人工智能时代：破解人机共存密码（套装共10册）

错

DELLSION

AI如何通过数据挖掘误导我们

大数据、坏数据、假数据充斥着我们的生活

√以相关关系取代了因果关系

中信出版集团

错觉

——AI如何通过数据挖掘误导我们

[美]加里·史密斯 著

钟欣奕 译

中信出版集团

引言
第1章 智能还是服从
井字游戏
国际跳棋
第2章 盲从
思考之源和思维之火
计算机是超人吗？
将时间考虑在内
识别像素与产生情绪
批判性思维
图灵测试
第3章 无语境的符号
翻译软件与理解语言
威诺格拉德模式挑战赛
计算机能阅读吗？
计算机能写作吗？
在语境中理解事物
猫与花瓶
第4章 坏数据
自我选择偏好

目录

相关系数并非因果关系
时间的力量
幸存者偏差
假数据
识别“坏数据”
第5章 随机性模式
数据挖掘
黑匣子
大数据、大电脑、大麻烦
利益冲突
天生就会被骗
为模型所惑
第6章 如果你拷问数据的时间足够长
孟德尔的豌豆研究
得州神枪手谬误
数据挖掘者
拷问数据
倒摄回忆
金钱启动效应
寻找就会发现
微笑曲线
从卓越降为优秀
攻击性和吸引力
达特茅斯三文鱼研究
骗子，骗子
第7章 无所不包的“厨房水槽法”
预测总统大选
非线性模型
第8章 新瓶装旧酒
逐步回归法
岭回归法
数据规约
神经网络算法
被数学蒙蔽双眼
第9章 先吃两片阿司匹林
明早再给我打电话
我要再喝一杯咖啡
远程治疗
癌症群
最有理有据的疗法失效了
疾病诊断和治疗中的数据挖掘
糟糠过多，精粹不足
第10章 完胜股市（上）
噪声
滑稽的理论
技术分析
抛硬币
《每周华尔街》的十项技术指标
推特，推特
技术大师
为乐趣和盈利投资的黑匣子
第11章 完胜股市（下）
股市与天气

预留方案
真正的数据挖掘
趋同交易
高频交易
底线

第12章 我们都在监视着你妊娠预测指标谷歌流感机器人测试仪就业申请招聘广告贷款申请汽车保险社会信用评分黑匣子式歧视不合理的搜查看看你的手环你需要整容吗？摆弄系统共同毁灭原则

引言

2008年的民主党总统候选人提名，本应成为希拉里·克林顿的加冕典礼的序幕。作为知名度最高的候选人，希拉里得到了党派内部的最大支持，她同时还拥有最丰富的财政资源。

阿尔·戈尔和约翰·克里这两位大人物虽然也考虑参选，但却对击败核心人物希拉里不抱希望。其他不为人熟知的参选人的机会就更渺茫了：俄亥俄州的美国众议院议员丹尼斯·库西尼奇、新墨西哥州州长比尔·理查森，还有美国参议员约瑟夫·拜登（特拉华州）、约翰·爱德华兹（北卡罗来纳州）、克里斯·多德（康涅狄格州）、迈克·格拉韦尔（阿拉斯加州）和贝拉克·奥巴马（伊利诺伊州）等。

不过，本次提名并没有按照写好的剧本上演。黑人参议员奥巴马虽名不见经传，但却点燃了选民的热情。他筹集了足够多的资金，还说服奥普拉·温弗瑞力挺他参选。在艾奥瓦州预选中，奥巴马以八个百分点的优势击败了希拉里，由此拉开了大选序幕。

奥巴马先是赢得了民主党提名，继而又打败了共和党人约翰·麦凯恩而最终成功当选总统。究其原因，奥巴马竞选主要不是靠口才和魅力，而是靠大数据。

奥巴马竞选团队设法将每名潜在选民及其数百条个人信息录入数据库，包括年龄、性别、婚姻状况、种族、宗教、住址、职业、收入、车辆登记、房屋价值、捐赠历史、杂志订阅、休闲活动、脸书好友，以及所能找到的任何相关情况。

这些数据来自公共数据库、来往电子邮件或竞选工作者的上门询问，还有从私人数据供应商处购买的。而其最主要的来源是每周对数千名潜在选民进行的电话调查访问，通过这种方式不仅能搜集到个人信息，还可摸清每名选民投票的可能性——是否会给奥巴马投票。

