胡思乱想

下午听Eric Xing讲如何把ML的算法适应到分布式系统里去,信息量太大脑袋烧坏了。感觉自己只抓到20%的内容。最近这种情况颇多,虽然可以强扯自己不懂分布式系统,最终也会被后生淘汰。Crazy world,还是放松一下好,所以我就在实验室饿着肚子涂鸦了这么张图给自己鼓励,哈哈哈。

我突然想到人类的能力在中文语境下是可以分解为“智商”,“知识”和“经验”的,思考1分钟觉得这个分法还挺科学,不知道是不是并全集互不交的。智商,或者推理能力-速度,在这里的语境和大部分“trainable”的定义范围不同,基本由天定,就和计算机的硬件架构啊材料啊类似,当然我觉得也不是说后天保养就全无关系,例如我感觉饮食结构似乎会导致神经递质成分组合的改换(可能是伪科学),some combination is just more powerful。“知识”基本上处理“什么是什么”的问题,所以基本上不同行业的黑话之间没法交流。“经验”解释知识中无法阐释的部分,但是从实例中得到了的规律,I know how, but don’t know why sort of thing。“能力拓展”,就是在这三个向度上(也可能是更高维的空间)做优化。

2016-03-14 170310

如果以爬山为例子显然更加直观,但仍有很多不可言说的技巧,特别是当人的视野范围受限的时候。A处的人既可以沿α也可以沿β路径攀登,很难选。β看上去绕远了,但是坡度小,α很可能因为开始时极度的困难狗带。B现时有可能鄙视A,因为他的海拔更高,然而其实就全景来说他的状况完全不算比A好,很可能他为了维持现有的海拔,一辈子也就这个程度了。如果他有足够智慧和勇气,亦有γ和δ两个路径选择,γ可能更容易接受些因为随大流,δ似乎效果不明,而且有些孤寂。对于我等晚辈,现在估计还在C或者D处,C似乎一路顺风、更高一筹,但是接下来如果沿着η前行,面对什么只有他自己知道了……ε似乎是中庸之道,但是总感觉不远处就有更优选择。

当然,有些人完全是异类,比如E,大家简直都没发现他的存在……直到他沿着ω攀上人生巅峰。

更不应忽略的一个问题是,绿线以上的部分仅仅是我们的想象,除了少部分登顶者倒驾慈航眷顾的幸运儿(I doubt if they ever exist),没人知道具体长什么样。所以,似乎不应低估joie de vivire, 不然后悔的概率也蛮大。

Alright……接下来是吃chicken rice还是briyani呢=_=||

发表评论

电子邮件地址不会被公开。 必填项已用*标注