【单口相声】谁说女生不会理工科思维，兼谈机器学习

数值分析

" b! Q+ K: v. r+ }: h  I" l6 \' r
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。

跟大家汇报一下最近的学习心得。

* {2 Y7 l2 q! r" _6 l! X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

8 W+ R1 g, E. J

最怕这种品牌问题。简直送命题。

9 V- O; |9 m/ H1 }" G9 Z2 `2 ^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。

+ @* w1 S5 B$ C
  N  w2 E8 u0 r& O3 N3 T7 N3 N这事儿勾起了我的一番思考，值得跟大家汇报一下。

' b8 z% w+ L; D9 ~! X4 K( t2 g  Y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 t, ~4 h) x0 V6 S; m# h5 f
; M: f! B+ v. Z, [% _8 e2 c& 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：

4 }! e5 D$ A$ E5 X) z. z; A+ t6 a3 @1 FExample 1：

咱去哪儿玩啊？
6 W2 y3 @* V4 j8 g: X6 ^/ i( ]8 }都行
- @% J4 \+ i9 _5 L; c那咱看电影吧
. `) P. s3 k( C/ \0 s2 `: n" k* o太老套了
那咱打保龄球吧？
大热天的。。。
" C8 \9 Q7 X& T( M那咱去哪儿玩啊？
都行

咱今晚吃什么？
: q. H5 s$ W2 b7 @* M6 y2 \随便
5 J$ ^/ M2 `, y. n0 y4 O7 G+ Q那咱吃火锅？
- A. c$ K. W; Y6 T0 v* k吃火锅长痘痘。
那咱吃烧烤?
上次刚吃的烧烤。
那咱吃什么？
随便

& B! R% i) n' D- F
8 K* }0 a7 p- m. JExample 2：

Houston, we have a problem.
8 @  G) i9 t) hWhat?
Never mind
- c/ V/ i# w6 n* z) }. aWhat's the problem?
5 k: ?! V- S; v- ]! {+ ?) gNothing
" ^9 ]! d& S$ qPlease tell us?
You know what the problem is.

! ?% s' n/ W. H$ m: ^3 t& I
1 U. p3 H0 U4 m0 Q: N( n5 D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。
* v" x% X2 Q# a* s2 W! J8 `
1 D' {8 v' z6 k  Z" r, l. V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。

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。
2 o$ S! F/ T6 f+ S  J
( x, V3 I, Y; l看到这里，各位男同学觉得眼熟么？
+ d6 h6 j( `1 Z) m0 p5 T$ U再来看看前面的两个例子。。。
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。。。
! T  c8 E# o& r$ W( ~
" C+ D9 A5 N7 T$ c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。

4 J' F  E3 g' x4 |1 m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？

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 A7 f7 a/ F1 H2 A! i
* T5 Z( f5 n+ n2 N& k/ E) |( f为什么相爱总是简单，相处太难？得training。
3 i, F3 E' _, I9 j0 Y
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。。。
* ^$ L4 B" [8 i' |) a2 p
$ x1 ~6 Y' z  b8 E" H7 v0 n) V9 [对了，那什么，我得先走了。。。有没有下回看缘分了。。。
0 p/ w# B4 B$ A

smileREGENT

1 t. A; M' e3 n: K9 z5 N/ f
俺对楼主的敬仰之情犹如滔滔江水连绵不绝，又如黄河泛滥一发不可收拾。
6 w, U' P9 A5 p6 x
+ q6 A% F- ?5 Y; ?但鲁迅先生说的好，理论来自实践。纯理论总是抽象的，没有实例就没有灵魂。纵使楼主领导不trivial，但想来楼主一定没少替这位那位修电脑，故而楼主一定能结合自己昔日当实验品的经历，深入浅出、生动形象地具体展开谈谈。

4 |6 L( _1 \" \1 \* t+ S6 L例如，怎么从under training 到 proper training 的，尤其是，楼主有没有被over training的经历，请重点谈谈是怎么被泛化回来的。

料理鼠王

这就是你正在进行的萝莉养成计划的理论基础？
不怕被LD拿擀面杖赶出门？

马鹿

* Z* L/ W) h+ @% W3 J9 G5 g0 z

有意思的联想和对比.
  }  p- i% Q; l  j! l
$ O' q3 C- c% {2 p. X' k机器学习了解人的倾向还是比较容易的, 但是, 有人会走极端.
! T5 q+ k1 E3 ^/ a% b
4 s# W& U1 G+ g( o* e- Z* R比如, 我很少连续买同一个品牌的咖啡, 我喜欢illy, 但是我就偶尔买, 基本上在尝试的路上不停止, 世界山那么多品牌, 我都得尝尝.  我爱吃瓜子, 我一定吃到顶, 然后很久不吃...爱吃costco的玉米片, 连续买了一年半, 终于不想吃了... 我觉得机器也许会困惑我啥时候会选继续啥时候会选尝试.
: P+ y4 `0 T2 ~2 [/ J/ f' {
! z1 b$ D9 Q0 R; Z, a- P9 w

数值分析

smileREGENT 发表于 2022-1-17 20:56
5 A5 o$ b! y. X) {俺对楼主的敬仰之情犹如滔滔江水连绵不绝，又如黄河泛滥一发不可收拾。
2 T. p& d& ^# D
! A3 y  X4 R( B( e但鲁迅先生说的好，理论来自实践。 ...

