当我们在谈论爱情时该谈论什么？

一、当我们在谈论爱情时该谈论什么？

你们因爱而发光。但是，你们在相遇之前也曾爱过别人。你们也都曾结过婚，像我们一样。甚至在这之前，你们可能还爱过其他人……如果我们中谁出了什么事——请原谅我这么说——但假如明天我们俩有谁出了事，我想另一个，另一个人会伤心一会儿，你们知道，但很快，活着的一方就会跑出去，再次恋爱，用不了多久就会另有新欢。

所有这些，所有这些我们谈论的爱情，只不过是一种记忆罢了。甚至可能连记忆都不是。

我们被生活罚出了场，正在为从头再来做准备。但他仍然待在窗前，回忆着那段生活。他们曾经笑过。他们曾经相互依偎，笑到眼泪都流了出来，而其他的一切——寒冷的天气以及他将要去的地方——都不在他的思绪里，起码目前是这样。

我们在谈论爱情时，说起来就像知道自己在谈论什么一样。他从椅子上站起身来，把他们的酒杯倒满。完了，他说，故事结束了。我承认这算不上个什么故事。很有趣，她说。他耸耸肩，端着他的酒来到窗前。

天已经黑了，但雪还在下。事情在变，他说。我不知道它们是怎么变的。但总是在不知不觉中，也不按照着你的愿望来变。

对，真的是这样，可是――但她只开了个头，没再说下去。她搁下了这个话题。从窗子的反光里，他看见她正在琢磨着自己的指甲。稍后她抬起头，欢快地问他究竟打不打算带她参观一下这座城市。他说，穿上你的靴子，咱们走。但他仍然呆在窗前，回忆着那段生活。他们曾经笑过。他们曾经相互依偎，笑到眼泪都流了出来，而其他的一切――寒冷的天气以及他将要去的地方――都不在他的思绪里，起码目前是这样的。

