有送過一些「人工智能」的書給學員,是送正體書繁體版的書給中國學員。
學員問:「想不到老師你對人工智能也有研究?」
這位學員是在北京的,經常有去硅谷出差,他請過我和劉詠鋼老師吃飯。
我說:「看人工智能的書,我百分之七十的內容是看不懂的,我之所以買人工智能的書來看,並不是因爲我對人工智能有深入的理解……」
因爲有一些人工智能的書,他們是有參考了「到底人是如何思考的」,以及「人腦內部是如何利用他們的模糊記憶與模糊邏輯去運作」的。
某些人工智能的作家,總是利用小篇幅對照人腦運作來進行「對照互比」來跟讀者解釋爲什麼他們要如此設置,而這些設置的目的是什麼,對未來的發展如何等等。
我僅僅是爲了這些對照,有這樣的內容解說而買這些書,雖然這些篇幅未必會明細的寫在目錄上,很多時候藏在哪裏,我是完全不知道的。
當年經常出國,所以爲了節省時間掃貨購書,就乾脆見到就買,當然更多的時候是買了,但,裏面完全沒有我所要的東西的。
之所以會繼續購買,是因爲這些小篇幅的內容,是對我有所啓發的,甚至有時候還會有驚喜的,很難得是我讀著儒家的書,偶爾也會讓我有一些額外的領悟和體會。
譬如說,他們在人工智能輸入模式上,需要模擬人腦的模糊記憶一樣,需要由一個想法或一段的對話,甚至一段回憶,來觸發另一個潛伏的想法,或者是潛伏的回憶,或者是因而爆發全新的概念(想法)那種運作。
他們用人工智能最粗淺的說法是,當你輸入「a,p,p,」時,預測模式就會出現Apple,然後換算出其他剩下的詞彙組別。
原來在我們的大腦皮質內也有相同的功能,但我們看到「A,P,P」時,「L,E」還沒出現 ,但是,在像我這種因爲英文詞彙量不足的人,很自然腦袋就閃出「Apple」了,如果你的詞彙量更多,閃出的詞彙就會更多,但是你未必及時(即時)看到你閃出的詞彙。
不過,以前博學和尚叫我念金剛經時,唸到很專心,眼睛沒看到/讀到那些文句,我偶爾會看到自己腦袋閃出接下來的詞彙與文句的,但是,在大多數的情況下,我們都是研究者說的即使皮質出現了,但我們清醒的腦袋是不會察覺的。
這裏也先打住這些論述說法。
用這個粗淺的論據是想說明,很多時候我們被一個想法刺激了一下,很多遺忘掉的想法/回憶/故事,或新或舊都會因爲這個「模糊記憶」的作用而衍生出來,或者變出新的東西出來。
簡單來說,我們「學習」與「辨識」既是同時出現,也會一來一往先後互換的出現。
籠統不明細來說,我們人腦學任何東西的話,都需要人腦裏面的兩種思維模式來啓動——或叫做心智啓動,不同的書有不同的中譯名詞。
第一種是屬於「定向的」,也就是說守紀律尊規矩下的學習,粗淺的略說,可以講成是按部就班,重複練習再溫習。
這是我們大腦內需要兼顧到羣體生活才產生的一種羣體學習的能力。
你勉強可以這樣說,人類是羣體動物,故在人類演變歷史過程中,如果羣體完全不守規矩或者沒有步驟的話,我們人類的「智慧」與「經驗」是很難積存下來的。
這裏也就此打住,不再深入引述論述了。
第二個功能是屬於「散發的」,這未必是符合合邏輯推進的,他更類似自由的,也可能是需要依賴外人的交談,或者是非正規的活動下被激發的,甚至可能你學的是另一個領域的資訊激發配搭出來的。
粗暴簡單來說,可能你在散步,或者沐浴,或者拉屎,或者閒聊中,看一本不同領域的書被激發出來的。
據說,他們在設置人工智能的學習模式時,他們是先要從「定向模式」進行設置,然後再設置「散發模型」。
爲什麼我會突然想起這段已經沉睡多年的回憶呢?
