※ 引述《Birthday5566 (生日5566)》之铭言：
: 杜奕瑾说的让我想到一个故事：
: “以前有个人丢了斧头，他怀疑邻居儿子偷了他的斧头，
: 　一遇到邻居儿子，听他说话、见他脸色跟论他行事，怎么看都像小偷，
: 　后来在山沟间找到了丢了的斧头，
: 　再看到邻居儿子时，怎么看都不像小偷。”
: 今天杜奕瑾用 AI 在批踢踢找到中国网军
: 那不是因为中国网军存在　或是不存在
: 是因为杜奕瑾要 AI 找中国网军存在的证据
: AI 当然会找到这种证据
: 你今天要 AI 找美国网军、法国网军或德国网军在批踢踢的证据
: 我相信 AI 一定也可以找给你
: 问题是
: 有没有反过来
: 让 AI 找过网军不存在（或是影响力薄弱）的证据？
阿肥外商码农阿肥啦！
刚好阿肥是这块领域的研究员，大概工作也有六年是在这块机器人语意理解领域了。
直白来说，现有的不管你要叫AI或是内行一点要叫ML/DL，这块领域当前最好的SOTA模型
从数学直观理解都验证机器对于模式识别是很强的，但是分析永远不是ML的强项。
也就是说当前不管是BERT还是GPT 3等等等，他们强项就只是找到序列词组的因果性，最
后对其进行模式识别逼近人工给予的标注结果。这种本质上只是一种分布表示，
就是我们把一堆词组抛洒在空中假设我们能够暂停在空中，不断地透过答案把词组之间的
关系距离调整，最后得到的分布图。最后，再由downstream 参考这个分布特征去做预测
而已。
然后我这边看到杜贴得图应该是基于某种Graph可视化吧！我假设他是用这个图想找某些
使用者关联性好了，但是也没办法直接就证明关联性必为有绝对关系或因果性。何况现有
social network 预测算法都是基于一种共边之中如果存在相似或连结去计算其他点可能
的相似关系，像是我朋友中有好友加郭董好友，系统也会推荐我郭董我可能认识果冻一样
，也就是一种协调过滤罢了。
现有只能告诉你这么多，我不太确定杜先生何来自信可以直接从统计验证出因果的？这也
是我之前参加过您2020年在北医研讨会的疑问啦！我自己都不太敢说可以从现有算法找到
入侵了，除非您有办法追踪到跳板IP的原始位置啦！
不然我只能说PTT的很多言论也跟美国Reddit的偏激肥宅言论很像，难不成PTT被美国乡民
入侵了吗？
嘻嘻