栏目我们邀请到浪潮AI算法研究员李峰博士，用万字长文带来AutoML入门技术详解。音频资源现已同步上线，配合食用吸收更佳哦。我非常有幸在从事着与AI相关的一些研发开发工作，也接触了十数个行业以及数十种AI的应用案例，在对这些应用案例的开发过程当中我发现了一个事情，我们大部分的时间和精力都花费在了为一个特定的应用进行模型开发以及调参的过程当中。这些工作几乎消耗了我70%到80%的时间，俗话说得好，懒是人类进步的动力，当一个在哪里跌倒就在哪里躺好的懒癌症晚期患者，在面临这样一个动作，它消耗了我80%的时间的时候，自然而然会想到一个问题，能不能让自动化的方式来解决这件事情，这也就是我们所谓的AutoML自动机器建模的由来。今天我们一起走进AutoML的小小世界里，看一看机器究竟是怎样通过自己的思维模式、自己的编程方式，将一个一个的人工智能的应用模型逐渐开发出来。通常我们定义2015年是人工智能元年，2016年人工智能相关的算法应用开始逐渐攀升，2017年是芯片的爆发之年，2018年人工智能开始逐步落地。从此之后，可以说如雨后春笋一般的人工智能长起了一地的鸡毛，为什么说是一地鸡毛呢？人工智能的应用虽然看似非常的庞杂，但是有好多是真命题，有好多可能是伪命题，其中的真命题不乏我们现在经常用到的语音识别、人脸识别等等，还有我们车辆的自动驾驶，可以看到在这整个人工智能的新兴过程当中有好多好多的应用逐步涌现出来，而且他们也逐步的细化或者深入到我们每一个人的日常生活当中。每每我们提到人工智能技术的时候都绕不开一个巅峰级的存在，那就是AlphaGo，在人类智力游戏顶尖的围棋赛当中，AlphaGo可以说是以绝对碾压式的成绩对我们人类的智商进行了一个惨无人道的蹂躏。我们先抛去比分和实际的围棋的技巧不谈，在AlphaGo当中，大家广为熟知的、津津乐道的一个技术被称之为强化学习，强化学习是什么呢？在我们的一个机器在构建网络过程当中，构建一个行为模式当中，他会自动的去学一些东西，然后来修正他的行为模式，这个东西在AutoML里面也有应用。人工智能这项技术逐渐大卖或者逐步扩散了其应用领域，人工智能整个皇冠上的一个翘楚被称之为深度学习，可是深度学习的发展也同样带来了一些不可小觑的或者不可忽视的问题。首先我们从ImageNet数据集出现之后，图象处理或者图象识别这一个领域当中的应用得到了一个腾飞式的发展，但是我们看到在之后的一段时间当中，数据集的规模正在与日俱增，而这些数据集的增大会导致我们在训练过程当中所需要的内存消耗、显存消耗等等也会逐渐增大，因此想要训练出一个非常好的、非常适用的模型，就变得异常的难上加难，尤其当我们的应用与实际的ImageNet数据集不相符的时候，我们的数据或者我们已有的这些像RestNet（VGG）等等这些模型是否有一些过于的冗余的内容在，我们是不是可以消掉其中一部分，然后让模型更加适合于我们自身的应用呢？另外我们可以看到在深度学习技术的发展过程当中，DNN的网络结构也是日趋复杂，现在各种网络连接、各种组合方式都已经远超人类的想象范畴，在这样一个过程当中，如果我们再有新的任务、新的数据集，我们该如何去设计这个网络结构？虽说创新是站在巨人的肩膀上，但如果巨人太高了，已经超过了珠峰，可能我们攀爬上去都成了一个难度。随着网络结构日益复杂，网络规模也在逐步增加，由于这些网络规模增加、参数的增加，导致网络本身的尺度变得越来越大，在我们很多的实际应用当中，有可能我们的模型是需要放在终端设备上来进行的，比如说在Systemon Chip的片上芯片、片上系统，还有一些嵌入式设备等等我们的一些终端设备上要运行我们的网络结构的时候，我们会发现一个最大的问题，就是这些网络太大了，我们放不进去，因此在这时候我们究竟又该如何去构建我们的网络，如何筛选我们的网络。此外，在网络的结构日趋复杂的时候，我们仍旧发现一个问题，在网络训练过程当中，对于网络本身我们还有很多其他的超参数，这些超参数的设定又应该何去何从，什么样的超参数组合可能会诞生最好的网络，因此这个问题是消耗大部分的人工智能的算法的开发人员的时间跟精力，因此很多坊间传闻，人工智能的算法工程师其实称之为炼金术士，我们是一个调参师，要尝试不同的参数组合。这个过程就是我们深度学习发展所带来的一些挑战和问题。当然即便这些问题都可以解决，我们想要训练一个网络的时候，仍旧会发现他需要庞大的时间消耗和资源消耗，因此这相当于像古代的一个衙门，衙门口冲南开，有理没钱你别来，所以现在来看深度学习仿佛成了富人的游戏。此外还有一个非常大的挑战是什么？在AI的应用端，我们把所有的模型从实验室设计出来，想要让他落地的时候，会发现我们在应用端仍旧存在很多问题，比如说概念漂移，当我们原来在用实验室的像ImageNet数据集或者是COCO数据集，或者VOC的数据集，我们训练出来的网络模型在实际的应用当中的时候我们发现图象的尺寸、图象的内容发生了一些概念上的变化，而这时我们的模型往往无法适用。因此很难用原来在ImageNet或者原有公开数据集上构建的模型就可以适配到我们各行各业的不同应用当中。另外一个是尺度适配的问题，这个问题也是刚才我们所提到的网络设计或者学界网络设计的规模跟趋势是日趋复杂、日趋庞大。而实际我们在使用过程当中前端和终端的推理设备，我们的存储容量有限，无法使用这种庞大规模。还有一个问题是数据隐私，什么叫数据隐私的问题呢？可以想像我们有很多应用公司或者有业务性的公司，我们都会有自己的业务和自己的数据，但是恐怕很难说我们每一个传统行业的公司里面都会有一波人专门从事AI的算法研发跟开发工作，如果想要让传统行业当中去使用AI技术的时候，我们必须要把数据交给第三方的公司来做开发，而这时就会带来数据的隐私和安全性问题。出于以上这些角度的考虑，是否能够让我们的传统行业，不具备AI技术能力的公司同时可以得到AI的一个红利，AutoML就是我们面对现在的应用提出的一种解决方案。什么是AutoMLAutoML中文叫自动机器学习，既然要自动机器学习，我们先看一下，怎么样实现传统意义上的标准机器学习过程，标准的建模过程是什么样的呢？通常我们会拿到原始数据，在有原始数据的时候我们要对数据进行一个预处理，然后做特征工程，做模型设计，最后做一个模型验证这几个阶段，相当于数据处理阶段我们需要对整个的原始数据进行数据的清洗，筛查掉一些异常数据和一些缺失的数据，然后我们要对数据做一些增强，还有像文本数据和其他的语音数据等等我们要做一个编码，把他转换成机器可读的一些浮点型数据或者是整型数据。