错觉：AI如何通过数据挖掘误导我们

豆瓣评论

  • ⠀
    没什么深入的东西，作者主要试图对ai过热的外行崇拜进行降温；后半部分经济学的内容比较多。阐述相关性和因果性案例的部分可以看看。2021-05-04
  • rainbug
    数据越多，发现无意义模式的概率就越高。2019-12-10
  • BrianGao
    人工智能并非真的具有智能，成功与否还取决于人工，即算法的设计。不能盲目迷信大数据，批判性思维是人类独有的能力，要善加利用。2020-03-21
  • SimpleLine
    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。2020-02-14
  • 紧张的散步
    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。2020-02-02
  • 落葉知秋可烹茶
    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。2021-01-10
  • 拿破轮胎
    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。2020-04-29
  • J.
    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。2019-12-04
  • 比远方更远
    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……2019-12-03
  • 老公鸟
    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-_-2019-12-31

热门推荐

声明：本站不产生/存储任何数据，所有资源均来自网络。