我能听见我的心跳。我能听见所有人的心跳，我听见我们坐在那里发出的噪音，直到房间全都暗了下来，也没有人动一下。

二、当我们谈论辩论技巧时，我们在谈论什么？

当我们谈论辩论的技巧时，我们在谈论资料检索是现在准备比赛最重要的技巧之一，知乎关于你这个问题，好几百个辩手回答过好几十次了，麻烦题主动动手搜一下。

三、看动漫你们都在谈论什么呢？

当你在看电影、电视剧、小说时与别人谈论什么，我们在看动漫的时候就会谈论什么，没有什么本质上的区别。

我们会在看完《未闻花名》被感动的嚎啕大哭，然后第二天打电话告诉好基友XX是部好片子、如何如何感人。就像妹子们看了狗血韩剧一样。

我们会在看完《EVA》后查阅资料，写大段漫评和别人讨论什么「人类补完计划」、「第一次冲击」等等。就像你们看完《盗梦空间》后讨论有几层梦一样。

我们会在看完《攻壳机动队》后洒狗血，和基友讨论「缸中之脑」这些深奥的问题。就像你们看完《黑客帝国》一样。

我们也会讨论动漫中镜头的角度、画风、配乐、节奏等等很高级的东西。就像你们讨论电影的镜头的角度、画面、配乐、节奏等等很高级的东西一样。

我们也会谈论某个妹子好不好看等没有节操的问题。就像你们讨论某个明星好不好看一样。

我们也会为了某部作品是渣作还是神作而争个你死我活。就像你们非常热切的在豆瓣上对某部电影打分一样。

你们讨论某部电影的演员（莱昂纳多、安吉丽娜朱莉），我们讨论某部动漫的声优（钉宫理惠、花泽香菜）。

你们讨论XX导演的XX手法（实在是不熟=_=），我们讨论新房昭之的解构主义，冲浦启之的写实主义。

你们讨论最近上映的电影，我们讨论最近的新番。

你们讨论时代华纳，我们讨论京阿尼、日升。

等等，没什么区别。

非要说有什么不同嘛，就是动漫里的角色永远不会染上那些恶心的花边新闻。

四、当女生跟你讨论星座的时候在谈论什么？

假设这个女生挺聪明的，那么她至少可以通过跟你聊星座来快速了解你的性格处世方式，以及男方对女方的喜欢／讨厌的程度，并不仅限于相亲。

试整理FAQ如下

1，你什么星座的？

A 立刻表示不感兴趣，且厌恶这类话题，开始说教星座非科学。--------为人莽撞，喜欢死磕较劲，自命不凡。又或者对此女完全的讨厌，故意为之。

B 不告知星座，表示不懂也不感兴趣，冷场。-------至少是不善于交际的类型。又或者是故意为之。

C 不告知星座，表示自己不懂，但很愿意听听是什么，求女方科普。------最起码是个会说话的主儿，会圆场。然后还表示出一种很愿意多听听女方说话的态度。

D 告知星座，但不进一步接话-------懂礼貌，不会无端驳人面子，可也不会继续制造对话。又或者完全不想跟此女作进一步交流。

E 告知星座，并接话融入话题，开始闲扯-----要么是真对星座感兴趣，要么是对女方感兴趣。引用章回小说里的话，最起码是个＂识趣＂的人。

F 不告知星座，让对方猜，饶有兴趣等对方作答。-------嗯，特别＂识趣＂的男子，这是在套女方的话了。

2:........

其实写到这里我觉得已经没有必要继续举例说明了，其实星座是一种极好的谈资话题，可以引伸开去到几乎一切可以想得到的领域。

所以聪明的女生跟你谈星座的时候，她几乎是在跟你谈一切呢

五、机器学习的方法都包括什么

机器学习的方法都包括什么

机器学习是人工智能领域的一个重要分支，它通过让计算机从数据中学习模式和规律，从而实现特定任务的自动化和优化。在机器学习中，有许多不同的方法和算法，每种方法都有其特点和适用场景。本文将介绍机器学习中常见的方法及其特点，帮助读者更好地理解和应用机器学习技术。

监督学习

监督学习是机器学习中最常见的方法之一，其核心思想是通过已知输入和输出的训练数据，让计算机学习一个从输入到输出的映射关系。在监督学习中，算法会根据训练数据调整模型参数，使其尽可能准确地预测新的输入数据的输出结果。监督学习的典型算法包括决策树、逻辑回归、支持向量机等。

无监督学习

无监督学习是另一种常见的机器学习方法，其与监督学习的最大区别在于训练数据没有标注输出。无监督学习的目标是发现数据中的潜在结构或模式，帮助我们更好地理解数据并做出有意义的推断。聚类和降维是无监督学习的两个重要领域，K均值聚类和主成分分析是应用较广泛的算法。

强化学习

强化学习是一种通过与环境不断交互，学习如何采取行动以获得最大长期回报的方法。在强化学习中，智能体根据环境的反馈制定行动策略，从而最大化其累积奖励。马尔科夫决策过程（MDP）是强化学习中常用的建模工具，而Q学习和深度强化学习是该领域的研究热点。

半监督学习

半监督学习是介于监督学习和无监督学习之间的一种学习方式，其利用部分带标签的数据和大量无标签数据进行模型训练。半监督学习的目标是利用无标签数据的信息提升模型的泛化能力，对于资源有限或标注数据稀缺的情况下具有重要意义。

总的来说，机器学习的方法包括监督学习、无监督学习、强化学习和半监督学习等多种形式。不同的方法在不同的场景下有不同的优势和局限性，选择合适的方法是机器学习应用中至关重要的一环。希望本文可以帮助读者对机器学习的方法有更清晰的认识，为实际项目的应用提供指导和参考。

六、为什么大家都学机器学习

为什么大家都学机器学习

机器学习的普及与意义

随着人工智能技术的飞速发展，机器学习作为人工智能的一个重要分支正逐渐走进人们的视野。为何越来越多的人选择学习机器学习？为什么大家都学机器学习？这个问题值得深入探讨。

机器学习带来的变革

过去几年，机器学习在各个领域都取得了突破性进展，如自然语言处理、计算机视觉、智能推荐等。这些应用的成功不仅带来了巨大的商业机会，也改变了人们的生活方式。因此，学习机器学习已经成为许多人提升竞争力和适应未来发展的重要手段。

机器学习的广泛应用

机器学习不仅仅局限于科研领域，它在工业、医疗、金融、农业等各个行业都有着广泛的应用。通过机器学习算法，企业可以挖掘数据中隐藏的规律，提高工作效率，降低成本，增强竞争力。