另外还有数据分割，比如说我们的数据如果过于庞大的话，像现在如果是720P的一个影视作品，一张图片截下来的分辨率就非常大，如果直接放到网络模型当中去，机器去计算的时候，是无法充分的去计算，因为他的内存或者显存都会被整个一张图片挤爆，因此我们还要对数据进行一些数据分割，分割也有技巧，比如我们要识别图片当中的一个人，如果你分割之后他身首异处了，我也许能识别出来脸，剩下的半张身子可能就永远跟他说再见了。另外一个就是要做特征工程，特征工程所有的数据输入之后，经过数据的预处理，数据的一些清洗和增强操作之后我们会把他进行特征化，我们会构建一些零均值特征，我们会构建一些异方差特征等等，得益于现在深度学习的发展，特征工程和模型构建这两部分对于图象出来或者图象领域的一些任务来说，他们可以合二为一。最后，做模型设计就是我们现在AutoML的一个核心阶段，AutoML的模型设计是什么呢？在传统意义上来说，就是我们人工用一张纸把可能的模型、可能的数据公式拼凑出来，然后排列出来一个pipeline，然后根据这个流程进行数据的处理和操作，最终我们要进行一个模型验证来判断我们现在的模型究竟是否适配于原来的数据问题，这个模型验证也有非常多的方法，比如说混淆矩阵、PR测试，还有AB Test测试等等，整个一系列的标准过程里面我们可以发现，数据处理，像清洗、增强、文本编码、数据分割等等这些任务似乎可以自动化的用统计的方式，用一些传统意义上机器学习的方法让他自动的实习。而特征工程跟模型构建、模型设计的部分，我们似乎也可以把他归并到一起做一个模型设计，如果我能够构建一种方式来自动化的去绘制这个模型的一个pipeline，这些方程、这些函数公式操作他的一个组合，是不是我就可以完成从原始数据的输入一直到模型的输出，最终我们进行模型验证，通常情况下，从技术角度来说，我们模型验证是可以做成自动化完成的，但是通常而言我们不会这么做，为什么？模型验证最终的验收标准是什么？是否适合我们的应用，这个标准通常情况下来说人的主观性要比客观的数据更为准确。说了这么多，我们把标准的一个建模过程跟大家表述已清，所谓的自动建模又该如何建呢？其实自动建模他的一个简单的问题描述就是在给定的性能指标之下，我们希望构建或者说找出最好的模型结构及其参数，这个方式通常我们称之为序贯模型算法配置问题，对于深度学习和神经网络来说，有一个特别的案例我们将他称之为神经网络结构搜索Neural Architecture Search，简称NAS（神经网络架构搜索），他的一个问题描述相对来说更为简单，也更为具体，对于一个预测问题而言，希望能够从网络结构中找到可以使整个在验证集上能够最小化误差的一个模型结构。AutoML的核心要素自动机器学习其实包含的最重要的是三大要素，其中第一个是搜索空间，第二个是搜索策略，第三个是评估准则。所谓搜索空间就是定义究竟我在什么范围之内进行模型搜索，举一个简单的例子，我们对于一个回归问题，我可以有很多现成的模型或者现成的函数，比如说线性回归函数或者多项式回归函数或者是SVR支持向量回归函数，如果是我们的搜索空间就是这些函数，那么我们的搜索策略和评估上面就变得非常简单，我们就是从这些函数当中挑出一个来使得它满足我们刚才所提到的评估标准。对于深度神经网络或者对于（NAS）来说，今天既然深度神经网络作为人工智能的一个掌上明珠，皇冠上最亮的那颗星星，我们就以它为例来介绍我们的AutoML技术。对于深度神经网络来说，我们搜索空间是什么？其实是一系列的OP，也就是操作，这些操作仿佛是某高的一个玩具积木，在这些无数的积木当中有四个头的、两个头的、三个头的、六个头的等等，我们需要从这些积木当中按照一定的策略挑选出合适的积木，并且按照一张可能的蓝图把它拼凑出来，最终形成一个我们想要的东西，比如说我们希望面前有一条河，我希望能构建一艘船能让他过河，也许我们的理想很丰满，希望通过某高的积木和一张设计图纸我们能够拼出一艘航空母舰，但是现实往往很骨感，当我们拼凑出来以后他也许只是一个小小的帆板，到这时候我们的一个问题就是这个帆板究竟是对还是不对，这样的结果究竟好还是不好，这就是所谓的评估准则。如果单纯从我们要过河这个角度来看的话这个帆板是可以的，他满足了我们的评估要求，是可以过河的，但是如果我们的评估准则不仅仅局限于说我们要过河，还要求了船体的外部流线特征，还要求了他的流体力学性质，还要求了他的美观性、抗毁性等等，我们会发现，这个帆板可能是不合格的，这个不合格的评价结果我们需要把他返回给我们的搜索策略，来修改我们的蓝图和图纸，最终不断经过这样一个迭代过程，使得我们最终从这些小的积木块，根据我们的选择方式和搜索策略，绘制出一个标准的航空母舰蓝图，然后得到了我们最终想要的一个结果，这个过程就涉及到了我们刚才所说的AutoML的三大要素。搜索空间针对于深度神经网络来说，其实会更为复杂，我们搜索空间的表示如果是一个简单的，就是全连接的一个神经网络结构的话，他的搜索空间的表示就是最大网络层数，我们只要给定最大网络层数以及每层可选的元操作，以及每一层我们神经原的个数，是不是就是可以唯一的决定一个神经网络该长什么样子。对于一个卷积神经网络来说，他比之前所提到的这个神经网络要稍微多一点，我们的搜索空间表示要包括最大的网络层数，然后每一层可选的元操作数，所谓的元操作数就是一乘一的卷积、三乘三的卷积、五乘五的卷积等等，之后就是与这些操作相关的一些超参数，因为对于一个卷积神经网络来说，一个卷积层不光包含了我们卷积的大小，同样也包含了这个卷积层的通道数量以及他的一个step的（步长）等等。这些就是我们搜索空间当中所具备的一个元素，而用这些元素怎么去设计我们的搜索策略，然后拼装出来我们整个深度神经网络，就是我们AutoML所需要做的一个事情。当然了，在这个操作过程当中，我们对于搜索空间的定义有几种特别的方式，尤其是对于深度神经网络来说，通常情况下有一种叫做链式网络结构。链式网络结构就是从输入到输出依次来定义我们每一层究竟是什么样的内容，什么样的结构，这样一个网络构建方式可以说是最原始、最传统、也是我们的搜索空间所能表达的所有网络当中最丰富的。还有一种是基于复用一些网络单元的堆叠结构，像最右边这里我们看到人工设计了一个单元堆叠的方式，我们的第一层是input，下面一层是block1，第二个是block2，第三个是block3，经过这几个block堆叠之后我们输出到一个output，这个堆叠方式固定下来之后我们可选的操作是什么呢？