Esta es mi perspectiva técnica de la amistad utilizando terminologías estándar de Aprendizaje automático (una rama emergente de la inteligencia artificial).
Una definición de aprendizaje supervisado
- La amistad es como un problema de clasificación y regresión en el aprendizaje automático supervisado.
- Tienes que clasificar a las personas como amigos normales y amigos “verdaderos”, que es un problema de clasificación binaria.
- La regresión comienza a jugar después de la clasificación. Debe realizar una selección de características óptima (realización de recuerdos e incidentes que lo hayan hecho feliz) para entrenar su sistema.
- El número de características (incidentes / memorias / comportamiento / carácter) puede ser una o varias, lo que lo convierte en un problema univariado -1 o un problema de regresión lineal de varios incidentes multivariados.
- Necesita usar una función objetivo (Predecir su felicidad usando la función de regresión de hipótesis) y minimizar la función objetivo (hacer coincidir su nivel de felicidad anterior con precisión) utilizando un algoritmo de descenso de gradiente adecuado (Ajuste de los pesos de los incidentes / memorias y comprensión mutua de la conducta y sincronización del proceso de pensamiento)
Una definición de aprendizaje sin supervisión
- La amistad es como un problema de aprendizaje de máquina no supervisada.
- No se te proporcionan características (incidentes / recuerdos) para aprender / entrenar la felicidad.
- En lugar de eso, al final terminas conociendo a tus amigos como extraños. Evalúa el grado de similitud entre las características (Características) y forma grupos (grupos o pandillas) entre ustedes.
- Un amigo del extranjero sufre de depresión. ¿Cómo puedo ayudarlo?
- Tengo un amigo que creo que es lindo. Recientemente, he estado teniendo erecciones alrededor de él y me siento nervioso. ¿Lo amo?
- ¿Cuándo debes darle un regalo a un amigo?
- ¿Por qué estaba tranquilo cuando mi amigo me rechazó?
- Si una chica es muy amigable, ¿cómo describirías su carácter?
