想像選舉是個類神經網路，每個候選人是個類別。競選的意義在於每個候選人透過動態的改變競選策略，調這個分類器，來最大化自己這個類別的機率，也就是支持度。

我們來分析一下。

選民考慮很多面向。候選人在這些面向有立場，可能是模糊的，沒關係。總之，從輸入到輸出，是一個高維空間裡的函數。

這個函數是非線性的。沒人知道長怎樣。怎麼辦呢？改變一下策略，看看支持率怎麼變化。這就是 gradient descend 基本想法。這還不夠好，可是有用。方向是對的。

找 100 個人來。微調策略，看看上升下降。這就是 stochastic gradient descend 了。可能開始奏效了。樣本要找的好，不然會有誤差。

這就是目前解一些人工智慧問題最好的方法。