就是里面的block，对于每一个block或者是我们称之为一个模块，这个模块我究竟该如何设计，这个模块里面我们可以采用链式网络结构的一个设计方式，虽然大家看到中间这一部分是分了多个分支，其实他仍旧属于链式网络设计的一种逻辑。我们定义了神经网络的一个搜索空间之后，我们可以知道当我的积木已经准备好了之后，我们就需要进行一个搜索和采样，我需要选出我所需要的积木，然后根据我们设计的蓝图进行一个拼接，我们的积木的选择跟蓝图的绘制目前来说就是我们AutoML搜索策略的几种方式，当今比较流行的三种搜索策略包括进化计算，还有神经网络结构搜索，也就是我们以谷歌的强化学习为代表，之后还有一种是网络迁移的方式，通常这种方式又被称之为网络形态学变换。所谓进化计算非常好理解的一种说法就称之为遗传算法，之前我们刚才看到有网络空间，网络空间其实每一种操作我们可以给他定义做一个编码，像identity层操作我们称之为零，1×1的卷积比如说称之为1，1×3的卷积称之为2，对于所有这些我们可用的元操作进行一个数值编码之后，我们可以写出一条所谓的染色体，这一条染色体的长度就是我们网络结构的层数，这里面每一个数值就对应着元操作，我们还可以定义一个没有操作，这样如果是某一层没有操作的话，他存在着一个跳层，那么我们整个网络层的层数的深度就会随之减少。我们定义了染色体的编码方式之后，多个染色体之间可以通过遗传算法，遗传学当中的交叉、变异形成（子带），这些子带就是新的染色体，这些染色体就代表了新的网络结构，然后我们根据适应度评价标准、评价准则来判定什么样的网络模型是更好的，整个过程当中，所谓的适应度评价就是一个外界对于一条染色体或者种群当中某一个个体的一个评价，在整个迭代的过程当中，具有高适应度的个体就优先获得了繁衍权利，而具有低适应度的个体就会逐渐被淘汰，整个过程就是达尔文所说的物竞天择、适者生存的一个逻辑，最终会把所有与我们适应度评价函数最高的染色体，这些子带流传下来，也就得到了我们最想要的这些性能标准。另外一个我们称之为叫NAS的一个方式，叫强化学习，NAS过程当中我们搜索空间也是跟刚才的一样，定义好多OP，中间会有一个控制器，这个控制器是用来做模型采样，然后做一个OP的采样，这个控制器传统方法上面来说或者在遗传算法上来说，我们的控制器是固定的，只是在每一次控制器采样到的东西进行筛选，去甄别的过程是不定的。而在NAS过程当中我们的控制器是变换的，而筛选结果是不变的，什么意思呢？当我们的搜索空间当中，采样到了一个网络模型，采样到了一个子网络之后我们对他进行了评估，评估这个结果好坏会直接影响控制器下一次是否在这个地方还采样这个操作，这样的话，这个返回的结果就会直接影响到我们参数空间当中进行操作采样的过程，我们采样出来的结果在这样的逐渐迭代的过程当中，对于好的操作，他采样到的概率就会逐渐递增。而对于一些差的操作或者对于我们的网络性能没有什么贡献的操作，他被采到的概率就会逐渐递减，之后经过无数轮迭代之后，我们发现控制器每一次在每一个所需要的层级趋于采样或者大概率的采样适合于这个网络层的一些操作。还有一种方式就称之为网络形态学变换，这里给出一个比较标准的剪枝操作，所谓剪枝操作就是我们通过对于已经给定的网络模型去修建他当中存在的一些不必要的路径，使得路径发生了一些变化之后我们进行网络参数更新，这样整个网络的模型的结构和样子发生了变化，同时模型的大小和尺度也发生了变化，在这个过程当中，如果我们所用到的数据集跟原来训练这个网络的数据集是不一致的话，他再进行裁剪和重训练之后，这个网络模型就会更加适配于我们现在在实际使用、应用算法当中的应用数据集。基于这样一个思想，其实我们可以考虑，如果我有一个完备的网络，并且网络当中的路径不只一条，就是同样的两个节点之间的路径可能不只一条，每一条路径是一种操作，我可能在下面像左边这张图里面，我从0到1、到2、到3有不同的路径，每一个节点之间可选的路径还有很多，那也就是他从零到一的操作可以有三种不同的操作，在这样一个我们称之为叫完备网络图的结构当中，我们采用剪枝的操作或者采用路径的削减的一个操作，是不是可以修正和找到最适合于整个网络结构的一个路径组合呢？比方说像下面的这张图，他的完备图经过路径的筛查、筛选之后我们得到右边这张子图里面从0到1就有1条橙黄色的路径，从0到3就有1个红色路径，可以看到从0到2的路被我们删除了，这个也许是经过网络搜索得到的一个最佳的结果。这样筛选之后我们可以看到一个新的子网络结构具备了新的网络结构类型，也同时具备了不同的尺度，他也达到了我们说模型从无到有的一个生成过程。说完我们的模型搜索过程之后，我们会发现我现在有了一堆积木，也有信手拈来可以去把他搭建的过程，搭建出来之后究竟这个模型是好还是坏，我们需要用一个评价标准来进行一个评价，通常而言我们的数据会被拆分为几个部分，所有的数据通常是我们由应用和业务过程当中积累下来的历史数据，这些历史数据我们会拆分成两个部分，一个称之为训练数据集，另外一个称之为测试数据集，训练数据集当中我们会把他拆分为训练数据和验证数据，验证数据用来去验证我们现在的模型是否训练到了一个收敛的状态。对于AutoML来说，最常用的一种评价标准是什么？就是以验证数据集作为评价标准，当我们构建出来的模型在验证集上的精度作为最终的一个验收结果。这样一个过程似乎看起来非常完美，我有了搜索空间，我有了可以指导我进行模型构建的一个过程和策略，我也有了一个评价标准，似乎一切显得非常完美，我们是不是AutoML就到此结束了？事实上在这里又存在了一个非常庞大的坑，是什么呢？当我们的一个模型构建出来之后，如果这个模型没有经过训练的话，他在验证集上的精度一定是非常差的，如果要训练他得到一个在验证集上非常好的精度或者可信的精度的话，对于这个模型的训练必不可少，而这个训练又是非常耗时和耗费资源的。对于这样一个过程我们想怎么样能够提升我们验证集或者提升我们评价标准获得的这样一个效率，降低我们的一个计算资源消耗呢？有几种方式，其中一种是当我们对于精度进行一个预测，我们对于（学习率）的变化进行一个预测，这里面包括了三种方式，其中第一种对精度进行预测，第二种对于学习率进行预测，第三种我们采用参数共享的方法。