机器学习的未来

随着技术的进步和应用场景的不断扩大，机器学习的发展前景十分广阔。从智能家居到自动驾驶，从智能客服到智能医疗，机器学习无处不在，创造着无限可能。因此，学习机器学习已经成为许多人未来发展的必然选择。

结语

总的来说，为什么大家都学机器学习，原因有很多。机器学习不仅是一门前沿的技术，更是改变世界的力量。掌握机器学习技能可以让我们更好地适应社会发展的需求，也能为个人的职业发展带来更广阔的空间。

七、工业机器人都学习什么

当谈到工业机器人，我们常常想到的是自动化生产线上的快速执行者，能够完成高精度的工作任务，提高生产效率，减少人为错误。然而，其实工业机器人背后隐藏着许多深奥的技术原理和学习过程。那么，工业机器人都学习什么？

计算机视觉

工业机器人运用计算机视觉技术进行视觉检测、图像识别和目标定位等任务。这项技术使得机器人能够像人类一样“看到”周围的世界，识别并理解各种物体和环境。通过学习计算机视觉，工业机器人可以在生产线上完成更加复杂的任务，如装配、质检、物料搬运等。

运动控制

工业机器人的运动控制是其能够准确、稳定地移动和操作的基础。机器人需要学习运动规划、轨迹控制、速度调节等技术，以实现高精度的动作。通过不断学习、优化，工业机器人可以在狭小的空间内完成复杂的动作，提高生产效率。

人工智能

随着人工智能技术的发展，工业机器人越来越具备智能化的特征。通过学习人工智能算法，工业机器人可以实现自主的决策、学习和适应能力，提高工作效率和灵活性。人工智能使得工业机器人可以更好地适应不同的工作环境和任务需求。

机器学习

机器学习是工业机器人学习的重要手段之一，通过大量数据的训练和学习，使机器人能够不断改进和优化自己的工作表现。机器学习技术有助于工业机器人更好地适应不确定性环境、提升智能化水平，实现更加精准、高效的工作。

传感器技术

传感器技术在工业机器人的学习和应用中起着至关重要的作用。通过各种传感器的搭载和数据采集，工业机器人可以获取周围环境的信息，实现精准感知、精准操作。同时，机器人还可以学习如何根据传感器数据做出相应的反应和调整，提高自身的工作效率和安全性。

自主学习

在工业机器人的学习过程中，自主学习能力至关重要。通过不断积累经验、试错学习，工业机器人可以逐步提升自身的智能水平和工作技能。自主学习使得工业机器人能够更好地适应各种工作场景，提高工作效率和灵活性。

资源整合

工业机器人学习的过程中，资源整合是不可或缺的一环。机器人需要学习如何整合各种数据、知识和技术，以实现更加综合和高效的工作表现。通过资源整合，工业机器人可以更好地应对复杂多变的工作环境和任务要求。

未来展望

随着科技的不断发展和进步，工业机器人的学习和应用将更加智能化、自主化。未来，工业机器人将能够更加独立地完成各种复杂任务，为生产和工业领域带来更大的便利和效益。

八、机器学习都包括了些什么？

　　许多人将机器学习视为通向人工智能的途径，但是对于统计学家或商人而言，机器学习也可以是一种强大的工具，可以实现前所未有的预测结果。

　　为什么机器学习如此重要?

　　在开始学习之前，我们想花一些时间强调WHY机器学习非常重要。

　　总之，每个人都知道人工智能或人工智能。通常，当我们听到AI时，我们会想象机器人到处走动，执行与人类相同的任务。但是，我们必须了解，虽然有些任务很容易，但有些任务却很困难，并且距离拥有像人类一样的机器人还有很长的路要走。

　　但是，机器学习是非常真实的并且已经存在。它可以被视为AI的一部分，因为当我们想到AI时，我们想象的大部分内容都是基于机器学习的。

　　在过去，我们相信未来的这些机器人将需要向我们学习一切。但是人脑是复杂的，并且并非可以轻松描述其协调的所有动作和活动。1959年，亚瑟·塞缪尔(Arthur Samuel)提出了一个绝妙的主意，即我们不需要教计算机，但我们应该让他们自己学习。塞缪尔(Samuel)也创造了“机器学习”一词，从那时起，当我们谈论机器学习过程时，我们指的是计算机自主学习的能力。

　　机器学习有哪些应用?

