图书标签: 人工智能 大数据 AI 统计学 经济学 2019 计算机 网络生活
发表于2024-11-21
错觉 pdf epub mobi txt 电子书 下载 2024
在人工智能异常火热的今天,很多人认为我们生活在一个不可思议的历史时期,人工智能和大数据可能比工业革命更能改变人的一生。然而这种说法未免言过其实,我们的生活确实可能有所改变,但并非一定是朝好的方面发展。我们过于武断地认为计算机搜索和处理堆积如山的数据时不会出差错,但计算机只是擅长收集、储存和搜索数据,它们没有常识或智慧,不知道数字和词语的意思,无法评估数据库中内容的相关性和有效性,它们没有区分真数据、假数据和坏数据所需的人类判断力,没有分辨有理有据和虚假伪造的统计学模型所需的人类智能。
计算机挖掘大数据风行一时,但数据挖掘是人为而非智能,也是非常艰巨、危险的人工智能形式。数据挖掘先是通过大量的数据走势、相关关系来发现让我们内心愉悦却无实践价值的模型,然后创造理论来解释这些模型。作者通过“史密斯测试”和“得州神枪手谬误”等实例说明,如果你挖掘和拷问数据的时间够长、数量够大,你总能得到自己想要的结果,然而这是相关关系却并不是因果关系,只是自我选择偏好,并没有理论基础也没有实用价值。
在人工智能时代,我们对计算机的热爱不应该掩盖我们对其局限性的思考,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,数据挖掘就是“知识发现”,从而信任计算机为我们做出重要决定。更多的计算能力和更多的数据并不意味着更多的智能,我们需要对人类的智慧有更多的信心。
加里·史密斯
波莫纳学院经济学教授,曾获弗莱彻·琼斯基金奖。他是耶鲁大学经济学博士,曾在耶鲁大学担任助理教授一职长达7年,两度获得教学奖,撰写(或合著)过80多篇学术论文和12本书,包括《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》。他的研究曾被彭博网、CNBC、《福布斯》、《纽约时报》、《华尔街日报》、《新闻周刊》和《商业周刊》竞相报道。
有些批判挺有道理的,例如场景性,数据质量,模型泛化能力,讲了太多 “过拟合” 的例子。要多思考数据/模型的边界在哪里,不要轻信模型的结果。
评分现阶段的人工智能与人类智能之间的差距恐怕并非是量级,而是质级的。机器人的“思考”过程缺乏经验常识与批判性思维,其强大的搜查与计算能力充其量只是人类基础智力的体外拓展。 过度迷恋数字并依赖计算机做决定的态度让我们失去了对待数据模型的警惕心——只要基量够大,总能从随机数中找出高相关度的关系,不论箭射在哪儿都可以画个靶;只要剩下的噪声数目够逼真,事先臆测的观点也就够逼真,离弦的箭总能拐弯射在靶上。 就现阶段来说,该警惕的不应是被媒体过度包装的人工智能,而应是大数据时代下理性思维与学术规范的稀释。
评分数据越多,发现无意义模式的概率就越高。
评分现阶段的人工智能与人类智能之间的差距恐怕并非是量级,而是质级的。机器人的“思考”过程缺乏经验常识与批判性思维,其强大的搜查与计算能力充其量只是人类基础智力的体外拓展。 过度迷恋数字并依赖计算机做决定的态度让我们失去了对待数据模型的警惕心——只要基量够大,总能从随机数中找出高相关度的关系,不论箭射在哪儿都可以画个靶;只要剩下的噪声数目够逼真,事先臆测的观点也就够逼真,离弦的箭总能拐弯射在靶上。 就现阶段来说,该警惕的不应是被媒体过度包装的人工智能,而应是大数据时代下理性思维与学术规范的稀释。
评分有些批判挺有道理的,例如场景性,数据质量,模型泛化能力,讲了太多 “过拟合” 的例子。要多思考数据/模型的边界在哪里,不要轻信模型的结果。
评分
评分
评分
评分
错觉 pdf epub mobi txt 电子书 下载 2024