央视美方挺暴祸港的行径必遭14亿中国人民唾弃

(原标题:国际锐评丨挺暴祸港不得人心)

美方近日将所谓“香港人权与民主法案”签署成法,公然为反中乱港分子的暴行提供保护,践踏广大香港市民的人权、民主和自由,妄图搞乱香港、牵制中国发展,用心极其险恶。美方挺暴祸港的行径必遭包括香港同胞在内的14亿中国人民和国际社会唾弃!

这种方法很大程度上是从生物学现象得到启发的,也就是,整个大脑并不针对同一个唯一的目标进行优化,而是有模块化的功能分区,然后每个区域都优化自己的局部信息。目前看起来,这种方法可以方便地快速训练更深的模型,利用局部信息的设定也避免了传统神经网络中梯度消失的问题。这是一种有潜力的方法,不过是否能像论文标题中说的那样「给端到端学习画上句号」还需要等待时间验证。这篇论文获得 NeurIPS 2019 杰出新方向论文提名奖。 论文地址:https://arxiv.org/abs/1905.11786v2 代码开源:https://github.com/loeweX/Greedy_InfoMax 博客介绍:https://yann-leguilly.gitlab.io/post/2019-09-29-representation-learning-with-contrastive-predictive-coding/

2015年11月,中信银行通过通道公司千石公司将10亿元理财资金转入徽商银行蚌埠固镇支行,后仅有2亿元被用于购买与协议不一致的理财产品。

深入认识我们习以为常的现象

暴力活动是国际社会公敌。美方利用所谓涉港“法案”助长香港暴力犯罪分子嚣张气焰的行径遭到国际社会的批评谴责。阿富汗中国友好协会会长苏丹?艾哈迈德?巴辛指出,香港事务纯属中国内政,别国无权干涉。美国资深外交官傅立民则指出,“暴力示威者不应该受到外国同情”。

收敛一致性可能解释不了深度学习中的泛化现象 上榜理由:为了探究深度学习泛化能力背后的原理,学术界提出了泛化边界的概念,然后尝试用「收敛一致性」理论推导、设计出了各种各样的泛化边界描述方法,似乎已经取得了不少成果。但这篇论文中作者们通过大量实验发现,虽然其中的许多泛化边界从数值角度看起来挺大,但随着训练数据集大小变大,这些泛化边界也会跟着变大。 在此基础上,作者们用过参数化的线性分类器和梯度下降训练的神经网络为例,证明了收敛一致性并不能解释模型的泛化性,即便完全考虑了梯度下降可能带来的隐式偏倚也解释不了。更严谨地说,作者们实验表明,根据收敛一致性得到的泛化边界要比根据梯度下降得到的泛化边界大得多。根据这一系列结果,作者们对「用基于收敛的方法解释泛化能力」的做法提出严重的质疑。虽然这篇论文并没能解决(也没打算解决)深度神经网络中的泛化性问题,但它显然为整个领域指出「此路不通,考虑重来」。这篇论文获得 NeurIPS 2019 杰出新方向论文奖。 论文地址:https://papers.nips.cc/paper/9336-uniform-convergence-may-be-unable-to-explain-generalization-in-deep-learning

给端到端学习画上句号:表征的梯度隔离学习 上榜理由:这篇论文提出了一种全新的自学习方法,它采用的并不是深度学习中惯用的端到端梯度下降,而是把贪婪 InfoNCE 作为目标,分别独立地训练网络中的各个模块。它的学习方式更接近于自监督学习,是把各种不同的小块之间的共同信息作为每个小块的训练的监督信号,把时间维度上临近的表征之间的共同信息最大化。之所以这种做法能奏效,是因为数据中符合这种设想的「慢特征」对下游任务非常有帮助。这种方法大幅节省了训练时间,也避开了大规模模型遇到的内存空间瓶颈。