最主要的原因是李子問我:「爸爸,玩魔方塊可以不要按部就班學習嗎?」
(李子問這個問題是多餘的,因爲我已經教會他六面色的魔方塊)
我說,不能!
李子再問:「那麼,下象棋,我可以不學開局,我自己發明我自己的開局嗎?可以不必理會殘局的基礎嗎?」
就是李子問了這些問題,導致我突然浮現出這過去已經沉睡的資訊出來。
同時勾動出當年的一段陳年往事出來。
話說當年,我看到定向模型與散發模型設置的說法不久後,那時李子是讀三年級。
他在讀書時,回答老師的作業
,是跟全班的同學完全不同的,可以說是跳出了規定的答案,老師看了之後都笑出來。
結果他的班主任老師就要求見一見我,然後班主任老師就跟我說:「李先生,這次我是給你孩子的分數是高分數的,也給他是對的,因爲李子的回答雖然是天馬行空,也合情合理,所以爲了表揚他這種精神我給了高分 ,李先生,如果是下次呢?」
李子的班主任是將球踢回給我,我問老師:「那麼,請問如果按照學習的規定,李子回答的答案即使是合理 ,但是給分數的制度呢?」
老師說:按照答案來說,回答的不正確,也離開了題目。
重點是在回答離開了題目!
我其實是很坦然的說:「那麼,就給回答的不對,也讓李子知道離題了!」
其實這位老師是有補充的,在他的學生裏面,他既想給學生足夠的自由和大膽的創意,不過,她也希望在她教導下的學生既有遵守規律和按部就班的能力,同時又有自由大膽的創意。
當我載李子回家的途中,突發浮現了人工智能設置的兩個思維模式這個資訊出來。
不過,當時的我,我是有更深入的聯想。
我問了自己一個問題:如果我讀人工智能的兩大設置法,要是我對作者提出的兩個思想模型,在讀之前,對模糊記憶和模糊邏輯是完全沒有概念,而且腦科學的資訊也沒有累積過任何的知識,請問我會有這樣的聯想嗎?
或者問得更直接一點,人工智能說的兩種設置法我還會有印象嗎?
或者是根本是看了之後,也不知所云,早已經拋到九霄雲外了。
散發式的模型,之所以會啓動到你過去的記憶/想法/故事,問題是,如果你完全沒有這些「底氣/基礎」呢?
關鍵不是散發模型的「功效」很大,可以創造什麼,而是讓散發模型發生功效的「引子」,是需要配搭到「底氣」的,否則沒有過去的配搭,就沒有任何的激發,風吹就散了,也就是說,你讀到的那段話,你不會有任何發現和聯想的,更不會留下任何痕跡。
同樣的,任何學習你不能只要散發模型,而不要定向模型的!
在下象棋,電腦是可以不走任何開局,因爲電腦裏面被輸入過無數的棋譜和棋局,他是有足夠的數據,問題是一個人腦袋完全沒有足夠的棋局棋譜資訊,他亂走,拋棄開局聯想,不理會殘局基礎,他可以學得一手好棋嗎?
任何中局的精彩變化,奇兵突起,都是你定向模型的殘局基礎,讓你的散發模型發出強大的功效的!
