TA的每日心情 | 开心 2 小时前 |
---|
签到天数: 1647 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑 & ^, W. I" Z9 r! q
' M9 Z" ~ c7 L: h$ g- i- C+ b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。
; Q" ^) V7 n) V0 r7 h5 d, q4 b+ ^6 u% B. g- N
跟大家汇报一下最近的学习心得。# ^, h6 K5 {% R, b: Z0 L+ p
" O& d7 F& @2 e# z' a/ \
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; E h! m4 v1 b# x
3 X) A3 M% p. P- y- c
最怕这种品牌问题。简直送命题。& L- {. R% P+ X) c
% X; r* x5 W1 e. p5 B N) l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。
) u, i% n" U% s+ d$ G! a4 z3 ?9 j7 q" ^% B
这事儿勾起了我的一番思考,值得跟大家汇报一下。$ {. @. C, f3 I0 ]7 @' D
% N0 y2 x3 Q* u( X. I
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。。。
( X& E& }* n, M3 b; N
+ t0 F$ ]; q4 R/ c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:
% S: A) S6 e" Z6 W% L' {% p0 A; O; l: m) d3 O+ x
Example 1:
* X& e8 D: l+ W9 W& j1 M, W( h
' O* e7 ~5 @% i. g8 g, B咱去哪儿玩啊?
0 A1 x8 }9 n/ g0 [, B都行
* Y$ C: k! Q# ~: R0 O3 A) x那咱看电影吧: ]. o- [% P2 g$ q( l
太老套了
* m' E$ S" I W那咱打保龄球吧?
4 j( s1 Z1 a$ b/ ?大热天的。。。 y: M1 O B" s) I' x
那咱去哪儿玩啊?0 ~% E0 P3 {: X8 Z* v$ T5 h
都行9 @9 U! u, ]3 j6 w
! F! m2 Q) \. i# [0 i
咱今晚吃什么?
4 q2 C: A+ }3 X( Z* { _, T( C& K4 i随便% Z1 R- O, m$ k3 g0 V: V
那咱吃火锅?5 S( O; Z0 r* r5 E6 P
吃火锅长痘痘。
: l, S: k# l1 L4 w0 G- e7 Z6 J那咱吃烧烤?
9 p/ d8 o% O, {- `" {上次刚吃的烧烤。& i% m/ E; @' n3 e0 l; R" z. I3 N0 R
那咱吃什么?
" d' X X# M( n+ J随便 9 n J$ e% T% [' _' {$ n+ V9 `
( |4 i7 D( R$ q* b L+ A
Example 2:
# N3 m7 C5 x2 W- @8 NHouston, we have a problem.
( R7 x$ w) k- {9 D5 y$ lWhat?
2 A3 ~: e9 g1 \3 lNever mind
F @4 t& y! Z# U9 g! PWhat's the problem? ' _8 b& m* q9 i3 l! t( {
Nothing # d; ~* p- s; R# x9 H
Please tell us? v) S- w: s% ~. k6 E
You know what the problem is.
# j1 |. l4 O/ U6 e/ K, U6 x. b
" \5 K/ c6 e# I) a, W7 k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。
2 q. a1 w$ H! s1 @. Q9 k1 b) j( U5 r; r; D7 K( b4 [' g
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。. k8 e' i* f4 n% a
3 Q* |4 f. |7 }% a4 h! Z; O
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。
7 O* D3 j' [5 |2 M
" P$ z" O: c1 j看到这里,各位男同学觉得眼熟么?) b$ w. e. k5 v' h) k4 ?
再来看看前面的两个例子。。。, f/ z( v7 I, o3 p2 k. z0 n
xxx,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。。。
$ G8 c6 L) j# W* I1 ~0 |2 m2 d7 [6 r% s+ m1 f, d, k$ o
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。7 G$ e4 s$ |9 {5 x
( U/ u, e# A! f- O+ n* Z M& ?
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?5 @* g* P) @6 W7 Y" g5 I
) U- F A- a3 q4 ]
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。。。
2 M& J9 Y) w! \! E. v# N
7 l6 M9 N- v% j$ O; e为什么相爱总是简单,相处太难?得training。9 m7 L3 X0 w1 l) } {
( U. i, Y. m) o. ~) U! C4 M! e# B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。。。
3 _4 {! a: C. x( r7 z% }, f% b% ^3 q1 }
对了,那什么,我得先走了。。。有没有下回看缘分了。。。
- t, K y* Z8 x- v# @8 s, T |
评分
-
查看全部评分
|