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 ; u% q3 Q1 ?: H n
- G1 l k' K8 `) k
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。
& ? W6 U7 b2 [3 M& z
4 b, ?9 d) [- z. e0 B9 y ~跟大家汇报一下最近的学习心得。
6 r- r- C) R0 q
( f& U$ ^2 w5 @. b( y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* J/ q$ H+ Y0 F- h9 d
7 ]. z% N+ e. l5 f* Q
最怕这种品牌问题。简直送命题。
! Q, i( r: \# a! n" q
* ? K: m3 P7 Y& Z. `: _( Y' a$ A, c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。
/ v$ F) V; V" a' Y4 o
6 y- n# h; Y+ Y- d q2 n& a: ?这事儿勾起了我的一番思考,值得跟大家汇报一下。
7 D. Q3 e/ X* Q" V9 b) M9 m, t$ D/ g, P8 z6 H
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。。。4 L- t% S& h5 C4 S/ p6 x
, @+ p8 a8 o% a7 i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:8 Q4 A! P" Q& K$ y' f$ z' F, J
! ^$ m: B0 q% i2 v) c" oExample 1:$ R7 Z7 X; B1 A L( F
3 y1 @( U( z9 {) o9 N5 Z3 U
咱去哪儿玩啊?
. O0 ]( P' e- v9 m5 w* U% v都行
v$ T* a/ u9 h4 c* a# l! W那咱看电影吧# {6 W* [' |. ]; ^: B7 t# t' {. ?" B9 ]
太老套了- d% m4 A6 [+ m" i' U
那咱打保龄球吧?- F4 c5 ?, A y- T& w
大热天的。。。
; O1 I' Y% l4 l1 @那咱去哪儿玩啊?3 t/ r ?" R" j
都行
4 B" h4 p) U: b% B$ m5 P5 b$ R3 a r/ w/ |4 f& x! }, Q3 [! ^9 V9 Y
咱今晚吃什么?5 _) {3 `0 C$ s' K' ~; Z K6 U; S
随便8 i K9 w! |" s; \8 d! |7 }
那咱吃火锅?
3 I; \! @( S( K& Y9 H吃火锅长痘痘。
8 T4 F8 H% T8 p$ G0 _3 C. r那咱吃烧烤?
% y, J% Y4 u$ S8 k上次刚吃的烧烤。) | L8 s/ C; L0 i$ u
那咱吃什么?8 E& j+ `7 y3 H
随便 # o6 a; g) s) h. a# e7 H( h( ?
3 P4 f8 E3 Q3 S5 L4 h! |# G) cExample 2:
- M, a2 ~5 g- _; AHouston, we have a problem. 5 Z; E; Q4 U* o- ^7 l
What? ' L7 o. b0 k* q' g' c2 F1 [: M
Never mind
9 a( h; C9 ^! O! lWhat's the problem? + i5 o" N; `; F: k+ V1 x
Nothing
- \; |2 o2 Q& R. {" v" NPlease tell us? ' c2 m$ g0 W4 |! M
You know what the problem is. ) b" s3 L% p9 U! N: |- I
, i y g _; j0 M0 T
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。
& M# z! U I& j/ s: G. _8 M0 N! s1 d& Z' ^8 m o$ E/ J
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。
3 j; C3 d( e( U% }2 v' e3 l- B E% ~* u$ c# v* X# K
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。
0 x5 `5 x/ h, M( j6 y5 H. _6 p6 z/ q0 s# v5 B
看到这里,各位男同学觉得眼熟么?& j" W6 w5 [/ i+ [* q* Q- |& t5 G2 _
再来看看前面的两个例子。。。
! o7 u0 J Q3 E" Y; Vxxx,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。。。6 T: s7 |& ]/ }% d5 k/ m' J! A
0 A8 U' J* l, m# y5 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。( i9 r5 f) j. |2 A9 ?- p3 t
4 V/ x) r5 a* U0 d
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?, J- q5 v; w- R% L8 y/ h( w: K
7 H: M+ u9 ?$ w0 c; @& C3 D
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。。。
2 e0 V0 z% D! ~) K/ Y' {9 }+ R& T" u9 Q; N+ n- I
为什么相爱总是简单,相处太难?得training。& T, O6 }$ Y/ i5 S+ ^% B
+ u: O/ a2 z( w1 J S7 T r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。。。% D" ?* q+ @, \% F6 @) t* a
) Z. I) K+ P- c, N" l" U$ @
对了,那什么,我得先走了。。。有没有下回看缘分了。。。* \ M5 d P9 d8 j! Z3 ^* U
|
评分
-
查看全部评分
|