数据资本时代

这样的私人便条向客户展示了一个人的关爱，同时可以建立并维护客户与造型师之间的关系。这对留住客户非常有帮助毕竟，要抛弃一个人比抛弃一台机器更难。它也增加了顾客提供反馈的可能性。私人便条制造了社交债务，而大多数客户会选择偿还这笔债务

然而，也许最重要的是，人类造型师在观点和品味上要比机器更加多样化。丰富多样的个人造型师创造了一个风格迥异的世界，从而使客户和造型师之间形成更好的匹配，进而转化为更高的销售额和顾客满意度。对于StitchFix来说，能够很好地利用人类的风格与喜好的丰富性，是公司成功的一个重要因素。它使人类变得不可或缺。

StitchFix把选择的乐趣与购物的无趣进行了拆分，我们也可能1会看到实体世界复制这种模式。也许将来，我们会把我们的生活用品的补充任务，委托给我们的自适应机器学习系统，而我们自己还会继续享受亲自逛精品店，或者在书店浏览群书的乐趣。事实上，当我们开始仅仅为了购物体验而逛商店时，当我们重新发现触摸、观看和做出决定的诱人乐趣时，我们甚至可能愿意为这种特权向那些最好的商店支付费用。

对于一家大型线下零售商来说，一个好的战略举措可能就是并购StitchFix或者它的竞争对手，就像诺德斯特龙连锁百货在并购TrunkClub（一家男士个性化电商）时所做的那样。零售商店可以发展为一个体验式的环境，客户可以在那里浏览，也许他们的个人造型师（本人或虚拟的）就在现场。作为在线业务的补充，诺德斯特龙的实体店成为客户与商品，甚至是与其他客户，进行愉快社交的场所。客户的目标不是买东西，而是浏览商品，满足自己的感官享受，用音乐抚慰自己，用免费的浓缩咖啡激发自己的活力。我们在这些改造后的商店里，看不到会将我们的注意力吸引到价格和折扣信息上的标签。在这样的环境中，价格不是最重要的，我们将依靠决策辅助系统，例如数字购物代理，来为我们考虑价格的事情。

数据资本时代

210

总之，人类是一种触觉生物，我们喜欢用我们的感官与世界接触，我们享受彼此的陪伴。StitchFix将这种人性元素注入客户体验中的做法是非常成功的。以同样的方式拥抱海量数据市场对于其他公司来说，也只是时间问题。

推动更可持续的经济发展

海量数据市场正在颠覆传统货币市场。它可以提供更好的匹配，使参与者更加满意。但这还不是全部。更好的匹配可以进一步转化为减少浪费：那些因为买家最终无法充分利用而不得不另寻所爱的商品变少了。协调得更好意味着更少的时间浪费和效率损耗。而且，金钱不再是我们在海量数据市场进行匹配时所使用的主要维度，这使我们在每一笔交易中都可以按照自己的价值观行动，因此我们也表达出自己的价值观，这会让我们比现在更加一丝不苟地进行交易。与传统货币市场，以及这种市场的过度贪婪相比，海量数据市场将进一步推动更可持续、更集约的经济。

我们只有一个地球，所以我们必须谨慎管理我们拥有的资源。我们最富有的资源就是数据信息，随着收集、传输和处理数据变得越来越容易，也越来越便宜，我们将会拥有更多可供使用的数据信息。人类经济的未来就在于对信息盈余的巧妙利用，而海量数据市场正是我们实现这一目标的机制和场所。当人工智能和大数据可以满足人类合作这一社会现实时，实现可持续发展就又向前迈进了一步。

第10章 人类的选择

211

举个例子，在“智能电表”技术的推动下，能源市场将转变为海量数据市场，从当前的效率低下和脆弱疲软的状态，向一个更加稠密的市场转变。当前的状态是有限的大型生产商为很多人提供能源，而稠密的市场则会拥有大量不同的市场参与者，包括那些生产与存储家庭能源（如电池、太阳能等）的生产商，它们可以更好地相互合作由此，能源浪费不仅会变少，而且我们将会更有效地使用智能电网这个先进的能源分配基础设施。

货运物流也将受益于海量数据市场。现在，跑在路上的卡车中.4辆里就有1辆是空的，因为我们找不到更有效的方式，可以让卡车在行程中的每个路段都有货可运。自动驾驶卡车不会改变这种情况但是海量数据市场是可以做到提供卡车与货物更好的匹配结果的。提高协调能力所带来的效果，将转化为更低的碳排放量和更高的经济发展可持续性。

再谈谈卫生保健行业。在发达经济体中，特别是美国，医疗费用已经高到不可持续的水平。虽然我们的寿命比以前稍微长了一些，但我们花了大量的金钱来换取这一点儿利益。在某种程度上，这是因为我们把病人都聚集在了一起，对他们一视同仁，这样我们就可以把信息量进行浓缩，以免过大的信息量令我们不知所措。这种做法与以货币为基础的市场异曲同工。但是没有哪一个肿瘤会与另一个完全一样，因此诊断和治疗同样也需要个体化。除了癌症外，这个道理也适用于其他许多疾病。如果在卫生保健领域，我们能够应用海量数据市场的原理，我们就可以解决过度简化的问题，使医学、保健更加

数据资本时代

212

精准

学校也可以利用丰富的数据来提高学生与老师、学习材料、教学方法等方面的匹配度。学生不都是一样的，对一个学生起作用的方法不一定对另一个学生也起作用。海量数据市场的工作原理应该得到更广泛地应用，这样我们在减少浪费的同时，也会获得更理想的结果。因此，我们的生活将更加美好、更有意义、更可持续。

迎接经济“大调整”时代

由于海量数据市场比传统市场具有更多优势，这就给我们施加了巨大的压力，要我们重新调整公司的概念。过去，公司是人类合作工作的组织单位。有些公司可能使用了机器，但是所有公司的管理，都是由人来完成的。未来，情况可能不再如此。我们可能会见到这样一些公司，它们雇用很多高薪的员工去做只有人类员工才能做的工作，但是这些公司的管理可能大部分是由机器来完成的。我们还会看到其他一些公司，它们从社会组织转变为法人实体，利润颇丰，却辞掉了很多人类雇员。空壳公司，将会在公司的前景发生巨大变化，新的公司法与税收法出台时，应运而生。以人为中心的公司，是自适应机器学习系统与那些不能轻易自动化的人类素质完美结合的产物。与StitchFix一样，以人为中心的公司不但不是勒德分子，而且是数据应用专家。这样的公司不仅不与海量数据市场作对，而且改善了海量数据市场。

在空壳公司和以人为中心的公司之间，还有许多极佳的位置可以供公司选择。公司需要在这段距离里找到自己的位置，然后改变自己，并在那个位置点蓬勃发展。无论是戴姆勒还是声破天，是亿贝还是苹果，是中国的阿里巴巴还是英国的巴克莱银行，是像麦当劳这样的老牌全球特许经营公司，还是像Stash这样的新兴科技初创企业，或者是街对面的小型有机食品烘焙屋，所有公司都需要这样做。也许在未来几十年后，我们会把这一变革称为“大调整”（theGreatAdjustment),而且还会讲述在经济大衰退之后大小公司是如何改变的故事。这并不是大多数公司都在期待的变化，这当然也不是很多公司一起发起的变革。但是那些接受这种变化，并重新进行自我调整，从而变得更加人性化的公司，将会享有毋庸置疑的优势。

第10章 人类的选择

213

在银行业和金融服务业中，金融服务的进一步商品化正面临越来越大的压力，尤其是在支付方面。新的中介机构已经出现，它们承诺将促进并利用更丰富和更全面的数据流，这远远超越了传统上我们对金钱和价格的关注。传统的金融公司，比如大型商业银行，正面临一个艰难的选择。通往商品化的道路是它们所熟悉的，但理所当然这也是它们所恐惧的。转变为成功的数据中介机构这条道路虽然提供了美好的前景，但它也更加困难，因为实现海量数据并不是许多银行所擅长的事情。银行必须改变自己的内部运作方式，这是一个挑战。用硅谷早期的风险投资家尤金·克莱纳的话说，这叫“不识其面目，只缘身在其中”。

