因緣際會之下

接觸到了深度學習
 
對於模型可以理解人類判斷事情的邏輯
覺得很神奇
 
但是理解他的計算邏輯之後
又覺得很理所當然
 

"如同植物,也是隨著環境成長,學習"
 
最近有接觸到深度學習部分,覺得深度學習,其實跟人類的學習有點類似
也就是說,人類也是經由取得的影像,觸覺,聲音,味覺與他人的反應,來反饋,知道是好,還是不好,這個標籤,可能由父母,可能由老師去label (標籤)
 
但大部分,是自己去判斷對錯,有一點類似,非監督式強化學習,自己依照自我的方式分類
但是如果是這樣的話,很容易因為資料品質的問題,而導致在最後的分群上完全是錯誤的
 

"人會趨向人多的地方,趨向得到認同的地方 --- in 台中林酒店"
 
就類似於一個人如果從小都接受那些錯誤不好的訊息,長大後也很難走向正途 (因為權重已經很大了,要用優化器修正也要好一陣子了)
或許人就是如此吧,我們可以說,人都有我們的自由,但是我們人確實是經由以前的經驗跟記憶所結合出來的 (也就是說,我們所謂的自由意識,其實是自己以前所經歷的資料訓練出來的對錯行為模型,而自己的經歷,卻又是經由命運 (也可以說隨機) 決定的...),所以當一個社會中,每個人越來越自私自利的時候,所做出來的判斷,也會趨向極端
 

"吸收他國文化增加經歷 --- in 日本銀座淺草"
 
所以說,我們在給予模型訓練時候的標籤,就非常的重要
假設現在已經被有意無意的導引到另一個方向,在未來,要把人改正,就非常的困難了,而這些標籤卻又是從 一些既得利益者身上去貼上的,結局就是會訓練成那些既得利益者想要的模型而已,所以每個人都會趨向同一種想法(多種方向極端化)
不管是哪一種,總之越來越自由的統一,也可能是越來越封閉的統一
是好還是壞呢,沒人知道,但是確實每個人就跟一個深度學習的模型一樣,都是從那些自己經歷的資料中,產生出自己對於事物的定義,想一想還真是神奇
 

"可能買了很多垃圾資訊 --- by 2019 日本旅遊"
 
而模型中損失函數,就類似於人的學習能力,如果損失函數設計的相當好,他可以很快的收斂出自己想要理解清楚事物的邏輯
如果設計的不好,可能就是對於事物都還是很模糊,沒有定見
但是因為在這個社會上,是多模型的狀態,所以他可能會參考別人模型 (權重) 來做決定,現在的社會事物就是如此,我們聽別人講,聽媒體講,聽媒體貼上的標籤,聽別人貼上的標籤,就來判斷這個人的好壞,結果是媒體決定了對錯,控制媒體就控制了社會
 
想一想,還真是諷刺了