雨果·帕拉(Hugo Parra)和阿里尔·贝尔特兰(Ariel Beltran)因被错误指控犯有暴力劫车罪并遭逮捕,现正就民权受侵害一事起诉圣地亚哥市。尽管两人是清白的,但警方仅凭私人安防公司 Flock 的自动车牌识别系统(ALPR)所提供的错误“命中”信息,就将他们的车辆与犯罪联系了起来。
尽管案发时两人身处五英里之外,且警方始终未找到任何武器,但警方仍无视他们的不在场证明以及相互矛盾的监控数据。帕拉在监狱中与暴力罪犯关押在一起近一个月,直至指控最终被撤销。
此案凸显了人们对大规模监控技术可靠性的日益担忧。批评人士认为,执法部门对自动化系统的过度依赖,加上缺乏调查时的怀疑精神,创造了导致无辜者频繁受害的“灾难配方”。尽管存在记录在案的失误和隐私争议,圣地亚哥市仍在继续扩大其价值数百万美元的监控合同。帕拉和贝尔特兰在经历重大个人生活和法律动荡后获释,目前正寻求赔偿,理由是警方草率定案且未能分析基本证据,导致了严重的司法不公。
本摘要通过“以奶酪换黄金”的类比来解释机器学习。由于这种映射关系未知,我们通过数据采集和建模来逼近这种关系。
高斯过程(GP)是一种强大的非参数建模工具,其作用相当于“函数的分布”。高斯过程并非只给出一个单一的预测,而是维护着一组无限的潜在函数,并随着新数据的到来不断更新它们。它既能提供“最佳猜测”(均值),也能提供置信度衡量(不确定性)。
高斯过程的行为由其**核函数**定义,该函数决定了不同输入点之间的关联方式,有效地将模型对数据结构的假设编码其中。常见的核函数包括:
* **线性核 (Linear):** 用于建模简单的趋势。
* **周期核 (Periodic):** 用于捕捉重复出现的模式。
* **径向基函数核 (RBF):** 一种基于距离的平滑度量。
* **有理二次核 (Rational Quadratic) 与 Matérn 核:** 灵活的替代方案,可适应不同的平滑度和尺度。
通过选择、组合或相乘这些核函数,从业者可以定制模型以匹配数据的特定复杂性,从而将领域知识转化为精确的数学预测。