• 精选
  • 会员
生活原则-让你陷入麻烦的正是你自以为知道、其实错误的事+解读《原则》:何为更高层次思考?-《原则》:过以原则为基础的生活-《原则》:做一个超级现实的人-《原则》:更高层次思考-《原则》:人生原则-《原则》:做出好决策+生活的科学-个性心理学原理-统觉体系-自卑和社会兴趣-常识及其缺点-父母的影响-梦与感情-出生早晚与早期记忆-自卑情结-社会背景-如何看待缺陷-自卑感强烈的表现-优越感-普通情况-案例-生活习惯-对生活习惯的理解-修正生活方式-早期记忆-记忆的形式-记忆的内容-被娇惯的儿童和被敌视的儿童的记忆-表现性活动和姿态-表现性活动-勇敢与怯懦-对命运的执念-梦及其解释-生活习惯和目标-个人逻辑-为什么做梦-睡眠、非睡眠、催眠术-问题儿童及其教育-家庭-问题儿童-从出生的顺序来判断-社会适应和社会问题-童年-在学校-三大生活难题-矫正和预防-社会感、常识与自卑情结-概 论-案 例-恋爱与婚姻-平等的前提条件-为婚姻做的准备-婚姻咨询-性欲及性问题-依靠生活习惯-社会方法-生活的科学的结论-善的脆弱性+我们在生活中不断重复着的9种心理现象-生活中经常出现的5个可以用心理学解释的现象-张维迎:决定你生活品质的10个经济学思维-原则+第一部分 我的历程-1、我的探险召唤-2、跨越门槛-创办桥水-设计机器化的市场模型-发展业务-3、我的低谷-白银过山车-扩大团队-我的大萧条预警-人生最惨重失利-4、我的试炼之路-复兴桥水-在中国“关闭的大门”背后探险-我的家庭和我的大家庭-经济与市场发生的更多剧烈动荡-桥水的下一个立足点-发现“投资的圣杯”-把我们的“杀手系统”国际化-把我们从错误中总结的教训系统化-我“顽固难治”的人事管理问题-5、终极恩惠-充实原则-创建“棒球卡”-2008年金融危机,帮助决策者获得优异回报-从幕后走到台前-6、回报恩惠-认识“塑造者”-把我们的创意择优系统化-预见欧洲债务危机-回报恩惠-努力做慈善-7、最后的一年和最大的挑战-8、从更高的层面回顾-第二部分 生活原则+1、拥抱现实,应对现实-1.4 观察自然,学习现实规律-1.5 进化是生命最大的成就和最大的回报-1.7 痛苦+反思=进步-1.10 从更高的层次俯视机器+2、用五步流程实现你的人生愿望-2.1 有明确的目标-2.2 找出问题,并且不容忍问题-2.3 诊断问题,找到问题的根源-2.4 规划方案-2.5 坚定地从头至尾执行方案-2.6 谨记:如果你找到了解决方案,弱点是不重要的-2.7 理解你和其他人的“意境地图”与谦逊性+3、做到头脑极度开放-3.2 奉行头脑极度开放-3.3 领会并感激:深思熟虑的意见分歧-3.5 识别头脑封闭和头脑开放的不同迹象+4、理解人与人大不相同-4.1 思维方式能带来力量-4.2 有意义的工作和人际关系是我们的生理需求-4.3 控制大脑斗争,实现“你”的愿望-4.4 认识自己和他人的特性-4.5 让合适的人各司其职以支持你的目标-5、学习如何有效决策-综合分析眼前的、变化中、多个层级的形势-5.6 根据预期价值计算做决策-5.9 使用原则-5.10 对你的决策进行可信度加权-5.11 把你的原则转换成算法-5.12 不要过度信赖你不理解的人工智能-生活原则总结+第三部分 工作原则-打造良好的文化-用对人-建造并进化你的机器-10、像操作一部机器那样进行管理以实现目标-11、发现问题,不容忍问题-12、诊断问题,探究根源-13、改进机器,解决问题-14、按既定计划行事-15、运用工具和行为准则工作-16、千万别忽视了公司治理-16.3 治理体系不能取代出色的伙伴关系-极度求真和极度透明-谁疯了-打造良好的文化-1、相信极度求真和极度透明-2、做有意义的工作,发展有意义的人际关系-3、打造允许犯错,但不容忍罔顾教训的文化-4、求取共识并坚持-4.1冲突对建立良好人际关系至关重要-4.3保持开放心态,同时也要坚定果断-4.5伟大的合作如同爵士乐演奏-5、做决策时要从观点的可信度出发-5.1 创意择优,了解观点的长处-5.2 可信度高、观点不一致的,理解其推理过程-5.3考虑好你要扮演的角色-5.5处理分歧务必高效、公允-6、知道如何超越分歧-用对人-7、比做什么事更重要的是找对做事的人-8、要用对人,因为用人不当的代价高昂-8.1 让合适的人做合适的事-8.2 不同的人适合不同工作-8.4 关注人的过往经历-8.6 薪酬要提供稳定性,也要让人看到机会-9、持续培训、测试、评估和调配员工-9.3 准确评价人,不做“好好先生”-9.5 对人的观察不要讳莫如深-9.7 了解处事方式比了解他们更重要-9.9 培训、保护或辞退员工,不要修复-建造并进化你的机器-10、像操作一部机器那样进行管理以实现目标-10.1 从高层面俯视你的机器和你自己-10.4 了解员工及其工作的动力-10.6 你能从你的机器里期待些什么-10.7 像公司的拥有者那样思考-10.9 对所有人要合理对待、有所区别-10.11 承担相应的责任,也欢迎别人监督-10.12 传达计划,用量化指标予以评估-11、发现问题,不容忍问题-12、诊断问题,探究根源-12.1 做诊断,要先问问题-12.3 诊断应当有成果-13、改进机器,解决问题-13.3 好的计划应该像一部电影脚本-13.5 组织结构,要围绕目标而不是围绕任务-13.6 组织架构,不应产生交叉-13.8 战略不变,战术微调-13.10 报告路线和职责描述要尽可能清晰-14、按既定计划行事-15、运用工具和行为准则指导工作-16、千万别忽视了公司治理-将工作原则融会贯通-原则:结语附录-原则:致谢

