经常碰到的问题有 存在隐含的前提比如某两个维度之间存在因果关系或者相关关系比如趋势永远整体向上等等。这些很多都会被当成人工先验知识在模型里设置而不是让模型自己去学。或者比如我说“去把垃圾扔一下”隐含的前提假设是“你知道家里垃圾桶在哪”&“你知道丢垃圾的垃圾车在哪” 假设需要明确定义比如我们假设数据是离散的还是连续的数据之间是
否具有关联性。以丢垃圾的例子来说可能是我假
阿联酋 WhatsApp 号码 设“垃圾中没有什么超出你知识或者力量范围的需要处理的物品” 这一部分用一个复杂度相对较低的例子分享下一些思考。在两年前业务部的老业务遭遇天花板需要挖掘一些潜在的新业务出来。结合当时业务的交互量越来越大提了一个目标是“从交互中发掘潜在需求”对这个目标进行一个逻辑三段论的分析会发现其实它其实隐含了一些没有被明确定义的前提以下问题 需要定义什么叫“潜在需求”交互中包含什么可以利用的信息如何进行发掘的流程设计介绍下AI设计中的我理解的“任务
”概念机器学习和人工智能的专业书籍上有很多关于这块的介绍我主要从非算法人员视角结合过去经验说下我的理解 怎么理解任务给AI明确边界和达成量化条件的课题工作最需要关注的两个点也就是“明确的边界”和“明确的可量化完成状态”； 怎么理解子问题根据具体的任务目标拆解出需要解决的子问题并且制定出大问题的解决路径子任务可以不完全贴合机器视角从逻辑推衍上看如何实现目标； 怎么理解子任务子任务可以说是从AI的视角由子问题对应到的具体算法任务每
。
發表於 2024-3-20 14:58:48
收藏