學習要構造反饋閉環


馬拉松是一種人生歷練。對每一個成功的運動員而言,他們總是善於分解大目標為一個個小目標,循循漸進,尋求反饋,迭代自己。

對於人工智能(機器學習)也是如此,機器學習的反饋閉環必須是業務天然的一個有機部分,用戶行為通過產品的端實時反饋到數據智能的雲上,這樣沉淀下來的數據在幫助機器學習在模型的基礎上不斷優化模型的精確度,它又把優化結果通過端實時提升用戶體驗。這才是一個自然的智能商業循環,而數據化本質上將一種現象轉化成可量化形式的過程。

我們學習的過程,就是不斷知識輸入的過程,我們可以通過閱讀技術書籍、觀看技術視頻、參與技術探討、遇到工作問題等輸入知識,然后通過大腦的“知識模型”轉化和沉淀到我們的知識倉庫中。所謂的“一萬小時理論”,其實就是加強這條鏈路,提高決策的快速提取能力。以技術知識為例,比如我對「微服務」不熟,它可能在我的知識倉庫的角落位置,如果我做了筆記,等價於我記錄了一個位置和知識的目錄清單,提高我找到它的能力。如果我天天思考(學習)它,天天實踐(獲取)它,那么,我閉着眼睛也可以快速在大腦中做出決策。是吧,道理就是這樣通熟易懂。

但是,我們怎么知道自己的決策是對的?再來思考下機器學習,它一開始構建的模型可能精確度很低,不過,有趣的事,它通過大數據的持續輸入和自我修正來完善模型。我們自我成長和學習亦是如此。

個人經驗和經歷會限制自己的思維方式乃至眼界,讓我們經常沉浸在自己固有的思維中,形成知識盲區。只有不斷與別人交流並且輸出自己的想法,我們才能發現自己的不足和打破個人認知局限。而與人分享交流是一種很好制造反饋的方法。


注意!

本站转载的文章为个人学习借鉴使用,本站对版权不负任何法律责任。如果侵犯了您的隐私权益,请联系我们删除。



 
粤ICP备14056181号  © 2014-2021 ITdaan.com