对于精度的预测非常简单可以理解，当我有了一个模型之后，我虽然现在不知道他训练完整之后，他的精度大概是多少，但是我可以用另外一个模型来预测这样一个我们生成出来的子模型，他的验证精度，经过几轮的训练和迭代之后，我们称之为判别器，用来预测采样到的模型精度的这个模型我们把他称之为判别器，当这个判别器被训练的非常完美的时候，像这个过程当中其实相当于自己进行了机器编码，这个是机器实现智能化的重要标志之一。另外一个就是参数共享，所谓的参数共享就是我们之前提到的一个完备的超网络图，在完备的超网络图当中，我们进行一个子网络采样，然后对于这个子网络的训练得到的参数进行上传，然后我们就把他继承到了一个超网络当中去，在这个过程当中，我们不断的去采样子网络，然后对他进行训练，并且上传他的参数，超网络继承了这些参数之后可以看到，当子网络进行了一系列的训练之后，超网络整体也得到了一定的训练，而当我们经过一些轮的迭代之后，超网络当中的每一个子网络如果都训练趋于成熟，或者说我们得到了一些可预测性的网络的时候，对于这些所采样到的子网络只需要在验证集上进行一个（前向）推理，我们得到一个验证集的精度，这些精度虽然都不是完整训练到的一个完备的网络精度，但是如果对于任意的两个子网络来说，这时我们得到的验证集精度与完整训练之后的验证集精度相比，它的相对的精度高低不发生变化的时候，可以说这些网络就已经具备了非常好的可预测性，因为我们所需要的是找到最好的网络，如果他的相对排序不发生变化，那么我们就可以进行一个选择了。那么到这时候，我们称之为这些超网络具备了可预测性，当一个超网络具备了非常好的可预测性之后，我们就可以同时对他采样成千上万的网络，并且对这些网络进行传统的一些优化算法去迭代，去搜索其中最好的网络参数和网络结构，这样一个过程我们可以把它称之为万箭齐发。回顾小结今天讲了非常多的内容，其实翻回头来仔细看一看包含几个方面。01. 什么是AutoML？AutoML其实就是在采用自动化的方式和程式化的一些手段根据我们的开发任务自主的实现模型构建筛选的一种技术。02. 这个技术为什么要发展？或者说我们为什么需要AutoML来出现呢？首先我们来看AutoML是自动代码编写技术的一个子领域，因为由机器本身自动去构建了一个网络，这个网络其实是一系列的代码组合，所以他是一个自动代码编写技术的方式，这种方式和这种技术是机器实现智能化的重要技术之一；另外AutoML有一些非常好的适用领域，比如说应用领域太过专业，业务的模型需求量又非常庞大，这些更新的频率又非常高的这些特定场合里面AutoML是非常适用的，比如说有好多业务场景，可能一个行业的ISV公司需要cover掉的是这个行业当中非常多的不同的应用和不同的业务场景，这些算法工作人员需要不断的提供很多新的不同的业务场景适配的一些模型，在这样的情况下AutoML就会非常好的解放他们的生产力；还有一些是我虽然有非常多的应用领域或者说我的应用领域非常专一，我有非常多的技术，但是对于一个传统的行业来说，我并没有这样的人力资源进行AutoML或者AI的开发过程，此时AutoML作为一个拉低AI技术门槛的核心技术是非常适用于这些行业的。因此说AutoML是AI产业化和普适AI化的一个发展方向。03. AutoML的三大核心要素是什么？首先是搜索空间，搜索空间定义了模型的元操作，是AutoML当中最基础的一些组成元素，这些元素就决定了我们所构建出来的模型所能够达到的上限，比如说如果一个模型在最理想的环境下可能需要一个平方操作，但是我们的搜索空间空间如果不包含平方操作的话，他一定达不到；另外一个就是我们的搜索方法，搜索方法就是我们定义操作进行组合的一个方式，是从元素到功能的一种实现，这个方式决定了模型所能达到的下限，为什么叫下限呢？我们的搜索方法如果非常差的话，无异于就是一个随机搜索，我们把很多的模型、很多的操作进行随机的放置、拼接和组合到一起之后我们同样可以得到一个网络模型，这个网络模型也会有一个结果，这个结果通常我们称之为一个baseline，是整个这个网络构建的一个下限，当然值得庆幸的一点是什么呢？可能我们并不需要具备非常多非常庞大的领域知识和非常高精的一些搜索方法才能构建出非常好的网络模型，因为大量的论文和实践研究表明我们即便用随机搜索方式，我们所能达到的这个baseline在很多应用场景当中已经是非常高的了，已经可以非常好的适应和适用于我们很多实际的业务跟应用场景了；还有一个就是我们最重要的一个评价准则，评价准则定义了一个搜索的发展方向，决定搜索的一个倾向性。我记得跟人力聊天的时候，我们最常说的一句话叫做你考核什么你就得到什么，所以当你定义好了你的评价准则、评价标准之后，你才会得到最适用于你的网络模型。在整个网络模型和AutoML构建过程当中我们也提到了AutoML在搜索方法当中存在的三大主流方式，包括进化计算、强化学习和网络迁移的方法，整体来说，什么叫做AutoML？AutoML就是无中生有的从一个搜索空间当中构建出一系列的模型，然后如果你采用的是一个参数共享的方法，恭喜你你会得到一个非常好用的、具有可预测性的超网络，当具有超网络之后，你就可以在平行的、并行的我们构建，从超网络当中采样成千上万的子网络，称之为万箭齐发，这些万箭齐发当中得到的这些网络当中我们经过评价标准的一个选择之后，弱水三千只取一瓢饮，万千人群中找到最适合你的那一个模型，仿佛沧海一粟，找到之后就可以对你的业务场景和实际应用精准的出一张杀。

文/格子道历史“路漫漫其修远兮，吾将上下而求索”如今的中国，正如屈原《离骚》中所说的，前路漫漫，我等却在奋力前进的一个阶段。对于中国近几十年的伟大改变，我们亲眼目睹。如今的中国，正向世界大国行列迈进，渐渐的，一个大国形象逐渐出现在世人眼中。对于中国，世界各国都有属于他们自己的看法，正如法国著名统帅拿破仑所说：“中国是一头沉睡的雄狮。”中国身上蕴藏的能量，是不可估量的，这股力量一旦彻底释放出来，足以撼动整个世界。世界上大多国家对于中国都能有一个客观的看法，唯独韩国人有一种与生俱来的自豪感，他们看不上中国，觉得中国依旧是近代时期的那个落后国度。在韩国人心里，他们觉得中国不能和他们相提并论。即使在如今，大多数韩国人依旧这样认为。近日，一位常年在欧洲国家留学的韩国年轻博士谈起了他最近的中国之行，他的言辞恳切，表明自己之前所有看法的错误性。他说自己之前对于中国有了很多错误的认知，但是在他中国一行后，彻底改变了他的观念。