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 8 Z) L- i8 F* w+ z
9 K7 @ ?3 n6 O8 q
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。
, V8 `0 _* T; e' p+ h1 R/ ~! |& E7 g( f- {) ]$ L& D' ?8 G
跟大家汇报一下最近的学习心得。
( ~# x% I( J1 |' o( e7 V6 ^
/ J! Z9 Q8 ]% a8 ]0 f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+ u3 W, \5 K- {$ }9 W
7 x& ?( l" V5 A8 l% M' ~
最怕这种品牌问题。简直送命题。
* P2 `- w8 j+ ~" o# z% p6 q: G1 R9 e6 F) U1 q; k3 D
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。
' _ n2 E$ v6 K; I/ f$ D, u
1 n. T9 g( e$ ]9 {2 ?* P o这事儿勾起了我的一番思考,值得跟大家汇报一下。# {! e5 O4 E& w" P5 m `
4 J) a; G5 o: H/ T- R! W4 w% \/ {
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。。。
5 B1 a$ \7 f0 N6 M; V% n0 V. P( o. |: W/ X4 n. Q
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:
6 H0 s8 I" p' v8 ~. l4 S+ F# z5 N: ]1 A' K
Example 1:% k5 t6 D. s! }: Y
" P! E9 G' H. |- f# J {3 c ?' z* w) z咱去哪儿玩啊?& @, N% _. R9 q" H: ?6 ^+ A' |9 @
都行8 |- ^5 | b7 Z
那咱看电影吧
p: A7 b6 g1 i7 S5 @太老套了9 l$ O$ b( k1 `! r4 i
那咱打保龄球吧?
O$ i- `8 O0 ?大热天的。。。7 t/ y" e6 Q2 y, ]) `' j2 e: F
那咱去哪儿玩啊?4 s% a( F" r: y$ A1 o! L
都行) I7 w+ K i3 {+ M
1 S2 G+ Y- q7 y2 A) q
咱今晚吃什么?
- B) @8 w9 P2 L0 T u随便. S! K7 N. Z- [) ]) r% @ N
那咱吃火锅?: a! K+ s" y2 g- a+ |) {
吃火锅长痘痘。( L% i# `7 T0 D
那咱吃烧烤?" [6 k. O; g- C0 _ G) _+ L$ h
上次刚吃的烧烤。, J% y* }- D! V
那咱吃什么?
3 s9 P* E& E, r4 Q随便 2 R! Z' T1 [. Y0 f/ x% k6 f; {. B2 l1 T
. | s+ Z* e$ X& ~1 [Example 2:
8 P1 `2 o' k) }. m" LHouston, we have a problem. c; S$ h2 R0 T# |6 s- `, v
What? ( {6 Z0 K2 @3 Q: L1 F7 @
Never mind
( x# }& J, x' @: }2 Z5 SWhat's the problem?
5 h' x8 l% c. ^+ h- K( mNothing 6 F4 f# O0 }$ j E8 x
Please tell us?
" J2 P- Y% `8 q: ?" nYou know what the problem is.
, m8 F# g. x! K6 m* A
. q( P2 h9 T# I5 {' b3 W8 ?6 M( B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。
; l" R! X8 h0 o! @4 A q8 S/ H2 C4 n: t! _
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。/ X+ y3 y5 C3 H2 {- G0 i* d4 X
5 o, }, X" B2 z2 E" G' G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。
! c. T+ e( G& e% X" e' N) w; e/ _! Z) @5 I4 i0 k& m2 Z
看到这里,各位男同学觉得眼熟么?$ l2 ~: ^2 h2 v- C
再来看看前面的两个例子。。。
/ P& p1 @ x+ D) [( o* ~1 E7 @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。。。. \7 D3 b. \! d( }: I
& C+ ]* \6 E8 W
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。
) R' R. C7 h( V4 U4 k+ _1 B# G) w
( h' p' J- [) I( x8 T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?! ]* y, ~, W+ q9 z' L8 I; O3 q
3 A6 o. L; q0 S! 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。。。
7 e8 T0 x/ `8 c) C2 m8 ^8 M: C4 ^8 u2 a4 E
为什么相爱总是简单,相处太难?得training。
2 a. T e& N3 ~# F. Q1 |6 j2 Z& K" @# U; P# O! T
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 O3 B% r- b9 q% @
' C7 o3 B1 D0 d' x- O+ U5 f& J对了,那什么,我得先走了。。。有没有下回看缘分了。。。
1 i* ^' q' ?" g. P, s |
评分
-
查看全部评分
|