好好看看各家银行的那些大理石宫殿吧—它们遍及世界各地的金融中心。这些宫殿向所有关注它们的人发出权力和财富的信息，可是到21世纪20年代后期，它们中的许多银行将不复存在。这不是因为我们抛弃了货币，而是因为我们不再需要一个原始的符号来提供服务这些服务省略了细节，减少了信息的丰富程度。新的金融中介机构要么是超级高效的，要么是数据丰富的，甚至可能两者兼而有之。而老式金融资本主义的余威将会消失，取而代之的是由海量数据市场驱动的新的数据资本主义。

数据资本时代

214

促进多元化，避免集中化

硅谷的天使投资人与欧洲的银行职员在向创业者提供贷款时，二者的区别不在于金钱，而在于天使投资人能够提供给创业者丰富且有价值的信息。自乔治斯·多里奥的美国研究与发展公司，美国第一家现代风险投资公司，创立之初，我们就一直将风险投资者称为“资本家”，但这种称呼可能长期以来就是一种错误的说法。最好的天使投资人和风险投资家给客户的不仅是一张支票，而且还有丰富、宝贵的信息。也许是时候称呼他们为“风险信息提供商”，而摒弃“资本家”这个术语了。

进一步讲，由于资本不再是促使企业成长壮大的催化剂，所以这意味着资本的作用开始削弱。或许是时候关闭历史的大门，正式取消“资本主义”这个词了。它曾经运行良好，在过去几个世纪塑造了市场经济。但是现在，我们将为作为经济中最重要的动力来源的资本，创造一个可以替代它的选择。我们无须再考虑资金和公司，让我们想象一下能够赋予人类力量，使人类能够更好地互相合作的海量数据市场吧。

海量数据市场并不能解决我们所有问题，而且它自身也存在一些固有的结构缺陷。因此，任何数据驱动市场的成功都取决于它的设计，以及它运行的规则。在设计海量数据市场时，最关键的问题是要使其免受集中度过高的影响，不只是在参与者层面（典型情形包括，一个卖家很多买家，以及一个买家很多卖家等)，在决策过程中也是如此。如果帮助我们做出交易决策的那些自适应机器学习系统，很多甚至全部都存在同样的缺陷，那么整个市场会变得非常脆弱。这就是为什么决策辅助系统的多样性是不可或缺的。累进数据共享授权——我们建议的用来确保这种多样性的机制的设计目标，不只是保护自适应系统不受集中度过高的困扰，而且通过共享不同的数据子集，可以防止所有竞争者使用相同的数据输入来构建系统。培养一种可以不断转化为强大竞争力的多样性，才是解决问题的关键。

第10章 人类的选择

215

当谈到数据驱动市场更广泛的社会影响时，我们痛恨技术空想主义者的溢于言表的乐观，就如同我们会避开那些层出不穷的末日预言家的悲观一样。我们不应该假装自己可以预测未来，而是应该做好塑造未来的准备，调整好各种杠杆和机制，在任何时间和任何地点，一旦有利因素出现，我们就努力激发它；一旦负面影响出现，我们就努力抑制它。有时，这需要我们给现有的政策工具包中增加新项目，比如以数据支付的数据税，或者聘用新人类劳动力的税收抵免。有时，我们需要的是不同视角，比如把工作的概念与薪酬的概念分开。

选择我们想要的

以前，在金钱和价格占主导地位的传统市场中，用工资和经济利益来衡量人类劳动，可能是最合适的。但是随着货币市场转向海量数据市场，我们在讨论人类劳动的优点时，就需要超越工资。工作不仅是一个可以帮我们支付账单的工作岗位，对于很多人来说，它还提供了身份、社交圈和归属感。当我们接受这样的说法时，我们就会意识到，帮助人们找到好工作并保住好工作，将会继续担负社会的核心作用，即使机器会承担越来越多的责任。市场的任务是提高效率，在数据足够丰富的情况下，更好的匹配将会大大提高效率（和可持续性）。与此相反，我们作为人类的任务不是要实现最高效率，而是要做真正的人，这包括思维的创造性和对新事物的探索精神，以及相互交流，建立有意义的社会关系等多个方面。

数据资本时代

216

在一个机器学习系统越来越多的世界里，还有什么是需要我们人类来做的呢？我们会是数据时代的恐龙吗？是否有一天我们会发现，自己被圈定在一个保护区里，供那些发号施令的机器取乐？即使在海量数据时代，我们仍然相信，如果人类愿意，我们将会继续引领世界。丰富的数据将允许人类选择自已想要做的决策，其余剩下的决策才会留给自适应机器学习系统。系统知道了我们的偏好，就会到市场上为我们寻找最好的匹配。