韩国博士说：来到中国后，彻底击碎了我的自豪感，我很惭愧究竟是怎么回事？韩国人是否对中国有什么错误理解，韩国博士为何会当众表达这种看法呢？一、来自韩国人的偏见其实，韩国人对于中国一直都是有偏见的，与此同时，韩国人对于真正的中国也有一些错误的理解。他们不知道中国真正的样子，而是一味地接受韩国政府所灌输给他们的，因为这个原因，也导致韩国人错误认识了中国。韩国人有着一种与生俱来的自豪感，这种自豪感过于自信，并且包含许多捏造的成分。因为这个原因，也导致韩国人过高估计韩国，过低看待中国。众所周知，韩国从古至今都只是一个弹丸小国，但韩国自己却不这样认为。韩国史学家把历史上的韩国塑造成一个高大威猛的形象，与此同时，韩国也把世界上很多的发明创造和名人拉拢到韩国去。其实，这些只是韩国的一厢情愿，包含太多随意捏造的成分。韩国编造历史，在韩国的教科书上，中国的四大发明已经成为韩国的产物，就连诗仙李白也是韩国的。不仅如此，韩国更是大张旗鼓的宣传东方文化是韩国同中国一起创造的。除此之外，韩国还特意扭曲历史事实，大家都知道唐太宗曾经攻伐高句丽和高丽，使得他们俯首称臣。但到了韩国那里，反而成了韩国大败唐太宗，并且打瞎了唐太宗的眼睛，韩国特意丑化唐朝，并将这段虚假历史拍成电视剧。韩国灌输给韩国民众的历史资料大多是他们编造的，这些假的史料多为贬斥中国，抬高韩国。长此以往下来，韩国民众心里自然出现看不起中国的想法。加上韩国特意宣传近代中国的积贫积弱，以至于让韩国人完全相信中国是一个不入流的小国家。可以说，韩国人对于中国这些不切实际的看法，完全来源于韩国政府的主观臆想。二、韩国博士大开眼界韩国博士来到中国之前，他觉得中国是一个极其落后的国度，这里的人民苦不堪言，连吃饭问题都解决不了。可是来到中国以后，他所看到的景象让他大开眼界，他简直不敢相信自己的眼睛。韩国博士表示，在来中国之前他想过一千一万种难以适应的理由，同时也抱着体验一下发展中国家生活水平的心态来中国走走。因为韩国的“三明治论”理论的影响，让他认为中国是一个发展中国家，根本比不上韩国。何为三明治论？简而言之，韩国人普遍认同的这种情况称为“三明治论”及韩国处于日本在前中国在后追击的中间位置像三明治一样被夹紧的主张。可以说，大多的韩国青年都处于一种韩国优越论中。在他们心里，只是觉得中国追击感很强，而中国并不能和韩国相提并论。随后，韩国博士以一种无可奈何的语气说出他来中国的所见所闻。韩国博士说到：“来中国之前，我认为中国很多地方会找不开大面值纸币，从而兑换了很多小面额纸币放在钱包里面。”到了中国后，他才发现如今的中国已经是电子支付时代，中国国内并不是找不开大面额的纸币而是不怎么使用现金。如今的中国人只用一部手机就可以出门，这是在韩国不敢想象的事情。三、韩国博士亲身经历韩国博士讲到他在中国的一次亲身经历：“当时，我拿着一堆零钱去买东西的时候，却感受到来自店员的惊讶表情，但是店员还是热情的收下了我的一堆零钱，事后我才知道这位店员惊讶原因，原来中国早都不怎么使用纸币，而我们韩国仍处于盲目的自信中，这种感觉真让人窒息。”韩国博士惭愧的说：“我本以为中国是一个非常落后的三流国家，对于中国，我的期望很低。但是到了北京和上海后，我仿佛萌生一种踏入未来世界的感觉。中国的繁荣景象，我这个韩国来的人来说是根本没料到的。相信很多的韩国人都想不到真正的中国竟然如此的繁荣昌盛。”韩国博士这一次中国之旅，也让他彻底认识到中国的强大之处。要知道，如今的中国绝不是近代时期的中国，也不是韩国方面捏造的那个中国。如今的中国，是一个繁荣、强大的国度。它的强大，也只有亲身经历过才能体会到。正如韩国博士所说：中国的强大，是任何一个韩国人不曾见过的，也是任何一个韩国人不敢想象的。韩国博士声称：真为韩国人悲哀，我们常说中国落后，国人表示出可怜和轻视中国的态度，但是我们不知道中国竟然能够强大到如此地步，与此同时，我也为韩国人的自负和狂妄感到心痛。结语：中国作为一个历史悠久，发展迅速的国度，在近代时期，中国的确落后于世界各国，但经过我国人民的共同努力后，中国已经逐渐追上世界强国的脚步，并且逐渐跻身于世界强国的行列。可以说，如今中国的强盛，也是世界各国亲眼目睹的。在中国繁荣昌盛面前，韩国始终都是不敢直视的那个。韩国政府给韩国民众灌输一种中国远不如韩国的思想，让韩国民众误以为中国是一个极其落后的国度，殊不知自己所处的国度才是真正的落后。韩国政府强加给韩国人一些思想观念，这些思想观念让韩国人错误的认为中国就是一个落后的国度。一直以来，韩国人都错误的认知了中国。如果不是韩国博士来到中国，或许他还会继续执迷不悟下去。客观来说，韩国人应该感谢韩国博士这次中国之旅。但愿韩国博士回国以后会将他在中国的所看所闻告知全国民众，让韩国人真正的认识一下中国。或许对于韩国人而言，真实的认知才是有利于韩国发展的事情。所以说，韩国人还是要正确面对中国的发展，不能总活在自己臆想的美梦之中。参考资料：《韩国“三明治论”》图片来源于网络，如有侵权，联系删除！

Anthony Fauci博士说，“您能做的最坏的事情”是将学生的COVID-19阳性测试送回家，从而感染他们的朋友和家人。一些学校设置了宿舍以隔离生病的学生，但其他学校则将学生送回家，这可能会导致家乡爆发疫情。劳动节周末可能特别危险，因为学生出差旅行并拜访朋友和家人。在整个八月的大部分时间里，美国新报告的COVID-19病例数量都以令人鼓舞的速度下降，但在月底开始停滞。毫无疑问，有很多因素导致了突然的高原，但是全国各地的学校从8月开始开放似乎是有意义的。实际上，正如我们在本周早些时候指出的那样，美国十大最严重的疫情中有九起发生在大学城。到那时，美国最主要的传染病专家之一，冠状病毒工作队成员安东尼· 富奇博士出现在本周的NBC的《今日秀》中，并警告说，当学生检测到COVID呈阳性时，将他们从大学送回大学-19是“您能做的最糟糕的事情。”Fauci补充说：“将他们留在大学中，远离其他学生的地方，但不要让他们回家，因为他们有可能在本国传播。” 许多学校已经建立了宿舍，以隔离测试阳性的学生，以便他们可以留在校园并康复，但另一些学校则选择将学生送回家中，在那里他们可以将病毒传播给家人和其他人。这反映了Fauci博士的特遣部队成员Deborah Birx博士的建议，Deborah Birx博士上周末在新闻发布会上说，学生应该在学校隔离，并敦促他们不要“如果你是积极的，不要回家，并将病毒传播到您的家人，您的阿姨，您的叔叔，您的祖父母。”Birx博士在与美国州长的电话中详细阐述了这一点，ABC新闻获得了该音频：与校长核对确实很重要，以确保他们也为成长为积极的学生制定了隔离和照顾计划，即使他们已经上网。对这些学生进行不断的测试，隔离和照顾，不要回到他们的多代家庭中，这可能会大大增加传播，特别是在劳动节周末期间，这一点非常重要。自学生开始返回校园以来，大学和大学的爆发每天都成为头条新闻，我们要做的最后一件事是将所有那些感染并具传染性的年轻人送回家，让他们可以感染更脆弱的人群。这是劳动节周末之前特别重要的警告，因为全国各地的学生都计划休假或回家看望家人。

