算法|效率低下的方式，如何更有效地吸收信息？网络安全

文章图片

文章图片

引言

物理体现适用于经济生活。亚马逊2017年6月收购全食连锁超市的理由依然存在，至少部分原因似乎与它决定开设自己的非传统风格的零售书店有关。

实体店也是消费者行为的实验室，是对网络购物习惯海量数据的补充。另一个衡量实体持久性的标准是对无现金社会理念的抵制。这一运动作为一种打击犯罪的方式在欧洲和印度获得了支持，理由是将会发生很多的电子盗窃和诈骗行为。对无现金社会的抵制甚至还没提到对隐私的明显威胁，它是一个更加严重的个人数据问题，可能被称为非对称效率。即使没有窥探个人的生活，专有数据库和软件的所有者对我们的聚合行为的了解远远超过公开发布的内容。

我们有自己的一些技术，比如价格跟踪软件，但消费者甚至学术研究人员都像是试图击败超级计算机的业余玩家。虽然像电子货币系统一样，现金也可能被滥用，但它也有助于减少大数据与小老百姓之间的不平衡。第三种平衡策略是创造性浪费。硅谷对于亏损持有分裂的态度。它颂扬了失败的积极作用，以及失败所带来的深刻见解如何导致最终的成功。但它也宣扬这样一种观点：尽管大多数人类企业的现实远比在有明确规则的有限棋盘上的游戏复杂得多，但算法，尤其是通过机器学习得到强化的算法，能够像计算机在下棋中大占上风一样接近完美。
好莱坞电影公司或许在21世纪初没有使用人工智能算法来为他们的电影编程，但他们确实希望少数以熟悉的明星和故事情节为主线的大制作的续集能够持续叫座。哈佛商学院教授琳达·埃尔伯斯支持这一策略，但到了2016年夏天，一些最大的电影公司报告利润下降或不再盈利，耗资1.5亿美元的《宾虚》续集的票房收入不及其制作成本的1/10 。大众文化人类学家格兰特·麦克拉肯在《斯皮尔伯格是1 ，哈佛是0》文章中总结道：“要多想想导演们的前车之鉴。 ”这或许言过其实。

从长远来看，也许是对的，大片是当今环境中的主要利润驱动因素。她的工作恰如其分地打击了人们对克里斯·安德森“长尾”——个人有所保留但集体获利——的热情。真正的问题在于，重视重要影片盈利性的计算阻碍了实践，而实践可能成为未来新的大片的来源。史蒂文·斯皮尔伯格曾呼吁采用“新的范式” ，但通常只有通过无效的试错过程，才能发现这些范式。根据关于读者阅读习惯的大数据来预测小说和非小说类畅销书的算法也提出了同样的问题。
通过有效地识别过去行之有效的东西并推行更多类似的产品，他们正在讨好消费者。当然，策划就像我曾经那样，常常停留在熟悉的领域，这就是为什么有些最独特的伟大作品会获得商业上的成功。最近的作品是J.K.罗琳原创的《哈利·波特与魔法石》，这部作品之前被十几家出版社拒绝了。直觉决策的力量不在于任何的天赋，而在于出版业整体、企业和独立各方的各种观点和品味。总的来说，作为一个系统（而不是个别的判断），它在人力资源方面得到了有效的认可，但它也不可避免地会造成浪费。

我们看到引用的竞争和在所谓影响很大的期刊上发表论文的竞争对创新产生了寒蝉效应，在这方面，事实胜于雄辩。对核准的同行审查使异议提案难以得到批准。与传统的实验室和研究领域合作，而不是与可能失败的异议者合作，是一种有效的做法。第四种策略是模拟偶然性。网络最初在数字上是偶然的，提供超链接可以向意想不到的方向发展。在21世纪，拥有较小屏幕和社交媒体影响力的移动计算设备的兴起更多是为了迎合个人口味，同时也冒着制造出泡沫的风险。
【算法|效率低下的方式，如何更有效地吸收信息？】平台公司的算法变得越好，对用户现有的浏览模式就越有针对性，即使大多数人看到的信息来源比过滤假说所暗示的更多样化，但出现有成效的意外的可能性依旧会越低。一些程序的设计是为了促进偶然性发现，还有一些应用程序是本着一种偶然性的精神来策划的。纸质媒体不仅仅具有审美感召力。因为它们不仅在屏幕上显示，而且会在三维空间中展示，它们以数字媒体能够补充但永远无法完全取代的方式获取我们的想象力，就像数字媒体能够独具特色地有效搜索和定量分析一样。