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 + o6 g( @2 y- b5 }
( O- E& h! U; I9 p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。8 s3 g1 @' j' q0 @; I7 I2 H, m# G- Y
. G, Y) Z# W4 C跟大家汇报一下最近的学习心得。
7 P$ T" S/ T; M% y, m0 m! J0 t+ Y, ]$ j
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
; K7 W( m5 Y! Y0 B8 h4 }" X3 D4 @
最怕这种品牌问题。简直送命题。
2 |% E# p# d2 m6 j8 U1 }& Q# N
& u) }% c6 s' f3 C. y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。
6 i0 t2 w2 F. ~5 h9 @9 {. E6 J4 X" C& O0 T% g1 |
这事儿勾起了我的一番思考,值得跟大家汇报一下。
* _! M: @4 b7 Z; C, V- G
, Y1 n; s W" V) {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。。。
f. z$ L; s# F- s
# i+ M J1 N+ a) d5 D b( `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:
# A6 \9 B, `( f6 m6 t/ _0 f% K" M1 ?" z: ~) p
Example 1:0 [# k3 b" _3 M: X3 k0 z% x
3 G1 X9 W+ d# J" p咱去哪儿玩啊?
. o! L8 P- N: W C% @" v都行
6 @0 [ c1 p9 w9 K6 M; h# G7 W那咱看电影吧
/ w* f7 C) t" I! u }$ ~太老套了
, }) P4 O; s# }: F6 R6 t那咱打保龄球吧?
9 b1 A5 ^/ u/ \大热天的。。。& M$ b9 M* R; ?* I
那咱去哪儿玩啊?
8 } ]+ H( i) r; \7 B2 k- [都行$ W9 A9 J: u5 w& V
+ P: m- I3 h# V0 s咱今晚吃什么?
9 W! B$ {0 I! W; L% W( A随便
E2 X# n9 n7 ]. H* S3 a那咱吃火锅?
& F. t( M% S' K吃火锅长痘痘。
6 `" Q. j3 ~- n( X9 }% [那咱吃烧烤?
$ X: z+ A2 j7 O1 a. H2 d* v: M上次刚吃的烧烤。
. E6 `2 w/ q/ d" d那咱吃什么?$ a0 R3 |, s8 j E
随便
& L' y! a& J# h. U6 C7 t
& d& K' g: t% `1 B* ?Example 2:
! ]3 d- |. C$ @4 C CHouston, we have a problem. K' i) L4 E8 P: v
What?
* r/ n7 |9 x$ D5 w! k8 \' gNever mind ) F- O& E$ |! c' I: w3 V x
What's the problem?
2 r8 O9 {7 Z5 u7 n9 CNothing
5 D3 L0 L* t+ O1 U9 d0 k5 Z' P1 ]Please tell us? ) g2 i5 Y8 F) M& W
You know what the problem is.
% D* L* K: t6 a2 m' ~ k5 }& \8 W
: h; z1 ?# h' y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。4 @2 m! U- p# g7 [5 y! j9 w# j
9 T m1 X8 r9 u- M5 H& ], x8 A: X. }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。! F. [! n. E! ]! |; x2 r
% H& t" l/ p8 Q! Q4 A1 q1 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。3 j/ B2 x: V( e9 L, t
+ u$ |" {2 X+ ~5 {& z
看到这里,各位男同学觉得眼熟么?% ]+ o R3 S* @ A3 M9 R* @% E
再来看看前面的两个例子。。。
1 F% a* F4 z1 W+ D# Z5 oxxx,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。。。
. _* h. K4 F- U. Y [. D5 i6 m$ t0 d4 f
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, U* d5 K7 A
, x2 a3 ]; F8 M$ y* G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?
0 c; j+ I' t' D! \5 {4 e9 |7 [' r. y( L
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。。。
|, ~: a4 f5 _* T; |) F9 L2 y3 w# y# E6 L* s& U
为什么相爱总是简单,相处太难?得training。
]4 t( y' X6 M$ b, B/ V9 [1 d; S/ K2 D
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。。。+ _( |9 K# C1 R1 ?: H
u+ ~# J; \! Q% m( ]对了,那什么,我得先走了。。。有没有下回看缘分了。。。
4 F' Y) _" P' z |
评分
-
查看全部评分
|