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”。
1700550130
1700550131
[9]正如乔纳森·海德特在他所著的《象与骑象人：幸福的假设》中所说，“人们很容易编造理由来解释自己的行为，这一发现被称为‘虚构’。虚构常常伴随着裂脑患者和其他脑损伤人士，心理学家迈克尔·加扎尼加用‘解释模块’表示大脑左侧的语言中心，其工作是当场解释自我所做的事情，当然它无法得知自我行为的真正原因或动机。举例来说，如果‘走’字在大脑的右半球闪现，患者就可能站起来走开。当被问到为什么站起来时，他可能会说：‘我要去拿一杯可口可乐。’解释模块善于编造理由，但它自己都不知道已经编出来了”。Jonathan Haidt. The Happiness Hypothesis: Finding Modern Truth in Ancient Wisdom(New York: Basic Books, 2006), 8.
1700550132
1700550133
[10]这些信息来自人们同意安装在家中的机顶盒。
1700550134
1700550135
[11]由第三方处理匹配过程以保护隐私，奥巴马竞选团队和评级公司不会看到彼此的名册。
1700550136
1700550137
[12]关于Uber在巴黎恐怖袭击期间继续高峰定价的谣言四处传播。
1700550138
1700550139
[13]实际上，在一项实验中，心理学家塞巴斯蒂安·博巴蒂拉–苏阿雷兹（Sebastian Bobadilla-Suarez）及其同事发现：即使人们得知自动化决策能使他们在整体上挣得更多，他们还是愿意为了保住资金分配的决策权而付出代价。人们喜欢决策的权力。Sebastian Bobadilla-Suarez, Cass R. Sunstein, and Tali Sharot, “The Intrinsic Value of Control: The Propensity to Under-delegate in the Face of Potential Gains and Losses.”SSRN, February 17, 2016. https://papers.ssrn.com/sol3/papers2.cfm?abstract_id=2733142.
1700550140
1700550141
[14]菲利普·泰洛克在该领域撰写的作品《超预测：预见未来的艺术和科学》由中信出版社于2016年7月出版。——编者注
1700550142
1700550143
[15]“狐狸和刺猬”也是哲学家以赛亚·柏林（Isaiah Berlin）的一篇文章的标题，该文将历史上的思想家分为两类：在整个职业生涯中孜孜以求一种大思想的人，以及那些探索许多不同想法的人。
1700550144
1700550145
1700550146
1700550147
1700550149
人机平台：商业未来行动路线图 02 最像人脑的机器
1700550150
1700550151
我相信到20世纪末，词汇的用法和一般教育理念会发生很大改变，因此那时将可以谈论机器思维而不再怕造成矛盾了。
1700550152
1700550153
艾伦·图灵（Alan Turing），1950年
1700550154
1700550155
我们刚刚开发数字化电脑时，就尝试让它们像我们一样思考。从一开始就显而易见的是，电脑对于进行常规数学计算非常有用，但这并不稀罕。毕竟，人类一直在开发计算的机器，远在公元元年之前，就有了日本和巴比伦的算盘，以及神秘的希腊安提凯希拉机械装置。[1]
1700550156
1700550157
令人耳目一新的是新式数字化电脑的编程能力，也就是让它们执行任意复杂的指令。[2]正如我们在前一章所看到的那样，电脑程序是执行算法的理想选择，它们是用于完成任务的精确的、按部就班的指令。但许多学科领域中的卓越思想家很快就开始尝试让这种新机器做更多事情，而不仅仅是“萧规曹随”。这些先驱想要创建一个自主的软硬件组合，换句话说，它可以和人类一样进行推理，从而变成人工智能。
1700550158
1700550159
分叉的人工智能
1700550160
1700550161
达特茅斯学院的数学教授约翰·麦卡锡（John McCarthy）将人工智能定义为“制造智能机器的科学与工程”。他于1956年在校园举办了第一次专题研讨会。几年之后，该领域最大、最为持久的争论开始了。要了解它本身及其重要性，我们可以考虑小孩子学习语言的方式与大多数成年人学习第二种语言的方式之间的区别。
1700550162
1700550163
本质上，孩子们通过倾听学习一门语言。他们听周围的人说话，吸收一些组成语言的词语和规则，然后在某个时间开始说出自己的话。他们说错时得到反馈和纠正，最终，他们变得善于处理用人的口吻说话这么一件困难的事情。
1700550164
1700550165
成人学习者则知道这件事有多难。当他们开始掌握第二种语言时，马上会面对一堆规则：把代词放在句子的什么地方，用什么介词，动词如何变化，名词是否有性别之分，如果是的话，又有多少，如何区分主体和对象，以便我们知道是狗咬人还是人咬狗，等等。记忆词汇很难，而使大多数成人语言学习者咬牙切齿的，是诸多复杂的、偶尔不一致的规则。
1700550166
1700550167
幼儿牙牙学语不需要明确的规则指导。[3]大多数成年人不能在没有规则的情况下学习。当然，这两种方法有一些重叠，很多孩子最终会修语言课，而大人们也会耳熟能详，但两者毕竟截然不同。幼儿的大脑专门用来学习语言：他们用统计原理来辨别语言模式。[4]例如当妈妈谈论自己时，她用“I”作为主语，并把它放在一句话的开头，她用“me”作为宾语并放在后面。大人的大脑是不同的，因此他们在学习新的语言时通常明确地学习规则。
[
上一页 ]
[ :1.700550118e+09 ]
[
下一页 ]