說你人機就一定在罵人？
最近有一個腦洞，Ai模型的訓練很像真實的人生。
從出生起，人們就帶著許多超參數的差異，有的人自帶適配模型訓練的優質參數，在第一次訓練的時候就能達到非常棒的訓練效果，有的人甚至過擬合，但是有的人直接就是最垃圾的參數權重，並且在多次的訓練優化後甚至達不到別人的起點。
再說到訓練時數據集的優劣，大多數人從出生起最先接收的是來自上一代的數據輸入，有的聰慧良善，有的精明勤奮，但有的卻是帶著人性幽暗的一代代傳承的汙染的數據集進行被動輸入，這就好比訓練的數據集不能不能對模型的優化起到一定的正向作用反而帶著病毒，甚至有汙染硬盤的可能。
除了接收來自上一代的數據，有的人也會不斷地在以後的人生中接收或正向或反向的數據輸入，進入的學校，結交的朋友和工作的同事，人像一個不斷接收訓練的Ai模型，被各種各樣的數據訓練，接收正反饋或者負向反饋。
戀愛腦們把戀愛的權重在自己的人生模型中調的非常高，是怎麼樣的初始數據使得他們在後面的訓練中形成了這樣的畸形權重不得而知，也許是來自上一代的數據輸入缺乏愛意，也許是來自某一本書或電影的數據輸入對愛情給予了高期望。最後他們在一次次失敗戀愛的殘酷打磨中，開始被負向反饋折磨，而後開始變得不相信愛情。
工作對很多人的人生模型優化的權重同樣非常高，在深夜的格子間裡努力敲字，寫PPT彙報，寫日報週報年報，在老闆“你這樣努力勤奮的人就是公司的支柱，你就是我的兄弟”的評價中迷失，不斷強化工作對自己的人生模型的權重。
許多不重要的數據可能會被更優質的算法在數據預處理的時候給屏蔽和過濾掉，但是對於只使用簡單算法的模型來說，過載的數據輸入使得模型的訓練變得懈怠，甚至訓練過程只是白白浪費電。娛樂圈的瓜，瘋狂洗腦的短視頻、以及男女領袖們各自帶的瘋狂節奏，使得模型的訓練的效果產生震盪與波動。
Ai模型訓練時也有自己的底線，在使用梯度下降算法時，雖然不知道下一步走的最優解是不是全局最優解，但是大概率是不會疊返到不合適的走過的路。但是人脆弱的思想滑坡起來，走的梯度下降，犯過的錯誤來回犯，連最垃圾的Ai算法都會直呼內行，所以有的時候被罵人機是不是得先考慮下自己比不比的上人機。
儘管如此，但是仍然有一個值得慶幸的地方，那就是不管你的人生模型訓練的再好或者訓練得再垃圾，也逃不過最終在內存和硬盤中被完全釋放的結局。
