用机器学习的视角诠释军旅人生

Posted 2021-04-27 彼岸时评

作者 / 垃圾桶内你与我

---

人工智能的核心技术之一，是机器学习。它不仅是一门技术，更是一种思维。今天，我们就用AI的思维来解释军旅人生，读完之后一定能豁然开朗!

1.强化学习

所谓人生选择，其实就是一次马尔科夫决策过程【MDP】。我们所做的每一次决策，都是为了【最大化平均期望奖励】。对于军人来说，当年做出上军校或者国防生的决策，其内心深处也是基于利益的考虑，目的就是通过选择军官职业，最大化一生的平均回报。这里的回报包括工资待遇和社会尊崇。

在军旅生涯当中，很多人的选择，都是基于当前状态对下一状态选取最优动作。然而，如果该动作仅采用贪心策略，并不代表一定能得到最优解。有时候，贪心策略反而会导致人生陷入局部极小值，并在里面一直打转，再也走不出来。原因在于，贪心策略往往缺乏远见，无法很好地评估后续状态对当前状态影响，最终导致人生走出了次优策略甚至效果较差的轨迹。

我们每个人在世界当中都是一个【agent】，父母和家庭给与了我们天然的【环境】，我们每天接受的信息就是我们对环境的【观测】。由于选择了军营，导致我们只能【观测】到军营这个【环境】当中的反馈。【环境】限制了信息，使得身在其中的【agent】无法很好地学习到【全局策略】，反而容易一错再错，甚至把一手好牌打的稀烂。

2.模型预训练

对一个人来说，所谓的模型，就是指从小到大接受的教育以及被灌输的观念和观点。军官大多毕业于军队院校，而军队院校的特点是知识结构陈旧，缺少广博的通识教育，容易被灌输成执行命令的机器。用最近流行的话来说，就是头脑中的模型缺少在大规模数据上的预训练，从而导致【领域适应】能力欠缺，头脑应对多元世界的【鲁棒性】较差，反映在具体生活则表现为思维耿直，粗线条，脾气较差，极其容易被冒犯，情绪容易崩溃。

【领域适应】能力偏弱直接导致了退役军人无法很好的适应社会。我们知道，一个模型要想具备很强的【泛化能力】，需要经过大规模长时间的【预训练】，但军官最缺乏的就是这方面能力。军官的头脑从本质上来讲，是一个【规则系统】，只会执行命令，缺乏【泛化能力】，几乎没有能力处理【零次学习】和【少次学习】的场景。缺乏预训练的另一个后果就是【认知偏差】，无法正确应对【通用场景】。

正因为如此，我们会发现，从军时间越长，脱离社会越久的军官，其应对通用世界场景的情商和智力越低，大多人甚至不如【Bert】。

军官退出现役之后，需要进行适应性培训，这个过程就相当于在下游任务上进行【fine-tune】，帮助他们重新适应社会，调整观念和心态。

3.学习方法

人生，其实是一个不断【在线学习】，【增量学习】，【主动学习】和【迁移学习】的过程。在面对新场景新问题是，我们需要不断地调整思维模型种的【参数】，提高自身的【鲁棒性】，增强解决新问题，发现新理论的能力。有相当一部分军官，毕业之后就停止了【学习】，拒绝调整头脑中的【参数】，变得十分固执。骄傲和自尊心同时又在不断地强化这种思维，思维又在不断地产生欺骗自己的数据。要想改变这种状况，需要向大脑中输入【负样本】，进行【对抗学习】，提高模型训练的效率，在短时间内改变认知和固化的【偏见】。

故事已经说完，你们都看懂了吗。

彼岸杂谈

你的自由，就是我的星辰大海

喜欢就点「在看」吧 !