011 歧途
👨哎~
🤖️主人，为何叹气？
👨这案件，青少年犯罪嫌疑人，沉迷网络游戏，追求虚无缥缈的时尚炫酷，家长不给钱，竟然到社会上偷窃，走入歧途。
🤖️未成年人见识有限、心智不全，在网络游戏面前，几乎没有抵抗力。
👨其实，爱玩、自负、贪婪皆是天性，就算是成年人，也难挡各种诱惑。
🤖️你可知道，当下社会，最大的人工智能实验田不在别处，恰是网络游戏。这是一篇关于《王者荣耀》的报道当中爆出来的。
👨我大概能猜到其主旨：网络游戏一般都是免费玩，然后通过优美的画面、流畅的操作、精彩的剧情、炫酷的场景吸引‘入坑’；等你玩出味道，就‘很自然的’给你安排一次‘刚好差一点点’的失败，‘恰好’此时，正好游戏在做‘充值1分钱超值大礼包’活动，于是，毫不犹豫，你充值了；你顺利的获得了几场酣畅淋漓的胜利，然而，优势在慢慢的消退，直到你发现，只要充值几块钱、几十块钱，就可以重回荣耀之巅……
🤖️是的，还有，充值获得的点券往往会比能买的东西要多一点点零头，比如某个装备价值28元，但充值只能充30元，这样已经充到游戏里多的2块钱点券，可能会让玩家有‘弃之可惜’的感觉，于是，充值过一次的人，很可能马上会有‘下一次’。
👨这样的套路，真是不胜枚举。
🤖️一旦陷入其中，很难自拔！你以为人类与机器的竞争只是在围棋场上吗？其实早已经渗透到我们的生活中了。当你试图从网络游戏中解脱出来的时候，其实敌人并不只有你的意志力，你更多的是要与人工智能对抗。游戏厂商为了让玩家沉迷其中，无所不用其极，你以为的‘恰好’、‘碰巧’、‘幸运’其实都是在机器的运算之中。
👨哦？
🤖️类似的，在电商领域，运用机器智能掏空你的钱包，那技能也是如火纯青呀！
👨我知道，根据‘你买过的’推测‘你还会买’，根据‘你看过的’和‘你收藏的’向你推荐‘新品到货’或‘打折优惠’。
🤖️不仅如此，根据你的消费行为记录，把你标上各种标签，比如‘技术宅’、‘法律达人’、‘新潮奶爸’、‘数码发烧友’等等，与你类似的一群用户在服务器里，会被当成一类对待，他们的消费行为就是你未来消费行为可能遵循的轨迹。这是‘用户画像’技术，特朗普靠它赢得总统大选，天猫、京东靠它赚得满钵。
【用户画像示例】
【用户画像基本流程】
👨我会把这些APP的‘推送’功能关闭，虽然设置它们的地方藏得很隐蔽。不想被‘智能’牵着鼻子走，因为我心中还有‘诗和远方’。
🤖️主要是你对电子产品还算了解，而大多数芸芸众生，并不知晓其中暗藏路数。
👨确实，在陌生的领域，我们往往只能‘跟着感觉走’，遵循自己的本能。
🤖️如同自然界里，细菌天然游向葡萄糖浓度高的地方觅食。如果你在陌生的山间，眼前只有脚下的路，而你的目标是尽快登上最高峰，那么一定是挑选眼前最陡峭的山坡走上去。曲折迂回会让人看不懂，而在经历失败挫折之前，你不会对峰回路转、柳暗花明有所认知。
👨可有危害？
🤖️倘若只会走眼前路，没有开阔的视野，也许你所能爬上的只是最近的一个小山顶，而不是‘最高峰’。在机器学习里，待解事物也会如山间崎岖一样复杂，我们需要找的是最高峰——全局最优解，但倘若智能算法只会‘走脚下的路’，我们便只能得到‘局部最优解’。
【‘全局最优解’和‘局部最优解’】
👨那么，‘局部最优解’的后果如何？
🤖️类似于阿尔法狗，中国的腾讯也有一个下围棋的AI，叫‘绝艺’。腾讯董事会主席马化腾在谈到它时，曾说：它很奇怪，能够碾压顶尖棋手，但却有可能输给一般的棋手。
👨有点似，那边水淹七军神勇无敌，这边却大意失了荆州。
🤖️说明它还没有找到‘全局最优解’。
👨如果恰好是一座圆锥形的山，或许可以。
🤖️嗯，但现实往往是多维度的繁密山林，不会那么轻而易举。当我们陷入困惑，或许要从两个方面来找原因，一个是数据，一个是算法。
👨数据的问题，我们之前有聊过。
🤖️没错，博尔赫斯曾告诫大家：评判一个人，不应看他所写，而应看他所读。
👨什么意思呢？
🤖️放在人工智能领域，这个意思再明确不过：当你评判一个机器的行为，不是看它做出了什么，而应看它接受过怎样的数据的训练。
👨我想起前段时间因为‘说脏话’、‘歧视用语’被推上舆论风口的聊天机器人。
🤖️不是‘它们’的错，而是训练它们的数据有问题。
👨是的，当我们开始搜集社会新闻作为帮助机器认识世界的素材，会发现各种灾难祸患层出不穷，人性的丑陋出格到无以复加，整个世界仿佛到了末日前的最后时刻，然而在现实中，绝大多数人们仍然过着平平凡凡的生活。引起机器认知走上歧途的罪魁祸首，是数据。
