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 d: T+ C& w( R7 ~0 }% h J5 ~; a
9 s2 ]. w4 t4 [1 _" u$ X
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。
' K8 |$ v, m' Z; t+ ?, I: t) O' E
# ~# Y) P+ Z$ k; U6 {跟大家汇报一下最近的学习心得。
. o& Y* H9 r7 s& u; I1 \& y
5 U" i- |, n0 T- e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- X7 y5 t( u& R
9 C' ^+ G$ E% B% A) ]' V. K4 o最怕这种品牌问题。简直送命题。+ }8 n: }" P A+ l k
0 t( o2 k; u. R+ ?& @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。 / |0 o* t7 D5 v$ k# S$ F8 z7 h% x# ~
; H5 }" Y/ V9 W& _0 U/ `这事儿勾起了我的一番思考,值得跟大家汇报一下。
: I) I1 G+ Y% x& o0 i/ Y& Z( v# O
- p. `$ ]2 V# _" Y2 r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 v0 P3 a7 O( p: c- q' Z
: t% P @/ B. \3 H5 ?4 C* A
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:7 C. K7 w- x- u6 m+ x- C* ~& ~
1 p' g1 X( T V8 w* L$ h6 a6 ^
Example 1:. T$ D( x6 |! b8 Q$ g; ?2 p5 r% v
4 c; x9 A+ }0 P咱去哪儿玩啊?
6 S) k' B% ^) I/ m/ G" f都行; T9 g! T, I; U8 C- T7 v1 m
那咱看电影吧5 |" l ^6 |4 K/ `" B3 E
太老套了
% N0 \0 v: q# D8 J! i那咱打保龄球吧?
* k1 B: [7 w/ j$ i大热天的。。。
5 y) c$ Z9 B+ C) t) q" a+ ?2 ?& T那咱去哪儿玩啊?
/ i3 K9 W! t- g都行
; f! u; R2 g1 V. T! V! w' o) L0 V' I, e
咱今晚吃什么?
W2 \: ^( }% z% i' }* V. q& }随便( M3 C( a: h& A1 E& X9 O+ ^. {
那咱吃火锅?- ?9 o! W% V' l
吃火锅长痘痘。8 t0 [" g/ f' U, \! t+ }& |
那咱吃烧烤?
; v+ o" O2 k2 X/ u J; U3 ?上次刚吃的烧烤。4 x5 P* _# a# \ p( i) u [
那咱吃什么?
/ j6 A5 n, G9 H% U随便
d3 O9 r: z' E$ d$ E- h4 Z% S2 A
/ q9 w' x1 D+ \( n0 I1 Z* M$ ]Example 2:( g$ \6 K; V7 E0 |! w3 b
Houston, we have a problem.
- D f# n1 o) k; F4 ^: ~, EWhat?
& Z: q+ F! R: X+ qNever mind 0 W: V# z" ~( Q# A* l- Q
What's the problem? & @- N4 l. ?6 q8 I! o' I
Nothing - D: S: c9 A# o/ o6 L
Please tell us?
& g% o# W: H, v$ b0 MYou know what the problem is. 1 m1 b- m- t9 G- I' `& ]
2 e# N# `* N: D, y* R! v# @% f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。. }! h" z: l- E# u( S0 P
' ~6 \8 \8 a5 t- Q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。
/ Y; l4 h: _7 ?" {: e0 \
. `/ E- M; I6 u9 S0 s. U' J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。
' W8 o2 l3 `; Y m. K
% h- p2 c# g( t1 m看到这里,各位男同学觉得眼熟么?! u" D. K: i# c* m& I
再来看看前面的两个例子。。。( O) a+ q& n% ^+ ]4 Z/ |
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。。。
1 A8 s% o: P7 |
( z& s' j" r, e$ f z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。
& `' H, ^# P; d* j f2 T( q5 c! c( U4 \
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?3 O0 w* [: Y1 `
# y) H8 E( A+ 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。。。' p! F9 T& l* }. v& D: {
; U; Q2 i) X5 w3 u为什么相爱总是简单,相处太难?得training。6 D O4 L, N6 v1 M/ e, S0 y
8 W. F& e& n' B( E
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。。。7 ~0 \; }1 u* E# p/ |" p4 T0 z
6 ?+ c7 {" Q$ k3 u' p1 i; ^, n3 v对了,那什么,我得先走了。。。有没有下回看缘分了。。。
, ^' e! e6 ~7 T+ m. V# u |
评分
-
查看全部评分
|