来源： 混沌巡洋舰

1 AI 错觉

知其然，更要知其所以然，了解数据挖掘的算法的基础原理，可以在这个人工智能和大数据可能比工业革命更能改变人的一生的历史时期中，更有智慧的应用人工智能。AI错觉这本书18年在美国出版，19年11月翻译版由中信引进，推荐给所有没有数据挖掘背景，但想了解何为数据挖掘，其又有何局限的读者。全书文字浅白，例子生动，观点清晰。

《AI错觉》这本书，来自耶鲁大学经济学教授加里·史密斯，从他曾经的书名：例如《数据科学的9个陷阱》《基本统计、回归和计量经济学》《标准偏差：有缺陷的假设，扭曲的数据，以及其他欺骗统计数据的方法》《简单统计学：如何轻松识破一本正经的胡说八道》《运气爆棚？偶然性在我们日常生活中的惊人作用》《货币机器：价值投资出奇简单的力量》中，就可以看出这本书的主旨是批评对数据挖掘无节制的滥用和无条件的信任。

这本书指出当前数据挖掘及人工智能面临如下的问题：对比人类智能，目前人工智能缺乏通用智能，不能在多种情景下灵活运用它已知的东西。很多提高人工智能的方法都是在经验学习的基础上提高，但始终不具备区分好坏数据所需的人类判断力，对事物没有常识性的感知，没有对数据来源好坏的判断，从而没有分辨有理有据的和虚假伪造的统计学模型所需的人类智能。

作者希望能够通过这本书，来惊醒世人切勿盲目沉迷于具有迷惑性的数据模型中。书中通过一系列实例说明，数据挖掘实质上是以相关关系取代了因果关系，从而使得数据越多，发现无意义模式的概率就越高。如果你让数据挖掘算法选择性的寻找数据中的规律，有足够的数据，哪怕数据是完全随机的，你也总能得到自己想要的结果，然而找到的只是相关关系，却并不是因果关系，只是不断被强化、复制、放大的自我选择偏好，并没有理论基础，也没有实用价值。

AI的大规模应用带来的真正的危险不是计算机比我们更聪明，而是我们认为计算机具有人类的智慧和常识。数据挖掘只应该是“知识发现”的工具，用它发现的可能是真相，也可能是谬误，最终的判断取决于我们。AI再怎么智能，我们才是最终的主人。而要做好主人，需要更多的人，哪怕是不懂技术的外行，也了解数据挖掘算法，例如多元线性回归，主成分分析等的基本原理和其局限性，这也是推荐本书的原因。

2《机器与人》

原书是18年3月20号在美国出版的。作为关于AI如何改变工作的众多相关书籍中评分较高的一本，本书亚马逊评分高达4.4分。这本书讲述了如何更好的面对AI取代工作这一话题，俩位作者是国际知名咨询公司埃森哲的高管。

书的前半部分讲述了机器将如何改为未来生活的方方面面，从工农业生产的效率提升，到公司管理流程的自动化决策与基础科学的研发，AI都会给人们带来更大的蛋糕。而在如何分蛋糕，从看似高大上的艺术设计与创作，到日常的超市购物与促销。俩者综合起来，AI有可能促成一个让人更有多幸福感的社会。人们可以借由AI摆脱重复性的工作，例如AI可以了解到属于你的最佳工作节奏，从而让你在工作中不会感到被掏空。

这本书更有价值的是第二部分，咨询公司总被问道如何站在AI革命的风口，针对这个问题，作者回答道，未来真正的风口是人与机器作为同盟去共同解决问题。人和机器有各自适合的领域。人偏重于情感和综合，适合在变化大的环境下，而机器的强项是细微但持续在一个小问题上做好，适合在变化小且方便描述的环境。未来的确会有很多工作要消失，但在人机之间的中间领域，则会诞生出更多新的工作，有的是将人的智慧手机起来，来协助机器，有的是配合机器，给更多人赋予超能力。下面让我们逐个看看这其中的俩类。

AI算法工程师是最容易想到的由AI革命带来的新工作，通过训练AI，为各行业带来效率的提升；但好的AI不止需要算法，更需要数据，需要有专业人士去判断数据是否具有需要的特征，从而能用于提升算法。除了算法和数据，AI需要持续的维护，去确保算法能适应新的环境和规章。但要想让机器的算法不至于反而对成为人类造成不便，还需要有人来检查AI是否符合伦理道德的规范，其决策过程是否足够透明。

解决了如何自动化的进行道德思考这个难题，之后还要处理如何让人能够理解机器为何做出这样选择的问题，这就需要有内行来向更多人解释算法的工作原理和优缺点，不然人与机器还是无法协作。所有的这些都是新的亟待解决的问题，有了问题，就需要通过创造新的工作岗位来解决问题，所以未来会有很多目前不存在工作岗位。