基礎科學作業答案 在 Facebook 的最佳貼文
W2 2021/4/27(星期二)
連續放假三天,星期日去爬山,隔天乳酸堆積的下半身讓我有說不出的爽快痛感,還好休息一天之後,又恢復到能屈能伸的巴低。
「台式香腸便當」是我的最愛,也是陽陽的;只是要台式菜色,都不是圈圈的菜,但如果依照他的喜好帶便當,那就是一三帶肉派,二四帶雞塊薯條,星期五Hot dog,那可不行。
今天學校有越野競跑活動(Cross Country),圈圈要求我去參加,才使得便當文稍晚發放。他今天跑步從一開始吹哨起跑,倒數第一(屬於很沒有爆發力的小孩),跑到四分之一的時候倒數第八,看他沒有放棄的繼續在爬坡奔跑(上坡很多孩子都用走的了),我很感動,本來就不是運動咖,但運動家的精神倒是沒讓我失望,鬥志很堅強,一路追趕到終點,竟然跑進前十名,完全是龜兔賽跑裡的小烏龜以耐力取勝啊,媽我都落淚了,很慶幸自己今天去見證了他的努力。
繼續來說:
陽陽升學記(三)
「選校!選到起笑」
「選校」這是屬於父母的業務專區,小孩就是上學和去參加考試就好。
選私校?還是公校?要報考幾所才夠?要選哪幾所?怎麼選?要報考什麼班?
這個說起來真的是講不完,所以,我直接以陽陽的學業條件和我的經驗來分享,當然所有的決定還包含了經濟考量,所以,大家參考就好,不要當成指標和學習的對象。畢竟每一家的各項客觀條件和主觀考量因素都是不同的。
先講公校:
跨區就讀公校,一定是要參加考試,他們會透過考試篩選出成績相對優異的學生,除了考試,還要審核成績單,看在校成績和品性以及是否積極參與社團,如果通過考試的學生太多,名額有限 ,那成績單就是決勝的關鍵,通常都是以五年級的成績單為必須送件的參考。
我們決定學校的參考依據之一是透過一個叫 The Better Education
https://bettereducation.com.au/ 的網站,查詢學校的評鑑分數,這些分數來自於學生參加Naplan成績平均值和學校各項學術表現得出來的結果 。這個網站還能交叉比對你心儀的幾所學校輸入之後的排名。可以幫助你在喜歡的幾所學校中,那一所排為第一志願,那一所作為候補志願。當然這都是以學術成績來作為參考標準。
另外,需要考量的因素就是接送是否方便,將來我必須奔波於兩校之間接送孩子,跨區就讀,選校必須要在能力所及的範圍,或是老杯是否有條件可以就近支援,大眾運輸是否方便(如果你放心孩子自己搭公車火車的話)。
再來就是學校的校風如何?是否有種族歧視的問題?校園霸凌事件是否頻傳?負面新聞是否多於正面新聞?這些對我們應該是最重要的考量因素。
其實以上三點考量,在選擇私校與公校時都是一樣的考慮範圍。
最後,我們選GC中區北區最搶手的A高中,最近一次2019年評鑑成績還不錯落在94分(老杯方便接送),以及兩所我們家隔壁學區評鑑成績大約在中上評比同88分的公校稱B和C ,一共三所公校,兩所要參加考試,一所申請就好。每個學校的申請條件和考試時間都不同。
你以為選好就去報名,然後就等考試了嗎?私校可能如此,公校(搖頭)沒這麼簡單。
孩子六年級第一個學期開始,我們就開始關注學校的網站,等公佈Open day我們就得上網登記參加,時間到,就帶著孩子前往學校聽簡報。孩子絕對是心不干情不願的前往,對他們來說真的很無聊,但你得去了解,才能知道學校招生條件是什麼?也能在第一時間拿到申請表。
我們只參加公立學校的Open Day,三所都參加了,辛苦老杯。
拿到申請表以為填寫資料,附上成績單就繳費就可以等考試,又錯了。
我沒想到這裡的高中跨區申請會這樣麻煩,
A校:獨招,考試依照Naplan考題模式出題。
申請表中需要選填分組志願:
