來源： 混沌巡洋艦
1 AI 錯覺
知其然，更要知其所以然，瞭解數據挖掘的算法的基礎原理，可以在這個人工智能和大數據可能比工業革命更能改變人的一生的歷史時期中，更有智慧的應用人工智能。AI錯覺這本書18年在美國出版，19年11月翻譯版由中信引進，推薦給所有沒有數據挖掘背景，但想了解何爲數據挖掘，其又有何侷限的讀者。全書文字淺白，例子生動，觀點清晰。
《AI錯覺》這本書，來自耶魯大學經濟學教授加里·史密斯，從他曾經的書名：例如《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，扭曲的數據，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胡說八道》《運氣爆棚？偶然性在我們日常生活中的驚人作用》《貨幣機器：價值投資出奇簡單的力量》中，就可以看出這本書的主旨是批評對數據挖掘無節制的濫用和無條件的信任。
這本書指出當前數據挖掘及人工智能面臨如下的問題：對比人類智能，目前人工智能缺乏通用智能，不能在多種情景下靈活運用它已知的東西。很多提高人工智能的方法都是在經驗學習的基礎上提高，但始終不具備區分好壞數據所需的人類判斷力，對事物沒有常識性的感知，沒有對數據來源好壞的判斷，從而沒有分辨有理有據的和虛假僞造的統計學模型所需的人類智能。
作者希望能夠通過這本書，來驚醒世人切勿盲目沉迷於具有迷惑性的數據模型中。書中通過一系列實例說明，數據挖掘實質上是以相關關係取代了因果關係，從而使得數據越多，發現無意義模式的概率就越高。如果你讓數據挖掘算法選擇性的尋找數據中的規律，有足夠的數據，哪怕數據是完全隨機的，你也總能得到自己想要的結果，然而找到的只是相關關係，卻並不是因果關係，只是不斷被強化、複製、放大的自我選擇偏好，並沒有理論基礎，也沒有實用價值。
AI的大規模應用帶來的真正的危險不是計算機比我們更聰明，而是我們認爲計算機具有人類的智慧和常識。數據挖掘只應該是“知識發現”的工具，用它發現的可能是真相，也可能是謬誤，最終的判斷取決於我們。AI再怎麼智能，我們纔是最終的主人。而要做好主人，需要更多的人，哪怕是不懂技術的外行，也瞭解數據挖掘算法，例如多元線性迴歸，主成分分析等的基本原理和其侷限性，這也是推薦本書的原因。
2《機器與人》
原書是18年3月20號在美國出版的。作爲關於AI如何改變工作的衆多相關書籍中評分較高的一本，本書亞馬遜評分高達4.4分。這本書講述瞭如何更好的面對AI取代工作這一話題，倆位作者是國際知名諮詢公司埃森哲的高管。
書的前半部分講述了機器將如何改爲未來生活的方方面面，從工農業生產的效率提升，到公司管理流程的自動化決策與基礎科學的研發，AI都會給人們帶來更大的蛋糕。而在如何分蛋糕，從看似高大上的藝術設計與創作，到日常的超市購物與促銷。倆者綜合起來，AI有可能促成一個讓人更有多幸福感的社會。人們可以藉由AI擺脫重複性的工作，例如AI可以瞭解到屬於你的最佳工作節奏，從而讓你在工作中不會感到被掏空。
這本書更有價值的是第二部分，諮詢公司總被問道如何站在AI革命的風口，針對這個問題，作者回答道，未來真正的風口是人與機器作爲同盟去共同解決問題。人和機器有各自適合的領域。人偏重於情感和綜合，適合在變化大的環境下，而機器的強項是細微但持續在一個小問題上做好，適合在變化小且方便描述的環境。未來的確會有很多工作要消失，但在人機之間的中間領域，則會誕生出更多新的工作，有的是將人的智慧手機起來，來協助機器，有的是配合機器，給更多人賦予超能力。下面讓我們逐個看看這其中的倆類。
AI算法工程師是最容易想到的由AI革命帶來的新工作，通過訓練AI，爲各行業帶來效率的提升；但好的AI不止需要算法，更需要數據，需要有專業人士去判斷數據是否具有需要的特徵，從而能用於提升算法。除了算法和數據，AI需要持續的維護，去確保算法能適應新的環境和規章。但要想讓機器的算法不至於反而對成爲人類造成不便，還需要有人來檢查AI是否符合倫理道德的規範，其決策過程是否足夠透明。
解決了如何自動化的進行道德思考這個難題，之後還要處理如何讓人能夠理解機器爲何做出這樣選擇的問題，這就需要有內行來向更多人解釋算法的工作原理和優缺點，不然人與機器還是無法協作。所有的這些都是新的亟待解決的問題，有了問題，就需要通過創造新的工作崗位來解決問題，所以未來會有很多目前不存在工作崗位。
