1700550080
1700550081
本章总结
1700550082
1700550083
• 历时20年的人机标准伙伴关系往往过于重视人的判断、直觉和本能。
1700550084
1700550085
• 为什么人类的判断经常如此糟糕呢？因为快速、不动脑筋的“系统1”式推理方式受制于许多不同种类的偏见。更糟糕的是，它出错时不能自知，而且它劫持理性的系统2，为其草率的判断提供令人信服的理由。
1700550086
1700550087
• 很明显，如果可以选择的话，与依靠有经验的人类专家的判断相比，单纯依靠数据和算法通常会得到更好的决策和预测。
1700550088
1700550089
• 现在由人类做出的许多决策、判断和预测都应该转交给算法。在某些情况下，人应该留在决策过程中，提供常识方面的检查。在其他情况下，他们应该完全退出决策过程。
1700550090
1700550091
• 在其他情况下，人的主观判断仍会被用到，若用在翻转的标准伙伴关系中：判断应该被量化，并被纳入定量分析。
1700550092
1700550093
• 决策流程应该基于正确的目标和明确的指标，为做出最佳决策而建立，而不应因决策者自我感觉良好而定。
1700550094
1700550095
• 算法远非完美。如果基于不准确或有偏差的数据，那么它们就会做出不准确或偏倚的决策。这些偏见可能是微妙的、无意的。算法的应用标准不在于其是否完美，而在于它们是否优于相关度量上的可替代方案，以及它们能否随时间而改进。
1700550096
1700550097
• 随着技术的普及，我们有机会超越标准伙伴关系，以及使其摆脱对HiPPO人士的过度依赖并朝着更受数据驱动的决策发展。数据显示，这样做的公司通常比不谙此道者具有重大的优势。
1700550098
1700550099
• 能够从多个角度来看待问题的人，能够有效迭代和实验的公司，都是时代的佼佼者。
1700550100
1700550101
问题
1700550102
1700550103
A 你是否系统地、严谨地追踪所在组织中由人和算法所做出的决策、判断和预测的表现？你知道哪些方面做得好吗？
1700550104
1700550105
B 在你的组织中，HiPPO人士最常见的决策在哪里？为什么是这样？
1700550106
1700550107
C 你在什么地方有过这样的机会：将标准合作伙伴关系掉转过来，从而将人的主观评估纳入数据驱动的分析，而不是与之相反？
1700550108
1700550109
D 一般来说，你认为算法和人哪一个更易产生偏见？
1700550110
1700550111
E 你觉得更有说服力的是“狐狸”还是“刺猬”？
1700550112
1700550113
F 你所在的组织是倾向于开展少数长期的高风险项目，还是开展大量更具迭代性的短期项目？
1700550114
1700550115
[1]1英尺=0.304 8米。——编者注
1700550116
1700550117
[2]企业信息系统很快因其多种应用（名称为三个英文单词的首字母组合）而广为人知，包括ERP（企业资源规划）、SCM（供应链管理）、CRM（客户关系管理）和HRM（人力资源管理）等。
1700550118
1700550119
[3]或者更准确地说，是几种软件。即使是最自信的企业软件供应商，也不会说单一的系统足以满足一家公司要做的一切。
1700550120
1700550121
[4]英国伊丽莎白女王于2004年授予伯纳斯–李大英帝国爵级司令勋章，以表彰他实质上发明万维网。安德森是2013年首届伊丽莎白女王工程奖获奖者之一。
1700550122
1700550123
[5]卡尼曼是第一位被授予诺贝尔经济学奖的非经济学者，以此表彰他的工作。
1700550124
1700550125
[6]“系统1”和“系统2”是特意挑选的中性、平淡的标识，以免引发长期存在的围绕其他术语的分歧和辩论。
1700550126
1700550127
[7]本森在休陪产假时研究了维基百科的认知偏见清单，然后提出了这一分类方法，并将其发表在“生活黑客”博客Better Humans上（http://betterhumans.net）。这是源自在线大众的洞察力，我们将在本书第三部分详细讨论这一现象。
1700550128
1700550129
[8]它有一个奇怪的名字叫“apophenia”。统计和机器学习的模型可能会犯同样的错误，通常被称为数据的“过度耦合”。
[
上一页 ]
[ :1.70055008e+09 ]
[
下一页 ]