5.12 不要过度信赖你不理解的人工智能

2020年6月22日 字数:1864 来源:原则 作者:[美]瑞·达利欧 提供人:jiaoqiao57......

5.12 在深刻理解人工智能之前不要过度信赖它

当人工智能使用者在没有深刻理解它的情况下就接受机器学习创造的算法所假定的因果关系,甚至根据这些认识来行动时,我就对人工智能的危险感到担忧。

在解释原因之前,我想先阐明我的用词。人们经常轻率地使用“人工智能”和“机器学习”,并将其作为同义词,但二者大不相同。我把当前的计算机辅助决策技术分为三大类:专家系统、模仿和数据开采(这是我的分类,不是科技界常用的分类)。

我们在桥水使用的是专家系统,设计者根据自己对一系列因果关系的理性理解将决策标准表述出来,然后观察不同条件下会出现什么不同情况。

但计算机也能发现规律并将其应用于计算机决策,而不需理解这些规律背后的逻辑。我把这种决策技术称为“模仿”。当同样的情况以可靠的方式反复不变地发生时,例如在一场规则极其严格的游戏中,这一做法也许有效。但现实中事物不断变化,所以这样的系统很容易与现实脱节。

数据开采是近年来机器学习发展最快的领域,是指功能强大的计算机消化大量数据,从中寻找规律。尽管这种做法很常见,但在未来与历史不同的情况下,这是有风险的。在机器学习不包含对现实的深刻理解的情况下,以机器学习为基础构建的投资系统很危险,因为当人们广泛相信并应用某些决策规则时,价格会受到影响。换言之,一个深刻见解在众所周知之后,其价值会逐渐衰减。在没有深刻理解的情况下,你弄不清楚过去发生的情况是否真有价值,即使有价值,你也弄不清楚其价值是否已经消失,甚至走向负面。常见的情况是,一些决策规则变得非常流行,以至对价格产生很大影响,从而使反向操作成为更合理的做法。

