涛大编辑威武！我非常喜欢这篇演讲稿。

关于那句Your old professors will be older. The young ones will be bald.我现在想出来一个翻译，用中文的话，得倒过来：年轻教授们老了，老教授们更老了。这个翻译仍然不太好，总之就是要以“废话”的形式表达这种幽默效果。
属于不小心闯入统计学领域的。
[未知用户] 莫桑心；Efron、Hastie、Tibshirani、Friedman等人会陆续告诉Breiman最新景象的~
[未知用户] 哪里邪恶了，最终的归宿嘛，安逸舒适的；大团圆的结局啊:)

ps: 我若是先去了，还等着你们给我汇报老友们的最新消息呢~
这篇文章其实给我很大的震撼！想到自己所要投身到领域，充满变化和挑战，也有那么多新的东西等待发现，多么适合我这种做事情很random的人啊～～～但愿自己能一直保持这种探索的状态
[未知用户] 这句话我想了半天，不知道如何丢出那种笑点，于是就文艺的意译了下，不过笑点也没了:)所以还是得再想想这个“废话”怎么说
[未知用户] 你这叫邪恶的不留痕迹...
[未知用户] 好奇心和积极探索是非常可贵的精神，一定要保持，一定要保持。我觉得我出国前比出国后积极多了，总结起来两句话：物以稀为贵；无知者无畏。
机器学习的兴起，是传统统计学的发展，也是对传统统计的背离。人们从此更加关注算法，而忽略统计的本质和概念。是好是坏，尚难定论。在这里时常听Donald Rubin教授批评“西海岸的统计学”，自己不知不觉也开始对这样的统计保持警惕了。
[未知用户] 丁鹏师兄说的正中我心，那现在带有统计思想的发展到底如何呢？
真是篇实在文章啊。其实科学总是存在一个假设：世界是可以唯一解释的。但是当量子发现测不准的时候，概率波出现了；统计本来作为应用数学的分支，当他开始分析人类行为的时候，开始凌乱了...因为人类行为根本就是弱理性的，社会学和经济学试图解释人类的群体现象，但是当我们都登月好几次了以后，不知道世界和平有没有显著的进步了。在一个科技和理性教会推动的世界里，我更愿意做那感性的一片叶，随意的飘落了~~
[未知用户] 登月修正为探月，但是我表达的意思你们懂的，这是一篇感性的文章，允许理性的错误，哈哈哈
[未知用户] 这个问题太大，我还没有资格说，呵呵。


不过，machine learning这帮人垄断了统计学。最近来我们系里找工作的博士，讲的题目基本上都与lasso有关，可见这东西多么的火热。
跟着本页的链接看了看演讲的原文，又看了看对Breiman的介绍，接着打开了他的一篇文章Statistical Modeling: The Two Cultures (Statistical Science 2001, Vol. 16, No. 3, 199–231)。读后感觉惊世骇俗，发人深省。三个统计学术界的大牛（D. R. COX，BRAD EFRON，and MANNY PARZEN）和一个工业界精英（BRUCE HOADLEY）发表了评论，其中前两者反对，后两者支持。文章的主题是98%的统计学家陷在数据模型（Data modeling，如线性模型）的小圈圈里面，而算法模型（Algorithmic Modeling，如随机森林）是更好的方法。Breiman在这里倡导统计观念的革命。我先投降了。在气候变化的分析中，用随机森林计算出的物种分布惊人地准确；GLM、GAM等都要差一些。这是11年以前的文章了，我还不清楚文章发表后发生了什么。该文迄今为止被引用286次（基于Web of Knowledge）。
[未知用户] Breiman给出的例子极好，说明了随机森林对多元共线性不敏感（高度相关的变量不相互干扰），对数据的分布（如在大数值和小数值处各有一个峰，bimodal）不敏感。

我这个头像是哪来的？
最早看machine learning就是从CART开始看的，当看到Random Forest时惊叹于算法的构思的巧妙，颇有大巧若拙的感觉。回头去看Breiman老大的经历，结果发现已然仙去，唏嘘不已……