李某曾多次试图将上述0.3%、合计高达600万元的财务顾问费转出,但国元证券领导认为其行为属于“洗钱”,不予批准转出。

作为设局者之一的常某,虽然在骗局中得到了4000多万元,但在案发后同样被警方抓捕,这笔巨额“好处费”也被追回。 有道是:天网恢恢,疏而不漏。

时代周报新媒体(Timeweekly)记者发现,

五个多月来,香港大规模违法暴力活动不断升级,已经将香港推到了极为危险的境地,美方在其中扮演了极为恶劣的角色。一段时间以来,彭斯、佩洛西等美国政客高调会见反中乱港头目;美国国家民主基金会等机构为暴徒提供各种支持;美国一些媒体不断为暴徒撑腰打气,严重破坏香港繁荣稳定。就在香港面临止暴制乱、恢复秩序的关键时刻,美方又将所谓“香港人权与民主法案”签署成法,为暴徒提供“避风港”,向维护法治秩序的正义人士发出“恐吓信”,给暴徒肆无忌惮地违法作恶输送“炮弹”,其祸乱香港、牵制中国发展的叵测居心昭然若揭!

作为更大、更综合性的会议,NeurIPS 2019 接收论文中也有带来很大争议的,这篇「用 GAN 从声音重建人脸」的论文就炒得沸沸扬扬。即便我们认可一个人的说话声音可能和性别、年龄、体形相关,也许模型能比人类更敏感更明确地找到其中的相关性,但「侵犯隐私」、「丧失道德判断力」、「增加社会偏见」、「做奇怪无用的课题」之类的批评仍然是免不了的。

雷锋网原创文章,。详情见转载须知。

所谓“香港人权与民主法案”,打着“人权”与“民主”的幌子,实质是践踏香港市民的人权与民主,与750万香港市民作对。香港回归中国22年来,“一国两制”取得举世公认的成功,香港居民依法享有前所未有的民主权利。然而修例风波以来,在暴力阴影之下,广大香港市民的生命、财产安全遭受严重侵犯,自由表达意见的权利遭到剥夺,众多企业的生存权、发展权遭受严重损害。

研究深度双波谷:更大的模型和更多的数据有时会产生负面作用

而真正的主犯王某某,连续作案三次,累计从银行骗取了14亿元巨资。

2017年4月,蚌埠市公安局经侦支队副队长高忠田曾披露了一起诈骗犯罪嫌疑人潜逃出境被抓回的案件,涉案金额高达14亿元。

直到案发后,这600万元被警方冻结在国元证券公司账上。 李某不仅是“竹篮打水一场空”,还迎来了牢狱之灾。

上榜理由:这是一篇 EMNLP 2019 接收论文,会议结束之后则在社交网络上引发了大片声讨之声。我们固然知道具备优秀学习拟合能力的深度神经网络有能力大批量生成新闻评论,这篇论文中的方法能提取文章的重点观点生成响应的评论,而且也在自动评价指标和人类评价的两个方面都得到了很好的结果,但批评的声音认为,更重要的是「是否应当做这样的研究,这样的研究的社会影响是怎么样的」。EMNLP 2019 还有一篇遭受了类似批评的论文是《Charge-Based Prison Term Prediction with Deep Gating Network》(https://arxiv.org/abs/1908.11521),在诉讼案件中根据检方指控的罪行预测被告刑期。

上榜理由:虽然机器学习研究人员们总说通用人工智能是远大理想和努力方向,但「在固定的具体任务上跑分」的惯例实在看不出哪里和通用人工智能沾边了。谷歌大脑研究员、Keras 库作者 François Chollet 在日常抨击这种风气的同时,最近也公开了一篇严肃的论文,明确提出我们需要考虑如何测量真正的智慧。 他在论文中描述的核心想法是:要了解一个系统的智慧水平,应当测量它在一系列不同任务中表现出的获得新能力的效率;这和先验、经验、泛化难度都相关。论文中包含了对 AI、智慧相关概念的解释和讨论,他认为的理想的通用 AI 评价方式,以及他自己设计的认为比较能反映及测量真正的智慧的 ARC 数据集。对智慧的讨论和复制还有很长的路要走,这篇论文再次提醒大家对「我们应该从哪里开始、往哪里去」保持清醒。 论文地址:https://arxiv.org/abs/1911.01547 详细介绍:https://www.leiphone.com/news/201911/O808I44AABfVBQZs.html

