【噪声这本书怎么样】越来越关注算法决策中的偏见,但是,在得出关于算法的一般性结论之前,我们应当记住某些算法不仅比人类判断更准确,而且也更公

  • A+
所属分类:精英日记
       

本文选自 丹尼尔·卡尼曼新作《噪声》,扫上面码免费领电子书

越来越关注算法决策中的偏见,但是,在得出关于算法的一般性结论
之前,我们应当记住: 某些算法不仅比人类判断更准确,而且也更公

为什么我们不更多地利用规则

通过这一简短的机械性决策之旅,我们总结出,各种规则之所以
会超越人类判断,有两个原因。首先,如第9章所述,不仅仅是最新的
和更为复杂的技术,所有机械性预测技术都能显著改善人类的判断。
个性化的模式和情境噪声的结合会极大地影响人类判断的品质,因为
简单的规则和无喉声是提高决策品质的关键。明智的简单规则比人类
的判断要好很多。

其次,当数据足够丰富时,我们可以用复杂的人工智能技术找出
有效的模式,并使其预测力远超简单模型。这些模型相对于人类判断
的优势在于,它们不仅没有噪声,而且还具有利用更多信息的能力。

既然算法具有如此多的优点,得到大量证据的支持,那么为什么
我们在本书中讨论的各种类型的专业判断,没有广泛地使用算法昵?
尽管对算法和机器学习的讨论很热烈,但人们对它们的使用仍然很有
限〈一些特定领域除外) 。许多专家不关心诊断性判断与机械性判断
熟优熟荔,而是相信自己的判断。他们对自己的直觉充满信心,并对
机器能否做得更好持怀疑的态度。他们将算法决策视为不人道的,认
为使用算法是一种放弃责任的表现。

尽管算法决策已取得了令人瞩目的进步,但是在诸如医学诊断等
领域,使用算法仍然不是惯常的做法,也很少有企业在招聘和晋升决
策中使用算法。好莱坞电影制作公司的高管们是根据自己的经验判断
而非公式来选择拍摄哪部电影的,图书出版商也在做同样的事情。而
且,正如迈克尔。刘易斯(Michael Lewis ) 的畅销书《点球成金》(Coneyba77) 所讲述的那样,人们之所以对阁迷于统计的奥克兰田径
队的故事印象深刻,恰怡是因为算法在运动团体中的运用是一种例外
而非常规。即使在今天,教练、经理人以及与他们共事的其他人通常
也更相信自己的直觉,并坚持认为统计分析不可能取代人类自身良好
的判断力。

梅尔和他的合著者在1996年的一篇论文中,列举了精神科医生、
医师、法官和其他专业人士反对机械性判断的至少17种理由,并对这
些理由进行了驳斥。他们得出的结论是,需要结合社会心理因素来解
释临床医生对这类判断的排斥,这些因素包括“对技术性失业的恐
惧”“了解丰足”和“对计算机的普遍厌恶”。

从那时起,研究人员已经确定了导致这种排斥的其他因素。我们
不打算在这里对该研究进行完整的回顾,本书的目标是为改善人类关
断提供建议,而不是像弗兰克尔法官那样,主张“用机器取代人

但是,关于哪些因素会导致人类抵触机械性预测,其中的一些发
现与我们对人类判断的讨论有关。最近的一 ER 个重要观
点, 人们对算法并非全盘否定。 例如,当

间 门通党会j

对算法的抵制或民下并不代
表一 味地和维采用新的生计工具, 人们愿意给算法机会,面一旦

现它会 会 它。
这种反应似乎是明智的: 为什么要在你不信任的算法上浪费精力
呢? 作为人类,我们敏锐地意识到自己会犯错误,但这是我们不准备
分享的特权,我们希望机器是完美的,如果机器不完美,那就丢弃
它。
由于存在这种直觉性的期望,人们仍可能不信任算法,而继续相
信自己的判断力,即使自己的判断明显不尽如人意。这种态度是根深

关于思考快与慢测试相关推荐:

噪声 书评,丹尼尔卡尼曼nature,丹尼尔卡尼曼系统一系统二

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: