---
schema_version: "library-reader-v1"
source_type: "original_book"
title: "人工智能时代：破解人机共存密码（套装共10册）"
author: null
edition: null
publisher: null
year: null
isbn: "9787521719512"
library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5"
source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced"
pdf_physical_page_count: 3314
pdf_physical_page_index_base: 0
range_start: 380
range_count: 10
html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=380&limit=10"
markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=380&limit=10"
previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=370&limit=10"
next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=390&limit=10"
---
# 人工智能时代：破解人机共存密码（套装共10册）
> 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。
## PDF_PHYSICAL_PAGE_INDEX=380 | PRINTED_PAGE=NOT_DETECTED
在智能风控领域，农业银行的信用分模型和反欺诈模型提供的服务，实现了实时、精准的智能化风控，有效防控了风险。其中，信用分模型可以预测识别出风险客户，比如在自助申请和自动审批的网贷产品“网捷贷”准入场景中识别出92%的不良客户。反欺诈模型在日均7 000万笔的掌银（掌上银行）交易过程中，可提供毫秒级响应的实时监控，每天平均预警交易可达1万笔，有效地保障了交易安全。
以上讲述了4个我亲身参与的行业巨头的案例，其中既有比较传统的银行业，通过人工智能实现成功转型；也有互联网科技业，通过人工智能大规模增加效益。无论在传统行业还是在新兴产业，数据和人工智能都产出了史无前例的商业价值。当然，从数据到价值的跃变涉及方方面面的许多环节，需要相互配合、相互衔接，无论哪个环节出现问题不能有效解决，都会阻碍最终价值的产生，不少人工智能项目也因此以失败告终。我在多年的行业实践过程中，总结出一套行之有效的人工智能方法论——AI思维——来解决这些问题。这几个案例只是一个铺垫，算是了解AI思维的热身环节，后面我们会从概念到实操等各个角度，以及金融、零售等多个行业，具体详细地阐释根据多年行业经验凝练而成的AI思维。
寻找你的“阿尔法”
## PDF_PHYSICAL_PAGE_INDEX=381 | PRINTED_PAGE=NOT_DETECTED
世界的变化越来越快，10年前的许多知识已经被贴上了“落后”的标签；10年前毫不费力空手套白狼的赚钱思维，现在却不再行之有效。我们总在抱怨这个时代的趋势变幻莫测，难以把握，却没有人静下心来寻找问题的根源。其实，问题的根源正在于我们的认知。人类的认知是有局限性的，不仅受到个人知识背景和社会经历的影响，更受制于自身的喜忌偏好。书本上的知识是权威的，但更新太慢，实际操作价值较低。他人的经验看起来颇有一番道理，但每个人的情况不同，别人的经验在你身上也许就失效了。世界变化这么快，我们怎样才能不停地刷新认知呢？