一段时间以来,守护正义的力量正在日益壮大。越来越多的香港市民不惧暴力威胁,自发走上街头清理路障和垃圾,举行挺警集会,支持香港警察严正执法。很多在香港工作生活的外国人,也公开怒斥美国支持暴力、搞乱香港的卑劣行径。国际社会也不断发出希望香港尽快止暴制乱、恢复秩序的正义呼声。

然而这个骗局依旧漏洞百出,最重要的一点,中信银行方面要求的徽商银行一级分行行长核章面签等,仅任支行行长的常某显然不能胜任。情急之下,这群不法分子想到的是找人假冒行长面签,以及使用伪造印章、名片等。

甚至在常某等人无法提供徽商银行总行授权书时,李某还利用自己的员工身份主动协调放款,助其成功行骗。

2016年6月,徽商银行蚌埠分行发现王某1等人伪造其公章及其行长钟秋实实名章,用于对外签署理财合同,于是书面向蚌埠市公安局经侦大队报案,这起涉及10亿元的诈骗案终于“东窗事发”。 然而直到案发,中信银行也只收回了5.3亿元,剩余4.7亿元未追回。

李某见有利可图,遂先提出将5%的年化利率拆分为4.5%+0.5%,后因4.5%的年化利率不能满足中信银行总行的收益要求,又将之拆分为4.7%+0.3%。

深度神经网络求解三体运动问题

然而这一次,段某伪造的身份被银行当场识破,王某某闻声出逃至缅甸,在整容后准备再次潜逃时被警方侦知抓获。

吕某先后联系浙商银行、兴业银行,均未获得成功。而后吕某又通过天津信唐公司同业部张某2,在2015年10月,成功与中信银行总行营业部员工李某取得联系,向其推销所谓的徽商银行10亿元2年期保本理财产品,年化收益率5%。

挑战解耦表征的无监督学习中的共识 上榜理由:人类研究人员们相信,真实数据的多种多样的变化总是可以用一些关键因素的波动来解释;至于这些因素分别是什么,就可以用无监督学习的方式寻找解耦的表征,从而成功地揭示数据分布规律。这个方向目前已经有一些研究成果,研究人员们也已经形成了一些共识。 但这篇论文可以说把现阶段的大部分成果和假设一竿子全部打翻。作者们首先从理论上说明,如果不在模型和数据上都引入归纳偏倚,那么解耦表征的无监督学习本来就是不可能的。接着,作者们用大规模实验表明,虽然不同的方法都可以找到和选取的训练损失对应的性质,但只要没有监督,就训练不出能良好解耦的模型。除此之外,随着表征解耦程度的提高,学习下游任务的样本复杂度并没有跟着降低。这几点结论都和当前的解耦表征无监督学习的共识形成鲜明冲突,这个方向的研究人员们也许需要重新思考他们要从多大程度上从头来过。 作者们的建议是,未来的解耦学习研究需要分清人为引入的归纳偏倚和监督(即便是隐式的)两者分别的作用,需要探究通过人为选取的损失「强迫」模型学习解耦带来的收益到底大不大,以及要形成能在多个不同的数据集上测试、结果可复现的实验惯例。这篇论文被 ICML 2019 接收。 论文地址:https://arxiv.org/abs/1811.12359

涉案的徽商银行蚌埠固镇支行行长常某,除参与设局诈骗中信银行出资购买虚假理财产品外,还曾协助他人骗取银行贷款。

原本常某等人只是设计了5%年化收益率的理财骗局,并未想到李某接触后会提出拆分利率的做法。不过为了让骗局显得真实一些,他们还是根据徽商银行的“智慧理财”产品,修改出了新的产品说明书等资料。

在李某的联络操作下,这笔钱从资金使用方力赛公司转入国元证券。李某许诺给予后者一定的财务管理费,并嘱咐对接人“不要对外交流”。2015年12月,李某从中信银行“火线”离职,转而加入平安银行北京分行。