欸，医生怎么不读开头的声明，我家领导不在平凡女性之中，在我身上并没有training这种事发生。我现在主要研究啮齿类啊医学啊相关的案例。。。

数值分析

料理鼠王 发表于 2022-1-17 21:25
这就是你正在进行的萝莉养成计划的理论基础？
% S: |1 `& b- q7 ^不怕被LD拿擀面杖赶出门？

不能凭空污人清白啊，哪儿来的萝莉啊？

数值分析

马鹿 发表于 2022-1-17 21:28
有意思的联想和对比.

机器学习了解人的倾向还是比较容易的, 但是, 有人会走极端.

: \5 H) {( M0 g- {9 O% {; F顺着这个往深了说就可以讨论人的自由意志是否存在了。如果人的自由意志只是假象，那么机器也许可以比你自己更早知道你什么时候停，什么时候走。。。

smileREGENT

数值分析 发表于 2022-1-17 21:41
. m0 ?# v6 x. M) k# Z欸，医生怎么不读开头的声明，我家领导不在平凡女性之中，在我身上并没有training这种事发生。我现在主要 ...

4 B, r$ T: E" s( ~被你家领导收编之前，就没有别的那谁谁，你给人修电脑的时候，然后被train了train的经验。

马鹿

数值分析 发表于 2022-1-17 08:45
顺着这个往深了说就可以讨论人的自由意志是否存在了。如果人的自由意志只是假象，那么机器也许可以比你自 ...

6 O, u4 e, S7 m' j3 J3 |. @我觉得机器很大概率会预测到我的想法.
. ]; z, d+ K! P( j2 |$ _
这是个虚拟世界...

料理鼠王

马鹿 发表于 2022-1-17 21:28
有意思的联想和对比.

7 L& a% |4 h1 S  f( f' J) s机器学习了解人的倾向还是比较容易的, 但是, 有人会走极端.

) V+ m, F9 F% x6 F/ b* c也可以理解成人类的惰性。
2 m. w4 {' E+ }能够满足的情况下，不愿意去改变。
如果你一直在变，那么你的偏好就是改变型，这时候的模型又不一样。还是有模型能够套用。
不要低估机器的学习能力，例如亚麻通过收集/统计你的购物习惯，大概能推断出你的生活状态和需求预测。


# t8 e- `+ i& t1 z( Y( J同时，这其实是件很恐怖的事情。
& K' L' p% h4 x% k3 q知道姓名身份证信用卡电话号码地址，还有生活状态，甚至是密切联系人。
这些都单向透明，你还想保留什么秘密。

马鹿

料理鼠王 发表于 2022-1-17 09:47
. a( P. Z4 v2 R" G' c% D也可以理解成人类的惰性。
能够满足的情况下，不愿意去改变。
如果你一直在变，那么你的偏好就是改变型， ...

* f5 w: Q5 |3 q* U" G从来不低估AI, 我的Alexa就用过几分钟, 然后就进盒子里躺平了.

赫然

马鹿 发表于 2022-1-17 10:00
从来不低估AI, 我的Alexa就用过几分钟, 然后就进盒子里躺平了.

7 x- _$ R; l. u. L; W来来来。。。讲讲这个故事。。。

马鹿

赫然 发表于 2022-1-17 10:50
: E( m+ P7 h& b0 ?; B5 \来来来。。。讲讲这个故事。。。

4 q( L6 r: b; P+ w" q4 x# y
我没当小白. 我的alexa是买东西送的.
  D: |+ h  o6 t# |. c一个朋友早早就用了alexa, 然后有一天跟我抱怨浏览器监视她, 我说你要是不搜索, 不看网页, 浏览器咋监视你, 明明是你在家里说话提到了xx品牌, 然后被推送的, 然后恍然大悟, 她家alexa一直开着...

jellobean

难道数值是女生

jellobean

马鹿 发表于 2022-1-17 23:00
从来不低估AI, 我的Alexa就用过几分钟, 然后就进盒子里躺平了.

% |' O  Y- H- y# I" m' g  S# B相同命运

无言

马鹿 发表于 2022-1-17 23:00
6 H$ g% h" A3 x( B从来不低估AI, 我的Alexa就用过几分钟, 然后就进盒子里躺平了.

  l3 P) g( r+ @; y, D& \  @9 a还得用金属屏蔽盒子再加锁以防某天半夜被唤醒

清凉山

好，写的真好换理科生来写肯定干巴巴地没味道

无言

jellobean 发表于 2022-1-18 00:09
$ x) z4 i$ `6 [, [: ^- }难道数值是女生

这结论是怎么得出来的

数值分析

马鹿 发表于 2022-1-17 22:28
% g, m4 i8 u5 I我觉得机器很大概率会预测到我的想法.

这是个虚拟世界...

( W' f) R, e, q: ?# e* g3 x世界是否虚拟与人是否有自由意志这是两个问题.即使虚拟世界,依然有可能有自由意志.比如黑客帝国里的世界,或者缸中之脑,都是可能有自由意志的.

数值分析

! }3 t' @. |  s5 q& w9 l+ e

无言 发表于 2022-1-18 00:29
5 K% r) m) ~1 s/ r4 I这结论是怎么得出来的

凡事都得分析.
5 N/ q, b/ j: N这几篇文章的来源是什么?是因为我被某人搅浑水,称作是文科生.
然后就有了这些理科生角度的科普文章.
& J9 W: Q$ `9 k* A/ j3 q1 x豆豆同学一定是想知道从男生角度看问题是什么样的,期待某些从男生角度写的文章,所以才故意搅浑水...