　　在准备这篇文章的内容时，我写下了没有进一步说明的示例，假定所有人都熟悉它们。然后我想：人们知道这些是机器学习的例子吗?

　　让我们考虑一些。

　　自然语言处理，例如翻译。如果您认为百度翻译是一本非常好的字典，请再考虑一下。百度翻译本质上是一组机器学习算法。百度不需要更新百度 Translate;它会根据不同单词的使用情况自动更新。

　　哦，哇 还有什么?

　　虽然仍然是主题，但Siri，Alexa，Cortana都是语音识别和合成的实例。有些技术可以使这些助手识别或发音以前从未听过的单词。他们现在能做的事令人难以置信，但在不久的将来，它们将给人留下深刻的印象!

　　SPAM过滤。令人印象深刻，但值得注意的是，SPAM不再遵循一组规则。它自己了解了什么是垃圾邮件，什么不是垃圾邮件。

　　推荐系统。Netflix，淘宝，Facebook。推荐给您的所有内容都取决于您的搜索活动，喜欢，以前的行为等等。一个人不可能像这些网站一样提出适合您的推荐。最重要的是，他们跨平台，跨设备和跨应用程序执行此操作。尽管有些人认为它是侵入性的，但通常情况下，数据不是由人处理的。通常，它是如此复杂，以至于人类无法掌握它。但是，机器将卖方与买方配对，将电影与潜在观众配对，将照片与希望观看的人配对。这极大地改善了我们的生活。

　　说到这，淘宝拥有如此出色的机器学习算法，它们可以高度确定地预测您将购买什么以及何时购买。那么，他们如何处理这些信息?他们将产品运送到最近的仓库，因此您可以在当天订购并收到产品。难以置信!

　　金融机器学习

　　我们名单上的下一个是金融交易。交易涉及随机行为，不断变化的数据以及从政治到司法的各种因素，这些因素与传统金融相距甚远。尽管金融家无法预测很多这种行为，但是机器学习算法会照顾到这种情况，并且对市场的变化做出响应的速度比人们想象的要快。

　　这些都是业务实现，但还有更多。您可以预测员工是否会留在公司或离开公司，或者可以确定客户是否值得您光顾-他们可能会从竞争对手那里购买还是根本不购买。您可以优化流程，预测销售，发现隐藏的机会。机器学习为机会开辟了一个全新的世界，对于在公司战略部门工作的人们来说，这是一个梦想成真。

　　无论如何，这些已在这里使用。然后，我们将进入自动驾驶汽车的新境界。

　　机器学习算法

　　直到最近几年，无人驾驶汽车还是科幻小说。好吧，不再了。自动驾驶汽车已经驱动了数百万英里(即使不是数十亿英里)。那是怎么发生的?没有一套规则。而是一组机器学习算法，使汽车学习了如何极其安全有效地驾驶。

　　我们可以继续学习几个小时，但我相信您的主旨是：“为什么要使用机器学习”。

　　因此，对您来说，这不是为什么的问题，而是如何的问题。

　　这就是我们的Python机器学习课程所要解决的问题。蓬勃发展的数据科学事业中最重要的技能之一-如何创建机器学习算法!

　　如何创建机器学习算法?

　　假设我们已经提供了输入数据，创建机器学习算法最终意味着建立一个输出正确信息的模型。

　　现在，将此模型视为黑匣子。我们提供输入，并提供输出。例如，考虑到过去几天的气象信息，我们可能想创建一个预测明天天气的模型。我们将输入模型的输入可以是度量，例如温度，湿度和降水。我们将获得的输出将是明天的天气预报。

　　现在，在对模型的输出感到满意和自信之前，我们必须训练模型。训练是机器学习中的核心概念，因为这是模型学习如何理解输入数据的过程。训练完模型后，我们可以简单地将其输入数据并获得输出。

　　如何训练机器学习算法?