1.法語班:用法文學習數學,科學和電腦和程式語言等學科,當然必修法語。(這個我們直接放在第三志願,雖然老杯是在法國巴黎念拿的博士學位,也用法文通過博士論文答辯,但要他用法語教數學和科學,人生沒有必要這樣找自己的麻煩,直接跳過)
2. Stem班:我理解為理工班,在這理會比較著重數學,科學和電腦程式等理工方面的學科,未來大學也是朝這個面向去重點學習和選科,我們了解到女兒對於電腦程式語言是非常的弱項,而且排斥,雖然在校成績總能拿到A或B,但每次問他「不是討厭,怎麼還能拿A或B」他自己也不知道。(所以這個成為第二志願)
3.Waldorf 華德福教育體制班:全GC應該是唯一創辦這個班級的學校吧,這個教育體制源自於德國。是一種新的教育思想,創始人相信這是一套能夠照顧學生身心靈整體發展的教育模式。(有興趣的朋友可以自己去google一下 Waldorf Education)
學校的文案說明中表示:這是一種創造性的學術學習方式,對英文,數學,歷史和地理還有科學的學習,輔以藝術角度和公開演說訓練及發展獨立思考的能力。這個班級主要在學習獨立創造和思考,自己尋找答案,而不只是老師單向的傳授。我覺得如果孩子熱愛藝術和充滿寫作興趣、饒富文藝氣息可以選擇這個科系。
老杯說,當參加學校簡報時,這是陽陽唯一抬起頭來聆聽的部分,當然,陽陽自己決定了Waldorf為第一志願。我們也認為這個最適合他。
另外學校還有其他特長班可以報考,像是音樂班,體育班和戲劇班。這些特長班除了要參加學科考試,還得有術科面試。也是三個志願中可以選擇的項目。
學校B:獨招,試題以ICAS考題模式進行。
需要先送成績單,符合資格,才通知考試。
所以,你有可能送報名表,繳了報名費,然後不一定能參加考試。(哼!跩什麼跩,但還是默默地報名了ˊ)
申請表中的志願選項有:
1學術班:同上stem班,就不贅述。報考資格:數學和科學和英文,電腦程式語言四個科目中,至少要兩個A,兩個B
2商業領袖人才培訓班:數學和英文一定要拿A才擁有考試資格。課程內容包含數學會帶到商業應用,科學和電腦應用程式都會著重在商業領域,聽說還會學習分組成立公司和經營。學校還有作業是發五元給孩子們當創業基金,讓他們利用所學,用五元創造更大利潤,曾有個孩子用五元賺了800元。學校舉例說明如此。(他們才11、12歲耶,要開始學這些了?!)
3日語班:需要基礎日文能力。學術成績要求(我忘了)
老杯說,不想女兒太早沾染銅臭味,於是我們就報了第一和第三,兩樣都拿到考試資格,因為當時open day遲到,沒聽到日語班的條件,拿到考試資格時才發現根本不會日文,所以直接放棄沒有去考。
B校申請資格這麼硬,你要不要送件?
當然要送,哪來這麼多AAAA的學生,不管孩子成績單幾個ABC,就賭他收不到這麼多符合資格的人數,不得不把把資格放寬,所以不要被條件限制所影響而退縮。有送有機會,有考有希望👍。
第三所學校是送審成績單,但成績單也都要求主要科目要拿A,時間也壓在比較後期,我們想說如果報考的學校都名落孫山,再考慮送件,畢竟公校報考費用至少都是100元起跳,在加上兩所私立學校的報名費又是兩三百元,能先不花,就省下來。
公校申請完畢,私校申請和考試及放榜過程明天繼續,時光飛逝,我又要去接小孩放學了。
祝大家有美好的午後時光❤️
基礎科學作業答案 在 Y道理 Facebook 的精選貼文
/ 為什麼大家的預測都不一樣 / 2021 新春特刊
#周末認真文系列
#過年認真文系列 #南鯤鯓
.
幾年前聽過一個問題:「如果老天爺準的話,那為什麼每個宮廟給出來的預測沒有收斂到共同的結果?」
.
以前在國內的產業研究單位時,最常被客戶問的問題就是:「你們的資料準不準?」「你們跟OOO單位比,誰的資料比較準?」這個問題從「統計數據」開始,會一直追問到「預測」為止。
.
這個問題至今仍在:「為什麼分析單位的數據結果會不一樣?」或者「到底我應該信任誰的研究數據?」
.
