《AI极简经济学》第八章

本章论述了预测与判断的分工：机器负责预测，人类负责判断——即权衡不同行动在不同情境下的相对回报。

本章论述了预测与判断的分工：机器负责预测，人类负责判断——即权衡不同行动在不同情境下的相对回报。预测越廉价准确，需要人来判断的机会反而越多。

以信用卡盗刷检测为例：发卡机构需预测交易是否为盗刷，进而决定授权或拒付。即便预测有误，公司仍须权衡拒付盗刷的补偿成本与误拒合规交易导致的客户流失，这个权衡就是判断。随着AI能结合个人历史数据更精准地识别盗刷，误判减少，公司便可把判断直接写成规则（如"是盗刷就拒付"），实现决策自动化。但判断本身有认知成本：结果组合越多，弄清每种损益所需的时间和精力越多，人们只能对罕见情形猜测或采用默认设定，或通过实验来学习回报。

书中以导航软件Waze为例，说明机器能预测路线速度，却难以编码司机加油、休息、偏好路况等主观目标，人类仍需推翻机器建议。初创公司AdaSupport则展示了两种路径：简单问题可预先写入判断代码，复杂问题仍交由人处理。作者将"根据预测确定各行动回报"的工作称为回报函数工程，它既可能在预测前硬编码（如自动驾驶），也可能等预测出来后再由人评估。在线招聘平台ZipRecruiter的定价实验即属后者：公司通过随机定价测试客户反应，权衡短期利润与长期客户流失，最终决定提价。只要回报仍需人类权衡，预测机器的进步就会让判断和回报函数工程更加重要。