TA的每日心情 | 开心 2026-2-7 02:13 |
|---|
签到天数: 1955 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑 , L1 n1 I# @ h1 }
: x W4 g2 W8 M- z
提前声明啊,下文中所述女性,均指平凡(trivial )女性,不包含爱坛各位女生,当然我领导也不在内。
) F5 D( ~- f c: h4 \
5 _1 @5 e6 e' q) j跟大家汇报一下最近的学习心得。
4 o% V5 c% ]' N; j; Q$ y6 Y( e# J5 ~& B2 P# H( R5 C
因为什么引起的呢?这不社长在日志里公布了一批食品,其中提到了某饺子馄饨品牌,然后引起我的感慨' @3 E' |6 c j1 v6 Y- c
) n# I, Q% e% T& f5 [/ c
最怕这种品牌问题。简直送命题。
. y, Q' H+ j6 Y% c R- V* c* c
! l# h/ P& j# I$ i- L- P% l9 {# R比方领导说,去超市买两个番茄酱罐头。到了一看,嚯~~~,这满架子的罐头,长得都差不多,买哪一个?甭问领导,问了准是“就平常咱家吃的那种啊。。。”。到这儿就得打住,不然再问就是“你连咱家吃的那种番茄酱都不知道?。。。”后面准挨一顿呲叨。 8 Y! U+ P x) k+ Q* k9 p) T
$ C# z# S, P/ o* ^这事儿勾起了我的一番思考,值得跟大家汇报一下。0 G) `- w0 x: M' ^/ j# |
' w7 b; I' P& B3 l我做研究生的时候,在系楼底下机房里,贴有这么一张告示,大意是:“our mind reading technology is not mature yet”,除非你能清楚地告诉我你碰到的问题,否则我爱莫能助。。。
$ ~8 I8 T( ~ ?# P D
5 ^# @. L- p. Y( |4 n1 p当时就震惊于网管的总结能力。准确地总结了一般理工男和平凡女性(参考置顶声明)相处中的困惑。我用两个广为人知的例子,描述一下这种困惑:
4 m {# }2 M# Y2 o/ q
; G) D/ L8 h% N: K3 M, eExample 1:
8 j$ A" ~3 x* A, F0 Y4 w% f) H: W
! I( W1 R6 E! Z( W$ e1 {3 ]0 C( p+ {2 n咱去哪儿玩啊?
+ H' @- n! x9 k* c3 v- [都行
# u6 u, w( v) @( i2 h& h那咱看电影吧
8 D3 Z2 q K# B太老套了
6 k% X. j" U# \0 ?% b那咱打保龄球吧?
* v: _. r- Q9 V% M1 C- w3 @+ C+ t5 V* u大热天的。。。
# q6 i: p. C/ z" Y那咱去哪儿玩啊?
- i$ F, I7 a& N6 [都行- A* a9 R5 S* C/ ?. Y1 v! a
0 b. i# J- U6 D5 q2 l
咱今晚吃什么?+ Z R* N" H3 b
随便9 F2 Q. b% t4 O4 A: `" G4 v
那咱吃火锅?4 Z3 _0 ?: K) F9 x/ E3 t0 e1 ^
吃火锅长痘痘。( @& \6 A4 @5 C0 @0 u6 [' c
那咱吃烧烤?
0 Y9 h( @0 W4 n' t: \9 g Z, O. ~上次刚吃的烧烤。3 H9 q- T( C- B |* G
那咱吃什么?. f$ l, I) r4 z: {
随便
, y% u8 ]0 O; P1 k$ ~( o7 {/ O- @" E* C' r
Example 2:. `3 h7 u+ x, @0 o/ M+ y1 O1 `* m
Houston, we have a problem.
" q) l4 d6 e/ G2 o: K: a: f* ~What? ) h; d! p& P& ~* G
Never mind * P& D: x6 v M8 \7 D: E
What's the problem?
/ J7 Z! T9 E/ k+ wNothing
; H9 R8 F$ k! m8 R0 ]' p: ~1 pPlease tell us?
" ?6 D `. M7 h; V! |You know what the problem is.