谨记,计算机是没有常识的。例如,计算机很容易曲解事实,看到人早上睡醒后吃早饭,就认为睡醒导致人饥饿。与其下很多我拿不准的押注,还不如下较少的我拿得准的押注(最好是互不相关的押注),同时,无法说明任何决策背后的逻辑,对我而言都是无法容忍的做法。很多人因为发现机器学习比形成深刻理解容易得多,就盲目信任机器学习。而对我而言,深刻理解必不可少,尤其是对我做的事情而言。

我的意思不是模仿系统、数据开采系统没有用。事实上我相信,在未来的事物发展范围和格局与过去相同的情况下,这些系统对决策很有帮助。有了足够强大的计算能力后,所有可能变量就都可以纳入考虑。例如,通过分析不同形势下国际象棋好手弈棋的数据,通过分析不同手术期间杰出外科医生的手术流程,人们可以创造出很有价值的下棋程序或手术程序。早在1997年,计算机程序“深蓝”就用这种方式击败了全球排名最高的国际象棋棋手加里·卡斯帕罗夫。但当未来与过去不同、我们因理解不深而无法识别所有因果关系时,这一做法是行不通的。凭着理解这些因果关系,我没有像其他人一样犯错误,最明显的例子是2008年的金融危机,当时几乎所有人都以为未来会和过去一样。把全部注意力集中于符合逻辑的因果关系,我们将能看到事情的真相。

想想看,人脑其实就是以某种方式编程的计算机,处理数据,发出指令。我们可以编排人脑的逻辑和作为工具的计算机的逻辑,让它们彼此合作,甚至相互检验。这是一种美妙的做法。

例如,假设我们要归纳出能解释物种进化的普适规律。理论上,只要我们有足够的处理能力和时间,这就是可能的。当然,我们需要把计算机得出的公式弄明白,以确保这不是一堆从数据中提取的大杂烩,即不同因素只有相关性,没有因果性联系。我们可以不断简化这些规则,直到实现毫无疑问的精确度。

当然,鉴于人脑的处理能力和速度有限,要对进化过程中的所有变量形成丰富的理解,是一个永远无法完成的任务。那么,我们的专家系统采用的那些简化法和理解法真的是必需的吗?也许不是。在我们检验的数据之外还会发生其他情况,这样的风险肯定是存在的。尽管如此,我们仍然可以说,与某种看起来成立但机理不清晰的公式相比,我们把以数据开采为基础的公式视为解释物种进化的普适规律,并依赖这些公式预测未来10年、20年、50年的变化,是风险相对较低的做法(至少可能有助于科学家治疗基因疾病)。

事实上,我们对理解的强调也可能太过了,有意识的思考只是理解的一部分,也许我们导出一个公式并用它来预测未来变化也就足够了。在我个人看来,与依赖我不理解的算法相比,对因果关系形成深刻理解所产生的兴奋、安全性和教育价值要有吸引力得多,所以我依然倾向于这种做法。然而,是我的逻辑和理性,还是我较低层次的偏好和习惯在促使我这么想?我不能确定。我希望就此问题询问人工智能领域最杰出的人才(并请他们向我提问)。

最有可能发生的情况是,人类酷爱竞争的天性将促使我们越来越信任计算机发现的、超出我们理解范围的因果关系。这种信任有时会带来成效,有时会适得其反。我想人工智能将带来极快、极了不起的进步,但也担心它会导致人类的毁灭。

人类正在走向一个既令人兴奋又危险的新世界。这就是我们眼前的现实。而我一如既往地相信,如果我们不是把头埋在沙子里,而是准备好应对之道的话,未来会美好得多。

为了拥有最好的生活,你必须:

(1)知道最好的决策是什么;

(2)有勇气做出最好的决策。

决策

如涉及版权,请著作权人与本网站联系,删除或支付费用事宜。

0000