但在这之前，我们先看看人机中间地带的另一边，即AI如何通过赋能，让人类变的具有超能力的三种方式。设计师可以通过风格迁移，扩展自己的想象力，医生可以通过AI让自己实时用到最新最全的已有病例，这都是机器增强（amplify）人类的领域。当前的人机交互是基于触屏和键盘，而未来的AI驱动的人机交互可以通过语音识别，甚至通过脑电的数据，这样就提高了人机交互的带宽，从而带来更好的互动。通过让机器人代替人类去危险的或者不适合人类工作的地方工作，人类可以把AI当成自己的化生，从而让人类能在之前不能到达的领域工作，例如外太空，深海或者。拒绝使用AI为自己赋能，在未来对于所有的职业，都意味着如同不会用电脑一样，变得不可思议的低效。

接下来的问题是这些新的挑战需要什么样的能力和心态了，而这是本书第三部分的内容。首先是要意识到不管你正在做的是什么，AI都可以对在你所在的领域有所助力，如果想不到AI和人比俩者中的任何一个都要好，那面对AI带来的后发优势，你永远只能追赶。之后要做的是精准的描述自己决策的流程，发现自己所用的数据改如何被记录，前者是为AI分解细化任务，后者是提供用于训练的资源。下一步是行业专家参与到AI的创建中，他们可以避免AI可能出现的不透明或者伦理风险，避免AI带来的社会心理及法律问题，还可以将本领域知识融合以加速训练。之后初步验证后的AI，可以将其打包成一种服务，扩展到更多的领域，用来帮助行业专家更高效的工作，同时通过持续的迭代，来不断进行升级换代。

而AI的升级最需要的是持续的数据，就像管理仓储一样，数据也要有自身的供应链管理，人机交互的数据是动态的，数据不够丰富，那可以从人和机器两方面去改变，数据也不止要多，还要多样化，不能一成不变，数据的采集频率也要密集，同时还要允许实验性尝试新的数据采集和授权方式。数据的产生与算法的改进如何形成良性循环，是需要特定技能的，只有心法不会招式只是纸上谈兵。而这是本书最后一章的内容。而这里作者将要掌握的技能分为了八个子问题：

1）解放人的天性：如何利用AI，让人花更多的时间在自己擅长的事情上，例如人际间的交互，和创造性的思考

2）快速适应AI带来的变化：如何帮助人们适应新的AI带来的交互方式，例如自动驾驶汽车，无人机

3）与AI共同做出判断：当机器只能给出概率性的判定时，人们如何做决策，例如医生，律师如何面对AI要面对的问题

4）如何向AI提问：如同搜索引擎一样，如何问出好问题，才能避免AI给出过于细节或抽象的回答，人需要被教育如何从AI中获得灵感

5）如何利用AI扩展自己的工作范围：将自己的工作变成一种服务，让更多的企业或人能够体验，比如健身教练，营养师可以通过AI让自己成为标配

6）更全面的建模：如何整合不同来源（主观的，客观的，情感的，实体的灯）的数据，构建出1+1>2的模型

7）人与AI互为师徒：有时要从AI中学到新的洞见，有时要去教给AI新的知识，如何快速的切换自己的角度

8）持续性的重建工作流程：AI的快速进步意味着各行业熟悉的工作流程将要被不断随着方法和算法的更新而需要以很快的节奏打破再重建，如何适应这样的变化，需要人不被当前的工作方式所局限

3    AI极简经济学

这本书的核心词是预测。书的作者是三位经济学家。书中的核心观点是人工智能新浪潮实际上并没有给我们带来智能，它带来的是智能的一个关键组成部分——预测。目前AI所能做的是让预测变得极为廉价，由此预测将变得极其普遍，预测将随处可见。同时预测的准确度的提升，使得预测的费效比提升，促成了新的商业模式，例如可以先寄给你预期会喜欢的东西，你喜欢了再付款；使得人们能够减少所留的冗余和缓冲（对去机场的时间预测的越准，就越不用为了怕错过飞机而早走，企业对供应链预测越准确，库存越少）

由于人类和机器，各自在预测中擅长有所不同。而俩者的互补，会使得预测的结果好于单独使用人或机器做预测，从而大幅提升决策的效率。对于人类不擅长、不适应、或低价值的活动，机器能够取代人类，但对于向人类解释为何做决定，以及涉及到人类情感和隐私的领域，仍需要人类的参与。

这本书从企业管理的角度，讲AI带来的改变和机遇。但对于政府的管理，如何在思考问题时，借用各种成熟高效的预测工具和模型，提升效率。其实也是可以从这本书中有所借鉴的，不管对于什么样的组织，对人未来的行为的预测，都能指导其当下的决策，而只要有了数据，就可以用现有的AI工具，来改造低效的官僚体系。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”