《AI极简经济学》第九章

本章讨论机器如何学会预测人类的判断，以及这种能力的局限。

本章讨论机器如何学会预测人类的判断，以及这种能力的局限。

机器可通过观察大量人类决策的例子来学习预测“人类会怎么做”，从而替代人工编码。例如，Waymo通过训练让自动驾驶汽车学会平稳刹车；Grammarly借助专家修正过的语料库和用户反馈来预测编辑的修改；旅游公司Lola通过观察预订样本，发现人类中介自己也难以言明的偏好；会议助理X.ai则由人类训练员复查、校验其回复，使其逐步减少对人工的依赖。

然而，机器预测人类判断的能力受限于数据。人类拥有三类机器难以获取的数据：强大的感官体验、个人偏好（企业需付费获取，如会员卡折扣、免费服务换广告数据），以及因隐私而不愿公开的信息。此外，机器不擅长预测罕见事件或“未知的未知”，人类则能通过类比处理此类情况。面对“未知的已知”（因果推断），人类可用实验或建模解决。机器在情况足够多时也能做实验，但在缺乏数据、无法实验时，建模仍依赖人类——如二战中统计学家沃尔德通过分析返航飞机弹孔分布，推断应加固无弹孔部位，因为被击中该处的飞机未能返航。这类理解数据生成过程的建模能力，是可预见将来预测机器所不具备的。