市场不仅会受到集中化的负面影响，而且会在许多市场参与者做出同样错误决定的时候，受到负面影响。比如，在许多参与者受到同一偏见的影响时，它们也会犯同样的错误。虽然市场决策是分散的但决策者仍然是人，是具有相似认知限制的人。正如我们在第四章中所建议的，这些学习系统将会在我们想要的程度上，帮助我们克服一些困扰我们的偏见，使海量数据市场不太容易受到体系性的错误决策影响而导致崩溃。比起传统货币市场，这是一个显著的改善。
但是，这不仅需要机器学习系统运转良好，而且需要它们彼此足够独立。这是一个至关重要的要求。想一想，如果自适应数据驱动的机器学习系统为我们提供的交易决策，都是由一个或者少数几个供应商提供的，那么会发生什么事情？这些供应商会更全面地影响市场决策，而且比我们过去经历过的任何市场集中化更不透明。如果海量数据市场的致命弱点，是帮助我们做出决策的自适应系统可能会带来集中控制的危险，那么我们必须坚决防止被一个或少数几家公司操控以免出现我们不得不接受商业“老大哥”控制的局面。
我们的警惕性不应该只停留在操控问题上。即使提供决策支持系统的公司完全出于好意，但是海量数据市场结构中嵌入了哪怕一个独立的故障点，也会使他们（和我们）特别容易受到来自外部的攻击。这就好像我们每个人都只驾驶同一类汽车：当我们发现有人对这类汽车的刹车系统动了手脚时，我们该怎么办？法航447号航班的飞机是空中客车，而现代空中客车飞机上的所有飞行电脑都会出现同样的反应。在那次可怕的事故之后，所有驾驶空中客车飞机的飞行员都开始被要求接受训练，来学习正确理解失速警告到底在警告什么，以及警告是什么时候发出的。我们所使用的系统的同质性放大了系统的缺陷，并可能成为整个系统的安全隐患。
数据资本时代
168