Wikipedia - 學習的好工具

最近在學 Pattern recognition（模式識別），深深的感覺到這真的是一門非常精深的學問啊。

人腦真的是比電腦優秀太多了，雖然效率有些差，出錯的機率也比較大，但根本就不需要一行行無機的程式編程，就可以輕易的判斷出需要的資訊，並做出必要的鑑別，反觀可以實用化的模式鑑別程序，首先必須要先利用群體取樣收集的資訊來做出統計，再一步步的建立起必要的演算法，最後才能找出最適當的分類器(classifiers)。

我看了幾篇應用相關理論的論文之後，感覺似乎在生物或是機器學習的領域應用很廣，只要能夠適當的應用幾個演算法加在資料運算當中，就會是一篇很強的論文，所以如果能把這東西搞懂，應該就可以輕易稱霸一方吧^^！

基礎理論的學習總是非常辛苦的，而在學習的過程中，Wikipedia 給我的幫助真的很大，很多教科書看不懂的名詞或是演算法，透過 Wikipedia 的解釋，好像就豁然開朗，所以我現在每進入一個新的章節，都會先到 Wikipedia 好好的領悟一番，再回頭去看教科書就比較容易吸收了。

不過讓我有點洩氣的是，中文維基的相關資料總是很少，雖然我並不特別需要中文的翻譯，但一方面總想知道中文是用怎樣的翻譯，再另一方面也可以加深學習的印象，可惜中文的條目不是欠缺，就是不完整的部分翻譯英文，反觀日文或是德文的相關條目，雖然主要也是翻自英文，卻相對完整許多。

聽（老師）說這類將資料分群與模式鑑別的課程是愈來愈熱門，從我用的教科書作者的網站上看到，台灣國內許多有名的工程學院有使用這本教科書上課，不過我不知道學生選課的情形，很難做出是否熱門的判斷，但從維基條目的欠缺，我主觀的以為，與這門技術的應用領域相比，這門科目在台灣應該沒有真正建立起相應的基礎研究規模。

這樣判斷或許過於不客觀，但知識的成長其實與知識的分享、取得的便利性成正比，雖然Wikipedia 的正確性與公正性一直備受懷疑，最近還爆出主要協同創辦人發生感情花邊，還利用 Wikipedia 發佈不公正言論的新聞，但作為一個全世界最大的知識分享資料庫（英文資料庫約有兩百萬條），就算是部分在 Wikipedia 的條目有些問題，教授們也有警告學生們要小心使用，但其學術地位依然是難以輕易動搖的。

相對於兩百萬之多的英文條目，中文條目的成長一直相對緩慢（至今只有約16萬條），只有在政治風暴中，偶爾被當作抨擊對手的工具來博個版面，對於基礎理論的學習不但沒有正面的幫助，反而讓中文維基蒙上不公正的陰影。

我知道台灣也有許多人利用 Wiki 系統來編寫說明資料或是專案開發，這是分享某個特定主題系列的好方法，但可惜的是，會這樣做的只是非常少的一部分人，而且相對於維基百科接受匿編寫，這些獨立的 Wiki 多半還必須另外申請帳號加入編輯，此外，這些獨立的 Wiki 往往並沒有與百科建立連結，更是增加了查詢的困難。

我曾經寫過一篇與維基百科相關的文章，「把知識傳出去」，主要是鼓勵留學生朋友們多利用 Wikipedia 的好處，把在地的留學知識集合起來，一年多觀察下來，國外大學的相關條目依然是非常缺乏，到底這是因為美國人比較勤於分享，而中國人比較慣於藏私嗎？

有朋友告訴過我，這都是因為編寫 Wiki 的系統還需要學習，又沒有輔助的軟體幫助，從這觀點看來，就只是單純的懶囉？唉，中國+台灣可是有多過美國 5 倍的人口耶，懶的藉口還真是一點說服力也沒有，也難以讓人理解啊。

其實這篇只是想碎念一下在學 Pattern recognition 時，感覺到 Wikipedia 與 中文維基的差異，我是真心的期待真的有這麼一天，中文維基的條目數量，可以遠遠超過英文的 Wikipedia，在資訊分享上成為世界的霸主啊。