TA的每日心情 | 开心 半小时前 |
---|
签到天数: 1643 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑
- E2 z+ o% r6 t- w
2 R( N0 S% E+ s( K9 S2 S/ r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。
9 k( y; H5 c* q& x) }. {0 @$ ~: F' l; m6 q5 r6 K( j
跟大家汇报一下最近的学习心得。
. k$ j( w4 @! P' A0 y1 w7 f; N6 F8 u1 G' @$ B! T R
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0 V, s6 c- j: Y b) m* s3 ~
( x, S4 k) @9 e6 i7 w% r最怕这种品牌问题。简直送命题。# ~9 i+ D5 I# m/ Z1 A
6 ?# k$ i; y$ a i( s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。 ; e5 [6 l( C+ B9 ?7 V: y1 {
* w" q" u$ D4 H$ d& c这事儿勾起了我的一番思考,值得跟大家汇报一下。) d: H' o4 M' W2 n4 k
6 G$ f! V4 ^1 G/ B
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。。。6 ~9 p1 }( Y- @
0 u5 ?4 \+ H2 O3 [! K
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:7 v4 S; k3 S7 m/ T2 ^# K% {
+ C) O9 q# H3 w3 R& b* J& v
Example 1:9 g+ V, g: M$ [! ?
1 V) D$ O# ~. Q+ p+ O6 Z; \9 h咱去哪儿玩啊?+ t# C5 E4 N) B% [. Y
都行
) y$ U9 k% ]% {1 w3 P; @那咱看电影吧 Y' K5 W3 ]" X+ d
太老套了, f6 H/ e$ T2 r6 s
那咱打保龄球吧?" q% l' ?. ?1 ?' t5 A* a
大热天的。。。( {4 i7 y+ P' Y3 L" ~
那咱去哪儿玩啊? b; J% S; t6 s$ @* i2 f$ G
都行
* G* u3 \* ~" g* ~$ ?6 c9 J
3 r$ x2 J6 o7 m( h咱今晚吃什么?3 \2 T6 h/ b- r( B! W H$ }' c
随便: s) T8 b7 A% H
那咱吃火锅?
1 e% h8 b7 }3 h+ j$ G! ]吃火锅长痘痘。& O4 P7 j/ p# T7 w7 R
那咱吃烧烤?6 r# O H" s/ x; W- g
上次刚吃的烧烤。% R8 G2 g# H; D! |7 d' F
那咱吃什么?5 v5 F- ~4 P% j# H
随便 , }# `: A9 R9 W
. b5 s1 Z2 N6 M) c% \, v
Example 2:. k g3 S/ p2 \5 W6 `" \
Houston, we have a problem.
4 V3 n* h$ v- E; x% yWhat? 5 D" q# q9 Z! k3 u5 k! ?
Never mind
2 P% ?: p! V9 l5 }+ {5 h) VWhat's the problem? ! }/ m, I" M8 p0 z
Nothing & i8 g. O G* |; W0 L' k6 P
Please tell us? ' [; f* T5 K6 ~
You know what the problem is. # v4 O- L6 ?# p- a2 y
. s W( K; e2 t" d+ l) [# e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。7 ^8 N r% [% I4 s" I/ O
, n4 {3 y, B: O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。
# N9 o% d0 J; F( T$ G) j# u' k \9 S$ Y0 R% Z* \/ K6 `2 A' J
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。. H' R9 }% s2 V: `. s0 }: L
0 | c' A7 h2 M( ?
看到这里,各位男同学觉得眼熟么?% ?0 s |$ J5 V7 X7 @: x `. t3 j7 p
再来看看前面的两个例子。。。
7 K# Z% W% n2 P0 n `' wxxx,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。。。
- d7 h# v- d5 E( _7 a y. @5 G9 e2 a
" m6 D* d% E: E1 G/ S9 o1 ]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。
! _1 I; p/ O' o; G& z( C6 H" m' v" |
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?
1 Z" O& a" k7 r& i- x# G
/ h. e1 }& z: ~, m. w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。。。; a* Y" h9 X7 `& r
3 }& A% V5 z7 J为什么相爱总是简单,相处太难?得training。
/ m6 \+ @' r+ `) z2 J. I9 h# K
) \ l" [5 n& ?% Y2 R" D6 O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。。。
' t3 A. x; z( D
* H0 N3 v S6 v, l对了,那什么,我得先走了。。。有没有下回看缘分了。。。
r7 D: ^. g- q7 S4 ~3 T# F |
评分
-
查看全部评分
|