經驗,真的很重要,尤其是沒辦法標準化跟做QC的行業。
今天來談一些很接近玄學的東西。
我前幾年聽到一個例子,才知道這人到底多扯。跑去當高中代理教師,拿建中都不見得可以的教材,去教永春跟樹林以下程度的人。他X的是在開玩笑嗎?辯護之詞,通通是別人的錯,只要給他時間,他就可以教得很好之類。
屁話連篇,真的是鬼扯。
對老師來說,學生每年都來,但對學生來說,他這輩子就只有你,你的好壞決定他未來對老師這個職業的看法。
所以好的老師一定是保守,他絕不躁進、激進的改變教法,不是他不懂,是他知道學生未來不是他的實驗品,不能把他人的人生,當作實驗數據操弄。
我自己教,是每個班作微調,微調是指題目難易度稍微有差,教法略有一些變化,但都在基礎上調整。我才不敢突然拿一套超進步新穎,或是難度極高的試驗教材下去。
幹,換你家小孩被老師當實驗品,你要不要?
這就是我對各種支持激進教育內容改革的人,都是翻白眼的理由。不基於現狀邏輯的改革,必定會失敗,你怪家長怪體制都沒用,自己有小孩就懂,你會願意去試驗?
而且這些試驗法都違背了因材施教的大前提,我不懂為何那麼多高談改革者,都忘記這個基礎。
我曾遇過一間新高中,物理化學老師是台清交背景,還都是第一志願高中上去的高材生。第一年,來補習的學生拿著學校講義來問問題,看到我跟朋友全部傻掉,「幹你怎麼拿建中題目去教PR60分的學生?」
很糟糕?對。但隔年,這間高中的老師,至少在數理上面,新教師講義很明顯的大修,教法聽下一批學生講,跟前一屆差很大。顯然這些老師願意聽學長姐建議,去修正自己的教材跟教法,10幾年過去,我沒在聽過這間學校的學生,抱怨教材難到看不懂,都變成真的是學生的普遍抱怨。
這才是好老師,會調整跟改變,一樣是建中台大一直線,這種人就比那個抱怨都其他老師不肯幫忙,學生都不聽的好太多。
各位同學、下一個世代的老師,做為一個也沒多少經驗的前輩,我提供一點玄學經驗。
有沒經歷過,突然打開一扇門,然後那一瞬間,學長姊、老師就開始接納你,不再愛理不理?
我只是第三志願高中,不怎樣的大學,還可以的研究所。但應該是夠拚,拚到一個程度之後,突然有一天教授問我的問題就不一樣,並放手管理實驗室,之後很明顯的,討論實驗問題時,教授的態度是基於尊重,而不是老師的立場。
為何?你踏進了下一個領域,被承認具有同等位階,站在那個起跑線上。頓時打開新世界,然後你會懂為何不要浪費太多時間在沒進門的人身上。這種跨過門檻,好像進入某一種俱樂部的感受,自己要去體會。
教書也是,我是累積到手上名單破千後,瞬間領悟到一些事情。從那之後開始,我就沒有自編講義,也不再發明各種快速解法,因為對我來說一切都無意義。
在那一時間點後,我看到的不是名單上的成績,是每個人都有不同的特性,教法會全部不同。既然我教的不是書,教的是人,那就不應該執著在書,而是放在人身上。
一個好的教育者,應該是可以看到這副景象的,這種景色是體驗,不是用說的。知道就知道,不知道就不知道,還沒走進這個領域,你就會繼續執著在特定教法。
這就是所謂的會招式,但還沒有功夫。有功夫後,就是無招無式,教材對你來講只是工具,用哪一家的都沒差。
物理變化化學變化例子 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
為了讓 AI 不斷打怪升級,DeepMind 打造「宇宙」
作者 雷鋒網 | 發布日期 2021 年 07 月 30 日 8:15 |
DeepMind 又給我們小驚喜。我們都知道,強化學習苦於類化能力差,經常只能針對單個任務從頭學習。
DeepMind之前開發的AlphaZero,儘管可以玩圍棋、西洋棋和日本將棋,但每種棋牌遊戲都只能從頭訓練。類化能力差也是AI一直被詬病為人工智障的一大原因。人類智慧的厲害之處,就在藉鑑之前經驗迅速適應新環境。
但類化能力不是一蹴而就,就像玩遊戲,也是先做簡單任務,逐步升級到複雜任務。《空洞騎士》(Hollow Knight)一開始只需要隨意走動揮刀砍怪,但噩夢級難度的「苦痛之路」關,沒有前面累積的技巧,只能玩寂寞。
多任務宇宙
