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 % l0 r1 I3 |; @# A1 z) } E
0 w* m2 M0 q7 g* I
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。
1 b: ]2 K) _9 F0 E: `& R
: \7 P4 r5 S- F" Q跟大家汇报一下最近的学习心得。+ ]/ v$ h8 n+ |9 `; ?1 V/ A. F
" g/ v. I# z/ n+ N
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
) M* m/ A, K Q/ y7 L/ j
: \# h1 x N9 G }, b* ` M最怕这种品牌问题。简直送命题。
5 g; s3 y" `# J- q' [: l) H3 ~. s7 ^4 N0 o: @& q( B( m6 E4 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。
4 N f: _, D2 E: u
$ O" o. u1 u/ t+ u: j" M- c这事儿勾起了我的一番思考,值得跟大家汇报一下。
( |$ V, @6 O5 ~4 s% ~
; d2 N% {* S% O% A* 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。。。
/ q( x0 E9 X: H0 X* m, v7 c9 b) w9 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:# p4 U7 t6 U' A$ x: g) |: Y
. i3 z! P! h: s7 VExample 1:# S0 W+ T9 K+ m s& v5 {
+ V0 R# V* [$ _; C$ q% C
咱去哪儿玩啊?7 V0 D0 h* U* n0 u1 S
都行
! S% Y$ g6 p* }- |# L$ E那咱看电影吧
# s# U, L) U- R) T太老套了* G0 N6 [* ^7 ?( i( k6 h# G
那咱打保龄球吧?
3 N5 M4 S7 ?+ f大热天的。。。
7 t1 l5 E( d1 y! `; W9 a$ N那咱去哪儿玩啊?4 @" e& |3 q- Y8 @5 T+ p
都行
( @0 ~' b% O5 Y0 A2 q1 \, d9 y: Y. p v$ E+ s
咱今晚吃什么?- w" f3 s* O1 [' y- i6 h9 K
随便# k( w- F) v& n/ Z
那咱吃火锅?" | ?1 B4 `. p" G4 a: D
吃火锅长痘痘。/ }/ ~6 V: h1 W, Q
那咱吃烧烤?
- m( {7 ~: V+ `7 v [1 A' N C2 v+ h上次刚吃的烧烤。, n9 \8 P* G v2 j
那咱吃什么?0 l5 v& {$ t [3 ^4 b* J
随便 0 L: d" |6 M7 H* ~ R$ `
# E( v# Z/ B( g5 g, W* VExample 2:4 O5 w4 o' z/ ~: J$ k) H# f/ D
Houston, we have a problem.
+ w# m; e% {3 j+ k0 C" BWhat?
- E3 D4 z6 ?9 @& u7 X! r: A ANever mind ' W0 s$ V& _! {9 v1 y! a# @
What's the problem?
0 z; H2 F+ c+ f$ |9 q n* }2 MNothing 1 v8 m3 v z* _3 p. D/ H+ j8 M
Please tell us? * N" S. T9 U# T. B
You know what the problem is. 0 b# b+ C% }/ i* O( j
) f9 u" Y! C4 S- R# v, _+ H% J# |
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。
" f' I8 ~# s9 _. h( { |% n' m8 k 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。7 d. A' Z, X' O& r; Z/ `6 w
9 `9 G! i z0 `4 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。
0 U5 q- P( G. A% C5 N! h( p" \: U* S, v3 \( h$ Z+ Z/ M& ]1 ]
看到这里,各位男同学觉得眼熟么?# g% ]: U0 t! ?. y
再来看看前面的两个例子。。。: k0 `6 I+ A$ J! e
xxx,这两个例子不就是training么?搞了这么多年理工,实验品竟是我自己。。。- y+ n, u% `! W3 Z+ E6 O8 P; f
$ Q* ?8 r9 L/ \0 @* d6 g别急,还没完。神经网络training最怕什么?有同学可能说了,最怕training不足(under training),网络把别的动物认成猫。不对。学习能力里最重要的是什么?是泛化学习,举一隅而反三隅是也。还拿认猫来举例,我们希望的机器学习是认识猫这个抽象的概念,而不是某一只或某一种具体的猫。比如说吧,如果你给机器看的猫都是黑猫,机器很有可能在猫这个概念里加上黑色这个本不应存在的多余限制。现在再拿校长家的雪球给他看,他就不知到是猫了。Training最怕的就是这种over training。因为under training还可以通过继续training来完善,但一旦over training了,再想泛化就很麻烦了。. L1 `& V. U& K4 B3 d( o" C i
/ k0 K- o$ ^6 U( g
其实平凡女性总是期望能提高在一起的机会成本,以消灭任何未来的潜在竞争者。往野蛮了说,有南太平洋岛国悬崖跳水求婚的风俗,往文明了说,有“钻石恒久远,一颗永流传”的婚戒。你能付出最宝贵的机会成本是什么?有人说没钱人的钱,有钱人的时间。我觉得不对,你最宝贵的是,你那颗大脑,以及里面的那张神经网络。听到这里,有没有后背发凉的感觉。。。当你和爱人达到默契,她一个随便,一个都行,你就知道她想什么,喜欢什么了以后。。。您还有回头的路么?
8 h* S# C, z3 p j9 K" m4 F: o+ j0 t5 Z7 G9 _
弱水三千,只取一瓢,变成了:弱水三千,只能取这一瓢了。。。有没有生活中经历过,和伴侣分开一阵子,觉得哪哪儿都不对劲。。。
$ l2 y8 F; R6 \ x. \) ?# f9 p# [. j
为什么相爱总是简单,相处太难?得training。8 |7 j" a/ T* y3 A, U* Y3 q7 @8 z
' B- u* ^4 C7 g6 N* |" M* U
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。。。
X+ G- S& P3 s2 Y9 R1 C/ q3 S' _) ^; P6 Y
对了,那什么,我得先走了。。。有没有下回看缘分了。。。
8 v( s) c- X$ O- k |
评分
-
查看全部评分
|