Когда у нас бывают хорошие, замечательные дни в отношениях с семьей и друзьями, мы чувствуем себя счастливыми и ищем способы показать свою удовлетворенность. Но когда мы сталкиваемся с проблемами или трудностями, прекращаем ли мы общение и разрываем отношения?
Прежде всего, давайте рассмотрим, что человеческие эмоции и чувства, как и другая информация, занимают определенную часть нашей памяти. Некоторые из них (волнение, удивление, тревога, замешательство и т. д.) временно находятся в оперативной памяти (RAM), а другие (любовь, раскаяние, обида, доверие и т. д.) записываются в постоянную память (ROM) и, сколько бы времени ни прошло, остаются там, ожидая своего часа. Как бы мы этого ни осознавали, это влияет на принимаемые нами решения и реакции.
Как? Очень просто: с помощью функции. Эта функция (далее именуемая моделью) играет роль карты в наших отношениях.
В машинном обучении мы обучаем и тестируем наши данные, иногда многократно, манипулируя ими с помощью определенных значений веса (w) и смещения (b), чтобы найти наиболее подходящую модель. Положительные эмоции в закодированных данных помогают повысить точность модели, а отрицательные эмоции предотвращают проблему переобучения. Переобучение означает, что, даже если наша модель хорошо обучается на обучающих данных, она не дает правильных результатов на тестовых данных. И наоборот, если мы не учитываем должным образом положительные эмоции в наших данных, и отрицательные эмоции становятся преобладающими, это приведет к проблеме недообучения (обучение слишком простой модели или модели, которая вообще не может обучаться).
То же самое происходит и в отношениях: эмоции или чувства от прошлых событий являются входными данными (x) в наших обучающих данных, а наши реакции — выходными данными (y или f(x)). Когда мы сталкиваемся с новым событием, мы подаем входные данные (эмоции и чувства) в функцию модели, обученную на наших обучающих данных, и тестируем ее. Результатом является наша реакция на новое событие. Фактически, сами того не осознавая, входные и выходные данные в этом новом событии время от времени преобразуются в наши обучающие данные, помогая улучшить нашу модель, и в каждом последующем событии, в каждой последующей ситуации мы вызываем эту модель, запрашиваем у нее информацию, вносим корректировки и отправляем ее обратно.
Рассмотрим те же примеры ситуаций:
Представим, что молодой человек работает в компании уже несколько лет. Компания дарит сотрудникам корпоративные подарки на каждый праздник, организует различные развлекательные или поощрительные мероприятия. Приближается очередной праздник, и, как и любой сотрудник, этот молодой человек уже ожидает от компании чего-то особенного по этому случаю. Поскольку финансовое положение компании неблагоприятное, в этом году, чтобы сократить дополнительные расходы, поздравительные сообщения рассылаются только по корпоративной электронной почте.
Что произошло? Поскольку наша модель переобучилась на обучающих данных, результат, полученный при вводе данных в тестовые данные, не совпал с реальным результатом. То есть, сотрудник ошибочно получил поздравление по этому празднику, и наша модель получила неверный результат.
Если бы компания никогда не дарила корпоративные подарки и не организовывала различные мероприятия, то у сотрудника не было бы никаких ожиданий по этому празднику. Если бы компания внесла изменения и организовала что-то к этому празднику, модель все равно считалась бы получившей неверный результат, поскольку он не совпал с ожиданиями сотрудника. В этом случае наша модель выдает неверный результат, потому что она недообучена.
Иногда, независимо от того, насколько хороша наша модель и насколько успешны наши тесты, мы видим, что в некоторых ситуациях она с трудом показывает правильный результат. Существуют эмоции, с которыми мы сталкиваемся не всегда, или они определенно являются первыми в чем-то. Что происходит в таких случаях? Эти данные считаются выбросами. Например, человек однажды теряет члена семьи, и это не повторяется, или чувство, когда он впервые становится матерью или отцом, никогда не повторяется, и человек не переживает момент первого отъезда так же, как в первый раз, ни до, ни после. Обычно мы не учитываем такие данные при каждой реакции, при каждом решении. Почему обычно? Потому что не существует такого понятия, как «все выбросы следует отбрасывать». Мы стараемся избегать рисков, учитывая их. Например, когда у кого-то случается сердечный приступ, это уже сигнал для него и окружающих о том, что следует снизить уровень напряжения и стресса, уделить внимание питанию и регулярно заниматься спортом. Мы говорили об отношениях: если какое-то ваше поведение заставило друга отдалиться от вас, значит, что-то не так, и это нужно исправить.
Так что же идеально? Работа со сбалансированными данными. Мы пытаемся вывести правильную модель, формулу для наших отношений, учитывая выбросы, когда это необходимо, жертвуя ими, когда это необходимо, начиная с недообучения в начале и переходя к переобучению в середине. Внося корректировки в каждой новой ситуации, мы получаем модель лучше предыдущей. Вот почему мы смеемся над своими предыдущими решениями, признавая, что они были ребяческими, и строим фразы вроде: «Если бы у меня был такой ум, какой есть сейчас, я бы сделал то или это». То есть, если бы у нас была нынешняя модель, мы бы принимали предыдущие решения совершенно по-другому. Но разве эта модель не была создана путем манипулирования ими? Если бы мы их изменили, разве наша модель не была бы другой?