导语前段时间，甲骨文中国区裁员和京东裁员的消息在网上蔓延。很多人说，看见这个消息，我患了焦虑症。其实，很多人一直都觉得焦虑。不论在什么时候，总觉得自己郁郁不得志，看着别人的风光，想着自己的失意；揣着遥远的梦想，却不肯做出实际性的行动。这种焦虑，就是伪焦虑。01攀比产生的焦虑是伪焦虑前不久，有人在天涯论坛发贴,，称自己有车有房有存款，三线城市工作稳定，却焦虑担忧，如履薄冰。博主说，奔四的年纪，体质内工作，相对轻松，夫妻俩每年到手收入约40万，每年花费约10万，手上有300多万存款。双方父母名下各自有房，退休后每年也有退休金。但是，看到曾经的同学，总感觉他们比自己混得好，与自己差距巨大，因此心情很差。在博主的贴子下面，很多人都说，他这是矫情，虚伪甚至是炫富。当然，也有很多人表示，同样条件的自己也觉得很焦虑，焦虑自己会被时代抛弃，而不是焦虑钱够不够用。美国《时代周刊》曾经定义焦虑：“焦虑源于我们对事情的期望与真实情况之间的巨大差距。”某网站曾发布了一份《中国新锐中产调查报告》报告主要调查对象为80后，调查显示，95%的中产会感到经常焦虑或偶尔焦虑。其中，焦虑的主要原因是对未来的不确定性，占比为71%；其次是对现实的不满，占比为46%。这份调查报告，很好的展示了新锐中产的心理状况，也概括了很多职场人的心理活动。但是，这些看似焦虑的原因，以及所谓焦虑的问题，大多是因为对未来的一种担忧和不安全感。叔本华说：“生命是一团欲望，欲望不满足则痛苦。”所以，当欲望与现实出现差距时，焦虑便油然而生。但是，这种不为眼前的困境而焦虑的焦虑，其实是伪焦虑。看似焦虑不确定的未来，实则是因为现状不能满足欲望，在攀比中感到无力而产生的焦虑。02无法正视现状的焦虑是伪焦虑我认识一个朋友，他曾在大型国企做技术主管。工作多年时，他觉得自己足够成熟，想自己单干。为此，他做了很多工作，先是跟同行打听外面的市场情况，包括了解各类政策等，在他认为时机成熟的时候，他出来了。公司成立后，一大堆问题出现，原来不曾想过的困难接踵而至。他要自己去谈生意，管理人，去比稿，去尽力满足甲方等种种琐事。尽管已经已经做了充分的心里准备，但他仍然感到现实与理想之间的巨大鸿沟。公司并为朝着他想象的样子去发展，却也不算太坏。但他的心里却出现状况。朋友见面时，总是念念不忘地谈起过去和原先的规划，对现状感到深深无力。其原因就是他始终看不到当前，将想象与现实不断对比，由此产生焦虑。他身上有着我们很多人一样的心境，对比过去的境遇或理想中的美好，而对今天的现状感到深深不满。这种伪焦虑就是，不敢面对当前，始终把自己置身在虚幻的想象中，因此怨天尤人，产生焦虑。03改变自己，突破焦虑《奇葩说》中有一期选手提到一个上进心的问题。选手说：”每一个人的目标不同，都有被卡住的时候，这个时候，你应该放下，然后走出去，走到左边去。”“很多事没有高下之分，只有左右之分。”焦虑没有正确之分，只有真伪与否，只有改变自己，才能突破焦虑。有些人，知道现实的不足，却从未开始改变，所以每次面对现状都会陷入焦虑。《琅琊榜》和《伪装者》让人们看到了演技精湛的刘奕君，就是一个走出伪焦虑的人。从北京电影学院毕业后，他被分配回故乡西安。可是，长达8年没有人找他拍戏。为了继续演员的梦想，他来到北京，但演的依然是一些小角色。但不管是什么角色，只要能演戏，他就用十二分的努力去付出，一遍一遍地练习多次一个没有几句台词的人物。看到曾经的同门师兄张嘉译发展越来越好，刘奕君期初也有过焦虑。但是，他知道焦虑解决不了问题，一切的希望只有从改变开始，在坚持中积蓄能量。着眼当前，从不埋怨，只把所有希望寄托在自己身上，默默耕耘，埋头苦干。刘奕君用了十六年的时间，凭着足够的自信和深厚的功底终于厚积薄发。他说：“人生的每一天都不是虚度的，我曾经说过一个看似毫无意义的等待，也许是最有意义的坚守。看到现状，并努力改变，用付出和坚持去打磨自己，用精进的态度和能力才是改变焦虑的唯一办法。哲学家克尔凯郭尔说过：“焦虑是在说明我们存在实现某种可能性的可能，但是也可能无法实现这种可能性。”伪焦虑，更是把某种可能性当作了必然的结果，当真实情况不一样，就产生焦虑。如何让可能性变成真实的结果，一定是从抓住机会，寻求改变，并作出行动开始。04正视欲望，解决焦虑托尔斯泰说：“人们往往把欲望的满足看成幸福。”作为平凡人的我们，正因为各种欲望才努力奋斗，尽力生活。我们以为，只要所有欲望都满足就是幸福。于是，欲望越来越多。满足了这个立刻又有下一个。比如，原来觉得能买起一套房子就行，当买了一套房子，又想着尽早再买一套。比如，曾经想要是能混上公司中层就行，可一旦当上主管，又把目标瞄准了经理。比如，去年打算挣20万就行，当拿到20万时，今年又想挣30万。如此种种，欲望总是随着不断到手的东西而生长、壮大。时常会根据过去的经验，对后续目标而抱有极大的可能性。但是，这种没有经过量化并确立的目标，不过是来源于我们自身的想象，与事情本身绝无关系，只与个人的欲望有关，所有因欲望而产生的焦虑都是伪焦虑。叔本华告诉我们：承认欲望，面对欲望，摒弃不必要的欲望，最终活得澄澈而幸福。前段时间流行的断舍离，其实是同样的意思。丢掉过于虚幻的欲望，从学会做减法开始，抛弃与自己能力不匹配的欲望，就是认清自己的开端。村上春树说：“容易满足的人，总是活得简单快乐；欲望过多的人，往往愁容满面。快乐和烦恼，只能来一个，你拉着一个不放，另一个自然不会来。”如果一直陷在欲望的漩涡里，顶着伪焦虑的帽子让自己痛苦，那自然不会觉得满足和幸福。真正的澄明是，如丰子恺所说：不念过往，不畏将来。如此，安好。麦子飞飞：自由撰稿人。用一颗热爱的心，耕耘人生，触摸世间；相信相信的力量，倾尽所能温暖生活。