但在這之前，我們先看看人機中間地帶的另一邊，即AI如何通過賦能，讓人類變的具有超能力的三種方式。設計師可以通過風格遷移，擴展自己的想象力，醫生可以通過AI讓自己實時用到最新最全的已有病例，這都是機器增強（amplify）人類的領域。當前的人機交互是基於觸屏和鍵盤，而未來的AI驅動的人機交互可以通過語音識別，甚至通過腦電的數據，這樣就提高了人機交互的帶寬，從而帶來更好的互動。通過讓機器人代替人類去危險的或者不適合人類工作的地方工作，人類可以把AI當成自己的化生，從而讓人類能在之前不能到達的領域工作，例如外太空，深海或者。拒絕使用AI爲自己賦能，在未來對於所有的職業，都意味着如同不會用電腦一樣，變得不可思議的低效。
接下來的問題是這些新的挑戰需要什麼樣的能力和心態了，而這是本書第三部分的內容。首先是要意識到不管你正在做的是什麼，AI都可以對在你所在的領域有所助力，如果想不到AI和人比倆者中的任何一個都要好，那面對AI帶來的後發優勢，你永遠只能追趕。之後要做的是精準的描述自己決策的流程，發現自己所用的數據改如何被記錄，前者是爲AI分解細化任務，後者是提供用於訓練的資源。下一步是行業專家參與到AI的創建中，他們可以避免AI可能出現的不透明或者倫理風險，避免AI帶來的社會心理及法律問題，還可以將本領域知識融合以加速訓練。之後初步驗證後的AI，可以將其打包成一種服務，擴展到更多的領域，用來幫助行業專家更高效的工作，同時通過持續的迭代，來不斷進行升級換代。
而AI的升級最需要的是持續的數據，就像管理倉儲一樣，數據也要有自身的供應鏈管理，人機交互的數據是動態的，數據不夠豐富，那可以從人和機器兩方面去改變，數據也不止要多，還要多樣化，不能一成不變，數據的採集頻率也要密集，同時還要允許實驗性嘗試新的數據採集和授權方式。數據的產生與算法的改進如何形成良性循環，是需要特定技能的，只有心法不會招式只是紙上談兵。而這是本書最後一章的內容。而這裏作者將要掌握的技能分爲了八個子問題：
1）解放人的天性：如何利用AI，讓人花更多的時間在自己擅長的事情上，例如人際間的交互，和創造性的思考
2）快速適應AI帶來的變化：如何幫助人們適應新的AI帶來的交互方式，例如自動駕駛汽車，無人機
3）與AI共同做出判斷：當機器只能給出概率性的判定時，人們如何做決策，例如醫生，律師如何面對AI要面對的問題
4）如何向AI提問：如同搜索引擎一樣，如何問出好問題，才能避免AI給出過於細節或抽象的回答，人需要被教育如何從AI中獲得靈感
5）如何利用AI擴展自己的工作範圍：將自己的工作變成一種服務，讓更多的企業或人能夠體驗，比如健身教練，營養師可以通過AI讓自己成爲標配
6）更全面的建模：如何整合不同來源（主觀的，客觀的，情感的，實體的燈）的數據，構建出1+1>2的模型
7）人與AI互爲師徒：有時要從AI中學到新的洞見，有時要去教給AI新的知識，如何快速的切換自己的角度
8）持續性的重建工作流程：AI的快速進步意味着各行業熟悉的工作流程將要被不斷隨着方法和算法的更新而需要以很快的節奏打破再重建，如何適應這樣的變化，需要人不被當前的工作方式所侷限
3 AI極簡經濟學
這本書的核心詞是預測。書的作者是三位經濟學家。書中的核心觀點是人工智能新浪潮實際上並沒有給我們帶來智能，它帶來的是智能的一個關鍵組成部分——預測。目前AI所能做的是讓預測變得極爲廉價，由此預測將變得極其普遍，預測將隨處可見。同時預測的準確度的提升，使得預測的費效比提升，促成了新的商業模式，例如可以先寄給你預期會喜歡的東西，你喜歡了再付款；使得人們能夠減少所留的冗餘和緩衝（對去機場的時間預測的越準，就越不用爲了怕錯過飛機而早走，企業對供應鏈預測越準確，庫存越少）
由於人類和機器，各自在預測中擅長有所不同。而倆者的互補，會使得預測的結果好於單獨使用人或機器做預測，從而大幅提升決策的效率。對於人類不擅長、不適應、或低價值的活動，機器能夠取代人類，但對於向人類解釋爲何做決定，以及涉及到人類情感和隱私的領域，仍需要人類的參與。
這本書從企業管理的角度，講AI帶來的改變和機遇。但對於政府的管理，如何在思考問題時，借用各種成熟高效的預測工具和模型，提升效率。其實也是可以從這本書中有所借鑑的，不管對於什麼樣的組織，對人未來的行爲的預測，都能指導其當下的決策，而只要有了數據，就可以用現有的AI工具，來改造低效的官僚體系。
未來智能實驗室是人工智能學家與科學院相關機構聯合成立的人工智能，互聯網和腦科學交叉研究機構。
未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）雲腦研究計劃，構建互聯網（城市）雲腦技術和企業圖譜，爲提升企業，行業與城市的智能水平服務。
如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”