大多数人可能会选择去上编程课或者英语补习班，或者在知识付费的时代中多学几门网课，多加几个“知识星球”，以达到“刷新认知”的目的。但是问题在于，如此获得的知识，大多是碎片化的。也许会有人去读MBA（工商管理硕士），但动辄百万的学费让许多人望而生畏。很多方式是在原本平庸的思维里机械地填充信息，并不会使我们的认知产生质的变化。
要从质的层面去做认知提升，不仅要提升认知能力，还应该转化思维模式。而我们要谈的AI思维，是一种时代前沿的思维模式，也许能够为你提供一种新的路径。AI思维可以在一定程度上解决我们的认知局限性的问题，帮助我们进行认知升级。它不同于目前很多人对人工智能的认知，他们眼中的人工智能等同于机器人、无人驾驶、人脸识别或者语音识别等，但这只是人工智能的具体应用，只是人工智能的冰山一角。我们要阐述的是AI思维，可以说是人工智能的真正精髓，是人工智能冰山的内核，它能够帮助我们找到自身真正的优势，获得真正展现我们个体主动策略优势的超额收益，从而使我们的生活和事业蒸蒸日上。
赫布理论：人脑学习的机制
## PDF_PHYSICAL_PAGE_INDEX=382 | PRINTED_PAGE=NOT_DETECTED
AI思维与人脑思维有些相似，为了让你更好地理解，首先，我们需要知道人脑的学习机制。在各类经验学习的过程中，无论是视觉、听觉，还是更复杂的决策，人脑都有着它独特的思维机制。
为了研究总结大脑的思维机制，加拿大生理心理学家唐纳德·赫布在1949年提出了赫布理论。赫布理论表明，人脑中有许多神经元，前一个神经元通过突触——一个连接不同神经元的结构——持续向后一个神经元产生刺激。在这样的情况下，两个神经元之间的传递效能增加，形成细胞回路；如果这种刺激持续重复，突触传递的效能不断增加，人脑就记住了这两个事物之间存在的联系。比方说，我们在上学的时候，打铃就代表要上课或者下课，也就是说当铃声响起时，一个神经元被激发，而同一时间出现的上课或下课的场景会激发附近的一个神经元，经过多次这样的刺激之后，它们之间的联系会被默认下来，这就是人脑的学习机制。这种学习模式又称作“赫布型学习”，人无时无刻不在接触新的事物，建立事物之间的联系和规律，人的大脑也是无时无刻不在进行着赫布型学习。
宏观上，人们从经验中受到刺激时，人脑就学习到了事物之间的相关性，从而总结出相关的规律。如图1-1所示，经验改变了人脑的回路，通过习得的规律，我们可以快速分类新的问题，从而形成判断乃至做出决策。所以，人类对新问题的判断，来自过往的经验。
## PDF_PHYSICAL_PAGE_INDEX=383 | PRINTED_PAGE=NOT_DETECTED
图1-1 人类习得规律示意图
有人估计过，人脑通过神经元的激活来阅读理解信息的速度是每天1MB（兆字节）左右。然而，信息的产生速度至少是每天2.5EB[2]。所以，人脑通过神经元的激活来处理信息的速度，远远跟不上新信息产生的速度。换言之，我们的认知是有限的，如果你还是以每天1MB的速度来处理信息、解读这个世界，那么注定跟不上这个不断更新的时代步伐。
羊群效应
人脑不但处理信息的速度非常有限，而且常常不经思考便追随大众的想法。经济学里有一个专门描述经济个体从众跟风心理的名词——羊群效应，将人类与羊群遇事的反应相类比。羊虽然看起来也是成群结队，但是十分散乱，最常看到的就是它们毫无目的地左冲右撞。然而在羊群之中，一旦有一只羊先行，其他的羊也会不假思索地跟随，也不管前面是否有狼或者身旁是否有更好的草。反观人类自身，羊群效应所导致的盲从行为往往会让人陷入骗局或遭到失败。每个人的认知都有局限性，做出的判断有可能是不准确的。那么，在羊群效应下的人盲目相信别人的认知，跟随别人的做法，做出来的判断不准确的可能性更大，也不能为其带来收益或者规避风险。
