万本电子书0元读

万本电子书0元读

顶部广告

错觉:AI 如何通过数据挖掘误导我们电子书

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。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。如今大数据、坏数据、假数据充斥着我们的生活,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。

售       价:¥

纸质售价:¥43.50购买纸书

176人正在读 | 0人评论 6.2

作       者:(美)加里·史密斯

出  版  社:中信出版集团股份有限公司

出版时间:2019-11-01

字       数:15.5万

所属分类: 经管/励志 > 经济 > 经济通俗读物

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
     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。      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。
【推荐语】
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。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。如今大数据、坏数据、假数据充斥着我们的生活,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。
【作者】
加里·史密斯是波莫纳学院的经济学教授。他在耶鲁大学获得经济学博士学位。他曾两次获得教学奖,并撰写(或与他人合著)80多篇学术论文和12本书。他的研究曾被彭博广播网、CNBC、Brian Lehrer、福布斯、纽约时报、华尔街日报、《新闻周刊》和《商业周刊》等媒体报道。
目录展开

扉页

引言

第1章 智能还是服从

井字游戏

国际跳棋

第2章 盲从

思考之源和思维之火

计算机是超人吗?

将时间考虑在内

识别像素与产生情绪

批判性思维

图灵测试

第3章 无语境的符号

翻译软件与理解语言

威诺格拉德模式挑战赛

计算机能阅读吗?

计算机能写作吗?

在语境中理解事物

猫与花瓶

第4章 坏数据

自我选择偏好

相关系数并非因果关系

时间的力量

幸存者偏差

假数据

识别“坏数据”

第5章 随机性模式

数据挖掘

黑匣子

大数据、大电脑、大麻烦

利益冲突

天生就会被骗

为模型所惑

第6章 如果你拷问数据的时间足够长

孟德尔的豌豆研究

得州神枪手谬误

数据挖掘者

拷问数据

倒摄回忆

金钱启动效应

寻找就会发现

微笑曲线

从卓越降为优秀

攻击性和吸引力

达特茅斯三文鱼研究

骗子,骗子

第7章 无所不包的“厨房水槽法”

预测总统大选

非线性模型

第8章 新瓶装旧酒

逐步回归法

岭回归法

数据规约

神经网络算法

被数学蒙蔽双眼

第9章 先吃两片阿司匹林

明早再给我打电话

我要再喝一杯咖啡

远程治疗

癌症群

最有理有据的疗法失效了

疾病诊断和治疗中的数据挖掘

糟糠过多,精粹不足

第10章 完胜股市(上)

噪声

滑稽的理论

技术分析

抛硬币

《每周华尔街》的十项技术指标

推特,推特

技术大师

为乐趣和盈利投资的黑匣子

第11章 完胜股市(下)

股市与天气

预留方案

真正的数据挖掘

趋同交易

高频交易

底线

第12章 我们都在监视着你

妊娠预测指标

谷歌流感

机器人测试仪

就业申请

招聘广告

贷款申请

汽车保险

社会信用评分

黑匣子式歧视

不合理的搜查

看看你的手环

你需要整容吗?

摆弄系统

共同毁灭原则

结语

参考文献

版权页

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部