0228《人机平台——商业未来行动路线图》——安德鲁·麦卡菲(1)

第一部分 人脑与机器

01 最难接受的事

1、系统1快速、自发、事关小脑皮层，不怎么费脑力，它与我们所说的直觉密切相关。系统2则相反，它是缓慢、有意识的，事关大脑皮层，很费脑力。

2、系统2通过学习数学或逻辑课程而改进，而系统1则通过谋生计、理解实例变得更自如、更广博。

3、让人们发展、行使自己的直觉和判断力，做出明智的决定，让电脑做好计算和记录。

4、即使是高度优化的数据驱动系统也未臻完美，当输入的数据有质量缺陷时尤其如此。

5、仔细选择正确的数据输入和正确的绩效指标，特别是整体评估标准，是成功的数据驱动决策者的一个关键特征。

6、任何系统都可能会出错，都有偏见。因此，我们的目标应该是选择使偏差和错误最小化，并能够使之轻易快速被纠正的方法。

7、预测未来的最佳方式就是创造未来。从小处着手，步步为营，获取反馈，在必要时进行调整，而不是根据自以为是的预测结果，对遥远的事物自行其是。

8、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。

9、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。

02 最像人脑的机器

1、机器学习终于兑现了早期的承诺并完成了有用的工作，它是打造通过建立和观察多个实例来检测模式并制定取胜战略的软件系统的艺术和科学。

2、机器学习系统越来越大，它们在运行速度越来越快、越来越专业的硬件上运行，能够获得更多数据，容纳改进的算法，因此变得越来越好。所有这些改进都在发生，所以机器学习正在迅速发展。

3、神经网络在标识了学习实例的监督性学习方面最为成功，但在无监督学习方面进展甚微，而后者则是人类了解世界的主要途径。

4、监督性学习非常适合把目前由人工完成的许多工作自动化，特别是在模式匹配、诊断、分类、预测和推荐等方面。机器曾经对视觉、语音识别等功能束手无策，但目前在许多领域表现出与人类相当的水平。

5、机器学习系统（和所有其他形式的人工智能）仍然缺乏常识。

03 你好，机器人

1、目前涉及人工的许多业务流程正在虚拟化，它们正在转向数字化渠道，所需人手更少。在通常的情况下，唯一涉及的人是客户。

2、有些人会继续自我选择人与人之间的互动，但我们相信，虚拟化是一种长期趋势，随着机器获得更多的能力，这一趋势通常会与日俱增。

3、随着机器学会观察以及数字化在其他许多方面的进展，机器人正在经历“寒武纪爆发”。机器人、无人机、自动汽车等各种自动化的机器同时变得更加便宜，更加容易获取，更加有能力，更加多样化。

4、机器人“寒武纪爆发”的驱动因素包括数据、算法、网络、云端以及指数级改进的硬件，简称“DANCE”。

5、机器人及其同类将越来越多地被用于沉闷、肮脏、危险和代价高昂的工作。

6、人仍然比最先进的机器人更加敏捷，更加灵巧，未来一段时间里可能还会如此。人的这些能力，再加上人的感觉和解决问题的技能，意味着我们将在许多环境中与机器人并肩工作。

7、3D打印本身很重要，它也例证了更广泛的趋势，即数字化工具正在传统制造过程中传播。这是创新本身导致更高速创新的一个例子。

04 技术与人性

1、电脑现在可以做更多满足大多数创意所定义的事情，如谱写乐曲、提出有用的科学假说，等等。

2、数字化的创作者经常会提出与人类大不相同的解决方案。这是一件好事，因为观点的多样性往往会导致更好的结果。

3、电脑仍然不能真正了解人类的情况，因为它们没有以人类的方式体验世界。

4、创意工作是人脑和机器的新组合中最富有成果的领域之一。一种有前途的方法是让机器接管“繁忙的工作”，并生成可供人们扩展和改进的初步方案。

5、数字化技术在满足人类的大多数社会驱动力方面做得不好。所以，在未来一段时间内，利用这些驱动力的工作可能会继续由人来完成。这类工作包括那些需要同情、领导、团队合作和指导的任务。

6、随着技术的进步，高级的社交技能可能比高级的定量分析能力更有价值。将社交技能与定量分析能力相结合的能力往往会得到最大的回报。