雷锋网 AI 科技评论整理。

然而这笔所谓的理财业务,并非是一场正常的金融活动。

其中4.7%写入理财协议,由徽商银行按期支付;而0.3%则以签订财务顾问服务协议的方式,由使用资金的企业一次性支付。

上榜理由:现代 CNN 网络有很强的特征表示学习能力,能在 ImageNet 上得到很高的识别准确率。不过,不断改进网络架构、不断刷分的人多,探究 CNN 到底学到了怎么样的特征表示的人少。按理说,对象识别的边界和纹理之争早就存在,不过我们终于还是在 2019 年看到了针对性的研究论文。 这篇论文中的实验表明,在 ImageNet 上训练的 CNN 网络在对象识别中依赖纹理远多于依赖形状;这其实和人类对自己的识别模式的认知有很大区别,也和我们对 CNN 工作方式的理解有所不同。作者们的结论有充分的实验支持,他们甚至用生成的风格转换数据集训练了依赖形状更多的 CNN,这样的 CNN 在识别准确率和鲁棒性方面都有提高。这篇论文被 ICLR 2019 接收。 论文地址:https://arxiv.org/abs/1811.12231

时代周报新媒体(Timeweekly)记者发现,常某在此案中扮演着重要角色,且案中的主犯王某某,很可能就是上述裁判文书中提到的、指挥虚构理财产品和伪造印章的王某1。 警方描述,山西运城的王某某平日里与银行从业人员往来密切,对行业规则和银行之间的联系比较了解。2014年5月因旗下淀粉制品公司资金链紧张,王某某便伙同当地一家银行的经理段某,在其协助下伪造专业材料和发布虚假贷款信息,成功地从当地另外一家银行骗取贷款4亿元。 成功套现后不久,王某某将2亿元以高利贷的形式放给安徽蚌埠市的一家企业,在此过程中便结识了时任徽商银行蚌埠固镇支行的行长常某,并拉拢其为借贷提供担保。

上榜理由:2019 年中,包括 OpenAI 在内的一批学者「老调重谈」地再次讨论起模型复杂度和过拟合的问题来。机器学习界流传已久的观念是,随着模型的复杂度增大(学习能力提高),模型总能得到更小的训练误差,但测试误差和训练误差的差会越来越大(出现过拟合);所以模型复杂度不能太低、也不能太高,我们需要找到相对平衡的那个点。(上面的 U 型图) 但这两年来,一大批超级大、超级复杂的模型用实际行动表明了训练误差和测试误差都还可以一同持续下降。所以这次讨论形成的新共识是,我们需要在 U 型图的右侧继续扩充,用来表示现代的、大容量的深度学习模型在大小超过某个阈值之后,越大的模型会具有越好的泛化性。这样,整张图就形成了双波谷的样子(下图) —— 也就是说,当你的模型大小很不幸地落在中间的波峰的时候,你就会遇到模型越大、 数据越多反而表现越差的尴尬情境。

在 ImageNet 上训练的 CNN 会带有纹理偏倚;增加形状偏倚可以提高准确度和鲁棒性

后来,借贷的企业因经营不善无力偿还贷款,作为担保人的常某也无力偿还,在王某某的威逼利诱之下被拉上“贼船”。

美国打着“人权”“民主”的幌子,到处煽动支持暴乱,犯下累累孽债。比如,在香港修例风波中资助暴徒的美国国家民主基金会,多年来在世界各地大搞“颜色革命”,从委内瑞拉到乌克兰,从缅甸到突尼斯、利比亚、埃及、叙利亚,在全球100多个国家和地区,都有该基金会煽风点火的身影。根据美国知名政治活动家凯文?吉斯统计,美国国家民主基金会仅在2018年一年,就资助了19个国家的反政府行动。世界人民对此决不能容忍!