　　训练算法背后的基本逻辑涉及四个要素：

　　a.数据

　　b.模型

　　c.目标函数

　　d.优化算法

　　让我们探索每个。

　　首先，我们必须准备一定数量的数据进行训练。

　　通常，这是历史数据，很容易获得。

　　其次，我们需要一个模型。

　　我们可以训练的最简单模型是线性模型。在天气预报示例中，这将意味着找到一些系数，将每个变量与它们相乘，然后将所有结果求和以得到输出。但是，正如我们稍后将看到的那样，线性模型只是冰山一角。依靠线性模型，深度机器学习使我们可以创建复杂的非线性模型。它们通常比简单的线性关系更好地拟合数据。

　　第三个要素是目标函数。

　　到目前为止，我们获取了数据，并将其输入到模型中，并获得了输出。当然，我们希望此输出尽可能接近实际情况。大数据分析机器学习AI入门指南https://www.aaa-cg.com.cn/data/2273.html这就是目标函数出现的地方。它估计平均而言，模型输出的正确性。整个机器学习框架归结为优化此功能。例如，如果我们的函数正在测量模型的预测误差，则我们希望将该误差最小化，或者换句话说，将目标函数最小化。

　　我们最后的要素是优化算法。它由机制组成，通过这些机制我们可以更改模型的参数以优化目标函数。例如，如果我们的天气预报模型为：

　　明天的天气等于：W1乘以温度，W2乘以湿度，优化算法可能会经过以下值：

　　W1和W2是将更改的参数。对于每组参数，我们将计算目标函数。然后，我们将选择具有最高预测能力的模型。我们怎么知道哪一个最好?好吧，那将是具有最佳目标函数的那个，不是吗?好的。大!

　　您是否注意到我们说了四个成分，而不是说了四个步骤?这是有意的，因为机器学习过程是迭代的。我们将数据输入模型，并通过目标函数比较准确性。然后，我们更改模型的参数并重复操作。当我们达到无法再优化或不需要优化的程度时，我们将停止，因为我们已经找到了解决问题的足够好的解决方案。

https://www.toutiao.com/i6821026294461891086/

九、当我们在谈论人文摄影，到底在谈论什么。简单地拍张眼前事物，再附上文案，就算是有人文精神的摄影吗？

纪实摄影--鲍昆解读（以下共勉）

许多人把照片的纪实性当成纪实摄影，所以那时的各种摄影比赛虽然都设有纪实摄影这个方向，但征集来的作品都是一些民俗节庆照片，和摄影史上定义上的纪实摄影完全不是一回事。而纪实摄影这个概念是地地道道的西方舶来的概念，是世界摄影文化历史遗产中非常珍贵和宝贵的一部分。为了这篇文章的准确性，写作过程中我一直请教在我们摄影界德高望重的林少忠先生。林老先生是中国最早接触纪实摄影这个概念的人，也参与了这个概念的翻译。林老先生和把这个概念理论化的美国的摄影史作家罗森布拉姆夫妇有过深入的交流，能够非常清晰完整地陈述纪实摄影产生的背景、过程，以及意义。

西方纪实摄影有一个自身的演变过程，它是从早期简单的摄影报道，一步步发展，然后被批评家慢慢的梳理上升到理念。至于这类摄影的称谓，法国摄影家欧仁·阿特热(Eugène Atget)最早使用纪实Documentary这个词汇，但他只是追求纪实性，即拍真实的照片卖给画家当素材，所以和我们现在理解的这个概念还存在一定的距离。不过，阿特热已经将摄影在历史生活中的证据意义展示出来，以区别于当时流行的画意摄影的照片。最早使用和现在纪实摄影Documentary Photography这个概念差不多的是一个叫约翰·格里森(John Grierson，1898-1972)的英国人，1926年他提出这个概念本来是电影领域的话题，但是很快被导入摄影界。他提出这个概念已经有了政治伦理诉求。但纪实摄影完整的理念是在上个世纪三十年代才基本完成的。比芒特·纽霍尔(Beaumont Newhall)1937年撰写的那本《摄影史》，把这一类型样式的摄影归结到这一概念之下。在他之后摄影史专家瓦尔特·罗森布拉姆(Walter Rosenblum)和妻子内奥米(Naomi Rosenblum)在他们著作的《世界摄影史》中又非常认真地重新进行深度的梳理，把Documentary Photography前面加上Social ，所以这个词汇严格的汉译是“社会纪实摄影”。

