周涛：下面我讲第二个例子，我们怎么样用机器学习的办法能够实现帮助政府更好的进行监管，监督性抽检的作用就是要发现更多的不合格品，但是每个检验要花几千块钱，如果大部分产品都是合格品，那就起不到监督的作用，但是在全国范围来看监督抽检发现不合格的比例和随机抽检都是一样的，没什么差别，都是2.3%。但是我们发现不合格品的出现在地域上分布高度不均匀，而且受天气环境的影响，受食品包装方式、保质期、食品品类，甚至包括食品生产企业的股东结构都有关系，我们把来自不同地方的数据汇聚到一起做了机器学习的模型，它可以自适应不断提高精度，最终我们达到了惊世骇俗的10.7%，在全国我们把第二名抛到不知道有多远，这就是大数据的魅力。实际上，未来的政府监管比大家想象的还要恐怖。