DeepMind此次採用「課程學習」,讓智慧體於不斷擴展升級的開放世界學習。也就是說,AI新任務(訓練資料)是基於舊任務不斷生成。智慧體可盡情鍛鍊自己,簡單的如「靠近紫色立方體」,複雜點的如「靠近紫色立方體或將黃色球體放在紅色地板」,甚至和其他智慧體玩耍,如捉迷藏──「找到對方,且不要被對方發現」。
每個小遊戲存在世界小角落,千千萬萬個小角落拼成龐大的物理模擬世界,如下圖的幾何「地球」。總體來說這個世界的任務由三個要素構成,即任務=遊戲+世界+玩家,並根據三要素關係,決定任務的複雜度。
複雜度的判斷有四個維度:競爭性、平衡性、可選項、探索難度。
比如「搶方塊」遊戲,藍色智慧體需要把黃色方塊放到白色區域,紅色智慧體需要把黃色方塊放到藍色區域。這兩個目標矛盾,因此競爭性較強;同時雙方條件對等,平衡性比較高;因目標簡單,所以可選項少;DeepMind把探索難度評為中上,可能是因定位區域算較複雜的場景。
再如「球球喜歡和方塊一起玩」遊戲,藍色和紅色智慧體有共同目標,讓相同顏色的球體和方塊放在相近位置。
這時競爭性自然很低,平衡性毋庸置疑很高的;可選項比上面遊戲高很多;探索難度沒有定位區域,智慧體隨便把球體和方塊放哪都行,難度就變小了。
基於這四個維度,DeepMind打造超大規模「宇宙」任務空間,幾何「地球」也只是這宇宙的小角落,是四維任務空間的一點。DeepMind將「宇宙」命名為XLand,包含數十億個任務。
來看XLand的全貌,由一系列遊戲組成,每個遊戲在許多模擬世界進行,這些世界的拓樸和特徵平滑變化。
終生學習
數據有了,接下來得找到合適的算法。 DeepMind發現,目標注意代理(GOAT)可學習更通用的策略。
具體來說,智慧體輸入包括第一視角的RGB圖像、本體感覺以及目標。經過初步處理後,生成中間輸出,傳遞給GOAT模組,會根據智慧體目前目標處理中間輸出的特定部分,邏輯分析目標。
邏輯分析是指,每個遊戲可藉由一些方法,構建另一個遊戲,並限制策略的價值函數的最優值上限或下限。
DeepMind提出一個問題:對每個智慧體,什麼樣的任務是最好的?換句話說,打怪升級時,什麼樣的關卡設置才讓玩家順利升級為「真」高手,而不是一刀9999?
DeepMind的答案是,每個新任務都基於舊任務生成,「不會太難,也不會太容易」。其實恰好是讓人類學習時感覺「爽」的興奮點。
訓練開始時,太難或太容易的任務可能會鼓勵早期學習,但會導致訓練後期的學習飽和或停滯。不要求智慧體某任務非常優秀,而是鼓勵終身學習,即不斷適應新任務。所謂太難、太容易是較模糊的描述。需要量化方法,在新任務和舊任務之間彈性連接。
怎麼不讓智慧體做新任務時不適應而「暴死」?進化學習就提供很好的靈活性。總體來說,新任務和舊任務同時進行,且每個任務有多智慧體參與「競爭」。舊任務適應好的智慧體,會選拔到新任務繼續學習。
新任務中,舊任務的優秀智慧體權重、瞬間任務分佈、超參數都會複製,參與新一輪「競爭」。除了舊任務的優秀智慧體,還有很多新人參與,這就引進隨機性、創新性、靈活性,不用擔心「暴死」問題。
當然,因任務不斷生成、動態變化,一個任務可訓練不同長處的智慧體,並往不同方向演化(隨著智慧體相對性能和強健性進行)。最終每個智慧體都會形成擅長任務的集合,就像春秋戰國時期「百家爭鳴」。說打怪升級顯得格局小,簡直是模擬地球。
DeepMind表示,「這種組合學習系統的特性是,不最佳化有界性能指標,而是更新定義的通用能力範圍,這使智慧體開放式學習,僅受環境空間和智慧體的神經網路表達能力的限制。」
智慧初現
最終這複雜「宇宙」升級、進化、分流的智慧體長成了什麼優秀物種?DeepMind說,智慧體有很明顯的零樣本學習能力,比如使用工具、合圍、數數、合作+競爭等。
來看具體例子。首先智慧體學會臨機應變。目標有三個:
黑色金字塔放到黃色球體旁邊
紫色球體放到黃色金字塔旁邊
黑色金字塔放到橙色地板
AI一開始找到一個黑色金字塔,想拿到橙色地板(目標3),但搬運過程瞄見黃色球體,瞬間改變主意,「我可以實現目標1啦」,將黑色金字塔放到黃色球體旁邊。
第二個例子是,不會跳高,怎麼拿到高台上的紫色金字塔?智慧體需要想辦法突破障礙,取得高台上的紫色金字塔,高台周邊並沒有類似階梯、斜坡的路。
因不會跳高,所以智慧體「掀桌子」,把周邊幾塊豎起來的板子弄倒。然後一塊黑色石板剛好倒在高台邊,「等等,這不就是我要的階梯嗎?」這過程是否體現了慧體的智慧,還無法肯定,可能只是一時幸運。關鍵還是,要看統計數據。
