5、模式识别：从字母分类到社会秩序的技术与思考

模式识别：从字母分类到社会秩序的技术与思考

1. 关键认知价值与背景

在探讨模式识别相关内容时，有两个关键的认知价值值得关注。以 Perspective 的“毒性”分类器为例，它要发挥作用，首先需要能够识别上下文的重要性，即相同的数据（如单词、n - 元组）在不同的上下文（如不同的在线平台、不同的身份）中可能会产生不同的效果（如一个人离开或留在对话中）。其次，为了在遇到新形式的有毒言论时仍能发挥作用，分类器需要具备上下文鲁棒性，也就是说，从过去的数据（如训练语料库）中得出的决策或类别（如“有毒”言论）对于未来尚未见过的数据仍然是正确的。

2. 模式识别成为工程分支的历程

1955 年，Oliver Selfridge 在西部联合计算机会议的“学习机器”会议上提出，“模式识别”是指从无关细节的背景中提取重要特征，由一台通过构建与特定任务中先前有效的数学运算序列“相似”但不完全相同的序列来“学习”的机器完成。当时会议主席 Willis Ware 指出，“学习机器”周围存在“巨型大脑”的炒作，并且这些程序所谓的“思考”程度仅限于用户和设计者能够深入探究问题，从而考虑到所有可能出现的情况。

Selfridge 的合作者 Gerald Paul Dinneen 认为，当时的开放性研究问题是设计一台能够识别模式的机器。任何可能的视觉图像，无论多么杂乱或模糊，都被称为一种配置，而模式是一个等价类，由所有在机器中产生相同输出的配置组成。

Selfridge 和 Dinneen 选择识别纸上印刷的黑色“A”和“O”作为研究对象，因为“A”具有不对称性，“O”具有对称性，他们认为直线识别任务“太简单”，面部识别“太复杂”。他们的目标不是构建高效的阅读机器，