TA的每日心情 | 开心 2024-7-10 00:43 |
---|
签到天数: 1707 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑
; A5 Z& K9 X: Z3 ~
( a9 C# N+ i, i+ g. R, ^& D, O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。
% J* R2 C ?. y
3 O0 @" i5 ~# m; a跟大家汇报一下最近的学习心得。
1 Y, }# n, R% H% q
! @+ a& Y' G: a3 ]- V! Y3 ~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3 I y( D1 k$ {4 M. J0 H+ B/ o
% {+ [$ e( @' B& u1 m- b最怕这种品牌问题。简直送命题。
/ ]& N! @: x4 F, F, r
& X! u0 S5 p+ K# S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。 & \8 ~6 q( [0 i
7 y" c9 x+ d4 F: H+ Z9 ]' L4 U这事儿勾起了我的一番思考,值得跟大家汇报一下。5 b( d' g9 s& }
* f" Z# N7 l9 }- W
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。。。+ q6 \4 m% g; o# U! d% f7 R- [
/ p5 O5 U7 v2 {# P, ]) h
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:
% `% Q" }; V) R) j: a+ ?$ d" f5 L) V' M/ X6 W1 ]5 T
Example 1:- R3 ~9 E0 _7 ]3 o/ |2 p
& J2 N) R2 a0 ]) E
咱去哪儿玩啊?$ o& N+ ?1 }2 i. o7 I
都行
' r( L, T7 N. n/ C那咱看电影吧1 i6 ?/ Y: @+ j5 c- M
太老套了
9 W1 i* }4 D( F8 D( m那咱打保龄球吧?
6 I6 C4 X& S, ~$ n1 ~大热天的。。。
3 r$ E% N& u6 S* y' [: t那咱去哪儿玩啊?6 x5 i0 q, J* w
都行* e+ U3 j# ~- [3 ?) Q# T+ e3 y
+ z3 j0 ^/ l# X' i/ m: ]* c7 ~* L
咱今晚吃什么?
! d% k6 D7 @- q. n2 z5 ?) C随便
4 x% _' G. p" m* Y那咱吃火锅?
' i' ]$ M% n7 i# h: P吃火锅长痘痘。
5 K( b9 U4 X1 ~: k那咱吃烧烤?5 k$ Y4 l( k* c. d7 ]2 `
上次刚吃的烧烤。
0 v3 R& C: Z# m) H z! L那咱吃什么?
- Z! p4 \* E: S随便
) t, J3 J& y+ ]5 Z/ i7 l! M+ p# d: Z
Example 2:1 s" C( L$ W0 \6 i2 E" T" K6 O
Houston, we have a problem.
0 g2 {/ x) T+ T- E9 @, D& K6 P( f9 _4 |' SWhat? ) m& b8 |$ T( o% X3 c2 Y
Never mind " C: K5 |4 b( x) \1 ^/ Y
What's the problem?
, d2 [" Z [7 o: x8 p, ~3 S. INothing
# k2 f; ~! I( qPlease tell us? ) _* X2 {4 h$ ~
You know what the problem is. 3 v/ I( h- @2 P; A+ q
$ E- f9 S9 \2 r, b P
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。& y: C6 P0 ^" M, o' d( x
U x7 ~! S" F! u" k6 @
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。
& z; H6 w- A9 \1 [! R2 E
+ Z' F% T5 |& j# f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。8 D- k7 L2 H8 `: ?/ v
. d7 F5 ]1 L' I6 r) x) C
看到这里,各位男同学觉得眼熟么?
# P- z2 p0 o% Z$ J, M( N; E再来看看前面的两个例子。。。( ~ h( v" G9 n! V
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。。。+ u$ O8 U& m3 U4 ]( T# s7 {! P
, ?4 |# a) E% V I, e( A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。
) M8 J( n" s+ S- \) E! f) l2 k8 L p2 @! f
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?
1 o+ F9 O2 [ t4 O
- ^6 ^5 }& L0 f( ~# s4 h+ h6 p1 I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。。。
3 U2 T. R4 u5 D `7 Z/ L) k b- b- l# g; ^9 R1 ?, q3 X+ ]6 I
为什么相爱总是简单,相处太难?得training。2 H+ F6 Z1 f, o3 A8 B( j0 K. I
& P$ a% C4 O4 n% h4 ~0 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。。。3 K9 Q( @2 F- X9 b- A6 ]4 |7 v
6 H, B9 C$ d+ e6 b对了,那什么,我得先走了。。。有没有下回看缘分了。。。
; Z5 g3 U( v, F& g/ f+ ^' t3 ~! \( G |
评分
-
查看全部评分
|