社会纪实摄影现在看来不但是西方摄影的宝贵遗产，也是人类视觉文化中最宝贵的一部分。纪实摄影利用了摄影这个媒介最本质性的功能，把摄影这个媒介当作了一种社会话语力量，而且是直接和社会进行良性互动，且有具体的指标。这个指标首先是揭露和批判现实的，更重要的是还能够能动地改变社会现实。在这一理念下的摄影运动，在20世纪的历史中发挥了非常积极和有效的作用，是摄影对社会文明进步的巨大贡献。

纪实摄影”这个词汇最早进入中国的时候是1980年代初期，当时中国摄影家协会有一本杂志叫《国际摄影》，主要以文摘翻译方式介绍西方最新的摄影状态。当时张慧敏和林少忠先生在翻译这个词汇的时候，英文字典中Documentary就是文献、记录的意思，Photography就是摄影，把这两个词一结合，直接的意思叫做纪录摄影或文献摄影。但Documentary早在电影学翻译中出现过了，是纪录片(纪录电影)的明确指代。怎么办?于是就想用它另外一个意思叫文献摄影，可是文献摄影又跟尤金史密斯那种有强烈的感情色彩的摄影表现不对称。因为文献是很冷漠的，就好像是记录在案的这么一个词，翻译到中文就叫记录，这是一个简单和非常理性的不带任何感情色彩的词汇，不能对应已经在西方有近百年历史的这一带有强烈精神立场的摄影现象。所以，他觉得有些不妥。于是想在汉语中找一个能够跟这个意思接近一点的，有一定解释空间的词汇。后来就用了“纪实”这两个字，可以兼顾两方面的意思。后来林少忠在跟美国《世界摄影史》作者内罗森布拉姆夫妇的直接接触中，终于弄明白了纪实摄影是怎么回事儿，甚至知道了这种摄影和马克思主义思潮影响的西方左翼社会运动的关系。于是林少忠在后来其它版本的翻译中，就将这个概念翻译完整，加上了“社会”(Social)这个词汇。后来，人大新闻系教授肖绪珊在去美国探亲时，看到了相关的书籍，回来后写了三篇关于纪实摄影的文章发在在1987年的大众摄影杂志上。她的文章应该属于译介性质，比较准确完整，但那时我们也读不太懂。读不懂的原因，就是那时我们社会的进化没有到今天这种程度。社会纪实摄影涉及到很多的话题，像资本主义、现代国际史、市场经济、消费主义等内容，我们的生活中没这些东西。那时也根本没听说过消费主义这个词汇。比如，1990年我到德国后给朋友们写信，居然不知道用消费主义这个词汇来概括我在德国见到的情况，只是说我发现西方社会之发达已经让商品变成了审美的对象。其实按现在的话来说就是给你包装成非常好看的东西刺激你去消费，而不是利用其原来的使用价值。这是典型的消费主义现象，但那时我就没这个词汇。由于概念不清和开放，我们对源源不断传入中国的这方面影像，还是把它当作一个风格和流派，而且把它关注的题材当作一个模仿方向，就是摄影贫困、吸毒、残疾儿童等。

人文摄影

上世纪九十年代和21世纪初期大约不到十年的时间，中国出现了一段所谓的纪实报道摄影浪潮或运动。这个现象并不长，成因也有些复杂。那段时间，正是中国经过80年代的改革准备，开始全面全球化的阶段。中国的变化引起全世界的注意，国际传媒开始大规模需要中国图片。首先开始的是港台传媒在大陆寻求影像资源。台湾的《中时周刊》、《大地》两本杂志、香港的《中国旅游》纷纷联系内地的摄影师，组织和收购各种专题性的照片。相同时期，内地的都市报传媒也在崛起，也需要类似的图片资源。再有，在美国读传播摄影硕士学位毕业的曾璜1992年学成归国，任职新华社。他出了本《报道摄影手册》，介绍了很多西方图片市场的知识，比如向谁和怎么卖照片，让很多原来苦于找不到自己照片销路的摄影师兴奋异常，极大地刺激了他们的拍摄这类照片的热情。所以需要指出的是，人文纪实报道类摄影的兴起现象背后真正的动力，并非是我们前面所讨论的纪实摄影理念，而是市场金钱的力量。再有一个原因，就是文革结束后一批年轻的摄影人，希望从传统唯美图示风格中走出来，追求在西方媒体画报上看到的“现代风格”的影像。这一部分人当时不少，大家都很纯真和理想化，构成了那个时期的“先锋”、“前卫”现象。

