雅书

原来只要量大，无意义的随机数中也可以很容易地发现相关性较高的关系-_-

还可以，但这本书更像是在讲“有哪些扯淡的研究”，突然想到学术界对过度看重定量研究的一些批评。

作者怕不是段子手附体。前半挺有意思的，后续有点疲软，观点用尽。看完我只是对书中提到的那位知识发现教授念念不忘，想看他俩撕逼。

可终于看完了...里面举的例子也太多了，来来去去无非就是那几条道理，但却用了一整本书来解释，作者用随机算法编造数据都编了好几章

神化由“错觉”推动，错觉由“数据”误导，数据由“AI”挖掘，AI被“神化”赋能……在由从数据到相关性再到模型的思维定势主导下所形成的完整闭环，不断地被强化、复制、放大，最终成为一个个遮蔽自我的神话，愈行愈远……

关于人工智能累积的困惑得到了解答。人工智能对比人类智能目前最大的区别就是没有通用智能，不能在多种情景下灵活运用它已知的东西。了解过很多提高人工智能的方法都是在经验学习的基础上提高，但始终不具备思考的能力，对事物没有常识性的感知，没有对数据来源好坏的判断。如果不是质的突破，人工智能的过度热捧不定会是下一个泡沫。任何用人工智能去取代人类思考能力的工作都要特别谨慎，尤其是研究人员，经常看到日新月异的研究结果只是单一依赖于数据的相关性，有的还是一流的研究杂志。格雷厄姆曾经说过，股市就是投票机，不对统计模型的合理性加以思考，依赖用AI来判断，只会制造效率更高的投票机。

#数据挖掘、模型、机器学习算法会误导的根本原因：意义本身来自人自身，这是机器目前或者永远不能给的。当然作为工具它们可以做我们的🚴‍♀️，用处很大，作者说的金融工程师4种类型，非常实在。 #沃森没被爆出来玩不下去前一直被我当作一个鉴别杠杆：能理解IBM某种程度是欺诈的，迟早玩不下去的一般技术理解力还是在线的。 #比较不能苟同的是：作者认为计算机做的这些都不是真正的智能。做人还是要实在一点，不能每次计算机解决了什么问题，就把这个问题说成“不是真正的智能”，是的，也许不是AGI，但是人类中知识也有很大一部分完全是概率性、知识性的，并不能说机器发现的知识都是偶然。

有的例子比如开篇的阿达耽误希拉里的问题，我对真实性比较怀疑🤨不过计算机本质还是计算，只是算的快慢多少的差别而已，而决策这种事儿确实有很多不可控因素。

1、目前的人工智能其实并不“智能” 截止目前为止，计算机只是比人类计算更快、记忆力更好。但是，最大的问题，目前的人工智能在常识性、自动识别、逻辑推理能力方面，都还很弱。 计算机的算法，都是人工设计的，也因为如此，不管有意无意，这些算法会存在漏洞或考虑不周，而这些问题，在非正常情况下，会造成和预期不一样的结果。某些情况下，如自动驾驶时，这些结果可能导致严重的后果，如撞车。如自动翻译，由于缺少上下文的理解，有时会有啼笑皆非的翻译结果。 2、人类趋利的本性导致技术的错误使用 其一，得州神枪手谬误1：瞄准数百个目标，只报告那些击中的情况。 其二，得州神枪手谬误2：找到一个模式，然后为其编造解释。

原来是统计学相关读物哈～

一般般

举例子么？大概就只是想说AI对人的影响力。

书的主题还是挺吸引人的，不过内容太水。果然还是不能迷信大数据或是AI，需要自己独立思考啊！

退

关于在数据中寻找模型和规律的方法的确需要谨慎，特别是对数据挖掘下的新理论的强行解释

感觉一般般

过度的数据挖掘会导致出现任何想要的结论，只要数据量足够大就能挖掘出各种规律，过度拟合也应当避免。

滥用及过分依赖大数据的案例分析集合。使用工具的人别被工具带着走。

前三分之二太啰嗦了，大意是通过挖掘数据和模型来倒推解释和结论，会导致误判很多只是短暂相关的情况，即便和选用的数据吻合，也无法预测未来。 最后三分之一提到在招聘、犯罪学、军事等领域完全依赖人工智能会导致的歧视（黑匣子）、隐私侵犯、摆弄系统等问题，这部分的反思（尤其是歧视）还挺有意思的。

感觉数据挖掘想挖掘一些人类无法发现的现象，但是又无法通过具体显示原因解释，所以就不断堕入谬论。全书从头到尾都在举不同的例子说明，计算机的算法无法理解现实的真正意义。有一点很奇怪的是，难道数据能模拟出市场的随机性就说明市场是不可预测的么？书里用的例子似乎好几年前的，当时没有特别完善的数据挖掘技术，理论和计算能力也还不足，但是不能否认今天的技术已经进步很多，虽然还并不能完全像人类一样。