人类的群居性使得与他人的交互成为人类生存的前提。因此，人的认知必然受他人的影响。相应地，人的大脑在处理信息时，会或多或少地受到外部环境的影响。这种影响有时是有意识的，有时是无意识的，往往使得人的认知缺乏客观性，甚至不由自主地从众，得出与周围多数人一致的结论。此外，人的认知还受到自身能力的限制。这种能力一方面体现于人的记忆力，也就是说，成为我们认知的信息基础能有多少；另一方面则体现于已有的技能和工具，以及它们在多大程度上能为我们的认知过程提供服务。
## PDF_PHYSICAL_PAGE_INDEX=384 | PRINTED_PAGE=NOT_DETECTED
正是因为人类的认知存在这些无法避免的问题，思维方法才显得愈加重要。我们的思维决定了我们的认知过程，决定了我们如何从历史经验中形成对当前事物的看法和对未来的预判。我们每天都面临着许多决策：在哪安家落户，和谁共度余生，如何出类拔萃……小的决策也许会影响你一天的心情，大的决策则会影响几年甚至是一生的生活质量。一种好的思维能最大限度地把我们的认知能力从束缚中解放出来，帮助我们做出最优的决策，而AI思维正是这样一种能够解放我们认知能力的强大思维。
AI思维
如前所述，过往的经验确实能帮助我们做决策，尤其当我们不得不基于模糊的信息进行判断时，经验能发挥巨大的作用。然而，在信息爆炸、算法决策高度发达的今天，光靠以往经验做判断、做决策的思维模式已经显现出弊端，掌握着大量数据和科学决策工具的人，早已成为你前面的领跑者。落后于时代的思维，带来的是慢于时代发展的速度，其产生的收益必定比他人低，而且会越来越低。
本质上，人工智能模拟的是人脑，但又不同于人脑。AI思维是从数据产生模型，如果遇到新的输入，人工智能就能通过模型做出准确的预测。AI思维与人脑思维的相似点在于，AI思维也是通过对过往的分析习得规律，得出结论，但是AI思维分析过往数据的过程是不同的。
那么数据是什么？数据是人类经验的数字化形式。如图1-2所示，就像人从经验中获得规律一样，人工智能能够根据数据形成模型。一旦遇到新场景的输入，模型就能做出判断、产生预测。人工智能的这种思维能够充分利用数据，尽量减少主观臆断，以我们想达到的目标为中心，挖掘规律，形成模型，运用模型，产生预测。人工智能就好比一个可预知未来的水晶球，掌握了AI思维，你就可以做出科学意义上最佳的决策，产出前所未有的收益。
## PDF_PHYSICAL_PAGE_INDEX=385 | PRINTED_PAGE=NOT_DETECTED
就像过去的互联网思维一样，在互联网出现之前，一个人只能与周围的几十个人产生联系，而有了互联网之后，与世界各地任何人、无数人产生联系成为可能。而人工智能出现之前，人只能借助过往经验或者周遭环境等有限的信息做出判断；而借助人工智能，人们能够发现和挖掘无数的相关信息和数据来做预测和决策，而做出最优决策也是AI思维的一大特点。从广义上来看，人工智能具有感知、认知和决策的能力。决策就是通过上述模式而产生的，比如在股市中，人工智能可以根据历史数据生成模型，然后来指导股市决策。人工智能的感知和认知功能包括感知图像、理解语言、识别语义信息等，它的逻辑和股市决策是一样的，也是一种预测，只是预测的目标不一样。例如，人工智能在进行人脸识别时，也是根据许多人脸数据生成模型，然后遇到一个新的人脸数据，这个模型就能判断出它是否是特定的那个人脸。
