培养元认知的具体途径,提高元认知学习的意识性。
看到团队最近做的一个技术实习生面试实例,很有意思。面试官是我们创新工场南京研究院的冯霁博士。来面试的是一个刚读完大二上学期计算机课程的学生。冯霁的面试题挺简单的:梯度下降已经二百年了。
为什么上世纪80年代的反向传播算法会被认为是人工智能技术发展的里程碑?前人难道不知道梯度下降?与硬做梯度下降相比,1986年提出的反向传播算法多了些什么?这本是一个AI算法面试的热身题。
熟悉深度学习基础知识的随口就可说出标准答案。没想到小伙子虽来自计算机专业,却还没来得及系统学习机器学习、深度学习知识。如果就此结束面试,给小伙子一封拒信,似乎也说得过去。但冯霁换了个处理方法。
给小伙子一晚上时间去调研并写出报告。小伙子连夜查资料、做调研,知道反向传播是通过动态规划来做梯度下降,复杂度由此降低到了线性。第二天,他给出了一份四页纸的报告。报告的逻辑很清晰,从问题描述。
到扼要回答,再到具体算法梳理,时间复杂度推理,最后还附上了历史资料及其他类似目的的优化算法简述。