错觉 pdf epub mobi txt 电子书 下载 2025
加里·史密斯
波莫纳学院经济学教授，曾获弗莱彻·琼斯基金奖。他是耶鲁大学经济学博士，曾在耶鲁大学担任助理教授一职长达7年，两度获得教学奖，撰写（或合著）过80多篇学术论文和12本书，包括《数据科学的9个陷阱》《基本统计、回归和计量经济学》《标准偏差：有缺陷的假设，扭曲的数据，以及其他欺骗统计数据的方法》《简单统计学：如何轻松识破一本正经的胡说八道》《运气爆棚？偶然性在我们日常生活中的惊人作用》《货币机器：价值投资出奇简单的力量》。他的研究曾被彭博网、CNBC、《福布斯》、《纽约时报》、《华尔街日报》、《新闻周刊》和《商业周刊》竞相报道。
- 人工智能
- 大数据
- AI
- 统计学
- 经济学
- 2019
- 计算机
- 网络生活
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，但并非一定是朝好的方面发展。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。
具体描述
读后感
评分
评分
评分
评分
用户评价
信息量好大，好多例子，觉得读一遍不太够，希望之后能有时间读第二遍
评分有些批判挺有道理的，例如场景性，数据质量，模型泛化能力，讲了太多 “过拟合” 的例子。要多思考数据/模型的边界在哪里，不要轻信模型的结果。
评分撕下对人工智能的包装，看看计算机的真实面目：计算机没有人类社会的常识，不知道桌子不能飞起来，计算机不知道词语在语句中的含义，计算机的图像是靠像素来识别，以至于难以识别指示牌上的贴纸… 而基于大数据的统计学，害，那更是一言难尽：基于以往数据结果建立起来的模型，禁不起实际考验，而其中的相关关系，可能是完全背离人类逻辑的（而计算机并没有人类常识，所以它不知道它背离了逻辑） 其中说的那句：“谷歌流感”从此再也没有预测过流感。还是震惊到我了，毕竟以前看到的推崇大数据的观点中，谷歌流感的例子是用来支撑“大数据好厉害好神奇”这个观点的。没想到，谷歌流感还有这样的结局… 要想让计算机达到科技小说中的智能状况 大概还要等几百年吧。
评分旧瓶装旧酒，没有什么突出或精彩的观点、论证。作者没有数学和计算机过硬的背景，感觉本书是外行人写给外行人的
评分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。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.wenda123.org All Rights Reserved. 图书目录大全 版权所有