## PDF_PHYSICAL_PAGE_INDEX=386 | PRINTED_PAGE=NOT_DETECTED
在商业世界里有一个名词阿尔法（alpha）收益。经常买基金的朋友应该都知道，阿尔法收益是相对于贝塔（beta）收益而言的，贝塔收益是一种基准收益，而阿尔法收益是在贝塔收益期望之上的超额收益，是积极操作所带来的投资回报。就好比我们理财一样，央行的基准活期年利率是0.35%，就是说我们有1万元放在银行存活期，一年可以赚到35元，而央行年利率提高0.1%，我们就多赚10元钱，这个就类似于贝塔收益。但是我们用这1万元钱去买余额宝、理财通、股票，投资房产，可能收益翻倍，这个多出来的收益，就是我们积极操作所带来的阿尔法收益。1%的阿尔法就意味着比市场带来的投资回报多了1%。毋庸置疑，无论在哪个市场，你都希望能跑赢它，都希望能找到属于自己的正向阿尔法。AI思维的作用就在于它能带着你的认知更上一层楼，赋予你跑赢大盘、产生高阿尔法的能力。
相较于人脑1MB的处理速度，人工智能可以用任意高的算力为你工作，而且不分昼夜，不知疲劳。人工智能的能力和速度，足以帮助我们寻找到梦寐以求的阿尔法。有了人工智能，你还担心跟不上时代变迁的步伐吗？
股市：智能投顾发现阿尔法
传统上，一个金融分析师配一个程序员，就是量化交易在金融公司的常规形式。分析师出策略，程序员把策略转写为代码，输入到交易程序里。但问题在于，策略是分析师自己设计的，它实际上还是一种主观策略。如果在量化交易中投入人工智能，就能使机器自己通过历史数据生成策略模型，进而预测将来的走势，从而寻找金融市场的阿尔法。现在很多的智能投顾，就是通过这样的模式来运作的。
那么让我们来看一下，人工智能是如何在投资顾问领域创造出价值的。英仕曼集团是全球最大的对冲基金公司之一，它从2014年就开始使用智能投顾进行自动交易决策，并且获得了巨大收益。2015年8月，美元暴跌，全球股市暴跌，引发大量抛售。但英仕曼的智能投顾在此之前就洞察了市场，并迅速从下跌中获利。而在美国股市下跌约3%后，该系统又发现了买入的机会，重新回到市场。人工智能参与决策，为英仕曼集团规模最大的一只基金贡献了大约一半的利润。通过AI思维，英仕曼集团在动荡的股票市场中跑赢了其他公司，产出了大量的阿尔法。
## PDF_PHYSICAL_PAGE_INDEX=387 | PRINTED_PAGE=NOT_DETECTED
那为什么英仕曼集团依靠人工智能就能够在惨烈的股市中杀出重围并大量获利呢？具体来说，传统的金融投资还是要靠策略分析师这样的专业人士来做判断，但是由于人固有的认知局限性和经验的限制性，在面对一些大的变动时，也会出现不知所措的情况，这时做出的判断往往有一定的主观性。但人工智能具有强大的计算能力和信息分析处理能力，能够快速准确地分析金融资产在历史上的表现数据和各种外部环境等各种因素，例如宏观经济、就业情况、社媒舆情等，然后根据分析结果预测金融资产的未来表现，从而避免金融分析师决策的主观性和局限性。
房市：美国房产网站Zillow股价两年涨七倍的秘密
杜甫诗云：“安得广厦千万间，大庇天下寒士俱欢颜。”中国人自古以来就讲究安土重迁，对房子钟情千年。不论经济发展如何波动，房价不但居高不下，还一路水涨船高。不论别的行业发展如何不景气，人们对于买房的热情毫不衰减。房子对于人们的重要性不言而喻，房子是人生的一笔重要投资这件事也毋庸置疑。所以，选房和买房也要寻找房屋市场的阿尔法。
在买卖双方的房地产交易市场上，什么东西是最重要的？毫无疑问是全面而准确的房产信息。在传统的房地产中介业中，由于房主不清楚自己房屋的市场价值，买主也不是很了解理想房屋的实际价值，房屋买卖市场的买家和卖家都一头雾水，十分茫然。中介公司便利用这种信息不对称从中抽取丰厚的佣金。这种情况持续了多年，直到2006年，一家房产网站Zillow横空出世，在美国一上线便引发了轰动。因为它提供的房屋价值评估业务，解决了房屋买卖市场这种信息不对称的问题，并给予客户充分的知情权，这在一定程度上颠覆了传统的中介业。
