或者跟着技能快速成长，许多规模城市逐渐被算法和人工智能替代，但算法终究不能替代人的浸染。人，可以或许缔造意义，可以或许表明意义。技能只能改变一些工作。而人所特有的素养和本领，使我们可以或许更好地相识由人组成的情况

或者跟着技能快速成长，许多规模城市逐渐被算法和人工智能替代，但算法终究不能替代人的浸染。人，可以或许缔造意义，可以或许表明意义。技能只能改变一些工作。而人所特有的素养和本领，使我们可以或许更好地相识由人组成的情况和文化。通过数据，只能获得抽象的正确，通过人的本领才气获得真实的意义。本文来自微信公家号：清华打点评论（ID：tbr2013），作者：刘书博（中央财经大学商学院副传授），编辑：刘永选，本文登载于《清华打点评论》2021年4月刊，原文标题：《算法不是万能的：在算法时代，瞥见人的气力》，题图来自：《黑客帝国》

一、算法不是万能的

在快速变革的情况中，心神不宁的人们想挣脱现实的不确定性，于是向科学的气力争助，并认为AI、大数据阐明、算法新技能必然可以或许更好地表明一切巨大和快速厘革的全局。许多人对付技能的倚重不只来自技能带来的效率晋升，并且越发来自“技能崇敬”——用近乎虔诚的立场看待技能。甚至有一种激进的思维但愿用算法领略世界的方方面面，而且认为科学常识优于其他范例常识。

此思维代表的是“唯科学主义”意识形态（scientism）——对算法技能的痴迷。持有此意识形态的人认为，算法是伶俐与履历的替代品。在他们看来，无论是在医疗、教诲、当局，照旧在我们小我私家糊口规模，人工智能与大数据阐明技能都可以给出最优谜底。

可是，算法并非全知全能，假如过分信赖技能，人的判定力还会被减弱。就像是我们专心盯着GPS，功用它发出的每一条指令，反而失去了仇家上闪耀的星星的感知力。对付组织的决定者来说，只有详细的数据阐明功效，依然无法胸有成竹；只有抽象的数据，而没有对现实的感知，就难以从数据中得到还原真实全貌的本领。数据没有了详细的语境配景和色彩，所泛起的只是这个世界的抽象表征，而不是世界自己。假如打点者、决定者老是被一层层抽取到的数据所困绕，他们的想象力和直觉就会枯竭。就像是只吃各类维生素和家产提纯后的营养液，导致味觉退化。人的奇特本领是不可以或许被呆板和技能替代的。

算法技能自己不能给出有关真实性的全部谜底。因为大数据背后的假设存眷的是相关性，而不是因果干系，所以大数据可以提供信息，可是无法给出表明；大数据可以构建事物在统计上的显著干系，却不能表明为何会呈现这样的现象。经济学家蒂姆·哈福德说：“大数据并没有办理困扰了统计学家和科学家几百年的问题——关于洞察力的问题，也就是如何揣度到底产生了什么，并找出如何过问或优化一个系统的方法。”

谷歌的“流感趋势检索”案例泛起出了以上问题。2008年，谷歌的研究人员提出了一个用搜索词条预测疾病大局限暴发的想法。颠末筛选与流感相关的检索，并对这些检索举办追踪，研究人员想虽然地认为他们可以比美国疾病节制与防范中心（CDC）更早预测出流感的暴发。他们所回收的技能被定名为“邻近预报”（now-casting）。这好像是一次算法技能上的乐成——谷歌的检索可以比美国疾病节制与防范中心提早两周预测出流感暴发。然而之后不久，谷歌的流感趋势预测就不灵验了——它并没有预测出2009年的H1N1流感大暴发，并且高估了2012~2013年的流感疫情。问题在于，谷歌的算法对付任何与流感季候相关的检索城市发生回响，但这些检索的背后不必然与真正的流感暴发有关。好比，像“高中篮球”和“鸡汤”这样的检索城市激发谷歌算法的流感警报。这是因为大数据并不存眷表明，而只是反应履历主义者的思维。

大数据想要从等式中去除成见，充实回收演绎思维，摒弃归纳的探究方法。它的逻辑是，在数据充实的环境下，数字就可以指向结论，基础不需要理论。可是，就如同谷歌流感趋势的例子所展示的，我们还需要举办更深入的阐明，以探讨数据的相关性，并确定因果干系。大数据无法挣脱对传统研究要领的依赖，因为数据的意义仍然来自人对数据的解读。