經過5代訓練,智慧體在XLand的4千個獨立世界玩了約70萬個獨立遊戲,涉及340萬個獨立任務,最後一代每個智慧體都經歷2千億次訓練步驟。智慧體已能順利參與幾乎每個評估任務,除了少數即使人類也無法完成的任務。
DeepMind的研究,或許一定程度體現「密集學習」重要性。也就是說,不僅資料量要大,任務量也要大。這也使得智慧體在類化能力有很好表現,如資料顯示,只需對一些新複雜任務進行30分鐘集中訓練,智慧體就可快速適應,而從頭開始用強化學習訓練的智慧體根本無法學習這些任務。
往後我們也期待這「宇宙」更複雜和生機勃勃,AI經過不斷演化,不斷給我們帶來驚喜(細思極恐)的體驗。
資料來源:https://technews.tw/2021/07/30/deepmind_xland/
物理變化化學變化例子 在 讀書e誌 Facebook 的最佳解答
***生命科學閱讀之 4 ***
世界從何而來,生命從何而來,心智從何而來?
量子科學是否能夠解釋這一切?
(有中文版)
“There‘s Plenty of Room at the Bottom" — Richard Feynman
(在最底下的微小的世界中,還有很大的探索空間— 諾貝爾物理學獎得主費因曼)
這是去年第一波疫情期間宅在家買的書,當時覺得如果牛頓在家工作期間可以發展出微積分的概念,那我只是嘗試了解量子科學應該還好吧?可是心裡還是有覺得困難的障礙所以就拖到今年這波疫情,跟著其他生命科學相關的書一起讀。有點難度,但真的好有趣。讀完真的覺得對於感覺困難的東西,不要太快自我設限啊!
這本算是難度比較高的科普書籍,但作者盡量用我們一般人可以理解的現象當成切入點。在我們肉眼可看到的世界牛頓的物理學基本上都是可以充分解釋的。當愛因斯坦把思考的框架拉到整個時空,就發現在那個世界當中古典物理學的概念不能解釋,於是產生出他的相對論。而當我們反向進入極為小的世界當中,發現量子完全不是按照我們平常的邏輯在運作時,感覺又開啟了一個嶄新的世界觀。20世紀初著名的物理學家薛丁格,提出所謂「薛丁格的貓」這個思想實驗,就是已經進入到量子物理學的開端,讓他開始思考是否在更微小的量子級別當中,他們有一套截然不同的運作原理呢?接下來數十年開發出的實驗方式和測量儀器當然就更精準了,看到了量子可以跳動,可以有類似穿牆的能力,甚至可以同時擁有好多不同的狀態(不是只有0和1)。我們真的需要開始跳脫數位的思考,進入量子的世界,才有可能揭開它無窮的潛力。
首先他從候鳥遷徙的故事開始講到基因,這個攜帶生命資訊的程式,到底是如何延續下去以及當中如何產生變化的。我們現代的人比較了解基因和DNA一代一代抄寫下去的概念,可是對於中間變異或是凸槌(例如癌細胞)的部分,卻一直沒有夠好的解釋。記得小時候自然課會講到演化,常常會舉的例子就是那個脖子可以伸最長的長頸鹿才能吃到葉子所以適者生存。從某些角度來講是有它的道理,但脖子在伸長的資訊為什麼這樣的資訊會傳到下一代呢?作者用量子物理學補足了這樣說法當中一些論證不足之處。
再來就是講到能量和動能,即便我們能組合出所有需要的分子,但是所謂的「生命力」是從何而來呢?我很新奇的讀著作者講到大自然中,小學生都知道的「光合作用」,竟然是這麼一個不可思議,效率極高的動能引擎。從工業時代設計的蒸汽機,或是現代的燃油引擎,以及最尖端的發電動能,都無法與光合作用的效能相比。
最後講到人的心識思想和做夢,這是古典物理學完全不能解釋的。作者先帶著我們把人腦和腦細胞想成是類似電路的概念解釋,然後在討入量子物理學驅動實體世界的觀點,才發現原來我們的人腦可能就是一個設計令人讚嘆的量子電腦啊!經他這麼一解釋,我也才稍微明白量子電腦為什麼會有這麼大的潛力,但也明白量子電腦現在為什麼這麼難模擬和製作。
作者最後用一個很有趣的圖來比喻古典物理學和量子力學中間的關係。如果說我們生活的這個實體世界像是航行在海上的一艘船,這艘船受到海面上的浪以及外面的風所影響。但船底下的這個還是深不可測的,他下面有一大部分的底層是由熱力學來支撐的,熱力學底下就是量子物理力學。當上面船隻的航行和節奏與最底層一致的時候,即便有風浪也還算能夠平靜行駛。但是當這樣子的連結被打斷的時候,船就很容易覆沒,而一旦覆沒,也是一個不可逆的現象了 (例如基因突變或是死亡)
