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
* u1 s0 O8 _( m, @ |8 Y3 \* Y6 m/ P4 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。
3 G8 R+ U m" k0 D
: o0 ^( |6 z1 E- g+ O j1 K; e跟大家汇报一下最近的学习心得。
& C1 {+ l# U8 O0 } g, q0 n& r5 r+ L; T
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. m! B5 j5 Y7 P! W
" b q( B3 P4 {4 Q x' b7 f最怕这种品牌问题。简直送命题。. y. l! `: g" u* m* t
8 ?$ I' a% {) `1 }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。 , @1 @9 Y" N$ O( {
1 L- M# A" i" m% `
这事儿勾起了我的一番思考,值得跟大家汇报一下。
. M! K0 r/ q/ m( l+ |( r. a4 }" V+ m4 z1 [# J- u
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。。。. z7 f7 P$ u1 {$ m1 m7 d* a
5 X' Z) y" Z3 `8 O2 z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:
5 q9 n {1 b$ p! W _6 C
9 E5 o! }4 t# z) `7 O9 U8 o4 m* VExample 1:! R! e4 ]3 x) V% N# [9 q4 L
) C/ U5 Y) ^. z h
咱去哪儿玩啊?. j) x6 r( i% w1 Y& e% n
都行& E) }% d5 ~2 A5 e
那咱看电影吧0 e0 l: e ~$ ^# [0 i: i
太老套了8 E# m% o9 E1 `, h, _% u- s. ?4 F2 G
那咱打保龄球吧?- ~) d9 c% P% k# |1 ]* H! S
大热天的。。。
( e* i3 b9 a& @1 J那咱去哪儿玩啊?2 Z" q6 w! c5 e5 @
都行
. Y0 a5 ?0 c8 A* b9 w0 Q8 _7 B% p3 I' U
咱今晚吃什么?6 Z; z) v6 r+ e/ N3 w
随便
+ q V B \. r2 B) q那咱吃火锅?
6 f8 d% V5 i/ H. F2 O吃火锅长痘痘。
7 v1 c4 G2 ?- g那咱吃烧烤?
4 f ?+ v% e: E( k) i- v. n/ L上次刚吃的烧烤。
0 w. {( K: j0 v7 Z! D那咱吃什么?
}& y3 k' A3 J随便 - w- {0 s: Q! v
( ` e" ]! u# q4 ~3 H7 p- D. `
Example 2:
, A7 I- {# K7 V, ~: ~! _" xHouston, we have a problem.
1 z6 u6 \, ^: w9 z @7 c! cWhat? - E1 n4 o5 g1 L
Never mind & u. `( [; ~( m6 @# k( ]! [) |
What's the problem?
% a- T: M+ _- n% q0 V U" I2 S: oNothing
& _# T' H9 [& c! o; SPlease tell us? 0 L6 P `* T) f( A" a! u8 ]1 {
You know what the problem is.
* _* b& [' V; `( J# p8 |2 ], S4 p
, m3 M1 X% V7 p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。
0 J' m- g3 ^% h0 v% z0 p E7 m. E& f9 `. S! 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。
4 S7 M; ?1 ~6 A% }" `
8 n5 }7 X M R1 N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。
! n0 a" ?# T: B$ j U2 q1 m! E H8 D% D k- B( ]. e
看到这里,各位男同学觉得眼熟么?% w6 R7 k2 U7 Z
再来看看前面的两个例子。。。
4 L5 k$ b+ E& S. B0 N; W. ?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。。。
3 u) ]" {9 f; L0 e4 F- H k% B/ g+ V, Z. r/ 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。
0 }0 n5 }9 Q4 O) L9 K/ |
/ K6 u H. n! e$ t/ d3 `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?
' w+ }2 C( {3 L9 h& j d1 V- b) R v( o& p4 E" r; v' ~/ r
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。。。
7 p2 G6 ^& P) i3 @4 ~/ }2 [1 r r% D7 k$ y: `5 R
为什么相爱总是简单,相处太难?得training。
# q9 \, ~' a$ W/ t6 m& R k4 ]( u W( i8 S0 K. H6 ~- d3 O. S
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。。。
6 M1 c' y7 d+ k: ^5 n+ P
, G6 f, f- H' S7 h对了,那什么,我得先走了。。。有没有下回看缘分了。。。 s; J/ {5 v+ L3 F: s7 U
|
评分
-
查看全部评分
|