Так как же манипулировать значениями, чтобы построить свою собственную модель? Что вы поставили в приоритет и чем пожертвовали, чтобы получить лучшую модель?
Автор: Гунель Хосровлу
Прежде всего, давайте рассмотрим, что человеческие эмоции и чувства, как и другая информация, занимают определенную часть нашей памяти. Некоторые из них (волнение, удивление, тревога, замешательство и т. д.) временно находятся в оперативной памяти (RAM), а другие (любовь, раскаяние, обида, доверие и т. д.) записываются в постоянную память (ROM) и, сколько бы времени ни прошло, остаются там, ожидая своего часа. Как бы мы этого ни осознавали, это влияет на принимаемые нами решения и реакции.
Как? Очень просто: с помощью функции. Эта функция (далее именуемая моделью) играет роль карты в наших отношениях.
В машинном обучении мы обучаем и тестируем наши данные, иногда многократно, манипулируя ими с помощью определенных значений веса (w) и смещения (b), чтобы найти наиболее подходящую модель. Положительные эмоции в закодированных данных помогают повысить точность модели, а отрицательные эмоции предотвращают проблему переобучения. Переобучение означает, что, даже если наша модель хорошо обучается на обучающих данных, она не дает правильных результатов на тестовых данных. И наоборот, если мы не учитываем должным образом положительные эмоции в наших данных, и отрицательные эмоции становятся преобладающими, это приведет к проблеме недообучения (обучение слишком простой модели или модели, которая вообще не может обучаться).
То же самое происходит и в отношениях: эмоции или чувства от прошлых событий являются входными данными (x) в наших обучающих данных, а наши реакции — выходными данными (y или f(x)). Когда мы сталкиваемся с новым событием, мы подаем входные данные (эмоции и чувства) в функцию модели, обученную на наших обучающих данных, и тестируем ее. Результатом является наша реакция на новое событие. Фактически, сами того не осознавая, входные и выходные данные в этом новом событии время от времени преобразуются в наши обучающие данные, помогая улучшить нашу модель, и в каждом последующем событии, в каждой последующей ситуации мы вызываем эту модель, запрашиваем у нее информацию, вносим корректировки и отправляем ее обратно.
Рассмотрим те же примеры ситуаций:
Представим, что молодой человек работает в компании уже несколько лет. Компания дарит сотрудникам корпоративные подарки на каждый праздник, организует различные развлекательные или поощрительные мероприятия. Приближается очередной праздник, и, как и любой сотрудник, этот молодой человек уже ожидает от компании чего-то особенного по этому случаю. Поскольку финансовое положение компании неблагоприятное, в этом году, чтобы сократить дополнительные расходы, поздравительные сообщения рассылаются только по корпоративной электронной почте.
Что произошло? Поскольку наша модель переобучилась на обучающих данных, результат, полученный при вводе данных в тестовые данные, не совпал с реальным результатом. То есть, сотрудник ошибочно получил поздравление по этому празднику, и наша модель получила неверный результат.
Если бы компания никогда не дарила корпоративные подарки и не организовывала различные мероприятия, то у сотрудника не было бы никаких ожиданий по этому празднику. Если бы компания внесла изменения и организовала что-то к этому празднику, модель все равно считалась бы получившей неверный результат, поскольку он не совпал с ожиданиями сотрудника. В этом случае наша модель выдает неверный результат, потому что она недообучена.
Иногда, независимо от того, насколько хороша наша модель и насколько успешны наши тесты, мы видим, что в некоторых ситуациях она с трудом показывает правильный результат. Существуют эмоции, с которыми мы сталкиваемся не всегда, или они определенно являются первыми в чем-то. Что происходит в таких случаях? Эти данные считаются выбросами. Например, человек однажды теряет члена семьи, и это не повторяется, или чувство, когда он впервые становится матерью или отцом, никогда не повторяется, и человек не переживает момент первого отъезда так же, как в первый раз, ни до, ни после. Обычно мы не учитываем такие данные при каждой реакции, при каждом решении. Почему обычно? Потому что не существует такого понятия, как «все выбросы следует отбрасывать». Мы стараемся избегать рисков, учитывая их. Например, когда у кого-то случается сердечный приступ, это уже сигнал для него и окружающих о том, что следует снизить уровень напряжения и стресса, уделить внимание питанию и регулярно заниматься спортом. Мы говорили об отношениях: если какое-то ваше поведение заставило друга отдалиться от вас, значит, что-то не так, и это нужно исправить.
Так что же идеально? Работа со сбалансированными данными. Мы пытаемся вывести правильную модель, формулу для наших отношений, учитывая выбросы, когда это необходимо, жертвуя ими, когда это необходимо, начиная с недообучения в начале и переходя к переобучению в середине. Внося корректировки в каждой новой ситуации, мы получаем модель лучше предыдущей. Вот почему мы смеемся над своими предыдущими решениями, признавая, что они были ребяческими, и строим фразы вроде: «Если бы у меня был такой ум, какой есть сейчас, я бы сделал то или это». То есть, если бы у нас была нынешняя модель, мы бы принимали предыдущие решения совершенно по-другому. Но разве эта модель не была создана путем манипулирования ими? Если бы мы их изменили, разве наша модель не была бы другой?
Так как же манипулировать значениями, чтобы построить свою собственную модель? Что вы поставили в приоритет и чем пожертвовали, чтобы получить лучшую модель?
Автор: Гунель Хосровлу