中信银行被骗理财的事情,最早得从2015年说起。这一年5月,时任徽商银行蚌埠固镇支行行长常某,与王某1、陈某1、肖世兴等人商议,围绕常某的银行行长身份,初步提出在徽商银行做一笔理财业务。

作为核保核签人的李某,既不对理财产品与徽商银行官网公开的产品内容不一致,以及随意修改产品说明书等违规行为提出异议;也不对核章面签、用章审批等程序作出严格核对,“高抬贵手”就放了过去。

上榜理由:2019 年年初,在声称「GPT-2 过于危险,不能公布预训练模型」并引发大规模口水仗之后,OpenAI 觉得 GPT-2 的能力不止如此,他们尝试的下一个任务是安全且喜闻乐见的音乐生成。基于 GPT-2 编写的 MuseNet 模型继承并进一步加强了长序列生成能力,使用的训练数据是包含了 10 种不同乐器的、分类为多种不同曲风的数十万个 MIDI 文件,也就是数十万个乐曲。(MIDI 文件是乐谱的数字表示,可以指定乐器但不含有乐器的音色信息,学习 MIDI 是明确地让模型学习作曲风格。)

上榜理由:三体运动问题没有解析解早有定论,所以这篇论文公开之后也引发了一些批评,毕竟论文只是尝试了极为简化的情况(三个质量相等、初始速度为零的粒子在同一个平面内)、只是做到了接近的数值解就拿出来张扬,而且还宣称比计算精确解的专业软件快十万倍,对网络的能力有夸大吹捧之嫌。 这篇论文也有积极的一面。以深度学习为代表的机器学习手段确实在各种端到端的学习预测任务中得到了越来越多的运用,但其实深度学习的能力也不仅如此,它还可以在许多领域的更多任务中发挥作用,正如三体运动这样的复杂问题中我们缺少可以快速计算近似解的工具。 论文地址:https://arxiv.org/abs/1910.07291 解读文章:https://www.yanxishe.com/blogDetail/14946

常某等人的真实计划,是以徽商银行蚌埠固镇支行销售理财产品为由,骗取出资方将理财资金存入该支行,再通过虚假手续将钱骗出。

王某某要求常某与其“合作”,从银行弄点钱出来。常某没有拒绝,而是利用银行行长的身份便利提供了作案条件,帮助王某某成功骗取、套现资金10亿元。 2016年5月,由于第一期4亿元的贷款即将到期,王某某找到段某准备第三次作案。

AI + 更多领域、更多能力

模型的效果是惊人的,OpenAI 不仅在直播中演示了许多风格各异、辨识度高、旋律自然的生成乐曲,他们还在介绍博客中提供了一个互动演示,可以从某首些知名乐曲中取一个小节作为开头,然后让模型以其他的风格续写,续写结果令人惊喜。还有好奇且有动手能力的网友们利用 OpenAI 提供的试验工具生成了更多乐曲,都印证了 MuseNet 确实有强大的作曲能力。 同期谷歌也在巴赫诞辰日做了一个模仿巴赫的作曲 AI(https://www.google.com/doodles/celebrating-johann-sebastian-bach),可以根据用户给出的音符,以巴赫的作曲风格增加和弦。这两个音乐 AI 的区别,除了巴赫 AI 只掌握巴赫的曲风之外,还在于巴赫 AI 是在已经给出的小节中继续增加音符形成和弦,而 OpenAI 的 MuseNet 是向后续写更多小节。 博客地址:openai.com/blog/musenet 详细阅读:https://www.leiphone.com/news/201904/ZCIbdikWj3cGViEY.html

实际上,使用“萝卜章”(即伪造的公章)虚构理财产品、骗取中信银行出资10亿元购买,并不是常某等人的唯一一次作案。用“惯犯”来形容这伙人,或许会显得更加贴切一些。

为牟私利,员工“上当”

肖世兴告知另一人赵朋后,赵朋联系廊坊银行推销该款理财产品,但未得逞。后赵朋又联系了北京环球泰达融资租赁有限公司副总经理商某,让商某帮助寻找出资方;商某便联系了民生证券河南分公司资产管理部副总经理吕某,让吕某帮助寻找出资方。

经历一段时间的混乱与无序,香港迫切需要恢复稳定和秩序。美国一些政客却逆时代潮流而动,不仅祸乱香港,而且助长暴力病毒向世界其他地方蔓延,注定不得人心。奉劝美方停止煽动暴乱,不要再玩破坏香港繁荣稳定、阻碍中国发展的把戏,否则必自食苦果!