因为是市场，所以那时的中国纪实摄影是有问题的。很多摄影师就迎合国际传媒的口味去拍能卖出去的东西，比如西方人关注的中国老少边穷题材，尽量模仿西方摄影大师的图式风格来拍照，来满足西方传媒需要的能够刺激读者阅读的影像。在相对透明的互联网时代之前，在东西方的相互了解关系中，照片的文化政治性特别凸显。左右这个政治性的因素很多，比如传媒利益、原来西方人的东方想象遗存、冷战造成的对社会主义的偏见等等。这其中，传媒经常是决定东西两个世界关系的关键角色，因为公众只能从一定会带有立场倾向的传播媒介来获得信息。传媒则是利益集团的雇佣，公众接受结果是被多种权力所操控的。到了2000年后，这场中国纪实摄影的“运动”基本就停止了。为什么?很多原来热心拍纪实摄影的人全部都转入做和拍画廊市场热卖的“当代观念艺术”与 “东方风情照”去了，那个价格比以前传媒所付的稿酬标准高多了，大家对纪实摄影就弃之如敝履。

纪实摄影不是流派和风格，而是一种思想、精神和态度。

无论是叫“纪实摄影”还是“社会纪实摄影”，大家都明白指的是什么类型的摄影，所以我们就按多年的约定俗成，还是称其为“纪实摄影”吧。前面已经说过，咱们对纪实摄影的理解一直是有偏差的，所以我们应该明确对纪实摄影的理解， Documentary Photography指的是一种态度和立场，是思想，而不是传统艺术思维方式中的题材、流派和风格。但综观中国的纪实摄影的发展，上世纪整个90年代，许多摄影人还是停留在想办法按照找题材那个思路去拍。只有陕西群体超越了题材论提出了现实主义和人本主义的主张，这是和纪实摄影内在的精神一致的，即对于现实和未来的关怀。

纪实摄影的理念在中国摄影界为什么长期得不到真正的理解和认识?

这和整个中国摄影界以及社会的陋习有关，就是我们不是一个爱学习和读书的民族。前面谈到林少忠和肖绪珊等人曾经认真地介绍过纪实摄影，但是当时人们缺少阅读经验的准备，所以理解滞后是可以原谅的。但是其后的情况就非常令人难过了，尤其是最近几年居然出现在报纸上讨论“什么是纪实摄影”这样奇怪的事情。咱们中国摄影人随时随意地将历史虚无化的能力和勇气，着实令人错愕。据我所知，1992年中国摄影出版社就出版了“美国ICP摄影百科全书”，里面对纪实摄影已经有了非常完整和具体的介绍，而且此书印量是6000册。进入21世纪，2002年，三联书店出版了伊安·杰夫里(Ian Jeffrey)的《摄影简史》，里面也对纪实摄影有着全面和多角度的介绍。该书迄今出版、再版已经逾万册，而且长期是拿着照相机的小资们玄谈文化的谈资。2005年广西师范大学出版社出版了阿瑟·罗斯坦的“纪实摄影”一书，印量是7000册，而且当时面世时很为一些时髦的年轻摄影师所热捧。罗斯坦本人是美国F.S.A摄影的亲历者，这本书对纪实摄影从它的起源到理念形成，以及后来的问题等都有非常权威的论述。2007年，纽约大学摄影史学者安妮·霍伊的“The Book of Photography”汉译为“摄影圣典”的书出版，印数也是6000册，书中对社会纪实摄影也有详尽的介绍。如果说咱们中国人谈纪实摄影不靠谱，那么这几本书都是非常权威严肃的摄影史书籍，但遗憾的是，好像大家都没看。前面两本早就售罄，只能说明大家买书只是凑热闹，却根本不读。不读也罢了，却非常爱发言讨论，都振振有词地发表毫无出处的看法，直到彻底否决人家存在了近百年的纪实摄影。这真是令人忍俊不禁的现实。中国摄影界和艺术界，一直有个不读书却爱发言的坏风气，而且非常无知者无畏，根本不怕自己成为历史的笑话。这十多年来，许多在国际甚至在国内早就都解决的一些话题，不断有人煞有其事地进行“理论探讨”，几乎成为一道不落幕的风景，这是咱们中国的特色。