众所周知，在东方卫视第一期《相声有新人》节目中，出现了三位博士，一对是最近几天由于恶怼郭德纲而扬名天下的“公式相声”创造者——上海交大博士夫妻李宏烨、郑钰。同时，节目中也出现了本、硕、博都是清华大学的李寅飞。《相声有新人》第二期又要与观众见面，在这一期节目中，又出现了一个北京大学博士张宇识。这就引出了一个话题，相声本来是“下里巴人”的一种民间说唱曲艺。一般来说，相声有三大发源地：北京天桥、天津劝业场和南京夫子庙，上百年来的实践表明，相声是扎根于民间、源于生活的一种曲艺表演形式。 那为啥当下却突然冒出这么多博士特别是名牌大学的博士说相声呢？先让我们来了解一下几位相声博士。第一位是李宏烨。李宏烨2003年从天津二十中学考入上海交通大学机械系塑性成形专业，后本硕博都在这所学校。2015年5月，李宏烨的博士论文终于通过答辩，毕业时，他放弃了学习研究12年的工科专业，创办起了自己的相声社——新语相声俱乐部，成为专业相声创作者和表演者。第二位是李宏烨的妻子郑钰，是上海交通大学材料科学与工程博士。本科期间，她就与李宏烨搭档，在相声协会里投入了相当大的时间和精力。读研博期间，夫妇二人出版了三部相声专著：《相声的有限元》、《说出你的笑：校园相声学》、《逻辑搞笑实录》。两人有一对儿女，女儿叫李说从，儿子叫李笑回，合起来就是“两个人两张嘴，你说我笑”之意。第三位是李寅飞，毕业于清华大学，本、硕、博都出自这所著名高校，他自幼喜爱曲艺艺术，热衷相声表演，曾在北京德云社学习相声表演，后来，由于学业离开德云社，现活跃于京城相声小剧场。第四位是北京大学张宇识，他2007年被保送至北京大学，2016年从北大获得理学博士学位，是一名不折不扣的学霸，现就职于中国科学院电子学研究所，自我介绍是要“用相声的形式来做科普”。近年来，关于名校博士就业的“另类”新闻屡见报端，如博士卖猪肉、当全职太太等，如今又有这么多博士说起了相声，是相声真得火了，还是纯业余爱好，一时之间还真给不出答案。反对者有之。作为最高层面的学术研究型学位，博士已经对获得这个学位者在学术研究领域有严谨的训练和考核。在普罗大众看来，他们是在某一领域有相当研究的一类人群，凡是读了博士的人，必然在某个专业领域达到了很高的知识水准。而这样的人“屈尊”去说相声，显然是一种人才浪费。同时，“技术帝”固然长于严密的逻辑推理、精准的参数计算，正如姜昆为李宏烨的《相声的有限元》作序时所说的：“相声的笑果是演员与观众靠表现的优劣、理解的程度，表达的方式以及共鸣的大小，共同创造出来的。靠计算是解决不了的”。当然，赞成者也很多。对于名校博士的自由择业，保持开放包容的心态是现代人的基本素养，对于博士说相声，公众也一改过去的态度，而送去了许多掌声，可以说，是对传统择业观念和成见的修正。然而，读了博士的人就真得能够说好相声么？显然不是这样。博士只能证明他在某一个领域有相应水平，而不能说明他一定能说好相声。或者也可以这样理解，说相声跟博士身份无关，如李宏烨夫妇那样三句话离不开“博士”，其实很没有意思。我们知道，东方卫视《相声有新人》主推新人。正如节目组所宣布的：相声有新人，敢想敢发声！期待与您在传承感和时代感兼具的舞台上共同见证相声新人的诞生。也正因为此，面对越来越多的名校博士以及其他高学历人才蜂拥而至闯进相声的“天堂”现象，《相声有新人》就能给出答案吗？我看不尽然。不过，如果是爱好，但说无妨。而如果是觉得娱乐圈挣钱容易而走上相声之路，我们则坚决反对。您说呢？

“百无一用是书生”，是清代著名诗人黄仲则的名句，其上句是“十有九人堪白眼”，意思是在官场儒林里，十人中有九人我对他们投以白眼即看不起，但如今百事派不上用场的却是我这样的读书人。近来在网上看过几段东方卫视《相声有新人》视频，除上海交大博士夫妻组合外，还看了北京大学和清华大学的博士说相声，不知怎地就想起了这两句诗，觉得用这两句诗反其义来评价“博士说相声”现象挺合适。我先想到的是不是教育上除了问题，是不是我国的高端人才真的过剩？还是就业环节不畅通？是什么促使学理工和媒体专业的博士改行？当然，没有人说博士毕业后不能说相声，更没有人说学理工的不能从事文艺工作，但看了这几个博士站在台上说相声总觉得哪里不对。就李宏烨、郑钰来说，从2004年加入上海交大的相声协会后，十几年来坚持不辍，并有3本相声专著或编著出版，的确令人刮目相看。仅此或许怕是填补了主流与非主流相声界学术研究领域的一项空白。但是，问题是相声这一民间通俗艺术需要用“公式理论”的方式来进行研究吗？而且李宏烨多贬抑的通俗（非庸俗更非媚俗）恰是相声这一艺术形式的“命脉”，如果按他所说的“相声能不能高级一点”，恐怕很可能会“十有九人堪白眼”。李宏烨那一次相声表演以及“猛怼”郭德纲的现场，完全“暴露”了他就是一个酸腐书生的本质，他的那种清高乃至骄横，与传统文化的底蕴完全背道而驰，或者说在根深丰厚的传统文化面前不堪一击。老话说：“女怕嫁错郎，男怕入错行”，这又是一个活生生的例证。我的看法是，相声与二人转以及民间一些说唱艺术，都属于通俗艺术的范畴，有其传统文化的积淀和艺术传承，并为广大民众所喜爱，所谓内容健康只要做到“政治正确”和不诲淫诲盗则可，多少有一点带颜色的谐谑应该不是大问题。再回过头来说博士说相声，希望这是个别，还希望这次《相声有新人》博士说相声是一个噱头，因为真的不想再看到更多的博士、硕士和学士热衷于此类表演艺术，更不希望由此对一些年轻人产生误导作用。此外，作为同是一介书生，不忍看到网上舆论近乎一边倒对“博士说相声”“堪白眼”，这实际上是对学非所用的贬斥，即是“百无一用是博士”，再说严重一点，也是对当下高等教育是否存在问题的质疑，值得深思。

