一个女人，背着7宗命案，潜逃国内23年。自以为很侥幸，然而天网恢恢，疏而不漏。一颗摄像头，最终还是“抓”到杀人犯劳荣枝。
被抓时还略带微笑？哼！等待你的就是Game over。
据人民日报报道，12月5日，福建厦门警方已经将其移交江西南昌警方。江西警方当日将劳荣枝押解回南昌。
劳荣枝潜逃期间，多是夜间在酒吧、KTV工作，临被抓前，曾到朋友的手表专柜，帮忙照看生意。
而她正是在商场看生意时，被警方一举抓获。嗯，这个朋友，真是个为民除害的好朋友。
被抓前的过程是酱婶儿的，据央视新闻，11月28日，厦门市思明公安分局刑侦大队，通过大数据信息研判发现，一名疑似命案逃犯劳某枝的女子，出现在厦门某商场一带。
随后，警方通过DNA数据对比，确定她就是命案逃犯。
这已经不是警方第一次，通过人脸识别大数据+DNA数据比对来抓坏人了。
“北大弑母案”的凶手吴谢宇，也是在重庆江北机场送人时，被摄像头捕获人脸，警方根据大数据对比，确认是吴本人，最终吴谢宇落网。
此外，截止目前，警方还从张学友演唱会上，抓了不少逃犯。
2018年张学友演唱会苏州站，22名在逃人员落网。这其中，也涉及到人工智能和大数据技术。
当时，苏州公安官微，还特意就此发微博。
而劳荣枝落网，也是“云剑”行动的超大硕果。
“云剑”行动是指，以互联网云服务、云平台为利剑去抓捕疑犯。
这项行动“以科技信息化手段为支撑，突出打击重点，全面创新打法，建立长效机制”。
为什么过了23年，大数据还能认出来是她？
事实上，逃亡期间，劳荣枝还曾整容，但是人类的颅骨、瞳距、虹膜却不会变化。
所以，以深度学习为基础的人脸识别技术，才能认出来她就是逃犯。
“笑问客从何处来”，深度学习有答案
所谓深度学习，其实指的就是训练神经网络的过程。
神经网络，就像你的大脑一样有记忆。
举个例子，你给一个神经网络，看过你家猫在睡觉、吃猫粮、静蹲和跳跃时的不同照片，那么神经网络就会记住这只猫呈现在照片中的所有特征。
这只猫也许以后会变胖、毛发也会减少，但是神经网络已经牢牢记住这只猫的不变的特征。
用术语来说，就是“当一张图像流过神经网络的时候，会进行特征点提取，而所谓的特征点，在数学上就是一个高维坐标”。
深度学习的诞生和优势
早在上世纪八九十年代，就已经有深度学习的存在，但是当时可分析的数据量太小，所以深度学习并没有引起注意。
2006年， 深度学习教父杰弗里·希尔顿（Geofrey Hinton ）提出快速计算“受限玻耳兹曼机”网络权值及偏差的CD-K算法，这直接导致DBN等深度网络的诞生。
它的优势在于，第一，深度学习拥有持久学习力，数据规模变大，它的性能会跟着变强；第二，深度学习可以直接从数据中提取特征，可谓省时省力。
深度学习在国内外的应用
在国内，阿里巴巴、科大讯飞、百度和中科院自动化所等公司或研究单位，都在研究基于深度学习的语音识别或人脸识别。
比如，2019年3月，马老师就曾在德国汉诺威IT展览会上，向德国总理默克尔展示支付宝的刷脸支付。
几个月后，蚂蚁金服高级专家张洁，曾在采访中表示，“支付宝人脸识别深度学习采用的是x60人脸区域（Patch）的多层卷积神经网络。多层卷积神经网络有三个核心，局部感知 、全值共享、时间或空间亚采样，这三种思想的结合保证了在一定程度上获得位移、尺度和形变不变性。”
此外，科大讯飞的语音识别技术、微信语音识别技术，都一定程度上使用到深度学习。
也就是说，警察蜀黍用深度学习来抓坏蛋，以后不再会是新鲜事，劳荣枝这样的逃犯，一定会快快地落网。
有的坏人作恶，并不觉得是作恶，甚至连丝毫悔恨都没有！
23年间，劳荣枝舞照跳、酒照喝、妆照化，没事儿人的天天发朋友圈，却忘了倒在自己手下的7条人命，对待这样的人，唯有快速正法才能彰显正义。科技助力法治进步，走你！
