圣誕老人的名單

是否有人想過，如果圣誕老人給地球上的孩子送禮物是真實(shí)的，那么，莫非他還要先判斷某個(gè)孩子過去一年的表現(xiàn)是否值得收到禮物？這是個(gè)大數(shù)據(jù)問題。如此，人類的先進(jìn)算法有用武之地嗎？

瑪麗娜凍得直磨牙。她需要聚精會(huì)神。6個(gè)月來，她一直待在一個(gè)被冰封苔原包圍的小村落里等待這一刻。房門吱嘎響，一團(tuán)暖氣繚繞地飄進(jìn)寒冷的空氣中。一名男子正咧嘴對(duì)她笑，似乎在展示他身上尺寸過大的紅袍與腳上寬松的拖鞋。男子大概65歲，他說：“看來，你就是阿爾菲·申克每次進(jìn)入村子時(shí)糾纏他的那個(gè)家伙。”

“我確實(shí)有罪，”她笑著說，“我叫瑪麗娜·伯吉斯，是GDM公司的高級(jí)數(shù)據(jù)工程師。你是……”

“我顯然不是你所期待的模樣，”他輕拍肚子，“相信我，等到年底我的體重會(huì)長回來的。趕快進(jìn)來吧，我正在煮茶。”

瑪麗娜掃視了這間小屋，然后坐到壁爐前的扶手椅里。一切都顯得如此普通。從掛在爐火上的舊水壺到盤旋上升的木樓梯，樓梯延伸進(jìn)微微發(fā)亮的漩渦。好吧，漩渦很古怪。

“相當(dāng)刺眼，對(duì)吧？”他邊說邊提起水壺倒茶水，“我試圖掛上簾子，但簾子被吸了進(jìn)去，無生命物體的躍遷比較差。其實(shí)人類也一樣，所以不要做任何傻事。”他坐進(jìn)另一把扶手椅，“阿爾菲解釋了時(shí)間膨脹吧！”

瑪麗娜點(diǎn)點(diǎn)頭。

“我恐怕這場(chǎng)會(huì)面不得不簡短。”

“我直奔正題吧！GDM公司專門研究利用深層神經(jīng)網(wǎng)絡(luò)來為復(fù)雜的人類數(shù)據(jù)建模。在你的案例中，模型輸出會(huì)是二元分類，輸入內(nèi)容會(huì)是每個(gè)兒童在過去一年里的行為信息。從申克先生給我的訓(xùn)練數(shù)據(jù)——”

他咯咯笑起來，聲音渾厚沙啞，“鬼祟的家伙！他沒告訴我這件事。”

瑪麗娜吞咽了口唾沫，但他似乎沒有被惹惱。他若生氣，會(huì)有點(diǎn)兒虛偽，畢竟他在沒有詢問參與者的情況下就創(chuàng)建了“名單”：這個(gè)復(fù)雜情況將數(shù)據(jù)置于法律的灰色地帶。但為了獲得合適的報(bào)酬，GDM會(huì)與灰色地帶合作。“當(dāng)然，數(shù)據(jù)是匿名的，行為細(xì)節(jié)減少到最低程度，從而不可能識(shí)別出個(gè)體身份。即便如此，我們還是達(dá)到了98%的分類準(zhǔn)確度。”

他第一次露出驚訝的模樣，“真的嗎？”

“是的，這是基于一萬個(gè)樣本的交叉驗(yàn)證結(jié)果。對(duì)于數(shù)十億的樣本數(shù)，我們能做得更好。當(dāng)然，你可以人工檢查邊緣案例，神經(jīng)網(wǎng)絡(luò)算法在那兒的可信度偏低。按我的理解，你的團(tuán)隊(duì)通常需要用一千年來處理名單？”

“是兩千年。”他啜飲了口茶水，“我們要檢查兩遍，但正因如此，我們才要在膨脹的時(shí)間里做這件差事。”