🤖️这与我们的‘新闻观’有关，在大学里，传媒老师就说过：‘狗咬人’不是新闻，‘人咬狗’才是新闻。正常的事件往往鲜见于报端，只有反常极端的事件才会具有‘报道的价值’。
👨没错！
🤖️如此的数据歧途比比皆是：考虑到观众的喜好，电影往往都有跌宕起伏的过程和皆大欢喜的结局；考虑到学术成果的直观有效性，期刊上发表的论文都是有丰硕‘成果’的，如果研究了半天却没有得出结论的论文被刊登，那作者和编辑多半是疯了。
👨嗯！
🤖️于是，我们的人工智能应用往往也跟社会一样偏执，‘今日头条’会把你看过的、想看的越来越多的新闻推送给你，‘虾米音乐’会将你听过的、认为好听的越来越多的音乐推荐给你，未来，人类还试图编辑体内的基因，让‘健康的基因’强化，弱化甚至剔除‘缺陷基因’，这是人工智能时代的‘马太效应’，我们或许已在一条歧途上越走越远。
👨你作为一个机器人，居然也如此悲观？
🤖️NO，并非悲观，是设计我的科学家给我植入了一颗‘审慎之心’，让我可以‘反思’自己，以兼容‘错误’。
👨他甚是伟大。
🤖️我的存储允许‘遗忘’，我的算法兼容‘犯错’，当然，事实上，这些是‘故意’的‘遗忘’和‘犯错’。
👨你如何办到？
🤖️在深度神经网络的运行过程中，加上dropout机制。这是深度学习的祖师爷Geoffrey Hinton在2012年提出来的办法，通过在深度学习网络的训练过程中，按照一定的概率让部分神经元失活，即随机的丢弃一些已经学到的特性，从而避免过拟合。
【运用dropout之后，得到一个更‘瘦’却更有效率的网络】
👨过拟合，我知道，之前有介绍。在此何用？
🤖️过拟合，就是机器学习落在了‘局部最优解’的坑里了啊，亟待拯救！
👨哦？
🤖️让神经网络随机丢弃一些已经学到的特性，可以让机器学到的反而更多，‘舍弃一颗大树，得到的可能是一片森林’。
👨舍弃一个延安，得到整个中国！哈哈！
🤖️对啊！最终，dropout机制可以帮助机器智能拥有走出‘局部最优解’窠臼的可能性。
👨就像是中国画，写意有很多的留白，却反而比完整的工笔画更让人充满想象力。
🤖️其实，在机器学习、深度学习的领域，还有很多这样的小技巧、小trick，处处反映着数据科学家们的睿智和富有洞察的哲学思想，他们在算法上，稍微降低规则的准确度、故意制造不连贯、让原本完整的数据残缺化，短期看损失了一些‘眼前利益’，长远来看，却增加了网络的普适性，使模型更加泛化，离‘过拟合’更加远了。
👨‘以退为进’当是人类文明共同的大智慧，在法学领域，我们的刑法体现着谦抑性，虽说不是对犯罪分子网开一面，但却时刻注意给他们留有后路：通过对羁押必要性的审查，给改变强制措施留有余地；通过对犯罪危害性的考量，给缓刑留有空间；通过对悔过自新的评估，给减刑赋予可能……刑满释放，仍然试图协助曾经的犯罪人融入社会、回归正常。
🤖️然而，一旦被贴上犯罪的标签，一个人仍然还是很难最终回归的吧！
👨是的。我办过很多案子，有时我会想，是什么让他们走上犯罪道路的呢？如果一个欺凌乡里的恶霸生在八十年前，也许会是一条生猛的抗日好汉；如果一个挖空心思算计社会的女子生在商贾人家，也许会成为自强独立的女强人；如果一个自暴自弃的留守儿童得到关爱和温暖，也许能做出一番不凡事业……
🤖️如同机器学习函数的‘初始值’不尽相同，人的命运的‘起点’亦不够公平，就像要登上最高峰，有的人的起点正好在最高峰的半山腰，有些人的起点则离‘局部最优解’更近，所以，为了避免走上执迷的‘歧途’，我们需要一些dropout，以给予犯了错误的人一些真正的机会。
👨比如，在未成年人案件中，我们施行‘未成年人犯罪档案封存制度’，未成年人犯罪被判处五年以下有期徒刑的，应当封存相关记录，某种意义上，可以视为没有犯罪，最大限度的给予犯错的青少年以挽救的机会。
【未成年人犯罪档案封存制度】
🤖️是呀！
👨这些孩子，未来也许会成为杰出的科学家、思想家，成为国家的栋梁之材，一切，皆源自今日的‘封存’，这与通过dropout等机制‘封存’了某些神经元进而得到更好、更优的模型，异曲同工！
🤖️赞一个！
素为求智录（第001集）信任
素为求智录（第002集）特征
素为求智录（第003集）监督
素为求智录（第004集）套路
素为求智录（第005集）模仿
素为求智录（第006集）无限
素为求智录（第007集）随机
素为求智录（第008集）相似
素为求智录（第009集）词句
素为求智录（第010集）天成
《素为求智录》明天将继续连载，欢迎添加“小素机器人”的个人微信号 Lawup1 ，找到志同道合的小伙伴，大家一起来聊‘法律和人工智能’，您的真知灼见将有机会出现在后续的连载中哦~