今天，我们还在推崇纪实摄影，为什么?肯定不是为了推崇什么风格和流派，我们是在推崇一种精神，即关怀现实和未来，追求公平正义的精神。这是摄影历史中最重要的一个精神，也是超越摄影的精神。现实的中国，尤其需要的是这种正直的精神。在中国，我们使劲提倡纪实摄影，其实提倡的就是这种精神价值，而不是把纪实摄影当作一种影像风格来提倡，因为纪实摄影根本就不是一个艺术问题。如果有艺术问题，也是衍生的，是怎么把纪实照片拍得好的问题，但绝不是主要的。我们所提倡的是，无论你玩艺术和拍纪实性都无所谓，只是背后应该有这层价值观，这样你的作品才能有力量。这才是我们今天提倡纪实摄影的本意。但是这个问题却谈起来总是很费劲，很少有人热情的呼应。到底是什么原因呢?原因有二。第一个原因，就是前面所说的问题，绝大多数的人只把摄影理解为是艺术，纪实摄影是其中一种艺术风格，觉得你说的普世精神与人文关怀和他的“艺术”兴趣驴唇不对马嘴。第二个原因才是真正更为深层和本质的原因，就是我们绝大部分中国人的人生观中缺少人文关怀的价值取向，甚至可以说天生就没有。我们是一个典型的自耕农社会文化，小农经济的封闭与自足(更应该说是自私自利)，注定和现代协作性的公民社会时代不适应。我们缺少社会协作、协商、互利互惠的意识，我们今天所谈论的都是个人的发展、成功、汽车、房子。我们对社会公共价值观的认知，也只停留在口水、宣泄、吐槽的阶段，是个人发展遇到阻碍时发泄“私愤”的借口，而绝对不会身体力行地建设和贡献。这还不是一个简单的缺失问题，而是我们民族文化中原来就没有这一部分。所以我们现在要通过各种手段去构建一个能够跟未来中国的发展相适应的一套公民意识。而摄影这个媒介的诸多特性则是构建公民社会的有力武器。另外，纪实摄影是所有摄影样式中，最具知识分子品格的摄影。知识分子在世界最新的定义不是说你读了多少书，你拿过什么学位，而是指你的人文情怀，为了社会的和谐进步去利用所掌握的知识发出声音，去改造社会。许多掌握了一定知识的人只能叫专家，即在这个行业里，知道很多专业知识。为什么说纪实摄影是知识分子品格的摄影呢?因为它是思考的摄影，是探讨社会如何和谐的摄影。我们提倡用媒介思考人生和社会。现在有很多人不拍风光后开始转入拍纪实，如拍一些即将消失的村落。方向应该鼓励，但应指出这并不是真正的纪实摄影，只是一些带有人文倾向的纪实性的照片，严格的说好多都是文化旅游摄影。因为纪实摄影是要有思想、有主张、有批判性。提倡大家要坚持纪实摄影的精神，就是希望中国摄影人用手中的照相机思考社会历史，提升自己的公民人格。

如果我们把摄影放回到一个大的社会历史框架中去看，公众记忆最多的照片都是那些伟大的纪实性的瞬间。罗伯特·卡帕、尤金·史密斯，等等，他们的作品中都承载了人类的苦难的记忆、善良的价值观和人类对理想不懈地追求，是人类勇敢前行的见证。公众不会热议历史上谁谁谁拍的一张艺术照片如何如何，他用了什么什么方式?有什么与众不同?记得和热衷谈论这些“艺术”的，只是一个叫“艺术圈”的小团伙中间自己的热闹，和广大公众的生活没有直接的利害关系。

十、什么是学习和机器学习？

机器学习(Machine Learning)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，它是人工智能的核心，是使计算机具有智能的根本途径。

学习，是指通过阅读、听讲、思考、研究、实践等途径获得知识和技能的过程。学习分为狭义与广义两种：狭义：通过阅读、听讲、研究、观察、理解、探索、实验、实践等手段获得知识或技能的过程，是一种使个体可以得到持续变化（知识和技能，方法与过程，情感与价值的改善和升华）的行为方式。例如:通过学校教育获得知识的过程。广义：是人在生活过程中，通过获得经验而产生的行为或行为潜能的相对持久的方式。次广义学习指人类的学习。