基于数据的大规模训练以及随之而来的自适应反馈，与个性化学习相结合，激发了市场显著提高效率的潜能。自适应机器学习系统可以减少决策过程中认知偏差对我们的影响，同时它仍然允许我们做真实的自己。这是因为，自适应机器学习系统依赖大量的用于初始训练的数据，这些数据代表了非常广泛的个体反馈信息。尽管每个人都会有一些独特的认知偏差，但是来自不同个体的大量信息，可以降低那些极端偏差出现的可能性。虽然我们的个人偏好所隐含的认知限制不会消失，但是系统可能会帮助我们回归均值如果我们希望如此。
随着反馈机制的发展，自适应机器学习系统可能会做到从偏差较小的资源中识别出个人偏好数据，而且给予这部分数据更高的权重。毕竟，与人类不同，自适应机器学习系统能够学到的东西是没有边界的。最终可能会出现一种已经预先安装了一套强大、全面的个人偏好优先级的系统—一种聪明的、平稳的决策代理，当你不相信自己的判断时，它就会介入。但是，它也可以通过观察我们的决定，以及我们对系统的建议所做出的反应，来适应我们特定的个人偏好（还有我们的偏见)。随着时间的推移，这样一个系统可能会变得更像我们自己。该系统也可以通过分析我们对其决策建议的反馈，默默地认识到它到底需要与我们有多少相像：当它试图转变我们的偏见时，如果我们表示愿意接受，它就会注意到；反之亦然。简言之，这样的系统可以在两个领域为我们提供最优选择：让我们既能够了解并遵循自己的个人偏好和优先顺序，也可以让我们从成千上万名其他市场参与者那里学习到决策技能。
第4章 市场的复兴
079