【产业气象站】错觉：AI如何通过数据挖掘误导我们|周末读书在人工智能异常火热的今天

文章图片
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。
作者简介
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。
目录
第一章智能还是服从
第二章盲从
第三章无语境的符号
第四章坏数据
第五章随机性模式
第六章如果你拷问数据的时间足够长
第七章无所不包的“厨房水槽法”
第八章新瓶装旧酒
第九章先吃两片阿司匹林
第十章完胜股市（上）
第十一章完胜股市（下）
第十二章我们都在监视着你
编辑推荐
在人工智能异常火爆的今天，本书另辟蹊径，从反面探讨了AI研究中存在的一系列问题。开创性地提出了“得州神枪手谬误”和“史密斯测试”等来批判那些先有数据后有理论和模型的科学研究方式——数据挖掘。如今数据挖掘以相关关系取代了因果关系， AI到底是真的有智能还是只在服从？本书为你解答。
精彩书摘
《危险边缘》是一档热门的电视智力竞赛节目，有多个版本，开播至今已有50多年。该节目的比赛内容为百科知识问答，其巧妙之处在于：参赛者要根据以答案形式提供的各种线索，给出与这个答案相对应的问题。例如，线索是“美国第16任总统” ，正确的问题就是：“谁是亚伯拉罕·林肯？”每期节目均有三名参赛者，以摁按钮的方式口头抢答（除了最后一轮“终极危险边缘”以外，在其他环节三名参赛者均有30秒时间书写作答）。
从很多方面来看，这档节目都适合计算机参与，因为计算机能准确无误地存储和检索大量信息。在《危险边缘》青少年组比赛中，一名男孩因将“谁是安尼·弗兰克”误写成“谁是安妮·弗兰克”而痛失冠军。而计算机就不会犯这样的错误。