从统计学角度来说，选民投票的可能性与其个人特征相关，还可以根据这些个人特征推测出其他潜在选民。奥巴马竞选所用的计算机软件能预测数据库中每个人投票以及给奥巴马投票的可能性。

这种数据驱动的模型使该竞选团队可通过电子邮件、邮寄信件、上门拜访，以及呼吁捐赠和投票的电视广告来进行微目标锁定（microtarget）。如果计算机程序预测狩猎许可证持有者反对枪支管制立法，那么对这类人的枪支管制宣传就会减少。该软件还推荐了可确保捐赠和投票的其他手段。

2008年1月，奥巴马在这关键的一个月内筹到了3 600万美元，创下了政治家筹款纪录的新高，约为希拉里所筹资金的三倍。获得提名后，奥巴马的筹款额继续上涨。2008年整个竞选活动期间，奥巴马共筹集了7.8亿美元，是对手共和党人约翰·麦凯恩所筹资金的两倍多。麦凯恩根本没有胜算，也确实没能获胜，他只得了173票，而奥巴马却获得了365票。

八年后，希拉里·克林顿再次参加总统大选，决意运用大数据为自己加持。

但这一次，大数据让她大失所望。

希拉里的竞选团队共聘请了60名数学家和统计学家，其中几位曾效力于奥巴马竞选团队。为纪念19世纪的女数学家阿达·洛芙莱斯，他们将自主开发的软件程序称作“阿达”。希拉里要是成为第一位美国女总统，就可以透露“阿达”是她的幕后功臣。故事多么精彩！

他们把“阿达”装在自己的服务器上，只有几个人拥有访问权限。有些人知道这个软件的存在，但不知道它的运作方式，而大多数人对此一无所知。

2016年9月16日，距大选还有7周，埃里克·希格尔在《科学美国人》杂志上发表了一篇题为“希拉里竞选团队如何（几乎肯定）运用大 数 据 ” ［ How Hillary’s Campaign Is （ Almost Certainly ）Using Big Data］的文章。他指出，“有证据表明，希拉里正在采用可高度精准锁定目标的技术来竞选，奥巴马就曾靠此获胜”。竞选活动开展一年半后，还有观察人士对希拉里的大数据运用继续做出种种推测。这说明“阿达”的保密工作做得非常到位。

希拉里竞选团队对“阿达”的运用守口如瓶，这可能是因为他们不想让希拉里的对手有所察觉，也可能是因为不想加深团队机械行事、谨小慎微和照本宣科的刻板印象，他们毫无伯尼·桑德斯和唐纳德·特朗普竞选团队那样的豪情壮志。

“阿达”每天都模拟运行40万次，为它认为合理的局面预测选举结果。如果佛罗里达州的投票率上升两个百分点，新墨西哥州的投票率下降一个百分点，那会怎么样？如果……会怎么样？然后对答案归纳总结，由此确定应该在哪些地区投入资源，以及投入哪些资源。

例如，70%的竞选预算用于电视广告，这些广告所花的每一分钱几乎都由“阿达”来决定，不寻求或留意资深媒体顾问的建议。“阿达”的数据库有详细的社会经济信息，包括人们在哪座城市看了哪档电视节目，然后推测出这些人给希拉里投票的可能性有多大。“阿达”运用这些数据来计算每张潜在选票的理论成本，然后决定在不同节目、不同时段和不同电视市场上投入的广告经费。

没有人真正了解“阿达”的决策经过，但可以确定这款功能强大的计算机程序能分析超乎想象的海量数据。所以，大家都信任“阿达”。它就像无所不知的女神，只听不问。

我们也不知道“阿达”是如何得出最佳策略的，但它明显是根据历史数据想当然地认为蓝领选民保准会投票支持民主党，上次大选他们确实把票投给了奥巴马，这次还会继续拥护民主党。有蓝领阶层的选票作为不可动摇的基础，希拉里只要获得少数派和自由派精英的支持，就能够轻松取胜。因此“阿达”决定，竞选团队不需要在稳赢的州花钱拉票。然而，当竞选团队意识到某些应该稳赢的州不再胜券在握时，为时已晚。