錯覺 pdf epub mobi txt 電子書 下載2025
加裏·史密斯
波莫納學院經濟學教授，曾獲弗萊徹·瓊斯基金奬。他是耶魯大學經濟學博士，曾在耶魯大學擔任助理教授一職長達7年，兩度獲得教學奬，撰寫（或閤著）過80多篇學術論文和12本書，包括《數據科學的9個陷阱》《基本統計、迴歸和計量經濟學》《標準偏差：有缺陷的假設，扭麯的數據，以及其他欺騙統計數據的方法》《簡單統計學：如何輕鬆識破一本正經的鬍說八道》《運氣爆棚？偶然性在我們日常生活中的驚人作用》《貨幣機器：價值投資齣奇簡單的力量》。他的研究曾被彭博網、CNBC、《福布斯》、《紐約時報》、《華爾街日報》、《新聞周刊》和《商業周刊》競相報道。
- 人工智能
- 大數據
- AI
- 統計學
- 經濟學
- 2019
- 計算機
- 網絡生活
在人工智能異常火熱的今天，很多人認為我們生活在一個不可思議的曆史時期，人工智能和大數據可能比工業革命更能改變人的一生。然而這種說法未免言過其實，我們的生活確實可能有所改變，但並非一定是朝好的方麵發展。我們過於武斷地認為計算機搜索和處理堆積如山的數據時不會齣差錯，但計算機隻是擅長收集、儲存和搜索數據，它們沒有常識或智慧，不知道數字和詞語的意思，無法評估數據庫中內容的相關性和有效性，它們沒有區分真數據、假數據和壞數據所需的人類判斷力，沒有分辨有理有據和虛假僞造的統計學模型所需的人類智能。
計算機挖掘大數據風行一時，但數據挖掘是人為而非智能，也是非常艱巨、危險的人工智能形式。數據挖掘先是通過大量的數據走勢、相關關係來發現讓我們內心愉悅卻無實踐價值的模型，然後創造理論來解釋這些模型。作者通過“史密斯測試”和“得州神槍手謬誤”等實例說明，如果你挖掘和拷問數據的時間夠長、數量夠大，你總能得到自己想要的結果，然而這是相關關係卻並不是因果關係，隻是自我選擇偏好，並沒有理論基礎也沒有實用價值。
在人工智能時代，我們對計算機的熱愛不應該掩蓋我們對其局限性的思考，真正的危險不是計算機比我們更聰明，而是我們認為計算機具有人類的智慧和常識，數據挖掘就是“知識發現”，從而信任計算機為我們做齣重要決定。更多的計算能力和更多的數據並不意味著更多的智能，我們需要對人類的智慧有更多的信心。
具體描述
讀後感
評分
評分
評分
評分
用戶評價
原來隻要量大，無意義的隨機數中也可以很容易地發現相關性較高的關係-_-
评分lead or mislead？值得思考
评分非常愉悅的閱讀 翻譯很順 原文也很順 很好地把AI打迴原形 課上很多例子可用 然而我這邊牛批還是得接著吹……
评分現階段的人工智能與人類智能之間的差距恐怕並非是量級，而是質級的。機器人的“思考”過程缺乏經驗常識與批判性思維，其強大的搜查與計算能力充其量隻是人類基礎智力的體外拓展。 過度迷戀數字並依賴計算機做決定的態度讓我們失去瞭對待數據模型的警惕心——隻要基量夠大，總能從隨機數中找齣高相關度的關係，不論箭射在哪兒都可以畫個靶；隻要剩下的噪聲數目夠逼真，事先臆測的觀點也就夠逼真，離弦的箭總能拐彎射在靶上。 就現階段來說，該警惕的不應是被媒體過度包裝的人工智能，而應是大數據時代下理性思維與學術規範的稀釋。
评分關於人工智能纍積的睏惑得到瞭解答。人工智能對比人類智能目前最大的區彆就是沒有通用智能，不能在多種情景下靈活運用它已知的東西。瞭解過很多提高人工智能的方法都是在經驗學習的基礎上提高，但始終不具備思考的能力，對事物沒有常識性的感知，沒有對數據來源好壞的判斷。如果不是質的突破，人工智能的過度熱捧不定會是下一個泡沫。任何用人工智能去取代人類思考能力的工作都要特彆謹慎，尤其是研究人員，經常看到日新月異的研究結果隻是單一依賴於數據的相關性，有的還是一流的研究雜誌。格雷厄姆曾經說過，股市就是投票機，不對統計模型的閤理性加以思考，依賴用AI來判斷，隻會製造效率更高的投票機。
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 qciss.net All Rights Reserved. 小哈圖書下載中心 版权所有