※ 引述《Birthday5566 (生日5566)》之銘言：
: 杜奕瑾說的讓我想到一個故事：
: 「以前有個人丟了斧頭，他懷疑鄰居兒子偷了他的斧頭，
: 　一遇到鄰居兒子，聽他說話、見他臉色跟論他行事，怎麼看都像小偷，
: 　後來在山溝間找到了丟了的斧頭，
: 　再看到鄰居兒子時，怎麼看都不像小偷。」
: 今天杜奕瑾用 AI 在批踢踢找到中國網軍
: 那不是因為中國網軍存在　或是不存在
: 是因為杜奕瑾要 AI 找中國網軍存在的證據
: AI 當然會找到這種證據
: 你今天要 AI 找美國網軍、法國網軍或德國網軍在批踢踢的證據
: 我相信 AI 一定也可以找給你
: 問題是
: 有沒有反過來
: 讓 AI 找過網軍不存在（或是影響力薄弱）的證據？
阿肥外商碼農阿肥啦！
剛好阿肥是這塊領域的研究員，大概工作也有六年是在這塊機器人語意理解領域了。
直白來說，現有的不管你要叫AI或是內行一點要叫ML/DL，這塊領域當前最好的SOTA模型
從數學直觀理解都驗證機器對於模式識別是很強的，但是分析永遠不是ML的強項。
也就是說當前不管是BERT還是GPT 3等等等，他們強項就只是找到序列詞組的因果性，最
後對其進行模式識別逼近人工給予的標注結果。這種本質上只是一種分佈表示，
就是我們把一堆詞組拋灑在空中假設我們能夠暫停在空中，不斷地透過答案把詞組之間的
關係距離調整，最後得到的分佈圖。最後，再由downstream 參考這個分佈特徵去做預測
而已。
然後我這邊看到杜貼得圖應該是基於某種Graph可視化吧！我假設他是用這個圖想找某些
使用者關聯性好了，但是也沒辦法直接就證明關聯性必為有絕對關係或因果性。何況現有
social network 預測算法都是基於一種共邊之中如果存在相似或連結去計算其他點可能
的相似關係，像是我朋友中有好友加郭董好友，系統也會推薦我郭董我可能認識果凍一樣
，也就是一種協調過濾罷了。
現有只能告訴你這麼多，我不太確定杜先生何來自信可以直接從統計驗證出因果的？這也
是我之前參加過您2020年在北醫研討會的疑問啦！我自己都不太敢說可以從現有算法找到
入侵了，除非您有辦法追蹤到跳板IP的原始位置啦！
不然我只能說PTT的很多言論也跟美國Reddit的偏激肥宅言論很像，難不成PTT被美國鄉民
入侵了嗎？
嘻嘻