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 . V; z, Y- @/ y) [+ t5 A
5 h4 K' @: m: K1 `+ ^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% \% X S" k7 Z8 j
# C$ n6 D1 H# ^+ \- z9 Y0 B跟大家汇报一下最近的学习心得。
8 G- g! ^7 |5 h/ `/ i+ H8 Y/ n% {$ d2 `9 u" _2 e9 G
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
: }- e0 T' y- \! A* ^5 L/ {" F! g6 u
最怕这种品牌问题。简直送命题。
/ b& @, s* @4 Q# G% C# b
! B! g9 Y3 s9 m* ~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。 ) z7 S) s7 { j0 X* U
4 s, T2 {$ w3 ?$ Z ~( @这事儿勾起了我的一番思考,值得跟大家汇报一下。$ n% w! j$ m7 Y6 V6 |9 ^1 a
8 N$ c* O, a! h- r! q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。。。! P1 q* j4 N; h$ A% W
- h3 {( B( r N7 q& T6 M) P
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:
9 @) ~! }- x0 I5 x! R! I2 D
" s( q' D9 W( m/ [Example 1:3 N0 T6 y# |6 _3 Y# u; | l
! M* u! c( i( r. ]: a
咱去哪儿玩啊?% @1 K. z# z3 _' K* s7 i
都行
# r% y+ F2 g$ [3 m; I% `/ d) o那咱看电影吧4 L- b& f7 m; x m4 g7 q6 D; t
太老套了; S8 }! ~5 Q e4 l- Y. e
那咱打保龄球吧?
/ n5 D4 U6 B: @% p, S# W大热天的。。。: r! T# z: w! G: a! B& F
那咱去哪儿玩啊?
3 i; y0 W! v8 U8 R' o2 x都行* [! X) ?9 W2 E9 F. `
- f8 a& [. W1 D% K: _+ M
咱今晚吃什么?+ g5 ^4 ^( @7 S# \2 W
随便
9 u. K4 U% V' [1 ^* d; @1 y那咱吃火锅?
# C D8 F7 x8 _4 U吃火锅长痘痘。$ F$ G; p$ @$ N D( r
那咱吃烧烤?
7 y v) ]7 R% y1 r上次刚吃的烧烤。
& a6 l- {. R* l! K4 ~3 @那咱吃什么?
/ ]! g3 E1 ? i+ ^随便
3 u4 Z9 N# ~: V* j# D2 s. k" N& n& \* K( }6 X7 f
Example 2:
% ?; X# T& w4 w0 G/ IHouston, we have a problem. + ?9 z7 I. g Q( e
What? ; n5 y! G- }0 A p- ^# J' i5 Q- P
Never mind
% v: T3 K ?5 |+ u% SWhat's the problem? ) s A6 P7 ~; t
Nothing
, F" W9 ~ ^) K5 N3 fPlease tell us? : F$ J) f/ r; w' T* |2 B
You know what the problem is. ! K2 s7 r) C/ ]* K: d- _& O2 L
+ t1 { z0 o g
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。
) G- S2 y% `: H( y; j; f
* _3 q3 J4 C7 r; K+ c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。0 w7 J( c9 X* ]$ Z& g: C4 P5 l! X
9 ^, K( s% @4 R! @+ S. `
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。
- J7 W1 |) C5 S
# l2 u+ Z: V/ A `/ i看到这里,各位男同学觉得眼熟么?
( {8 R- N$ ?$ m2 z a再来看看前面的两个例子。。。
1 I, Y& d9 `& ]8 E) G2 Jxxx,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。。。
1 |1 ~& G8 V* x4 G" d. s- I8 U2 V% g k; X z
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。
( _. w% L+ K& u3 y& V
m/ G8 S. U# q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?
5 m5 |6 s7 `8 y7 n
; }: C1 G# t7 z* Y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。。。
7 L4 ^2 d& M# G$ j$ H+ s
* Q, g2 V' {4 k$ K% z1 t为什么相爱总是简单,相处太难?得training。% Y; @0 K) B4 a F, V! K* e' S# J
; Q* r; x9 G6 k/ S4 Q
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" ?3 X/ m, Y0 Y* c5 v
4 Q2 c8 t3 k d对了,那什么,我得先走了。。。有没有下回看缘分了。。。
6 T- v1 d, j- g3 z0 |4 ~ |
评分
-
查看全部评分
|