很多时候，人们其实并不愿意追求真理

@塞冬的生活笔记：最近几年的一个感触是：很多时候，人们其实并不愿意追求真理

就好比一个机器学习模型，更愿意过拟合自己之前比较熟悉的样本，长期困在局部最优，而对真正 Ground Truth 的目标视而不见，放弃对全局最优的探索

最近看到一个例子，感觉能挺形象地说明这个问题：

抖音上的一位营养师博主，经常分享给 98 岁老父亲做饭的视频，整体思路是蛮符合现代营养学的：

较多的鱼肉、大虾、牛肉、鸡肉、猪瘦肉、豆腐等高蛋白食物

米饭 + 红薯 + 南瓜 + 莲藕 + 土豆 + 各种豆子

无论早中晚餐，经常一盆凉拌蔬菜沙拉，外加一些清淡的炒蔬菜

整体思路：适量的碳水 + 高蛋白 + 少油 + 清淡 + 不烫

每餐都是满满一餐盘，饭菜量看着挺大的，但算下来热量并不高。而蛋白质、纤维素、维生素是很充足的

以及，每顿饭都用餐盘分餐

这位被女儿养得红光满面、98 岁还能自己大口吃饭啃肉的老父亲

基本能算作一个没法置疑的 "真理"、"Groud Truth"、"绝对正样本" 了吧？

按理说，一个思路正常的人、一个正常的大脑机器学习模型，应该按照这种正样本，去调节自己、去修改自己，从而能更好地逼近这种 "真理" 对吧

但评论区里经常有些这种评论：

"老年人吃那么多不撑么"

"吃那么多肉不消化么"

"为什么要单独用个餐盘，是嫌弃老人么"

"你确定这样的鸡腿老人啃得动么"

"为什么蔬菜要吃生的"

"吃那么多不怕胖么"

"为啥要吃那么多凉的"

感觉就是一个个被大量错误样本充分训练的模型，遇到这么一个和之前的样本差异巨大的极端样本，直接就崩坏了，拒绝承认这是个 NB 正样本… 而选择继续待在自己的舒适区里

我感觉这是一个挺形象、易懂的案例

生活中还有大量类似的事情，有大有小，需要尝试去排除思维迷雾，让被半辈子错误样本训坏的模型，能跳出局部最优、多见一见别的样本，多尝试一些可能性

但这很难、很难…