TA的每日心情 | 开心 7 天前 |
---|
签到天数: 1943 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑
# a1 [6 F0 Z8 g3 p* Q+ B+ G
* D. h2 ~( J9 H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 y" t. v% s$ }! q; S. {
1 [6 K! n z% ]3 \# o跟大家汇报一下最近的学习心得。: o2 T. G( n0 i, b* P# @: {
- A/ \0 B7 ^# p' Y2 l
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
. L. _& {& ~0 N" c3 f
9 ^6 `. B7 T7 M最怕这种品牌问题。简直送命题。
0 `. F% @: Q1 y- S
( u& k. W9 G- m) L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。
* K6 p3 G4 g( A/ k! u+ I# _
: o2 I9 o- v' Q( {; N6 k" A! q这事儿勾起了我的一番思考,值得跟大家汇报一下。
a* k9 {: w( k. M! c& a: s7 U
6 a+ y3 E& f; }- ~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。。。. ~$ V. i1 c" D; Q( z0 [8 u: ~
! ?. Y2 Q* `0 _; N& N8 o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:( K% }* C' w0 ^! a! ~8 \3 [2 U
; L3 F2 w. Z* o4 p9 U9 H# m
Example 1:
9 F% U- C9 t- e# x2 \. [, s C$ m: H% S4 E8 R
咱去哪儿玩啊?
4 L7 M I u& F都行
& A" M, @) w s- e) B5 t那咱看电影吧
# T; |! S5 |# V1 r/ e6 p太老套了
7 y2 e- V" t/ ~$ }( @那咱打保龄球吧?: ]* B8 _4 Z/ O# G5 M
大热天的。。。
+ \! N; p! y) h2 v那咱去哪儿玩啊?
9 n" X! K8 {; C. i S都行
9 ^7 |+ }7 f! u) f/ Z+ B6 y
3 o$ X4 q9 T% ~: X* w6 Z咱今晚吃什么?0 m4 S* L# p0 P5 Q
随便
7 E* V' w7 z0 x那咱吃火锅?
) b+ R1 n j: ]( ~, ]; D; l# O3 E吃火锅长痘痘。1 p: d0 c" h: r' S
那咱吃烧烤?
$ m+ F+ O& z+ R上次刚吃的烧烤。, A6 K) I7 o$ H- v
那咱吃什么?
1 J/ p* C ~4 C; Y( E0 l随便 8 a# \* W5 f, `4 ^; [6 y
: r, m2 s7 ?# _) o$ d+ J% m Z
Example 2:* z9 B( b9 y+ Z. L
Houston, we have a problem. 4 m9 s- K/ X: L; h" P# i, C8 S
What?
; n- J% O x# K5 u. C$ x8 v i& tNever mind ; l1 J% H9 N T
What's the problem?
: g1 E s# J) i- k# Z% rNothing
& ^! Q/ v8 v/ K1 m% tPlease tell us?
7 f- z J+ B2 F, ~1 UYou know what the problem is.
p7 \7 e& @2 o/ S1 U
" {- }4 o; S+ Z- S' @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。
" r; |5 T% e% o W) ]2 ]: ?$ u% A. r/ S
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。# N" ?' {$ f5 }# v. n- x N
+ n+ [' F, |* ?) }4 n8 [; S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。$ l5 Z" d3 q' O0 Y6 n
9 _) @% m9 {8 `; Q5 c" c
看到这里,各位男同学觉得眼熟么?
0 K- ^' U: A: ]# G' M3 [再来看看前面的两个例子。。。
6 M& C) t7 v' b3 B0 u1 ~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。。。
. u5 H/ I4 J9 I# B, \! @4 F/ d
, r3 \. f+ u- J$ ]" \% d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。
# {7 | t) O, V( w, l/ z6 h& f1 i. q* l% _' }" W; ? |- _3 i( 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?; e9 n; K, Q$ O* x( L
( e0 V1 u9 Q: w+ N7 a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。。。
4 A4 D; q* D3 w" I5 K( l8 E8 y, w5 g7 n
为什么相爱总是简单,相处太难?得training。
+ I, o L; H& M
, H2 e( M8 j2 ~5 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。。。
& B- g' U& h4 J4 |; y' q' C
: z! F0 G% Z) b/ b6 }4 U" ^( O对了,那什么,我得先走了。。。有没有下回看缘分了。。。
8 ? l4 k4 f, I5 G) L8 y |
评分
-
查看全部评分
|