通过将我们的思维从日常决策中解放出来，我们可以专注于那些真正有价值的决策，以及那些我们喜欢做的决策。最终，我们甚至可能会将一些令自己不安的决策委托给自适应机器学习系统——那些我们因为担心受自己的偏见影响而无法做出正确选择的决策；那些我们担心自己还不够了解，也没有时间来让自己了解的决策。我们可以告诉自己的决策辅助系统，我们希望它做出怎样的“修正”。这将不会是一个简单的、二元的、非此即彼的问题，相反，人类将会有能力调高（或调低）我们想要得到的帮助数量。我们将会选择是否选择。

第10章 人类的选择

217

保有个人选择的自由

大数据和人工智能不但可以帮助我们决定买什么，而且可以帮助我们决定与谁合作。专家警告说，这一点可能最终会威胁人类的决断力。我们害怕的是，当我们把决策委派给机器学习系统时，我们也就放弃了那项重要的、组建自己社交圈子的自由。但是，正如我们在第4章中所解释的那样，海量数据市场并没有剥夺我们选择的自由，而是给了我们机会，把自己的时间和精力花在做人上。

当真正需要决定该选择哪些决策时，我们将不得不面对如何选择的问题：哪些决策我们应该留给自己做，哪些决策应该委派给机器学习系统做？针对诸如我们应该送孩子去哪所学校，紧急情况下我们应该选择哪个医院的救护车这样的问题，如果数据驱动的自适应机器学习系统可以为我们提供更好的答案，那么我们应该将这类决策委托给机器吗？还是我们应该将其保留在人类责任的专属领域？在做出决策时，我们的目标到底是什么是得到正确的答案，还是得到让我们快乐的答案（毕竟，最终必须对结果负责任的人是我们自己，而不是机器学习系统)?到目前为止，我们很少面临这样的选择，但是未来，这样的选择会变成家常便饭。良好、扎实的选择能力是我们必须培养和保持的一个核心能力。

这种对该选择什么做出选择的能力，从本质上来说是为人类赋予权力的。它为我们保留了为宇宙的未来做出贡献的机会，并且可能确保我们在进化的道路上占据一个永恒的位置。但它也是一项新挑战，因为随之而来的是责任。选择意味着挑出一个选项，放弃其他选项，人类绝不能选择所有选项。海量数据市场是一个令人惊喜的选择工具，它将帮助我们做出更好的选择。但是，它不会从根本上免除我们需要做出选择的责任。

数据资本时代

218

以安全、简单、连贯或者利润最大化的名义放弃个人选择的自由，对于人类而言，将会是一个可怕的损失一远远超过它所造成的经济效率低下的问题。它将侵蚀并抛弃每一个自由社会的核心原则。这就是为什么我们需要警惕那些将个人选择视为危险品的宣传，要倡导对集权的谨慎态度。这也是为什么我们需要警惕数据驱动的反馈效应，就像我们需要抵制那种对一个强大的独裁政府的强烈渴望一样。

市场是一种高效的人类合作方式

海量数据市场和个人选择还有一个敌人，这个敌人是一个愿景：人类将很快克服资源稀缺的问题，因为机器学习系统看似无限的能力，将以低成本或零成本的方式完成复杂的任务，使我们拥有的资源可以永远重复利用，机器学习系统基本上可以把我们带进一个真正的理想世界。在这样的世界里，从日常琐事中解脱出来的人，将可以享受生活，并且尽情地体验生活。”资源稀缺的终结早已有人预言过，在20世纪70年代，最为人熟知的是保守派经济学家朱利安·西蒙。现在，这个想法的升级版再次浮出水面。麻省理工学院斯隆商学院教授埃里克·布赖恩约弗森似乎非常认同这样的观点。布林约尔松是一本很有影响力的著作的合著者，那本书探讨了人工智能给人类劳动者带来的影响。①布林约尔松说：“一个日益富足，甚至是奢侈的世界不仅是可能出现的，而且是极可能出现的。”

第10章 人类的选择

01根据作者对内容的描述，这本书应该是2014年出版的《第二次机器革命》。—译者注

219