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
2 d& h ^9 r+ Q, M3 j* m4 C7 h
) _# N8 r& }) d0 C/ L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。
/ R" D' |7 V4 K, x. X1 P5 d" Z4 M& a3 `
8 n8 A. s, a2 b' U, E _# P跟大家汇报一下最近的学习心得。 R4 a* V" \; h
' U! s G- O5 N; ^
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 }& P5 e% @* m
: D% A, l- t1 C" O% U% Y- B最怕这种品牌问题。简直送命题。
K4 d% l# r1 P
( }$ M8 O2 J- ^: m& ~+ n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 {/ P/ d: w/ y$ S
+ v! B8 i( W) ^) L( p这事儿勾起了我的一番思考,值得跟大家汇报一下。
# g, E0 } m! i0 }/ o
& [$ t, l/ j. m; E. G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。。。3 P( `0 U, ~$ [6 ]: B, W6 s
1 e+ r# y1 ? ]* {7 m( w- }- 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:
, [( t# L0 ~0 t# I1 @6 M& {% f( ^) J2 q
Example 1:5 H6 u5 I2 V, g: s
/ n* r" i1 y, q; e9 a7 K1 B) U咱去哪儿玩啊?; o/ @" t" s# Z- ]$ L1 E
都行
7 r; J# B7 o: u3 X那咱看电影吧
( H9 b+ ^' f: C& ~太老套了
8 t4 | ~; v$ f6 M: f那咱打保龄球吧?! {0 v3 V1 s# _5 I0 M
大热天的。。。' Y, ?, f) h8 N# S/ W& Z
那咱去哪儿玩啊?
8 T) [& J7 l5 G8 ]7 a% l7 p5 e都行
! Q9 ~+ q, s' o$ a8 y! B3 E
9 j. A) M7 \4 E- r! `3 k咱今晚吃什么?
* b# {. ?, f& T: P5 M" l随便7 d1 A* {2 S' w0 y' S, E) a
那咱吃火锅?. x5 x5 G/ ]& p+ M" i& h
吃火锅长痘痘。
4 F# k4 W" a; Z那咱吃烧烤? D/ Q, [! W+ \' U) Z
上次刚吃的烧烤。
3 Z. B6 T' k! W那咱吃什么?
1 L5 m4 ]+ X" \ m J随便 + |1 s9 f4 T- h) F& ^$ o- x: b
, o8 T i$ H$ Q" C2 g$ v
Example 2:3 O4 o: j2 N3 ~& ?0 W
Houston, we have a problem. . p$ e' F' y- B
What?
0 m% I& u. p6 d7 iNever mind
" `0 V( d$ O+ `What's the problem?
; B3 Q1 ~! g: H0 x" R" Q% X ~: eNothing
9 p" Y7 D# s+ M0 B3 i& KPlease tell us?
1 c2 J; Y! m- c+ H7 J: lYou know what the problem is. 8 w. O3 z( K9 m* j. ~
& c$ w7 R8 r* x( S" b9 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。, @. P( N x6 L' x3 z) D5 M
5 ^# L9 D& T2 y+ S6 X
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。
! w5 |9 h1 [% D+ [6 m% }0 P1 W1 r) C, x/ K0 e0 U: u1 }" R
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。
5 q( X2 r$ D# y1 x/ S9 e. O2 o, E( U; l0 e4 d4 W) y3 s
看到这里,各位男同学觉得眼熟么?
% `6 ~' t# h7 X0 D9 w再来看看前面的两个例子。。。
2 N y' O( d, z0 G w+ Kxxx,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。。。1 z2 K! B' t8 a1 I2 k
2 v% i! \% w5 s+ S3 A8 J
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 V) Z, n! E* x" b, |& O/ ^5 n3 u
$ E/ n4 p+ z+ v# G% `6 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?" p! P/ c% Q1 |
+ I* F2 ?* Q* J9 ~5 J
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。。。
0 ^& G& B( u2 P0 g6 M7 }. L% C/ c% f4 \# X; d
为什么相爱总是简单,相处太难?得training。
2 i1 Z9 @" b6 R Z5 c" i& r; R, J8 w+ I8 w: z
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。。。+ J( C; r# [' V9 y; w
: x! `+ ]# `: \5 g2 G j( Q对了,那什么,我得先走了。。。有没有下回看缘分了。。。
0 w- i# ~5 C" \8 u+ m% y |
评分
-
查看全部评分
|