TA的每日心情 | 开心 2 小时前 |
---|
签到天数: 1638 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑 ) a. l6 {6 l1 l( Y9 d
( c- f* O8 Y5 y4 |' q W! \- a3 j% T- 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。% `& U. ?3 H5 h# Z
4 K, K4 w: K. I; P% C) h
跟大家汇报一下最近的学习心得。" S% a) ]/ }- ^/ R4 ^5 e' f
* y! c _6 r% X. U
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
" R1 I. E) F) C$ n S6 h6 y6 }9 m4 O$ l' I, J2 R
最怕这种品牌问题。简直送命题。0 ^" ] S8 i: F6 u ?3 B! j3 T: A5 l
9 H8 V; q0 d i2 j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。
2 C+ b3 B3 g( \7 H5 t' |+ U: n) \ u
8 Y9 K" L# O6 H' ]4 g- b这事儿勾起了我的一番思考,值得跟大家汇报一下。
; }) W+ z _4 x( d2 i
3 o8 b3 D) m) x _' Q% k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 D% C( j6 |# ~* M$ H. a& {: O
* i5 u2 B" c5 K; C5 O# L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:
% M; V- K" h4 z) \) k# _4 o0 l X- I& o3 d- H
Example 1:
- F& J8 j7 x! X1 S/ e2 R) S0 l6 ?$ x1 Y+ n# E
咱去哪儿玩啊?
- H C- y2 E7 S. {7 e; Q: Y$ }# Q8 ^9 a都行4 Z! Q. }5 m$ j. h% ]
那咱看电影吧6 Y5 {- Q% Z+ ]- o* M
太老套了" ]3 I- |* ]( |* y! K+ M
那咱打保龄球吧?
' l: Z! K% A8 x* e r大热天的。。。
6 W$ t/ I7 ~+ k: d那咱去哪儿玩啊?9 l* m7 p8 X% b/ i% T: B) m1 a& ]
都行
+ f6 }" ]# n( [ E% A# d5 N' I
/ J+ Q/ v4 Q+ b/ A- J: `咱今晚吃什么?
; N% U/ S" i% y; M5 q随便
( \" Q/ c& p7 u* a, ?# s那咱吃火锅?
; v' o0 a2 d1 F- \0 j; R8 `吃火锅长痘痘。
4 d( m6 L( K. l! o: p7 c3 X那咱吃烧烤?+ e7 g9 N6 K$ @& ^6 Y, r
上次刚吃的烧烤。% g0 B3 k/ R5 @2 ]- c% w
那咱吃什么?7 ^* z* I. ?7 `0 m! X; j
随便 - e% X3 ^8 O f* c
. P' c. X c7 d# w2 r y+ F
Example 2:# |2 l$ ?. C+ a' X# M5 f8 G, ]
Houston, we have a problem.
. t0 z5 o) Y2 l! o1 F: }. ]) }" iWhat?
5 ^ L6 u1 h2 W/ XNever mind
0 w1 j8 N2 a' S/ G+ E [What's the problem?
* s1 Q* a, }8 U; u& f+ m" yNothing $ y- z7 c, Y* ~: E2 N
Please tell us?
6 o8 `) }8 Q7 c' x( W! OYou know what the problem is. $ t, W- x6 w+ j h/ p8 |! y# E
, t( e0 H8 I7 \; h
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。
/ _ E; z/ A) W+ f5 z7 _$ q* _, h( a3 n; H5 E: g6 {* 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。
$ d4 `4 [( ~0 F' q& ~
& r. G9 T9 C, W5 s! Z) i1 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。
( v- _$ j c7 _5 P$ S7 F; n. a& Z' i/ q* X
看到这里,各位男同学觉得眼熟么?3 a8 z8 z* {" K* s
再来看看前面的两个例子。。。
$ v* y3 V( p6 |& B( `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。。。
. S2 Y: [# a' t2 z5 d: }0 X8 }8 l6 x% g3 u+ g: S# E
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。( }: y3 O: f" s' T/ o+ Y; V3 I
# t+ q4 E1 l( l2 E$ ~& b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?
, P' i4 h8 c, X. v
) F0 i' {$ o3 A6 x% j2 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。。。
2 }2 S* V2 ]* X, R; R- L1 j [" u8 D/ o
为什么相爱总是简单,相处太难?得training。
; X* Y0 z5 T8 M+ x
$ {8 g" o5 W1 M, N, f: j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。。。
; A K0 j8 ?# h+ |& z
, M J+ Y1 a' F3 g对了,那什么,我得先走了。。。有没有下回看缘分了。。。
% ~2 @2 K; D& V q/ m, o3 Q( I" ^* | |
评分
-
查看全部评分
|