探索世界無止境的奧秘,不管是物理,化學,天文,還是生命科學,總會有一種敬畏的心。就像牛頓所說的 :
“我不知道世界怎麼看待我,但我認為我就像沙灘上玩耍的一個男孩,投入在探索中。偶爾會找到一個圓滑的石子,或是一個不尋常的漂亮貝殼。而在我的前方一片像是汪洋大海的真理,等待探索”
“I do not know what I may appear to the world, but to myself I seem to have been only like a boy playing on the seashore, and diverting myself in now and then finding a smoother pebble or a prettier shell than ordinary, while the great ocean of truth lay all undiscovered before me”
全文與中文版鏈接在部落格中
https://dushuyizhi.net/life-on-the-edge-%e8%a7%a3%e9%96%8b%e7%94%9f%e5%91%bd%e4%b9%8b%e8%ac%8e/
#lifeontheedge #quantumbiology #quantumphysics #量子科學 #量子物理學 #量子生物學 #解開生命之謎
物理變化化學變化例子 在 化學變化英文在PTT/mobile01評價與討論 - 牙科醫療資訊整合站 的推薦與評價
在物理變化例子這個討論中,有超過5篇Ptt貼文,作者rz2x也提到會發這篇文主要是面試被洗臉我都會做啊但我就不會解釋啊雖然是寫給自己看的但就分享出來吧有錯請各位前輩 ... ... <看更多>
物理變化化學變化例子 在 化學變化英文在PTT/mobile01評價與討論 - 牙科醫療資訊整合站 的推薦與評價
在物理變化例子這個討論中,有超過5篇Ptt貼文,作者rz2x也提到會發這篇文主要是面試被洗臉我都會做啊但我就不會解釋啊雖然是寫給自己看的但就分享出來吧有錯請各位前輩 ... ... <看更多>
物理變化化學變化例子 在 Re: [問題]物理變化- 看板tutor 的推薦與評價
借用標題請教板上高手…
如何教國中生一個好記又不會在「國中範圍內」出錯的判斷方式?
我的學生程度不是很好,一直抓不到一些觀念的「感覺」
理化最頭痛的地方就是要教這類的觀念題,
加上我非本科出身我自己對於理化瞭解就不是很通透了,更難很清楚地講明觀念,
雖然拿例子來考我,我是不會出錯(國中部份),不過要講到很好記明白,
還是有點困難。
以下是我遇到的問題。
1. 物理變化v.s.化學變化,該如何教判斷的概念呢?
生:硫酸銅溶於水→物理變化 濃度越高越藍
那衣服褪色為什麼是化學變化?
當時我回答是用可逆不可逆來判斷,而且這兩件根本不是同一件事= =
但是學生完全不能理解(他程度不是很好…我說衣服褪色不可逆他還覺得可以…)
後來也只好多舉例讓他記熟。
2. 混合物、化合物、純物質,怎麼教判斷?
生:老師NaCl有兩個元素耶,為什麼他是純物質?
(os:那H2O是純物質你怎麼毫無疑問…)
水泥,為什麼是混合物?
(os:他是水加泥沙耶孩子…我不知道怎麼回答你T_T)
那醇、酯、酸為什麼又不是混合物?不是混合兩個生出另一個嗎?
(>"< 那個分子結構有改變啊!!!!)
我之前的方法都是遇到這一段,先用講義中定義的觀念帶過之後,
就想辦法編口訣、笑話之類,讓他好記,
然後告訴他化學這部份的方法是很複雜的,我們只要記住國中會考的範圍為主就好。
其實後來他發現常考的例子我都有講過,他也就沒有太大的疑問,
但是這個問題我沒辦法具體回答……
請問大家都怎麼教呢?謝謝~~
--
Glog:https://www.glog.cc/CrosWing
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 218.164.5.210
... <看更多>