说白了：对于现代人工智能主要依靠深度神经网络，深度神经网络的本质就是一个可以代表任何公式的黑盒子。故而可以作为任何数据拟合的目标，拟合一个数据一定是输入和输出对应的，故而必要的就是数据标注。大量的数据拟合才会达到更好的效果，因此增加了人工智能除了算力之外的成本。
所以今天主要想解决这个成本问题，假设我们的目标是求某两个数据的相似度，而三角形具有相似定理，那么就讲这些数据通过神经网络变为多个三个数组成的向量，每个数代表三角形的一个边的值。为了很好的求解相似 ，我们让三角都必须是直角三角形。假如output=[[a,b,c],…]
可以讲c看做是非直角边，(a2+b2)-c**2=loss,这样当loss最低的之后就证明所有的数据基本都能抽象成为多个直角三角形。
这样数据A和B 输入到该网络，输出Oa 和Ob 进行三角相似计算。方可知道数据A和B的相似成程度。

上面的实例可以总结为，将任意数据输入到net中，得到一个固定的物理数学化学参数，这些参数必须符合某些定理，这样能够计算loss，进行自回归，也就是说产生的一部分参数是输出，一部分是label，输出和label 之间必须符合某些定理，这个定理最好和后期要达到的目的直接相关。
比如必须是匀速直线运动才能使用某些公式计算目标，必须是自由落体，才能怎么样。必须是直角三角行才能，必须在一个平面内才可，也就是说，loss是一个定理的成立的约束条件，当loss越小就越接近定理，定理成立了才能使用定理去完成目的，目标。
其实人类处理问题的时候也是一样的，并不是讲所有的数据都标注出来才能解决，人类可以直接过滤掉不符合常识，定理的条件的数据，或者是将数据或者是其他事件，变得更符合某种条件。
就能通过固定规律控制和达到目的。
比如你要利用避雷针这个现象去发电，你要达到吸雷电的条件才能做之后的工作。

更多文章请关注《万象专栏》