## PDF_PHYSICAL_PAGE_INDEX=388 | PRINTED_PAGE=NOT_DETECTED
Zillow的房屋价值评估业务是凭借其自行研发的人工智能系统建立起来的，其具体运作过程如下：利用Zillow上的房屋估值系统Zestimate，可以了解到房屋的地理位置、建筑面积、卧室数量、卫生间数量、房屋照片、周边环境等多维度的数据，再结合类似房屋的价值范围、历史价格、价格折扣、价值波动等数据，通过人工智能模型，计算出房屋目前的市值以及未来的升值空间。对于房主来说，他们可以清楚自己房屋的估值，对于自己的房屋有一个合理的定价和预期，而对于买家来说，他们也能够以合适的价格买到称心如意的房屋，形成共赢的局面。
目前，Zillow公司已经运用这些模型为超过1亿个美国房屋提供了房屋估值。《华尔街日报》曾将Zillow的估价和美国1 000个房屋的实际售价进行比较，结果显示，两者的中值偏差为7.8%，接近于Zillow自己估算的7.2%。这就是AI思维的一个实例，从中我们也能看到人工智能的优势，不仅可以处理大量复杂、凌乱、看似没有规律的数据，也可以避免一些人为的主观因素，做出客观的最佳决策。
婚事：约会和恋爱的科学决策
柏拉图说过，每个人都被上帝分成了两半，被分开的人太多了，我们很难找到正确的另一半，但是我们仍然想找寻到称心如意的人生伴侣。有人相信缘分，但如果每天宅在家里，社交圈不大，可挑选的范围也必然受限。随着互联网的发展，人们的交流渠道拓宽了，又出现了新的交友方式——在线约会。新事物的产生又伴随着新的问题。
## PDF_PHYSICAL_PAGE_INDEX=389 | PRINTED_PAGE=NOT_DETECTED
互联网时代在线约会的核心问题在于可挑选的对象太多，用户常常不知道谁是对的人，不知道到底该从何开始。这时，为了帮助用户更好地找到称心如意的对象，提供智能匹配就显得尤其重要。
以前提供这种匹配服务的是传统的媒婆，但是媒婆手里的单身人士数量是有限的，也就是说，她的用户数量很少，所以她可以对这些用户的信息了如指掌，可以轻松地对这些用户的信息进行评估，然后给每个人提供一个最佳匹配。然而，当我们处理数百万的用户信息时，在一个超大的候选库里选择最佳的约会对象时，人工的判断就显得不现实，而且也不那么准确了。因此，在数据大爆发的现在进行婚配，我们十分需要借助AI思维来为用户找到最有可能的匹配。
美国的婚恋网站eHarmony开发了一种基于人工智能的智能匹配系统来解决这些问题。那智能匹配是什么呢？简单来说，就是通过掌握的约会人的信息来评估不同人之间的约会相容性，从而建立起相应的匹配。你可能会对“约会相容性”这个词有疑问，约会相容性指的是约会双方的相似度以及二者相互接纳的满意程度。建立在约会相容性基础上的匹配约会，有最大的可能性获得成功，并获得长期的满意度。
那这个智能匹配系统是如何运行的呢？首先，根据相容性分级来减少潜在匹配池。相容性分级由用户提交的心理自测结果以及年龄、所在地等构成，若用户之间出现年龄意向不符合或者所在地相隔太远等情况，就会从彼此的匹配池中删除，为以后的匹配削减一些不必要的信息。其次，基于文本、图像和其他维度的统计数据等，通过人工智能生成潜在人选之间的相容性。最后，相容性低的人就会被筛选掉，相容性高的人就会被匹配到一起，这样就可以为每位用户找到最佳的约会人选。婚恋行业大量的数据表明，即使在婚恋这个看似非常主观的领域，人工智能也能为它服务的人群带来阿尔法。
也许你以为自己不可能摆脱“羊群”，不敢与众不同；也许你以为自己只能成为一波又一波的“韭菜”，面对股市一片红海畏缩不前；也许你以为自己打拼半生，也买不到一套合适的心爱的房子；也许你以为你终其一生也找不到属于自己的合适伴侣，只能随随便便找个人将就。但看完这本书你会知道，这些都是你的“以为”，都是你认知的局限性。或许，在五年前、十年前，这些“你以为”是真的，但现在，有了人工智能，有了AI思维，我们就能突破认知的天花板，跟上时代的步伐，找到属于自己的阿尔法。
下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=390&limit=10)