说起上海交大的博士“相声演员”夫妻二人，大家也是还有一些印象吧？在去年的时候，两个人带着徒弟也是参加里《相声有新人》，顶着交大博士的头衔，李宏烨夫妻二人，也是教会了大家如何用公式说相声，他的“笑果逾期总公式”也是让大家目瞪口呆。其实如果李宏烨夫妻二人，谦虚一些，好好的学一下相声的“说学逗唱”，然后在这上面的基础上，在进行一些创新，然后实现小规模的颠覆也是无关紧要，但是这两个人却是非常的高调了，连走都不会，就想去跑了。就像是最近非常火的”天雷滚滚“的相声新势力组合一样，他们两个人的相声作品，和咱们大家平时接触的相声也是有一些细微的不同，但是他们却没有进行改革，而是通过了在传统相声上，进行一些细小的改变，所以也是赢得了大家的喜爱，就连郭德纲也是对这两个人赞不绝口。而李宏烨夫妻二人，却是想要从根本上来颠覆传统相声。就算是想要改变传统相声，也是为了相声这个行业，大家也是会对这夫妻二人的新相信，新形势的研究给予鼓励和支持，但是他们两个人，大概是自认为自己的相声基本功非常扎实了，而是喜剧表演的能力也是非常强，所以也是放开豪言壮语，自己能够依靠着“相声公式”创作相声，已经创作出来五百多段了！但是他的表演方式，已经和相声沾不上边了，所以在《相声有新人》节目中，李宏烨并没有拿到自己期待的成绩，就连郭德纲在相声行业混迹了大半辈子了，估计也是没有见过这样的相声吧？所以郭德纲在当时也是用了非常直白的话，说出了“公式相声”的弊端和问题，郭德纲本是为了他们两个人好，但是李宏烨却是恼羞成怒，甚至直接嘲讽起来郭德纲，对传统相声也是冷嘲热讽，在被淘汰了以后，还“威胁”郭德纲走着瞧，小编作为一个完全不懂相声的吃瓜群众来说，完全没有找到他公式相声的笑点，而且没有看出他有任何的才能，也是有着不少的观众都表示：他们两个人说的不是相声，是两个人在家里聊家长里短。李宏烨也是因为和郭德纲针锋相对，让他火了起来，说是火也是不太准确，只能说是一个跳梁小丑被大家知道了而已，在后来也是参加了不少的活动和节目，大概也是怼过郭德纲的原因吧，让姜昆赞不绝口。在前几天的时候，李宏烨也是包下了上海大舞台，举办个人的相声演出，甚至宣传图上还用郭德纲《相声有新人》节目进行标榜宣传，蹭热度行为不言自表。但是结果却是非常的打脸，一共加上工作人员，不足百人。

文|诚实善良小郎君刚步入社会的那两年，小郎君对财富的欲望空前高涨，因为我发现，社会真的和学校不一样，在学校里，一个月1000块钱的生活费，我能让自己很开心，只要有一台电脑，有一部手机，有宿舍里的小伙伴，我们每天一起上课下课，一起去食堂吃饭，一起回宿舍打游戏，一起骂玩的最坑的那个，除了偶尔会羡慕那些有女朋友的人之外，我们的生活也挺美好。但是等到我们毕业了，就发现一切全变了，你不再好意思找家里开口要钱了，你需要自己去考虑生计了，你得自己付房租水电了，你得开始为以后的人生打算了，毕竟我们都只是普普通通的人，没有有钱的父母，没有惊艳的才能。那段时间，我每天想的，都是怎么发财。我每天苦思冥想，什么也想不到，我只能去老老实实的工作，拿着微薄的薪水，老老实实的在老员工面前俯首帖耳，每天干着最多的琐事，却对核心业务毫无长进。那段时间的我是很痛苦的。日子久了，我跟老员工们打成一片，我开始有意无意的学习他们的工作，他们也睁一只眼闭一只眼。毕竟每次周末的烧烤和啤酒都是我请的。后来我也变成了老员工了，在新人的刻意讨好下怡然自得，看到他们，我就想起了以前的我。我开始怀疑，这是我想要的生活吗。前段时间回老家，我碰到了我的小学同学，听家里人说，他已经从清华毕业了，现在回老家办一些手续。于是我去请他吃饭，使劲套近乎。我请他吃了三天九顿饭，他终于hold不住了，给我讲了个经历。“当年我们系本科入学典礼的时候，作为新生的我，初入清华园，每个人都是朝气满满，入学典礼庄重又简单，一个一个国家干部和学校领导轮流发表讲话，当时他们大都说的都是一些“自强不息，饮水思源”这样的大道理。典礼快结束的时候，一个老教授在院长的搀扶下缓缓的走上台，台下掌声雷动，要知道这是领域内首屈一指的大牛。老教授说的话简单纯朴，对以前学生时代的一阵回忆，“我在学校那会，成绩普通，贪玩爱闹，而其他同学一个个不仅天赋异禀，还认真努力。但是现在每次在这种重要的场合，他们总是邀请我来上台发言致辞，不知不觉我已经被抬上了这个地位。为什么一个学术能力既不算拔尖，性格又不是那么严谨的人能够登上这个舞台，你们知道为什么吗？”有人说情商高；有人说机遇好；还有人悄悄说，背景强大。老教授笑了笑，说道：“他们都不在了，剩下我还活着。”最后老教授劝我们不要只顾着学习，自己的身体同样需要多加锻炼，好好运动。台下又是一阵热烈的掌声。清华博士说完瞅瞅我，“这是我在学校感悟最深的一句话。”然后夹了一块巴蜀烤鱼放进嘴里，起身走了。

文|诚实善良小郎君刚步入社会的那两年，小郎君对财富的欲望空前高涨，因为我发现，社会真的和学校不一样，在学校里，一个月1000块钱的生活费，我能让自己很开心，只要有一台电脑，有一部手机，有宿舍里的小伙伴，我们每天一起上课下课，一起去食堂吃饭，一起回宿舍打游戏，一起骂玩的最坑的那个，除了偶尔会羡慕那些有女朋友的人之外，我们的生活也挺美好。但是等到我们毕业了，就发现一切全变了，你不再好意思找家里开口要钱了，你需要自己去考虑生计了，你得自己付房租水电了，你得开始为以后的人生打算了，毕竟我们都只是普普通通的人，没有有钱的父母，没有惊艳的才能。那段时间，我每天想的，都是怎么发财。我每天苦思冥想，什么也想不到，我只能去老老实实的工作，拿着微薄的薪水，老老实实的在老员工面前俯首帖耳，每天干着最多的琐事，却对核心业务毫无长进。那段时间的我是很痛苦的。日子久了，我跟老员工们打成一片，我开始有意无意的学习他们的工作，他们也睁一只眼闭一只眼。毕竟每次周末的烧烤和啤酒都是我请的。后来我也变成了老员工了，在新人的刻意讨好下怡然自得，看到他们，我就想起了以前的我。我开始怀疑，这是我想要的生活吗。前段时间回老家，我碰到了我的小学同学，听家里人说，他已经从清华毕业了，现在回老家办一些手续。于是我去请他吃饭，使劲套近乎。我请他吃了三天九顿饭，他终于hold不住了，给我讲了个经历。“当年我们系本科入学典礼的时候，作为新生的我，初入清华园，每个人都是朝气满满，入学典礼庄重又简单，一个一个国家干部和学校领导轮流发表讲话，当时他们大都说的都是一些“自强不息，饮水思源”这样的大道理。典礼快结束的时候，一个老教授在院长的搀扶下缓缓的走上台，台下掌声雷动，要知道这是领域内首屈一指的大牛。老教授说的话简单纯朴，对以前学生时代的一阵回忆，“我在学校那会，成绩普通，贪玩爱闹，而其他同学一个个不仅天赋异禀，还认真努力。但是现在每次在这种重要的场合，他们总是邀请我来上台发言致辞，不知不觉我已经被抬上了这个地位。为什么一个学术能力既不算拔尖，性格又不是那么严谨的人能够登上这个舞台，你们知道为什么吗？”有人说情商高；有人说机遇好；还有人悄悄说，背景强大。老教授笑了笑，说道：“他们都不在了，剩下我还活着。”最后老教授劝我们不要只顾着学习，自己的身体同样需要多加锻炼，好好运动。台下又是一阵热烈的掌声。清华博士说完瞅瞅我，“这是我在学校感悟最深的一句话。”然后夹了一块巴蜀烤鱼放进嘴里，起身走了。