1) 為什麼研究單位的數據不盡相同
.
光是這個問題就是一堂50分鐘的課。首先,我們先撇除那些研究品質比較不符預期的資料庫 (#甚麼叫研究品質不佳 ? 就是沒仔細交代研究方法的單位)
.
產業研究資料非常難取得。多半是透過面訪、政府統計、推測 ... 等方式取得及建構成資料庫。大型的研究單位比較容易約到「關鍵廠商」且進行訪談,例如能夠約到這個產業中的關鍵業者,所以他的數字可能比較有代表性。
.
不是每個研究單位都能約到各大廠的代表。他們可能有自己的人脈或者方式,所以「推敲」到的數字當然會有一些差別。所以,很多研究單位會隨著分析師的離去,但卻沒把資料窗口交接給下一個分析師,直接的影響到資料的準確度與品質。
.
其他當然還有很多「影響」統計及預測結果的因素。最可怕的一個是「定義」。有非常多的公司甚至沒認真看資料庫的定義就開始亂用資料了。以「電腦運算設備」來說,到底甚麼叫「電腦」?甚麼作業系統、甚麼規格 (例如說沒有附鍵盤的設備,算平板或筆電?)。
.
又或者:OOO 單位的負責分析師跟 XXXX 的分析師,掌望 2021 的基礎切入點是不一樣的。所以他們預測的分析模型,因素及係數當然也會不一樣。
.
2) 所以,我要聽誰的?
.
我最常花費力氣跟高階主管溝通這個概念,那就是「即便你花再多錢去買資料,你都不應該『全盤相信』研究單位給的數據。」#更別說網路上抓的免費資料 #或者你相信外行菜鳥隨便亂做的報告
.
使用產業數據或市場數據,主要是站在「修正決策」或「輔導形成決策」的過程中。好的「使用資料」的態度,應該是要盡可能地取得真實的資料,但並不仰賴或者過度信任單一的資料來源。
.
多數的資料提供業者,並不「打算對資料的正確性」附上全責;此外,他們也做不到。所以即便他們的數據可能已經是最接近事實的數據,他們也沒打算保證他們的資料是最完整、最正確的。
.
「你誰都不應該聽。」對於購買資料庫或者分析師服務的業者來說,你應該聚焦在「研究單位如何取得資料?他如何分析?他如何判斷產業為什麼會反映出當下數據的狀況 (insight)?以及基於當下狀況,他認為接著會變成甚麼樣子 & 為什麼?) (foresight)
.
當決策團隊逐漸地聽懂分析師的方法及邏輯後,你可以接著做兩個選擇: 1) 覺得對方的方法可信,所以選擇聽從 2) 覺得對方的資料 / 邏輯部分可信,所以我們公司內部應該選擇修正不完善的地方,重新下判斷
.
如果你完全不相信對方,你也不會用他的資料了,對吧?
.
使用資料是一種「過程」。 透過資料的解讀延伸成各種「決策」,來推動商業的前行。如果自己對於資料的理解有錯?或者理解正確了,卻沒有在資料為基礎之上,正確的得到自己所要的,那就要修正自己的行動或行動策略。」
.
這其實是一個很科學化的循環。但投資也非常大 ... 所以多數公司都還是會停留在「有數據就好」而不管數據的品質;或者是「我有用數據來分析」,卻不管結合數據的分析、決定的行動與策略,以及最後結果之間的關聯究竟是甚麼?
.
因此,多半的業界都還停留在「想花錢買到最好的答案。」如果正確答案是花錢就可以買到的?那最後有錢的公司絕對會是最有競爭力的那個業者,你只要複製他的行動策略就好啦!但人家的競爭力是用錢疊起來的,你這樣怎麼有機會贏他?
.
有可能的!只要你夠認真的解讀資料,挑對適合自己的戰場 ... 是有可能獲得小戰區的勝利。
.
pic sourece:
https://www.ettoday.net/news/20210212/1919112.htm