) \: h% V k$ `
$ X# t( g; b4 }# R; v7 }: y- Q女士们不知道读心术尚未成熟么?为什么明明有答案却不肯说出来呢?这种我猜我猜我猜猜猜的游戏实在是让人恼火。。。这个问题一直困扰着我。直到最近我学了机器学习,豁然开朗。5 A( V% g& P% e9 u+ d& p! O A
. C, {0 ~+ |7 X/ h3 r, F' ]
先说说什么是机器学习吧。简单(不严谨地)说,就是让机器学会干活儿。干什么活儿呢?,不是烤肉松包,换门铃这种。比方说,让机器学会如何认出一只猫。早先的思路是总结出猫的特征,输入机器中,然后让机器每见到一物件就按这个标准判断是不是猫。这条路就叫专家系统。比如说吧,告诉机器,猫,乃是有四条腿一脑袋一尾巴的毛茸茸可爱小生物。但效果并不好。比方说来一哈巴狗,机器就puzzle了,这是猫吧。。。总结出的规则,难免挂一漏万,所以不能这么教。那怎么教呢?人类也是经过长期的实践,发现一条路,靠training。9 M1 X# G8 a) \) a; d
1 I& Q- j' e5 h
具体怎么叫training呢?得这样,仿照人的神经网络,搭一个基于代码的神经网络。然后给他看一个猫(的照片),告诉他,这是猫。再给他看一其他物件(比如说哈巴狗)(的照片),告诉他,不是猫。如此反复,让他自己悟去。这样才能完整了解猫这个概念。" X) @4 g! Y# V8 A2 n/ }& r
; [6 Z0 `0 ~" S9 E4 O! d1 F- E& C看到这里,各位男同学觉得眼熟么?* b1 v& m% z4 ]) @6 G$ F) N0 j
再来看看前面的两个例子。。。
. \# j2 ]; z4 K! Hxxx,这两个例子不就是training么?搞了这么多年理工,实验品竟是我自己。。。5 }( S% ^$ a z9 r( n) k# h. Z1 o7 _
9 S( u% d# n! p5 a' J( Z别急,还没完。神经网络training最怕什么?有同学可能说了,最怕training不足(under training),网络把别的动物认成猫。不对。学习能力里最重要的是什么?是泛化学习,举一隅而反三隅是也。还拿认猫来举例,我们希望的机器学习是认识猫这个抽象的概念,而不是某一只或某一种具体的猫。比如说吧,如果你给机器看的猫都是黑猫,机器很有可能在猫这个概念里加上黑色这个本不应存在的多余限制。现在再拿校长家的雪球给他看,他就不知到是猫了。Training最怕的就是这种over training。因为under training还可以通过继续training来完善,但一旦over training了,再想泛化就很麻烦了。# }; n3 b" l; p; K1 K% }. b: Y
: X0 F5 Q! s l: d: n
其实平凡女性总是期望能提高在一起的机会成本,以消灭任何未来的潜在竞争者。往野蛮了说,有南太平洋岛国悬崖跳水求婚的风俗,往文明了说,有“钻石恒久远,一颗永流传”的婚戒。你能付出最宝贵的机会成本是什么?有人说没钱人的钱,有钱人的时间。我觉得不对,你最宝贵的是,你那颗大脑,以及里面的那张神经网络。听到这里,有没有后背发凉的感觉。。。当你和爱人达到默契,她一个随便,一个都行,你就知道她想什么,喜欢什么了以后。。。您还有回头的路么?0 S( t: ~* k1 j% T6 C
2 z; x4 M7 j% v5 X- z' o# p9 d
弱水三千,只取一瓢,变成了:弱水三千,只能取这一瓢了。。。有没有生活中经历过,和伴侣分开一阵子,觉得哪哪儿都不对劲。。。
I6 f7 B6 _7 g8 y" a
6 h! i s2 Q8 M, {3 m为什么相爱总是简单,相处太难?得training。" j/ R9 a0 O# T6 e; Q
0 ?6 ~+ d; k+ `* K! i- R4 a
这就是为什么耗子医生于半夜1点看奥特曼,为什么你的另一半拉着你看脑残剧。这就好像建国初期,资本家腐蚀我党干部一样,不怕你不喜欢,就怕你不看。只要看了,就会留下烙印。这种training是潜移默化,润物细无声的。插句题外话,最近爱坛上几位男同学在交流追剧心得,难保不是被调教,哦,不,训练地小有所成了。。。
; M0 L4 S+ v7 A# b4 F$ n' l+ s
. h. f& t9 E7 J( M对了,那什么,我得先走了。。。有没有下回看缘分了。。。
Q/ w0 L6 ^' u |
评分
-
查看全部评分
|