推墙的多赢局面

今天上课的时候提到一篇Twitter论文，讲如何从tweets上迅速监测到地震的发生，考虑到网络传播之迅速以及六度空间的影响，通过网络来监测实时新闻是非常有效的。后来突然想到这其实就是一种网络监管，只是比关键词过滤要高级很多。听说今年维稳运算超过了军费，但显然有比网管等人力性价比更高的方法，那就是机器学习和数据挖掘。我希望接下来不会写成技术文，争取妈妈能看懂。

首先关键词过滤解决的是一个风马牛不相及的问题。以前有过一篇新闻，讲以色列机场的安检并非一个个人和包过扫描仪，而是通过机器学习来挑出潜在的危险分子（Human Factor）进小黑屋单聊。这样才对，用刀杀人找的应该是人，不应该是刀。建立和谐社会重点是找出那些潜在的不稳分子，该喝茶喝茶，该宅就宅，而不是大家都不要用某个词不要上某个网站了。这样最直接的后果就是新的词被发明出来，新的网站建立，墙越来越高，以至于高到飞檐走壁的人明显变多了。最近一篇Bloomberg新闻，大意是尽管墙越砌越高，facebook大陆注册人数却翻了一番。所以我们可以做如下图的假设，横轴是墙高，纵轴是跳出去的狗们，那么墙在高到某一个程度的时候，即使小博美也会急着跳了。因此在大约k的位置就不能再砌墙了，但随着飞檐走壁装备的普及，我们可以预测k还会一直变小，整个函数会往左移动。

所以，是时候运用现代科技了。在一个机器人都能答智力题的年代，用单纯的词汇表实在是笑死人了。发展科技不是嘴上说说，圈块地攒攒电脑，或是山寨一下别人的东西，是要靠自己的科研力量，况且我们的科研力量又不差，需要建立的系统又可以回归到近些年研究过的问题里。连肯尼亚都可以用手机付出租车钱，所以发展中国家不是借口，我们也应该在监管的同时让别人wow一下。

墙要推，词汇表要撕，接下来讲孟姜女哭完以后可以挖掘的两个方向。

一是预测，往简单说就是二分类，一个人稳还是不稳可以用各种模型来学习。好处有很多，快就不用说了，肯定比你管事的快，准确性也会好过单纯的词汇过滤。因为人能判断的很有限，很多时候都是表面现象，但模型却可以抓取潜在的因素（latent factor），包括文字内容呀，网络活动呀，各种链接啊等等，不仅如此，还可以随着时间进化。人可以很轻易地改动少量内容绕过词汇表，但想绕过一个机器学习的模型就需要改动很多东西，有些得不偿失了。但最主要的一点，有墙在哪来的数据？！要想钓鱼，总要先下饵，你都不让人说出来东西，那机器怎么学，人更学不了，所有人表面上都很稳。所以应该开放国外那些成熟的博客系统和社交网络，让大家多写多聊，写得越多分享得越多，测得越准，挑出来好去做思想工作。国内的各种山寨做得还是不行（尤其是博客），正好可以促进网络的整合，数据也更好爬。

二就是危机处理。遇上一个活动，大家想说你不让说，于是看起来天下太平。这跟那篇预测地震的论文一个意思，就是实时信息的捕捉，通过社交网络，我们可以很快地监控到某个活动发生了，然后找到有影响力的人去喝茶，做到扼杀在摇篮里。况且只要是活动就不能秘密搞，总有见天日的一天，而在见天日之前人一定多不起来，不然秘密绝对守不住。而见了天日以后我们通过网络结构，可以获取比一般情况下更多的信息，更快解决问题，平息事态。

为什么说这是一个多赢的局面。首先前面说的两个应用都是有助于建设和谐社会的。而对于搞这方面科研的人来说也是好消息，比军费还多，那得多少钱啊，给学校研究所们一点就感恩戴德了（因为不了解，就不评论学术腐败了）。况且这类研究并不是完全靠钱来刺激，我们写paper的目的就是不断找好的模型，打败以前的模型，于是政府会得到越来越好的系统，而我们也可以抱着中国网民巨大的数据嘿嘿傻笑了。

对于普通民众来说，说话不用整天想着换词，也不会页面永远无法显示。我当然赞同某种练功网站的屏蔽（不稳和傻是两个概念，实在不行可以多分类呗），但搜索历史事件就无所谓了，因为稳的人随便搜搜也是稳的，八卦一下或者发发牢骚还有利于身心健康，重点是当他进化成不稳的人以后就会迅速被挑出来小黑屋了。而且我们还可以跟外国友人联络，建立国民间友好关系，这同时也可以作为机器学习的数据来提高分类的准确率，多好。

当然也总是有人欢喜有人愁，网警要失业了，不过本来就不应该有这业，什么年代了。不稳的人也要愁了，因为会被挑出来，但没办法，本来你们就是目标，以前拉了全民给你们垫背，总不能一直垫下去。

政治之类的问题不在本文讨论范围之类。综上所述，我们可以得出结论，推墙且撕掉词汇表以后可以得到非常好的数据用来挖掘，不仅更加有利于建立和谐社会，还会让大众都有好处。