“是的，申克先生解釋過了。”瑪麗娜將她那杯茶水放到一邊，不再觸碰，疊起雙手放到膝頭上，來阻止雙手顫抖。“他還說，時(shí)間膨脹率無法匹敵日益增加的人口，導(dǎo)致你們最近的名單審查工作變得——很匆促。”

“那個(gè)小——”他吸了口氣再緩緩呼出，“我不會(huì)否認(rèn)。我們?cè)?0年代達(dá)到了穩(wěn)定時(shí)間膨脹的極限。但人口一直在增長，而且……”他嘆氣道，“錯(cuò)誤已經(jīng)釀成。”

“這是個(gè)難以對(duì)付的情況。”她應(yīng)該放一只手到他的膝頭嗎？不，這樣做太過了。“但我們能幫上忙。之前數(shù)年的數(shù)據(jù)當(dāng)訓(xùn)練數(shù)據(jù)綽綽有余，我們的系統(tǒng)在大約兩周里就能處理完你需要的名單。”

“你提過邊緣案例，數(shù)量有多少？”

“不到2%。我們預(yù)期將你們的工作量降低到1/50。”

“你們的神經(jīng)網(wǎng)絡(luò)算法如何提取行為背后的意圖？在人工審查中，那是我們的瓶頸。”

“我不能完全告訴你。對(duì)于人類審查員來說，意圖很清楚，但神經(jīng)網(wǎng)絡(luò)算法如何表示那個(gè)信息并非憑借直覺的過程。當(dāng)然，結(jié)果不言而喻。”

“意圖如此重要。”他沉思道，“根據(jù)舉動(dòng)背后的原因，同樣的舉動(dòng)可能將你移到不同名單的最前面。”他又啜飲了口茶水，再次停頓，“我不能給你補(bǔ)償。這違背規(guī)則。”

“我們并不需要金錢補(bǔ)償。”

“你這么做是出于善心？”

瑪麗娜猶豫不決，但是企圖蒙騙某個(gè)知道你出生后每個(gè)行動(dòng)的人不像是明智之舉。“我們的酬勞是匿名處理后的名單。我們公司有許多獲得行為數(shù)據(jù)的機(jī)制：設(shè)備追蹤、網(wǎng)絡(luò)活動(dòng)、購物歷史及通常那些手段。但你們的數(shù)據(jù)集規(guī)模是我無法領(lǐng)會(huì)的。它的價(jià)值無可比擬。”

“呃，我們掌握了一些甚至連GDM也不知道的訣竅。”他瞥了眼壁爐上的時(shí)鐘，含混說道，“遺憾的是，我必須返回膨脹時(shí)間了，但謝謝你的到訪。”

“不，謝謝你才對(duì)。”瑪麗娜站起身。

“請(qǐng)?jiān)诖遄永镌俅恢堋Ｎ視?huì)派阿爾菲過來安排。當(dāng)然，今年我們會(huì)同時(shí)人工處理名單，再比較結(jié)果。接著，我們或許能在此基礎(chǔ)上推進(jìn)合作。”

“好極了！”瑪麗娜說，試著保持聲音平穩(wěn)，“我期望與你合作。”

“我也一樣。”他打開門，“我大概應(yīng)該提醒你一下，我提過的那些訣竅能用來在任何時(shí)候抹除數(shù)據(jù)集，無論你將數(shù)據(jù)集存儲(chǔ)在哪兒，無論你如何存儲(chǔ)，都不管用。我希望你理解這一點(diǎn)。”

瑪麗娜在門階上停住腳步，轉(zhuǎn)回身。“我也向你保證，我不會(huì)辜負(fù)你的信任。GDM在合乎倫理地使用數(shù)據(jù)方面的聲譽(yù)是毫無瑕疵的。去年，我們幫助……”

他再次咯咯笑起來，聲音像海一樣低沉。“放輕松，瑪麗娜，”他邊說邊關(guān)門，“這年頭，名字登上淘氣小孩名單是種時(shí)髦。”

資料來源Nature