TA的每日心情 | 开心 2025-12-26 03:23 |
|---|
签到天数: 1954 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑 # m: ]0 r+ E3 T; Z
2 c& p) f6 m2 _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。
( v% E3 e* `) i. R
* r& `8 }! ?& a+ {7 T跟大家汇报一下最近的学习心得。
3 H1 F% S7 B4 f
) p5 i6 K- c; ?7 w$ G3 B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+ A- b8 l/ Q) p+ i4 `
* X4 G4 R/ X; Q4 {. O0 o最怕这种品牌问题。简直送命题。
3 _( r/ {5 y% c" M$ i+ T# Q7 T3 Z% e t- t
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。
$ W) Y% U) @( P1 _6 H6 k
2 o$ S7 f$ Q) j* G# j g' d这事儿勾起了我的一番思考,值得跟大家汇报一下。
# b& O" Y( x, I4 _" Y
# @7 ]& U/ I) t6 k; {- 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。。。6 l7 |, T9 Y. h7 k) b( g
1 o( Q9 X0 ^, J+ e/ A+ L7 o- m+ u* \
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: V3 i" `; A; k' {" A* d# H
. Q6 O" X4 Q2 C
Example 1:
' d1 [% T1 b$ Q9 N# z& L0 I0 k" M& [9 w$ O' Z/ E I% @
咱去哪儿玩啊?
( z; t' y0 p& y& }都行
: D! V! r4 q4 t* {: z那咱看电影吧
4 S$ F, U' x) B" W% t太老套了6 z" @- e T0 s' r( t' O
那咱打保龄球吧?9 ]2 M# v9 R6 `4 B1 V
大热天的。。。% I" x3 \* f8 z9 V! o8 i2 R7 f9 ^
那咱去哪儿玩啊?
! Q3 q# Q& T4 y& @* e都行" D1 g2 X* p/ q3 }2 d7 m9 w" G% \1 B
3 b0 t" R1 l# b& z \3 j' y4 D咱今晚吃什么?
! _, a o8 r- o# f随便5 v* ?7 n( K2 i8 ~" y
那咱吃火锅?; r& A. X0 A- t! F0 R# |& A& F1 u+ \
吃火锅长痘痘。$ S3 ?& b, L; M7 x7 b* {) k7 C
那咱吃烧烤?2 O0 Q5 D u: Q
上次刚吃的烧烤。
; a: l! }2 J1 O9 b" }8 \; c9 X# V那咱吃什么?# z1 V9 i* A; r/ p) M* T6 f5 _& D
随便
q B! ]. d" E* q' A
3 _/ B# s; s- \1 E) u# sExample 2:
6 X' T, Q1 N5 \) g9 N! T1 i7 C/ G4 LHouston, we have a problem.
4 h$ k) d+ V9 M# ~ Z) \1 \What? 3 |! L( k$ X. c* E5 A, O
Never mind 0 F! x% C6 C0 R! U. y
What's the problem?
8 u8 V* M e% p2 qNothing
' n! p* R$ y+ G$ n; [Please tell us?
# a% ^3 I6 @: x" I6 _! h2 K+ \) nYou know what the problem is. % I) ^0 e" `+ \
, ?; g) m- d4 W' t& B7 G: ?4 L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。# v7 l% E6 Z' l$ v" M( T- ?
4 _7 E* }( l k6 f( N/ ~2 A* 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。9 Z1 p8 p' B: Q. b) y
8 l+ U8 f, `* 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。
) i: M& d+ a) Q7 ~' ~9 q
. m. V& F, p! l4 L看到这里,各位男同学觉得眼熟么?
# w4 ], e$ C9 D4 Z& \' p3 [! Z- ?再来看看前面的两个例子。。。" J5 d+ [/ w- y3 ^
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。。。
* z4 E9 ?* m/ ~
a2 _6 [2 T3 `) `. E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。5 b+ ^2 Y J2 X# U
, k+ L& {2 I& x g9 ~6 Q3 C1 R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?; V6 V% [$ X0 S0 l0 M) _
7 M* @8 Z C: z! 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。。。; n% i6 _# C z4 b' d9 F
, ]. a) {) @, R" d为什么相爱总是简单,相处太难?得training。+ F+ U/ z5 g ]& ~
7 b* T* {& ]4 i2 C
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。。。; S- }5 U6 R) P% ?
5 H( T3 ?0 b7 n
对了,那什么,我得先走了。。。有没有下回看缘分了。。。
7 B4 z7 v" Z4 w" q! d) M |
评分
-
查看全部评分
|