BOOK-04-AI极简经济学 来自黑盒子外的凝视
它来到孤峰脚下，用触须摸了摸这顶天立地的存在，发现孤峰的表面坚硬光滑，但能爬上去，于是它向上爬去。没 有什么且的，只是那小小的简陋神经网络中的一次随机扰动所致。——《三体》
在和AI相关的领域学习着，就像是蚂蚁在无尽的迷宫里寻求着出路——试图推动一点点科研的进展。不过，有些时候也该直起身子，低头瞅瞅脚下的迷宫，看看我们从何而来，出口又通往何方。
说得玄乎罢了。前些日子，论文看不进的时间里，翻阅了本《AI极简经济学》。
1. 讲了些啥
吐槽在先：大约是经济学家写的缘故，大约是我经济学知识浅薄的缘故，大约也是太极简的缘故，看完后并不能将书中大多内容与经济学联系在一起。不过，不少观点还是值得借鉴的。
（另，书中”AI“大多指深度学习算法模型，少部分指模型与机器人结合的产物。）
老生常谈，深度学习发展和约束
书第一部分刨去算法的实现细节，把模型视作黑箱，从数据的输入和结果的输出介绍了AI的功能与可能。
预测变得廉价，判断越显昂贵
技术乃至生产力的变革，将推动某些事物成本的极具下降，进而该事物迅速推广，改变人们的行为方式。此前的工业革命，不止带来动力，而是连带着重塑着人们的生活习惯。比如，廉价的照明改变着人们的作息。
如今的AI，使“预测”变得廉价，能基于输入的数据，轻松地给出行动建议。
与之相对的，有两个事物会变得昂贵。一来，“预测”的互补品——数据，这无需多言，毕竟现今的算法大多基于统计推断；另外，廉价意味着广泛使用，面对充斥生活的行动建议，高效高质地“判断”便显得愈发昂贵。
是否遵从预测行动？是否能在预测的基础上改进行动？更进一步的，能思索有了“预测”的能力后，在自己的业务场景中能否扩展乃至变革行动模式？
人的判断力显得愈发昂贵——这类判断力源自终身的、综合的学习，对社会的认知，而非算法从大数据中归纳的规律。
站在企业管理者的角度
“工程再造”
AI的能力不仅仅是通过迅速的预测简化工作。作为管理者，当意识到其对生成流程的影响。书中以“预测MBA申请人排名的模型”为例：
它能预测所有MBA申请人的排名。为了从这台预测机器中获得全部好处，学校必须重新设计其工作流程。这就需要把人工排序的任务取消，并且扩大该MBA课程的营销范围，因为人工智能会提高申请人范围扩大所带来的回报（对什么人能成功做出更好的预测，降低评估申请人的成本）。学校将修改奖励举措（如奖学金和经济补助），并提高潜在优等生的入学率。最后，学校还会调整工作流程的其他环节，善加利用能提供即时的录取决策所带来的优势。
工作流程被重塑，以基于AI预测实现效益最大化。
更多的，AI未来的发展甚至有机会变革商业模式。
人工智能预测的准确度跨越了某个临界值，以至于改变了亚马逊的商业模式。这种预测准确到，直接把它预测你想要购买的商品寄送给你（甚至不用等到你下订单）。
……
如果这是一种更好的商业模式，为什么亚马逊还没有这么做呢？因为如果现在执行它，收集和处理退货商品的成本将远远超出从顾客那里多赚到的钱。比方说，如今我们要退掉寄来的95%的商品。这对我们来说会很烦人，对亚马逊来说也代价高昂。这样的预测，对亚马逊而言还不够好。
管理者的视野
体现判断力的时候到了。管理者需要学会分解当前工作流程，于合适的环节引入AI预测技术；再者，了解技术发展动向，对未来可能的模式变革做出准备。
社会变化
廉价的预测必然带来就业岗位的变化。大趋势来看，许多现有进行“预测”的工作会消失或改头换面——岗位仍存，技能要求已变化。一如当年Excel等电子表格出现时，熟练执行复杂计算填表的技能不再被需要，取代的，是针对表格数据分析能力的要求。
而值得思考的现象，在于：
其他与判断有关的工作会更为普遍，但它们对技术的要求或许不如人工智能所取代的岗位高。当今许多高薪职业的核心技能都包括了预测，如医生、金融分析师和律师。正如机器对于方位的预测减少了伦敦出租车司机相对较高的收入，却增加了收入相对低的优步司机的人数那样，我们预测，医疗和金融方面也会出现相同的现象。随着任务的预测部分逐渐能自动完成，更多的人可填补这些岗位，其所需的技能也收窄到与判断相关的技能内。如果预测不再是约束性的限制条件，对更广泛的互补性技能的需求或许会增加，这会带来更多低薪的就业机会。
尽管从一个AI研究人员的角度（姑且算是吧），AI发展还远不及上述假设的程度。但警示是，注意培养“判断型”能力，以提升个人竞争力。
TODO：抽空再补上个人对“判断型”能力的理解吧。
2. 随记的感叹
2017年3月，谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）在年度I/O活动的主题演讲中宣布，该公司正从“以移动优先的世界转向以人工智能优先的世界。”
短短4年若沧海桑田，移动App百花齐放的年代逝去了，当年没事就找各种新奇App把玩的时光一去不返。现今触屏手机上App的交互体验基本被开采透彻，常驻手机的应用已经成长为巨头。
实体店不能预测单个客户的需求，但他们可以预测一群客户可能的需求。把到访某一地点的客户汇聚起来，实体店对冲了单个客户的需求不确定性。要转向以个别家庭为基础的先寄后买模式，需要更多有关单个客户需求的信息，从而消解实体店的竞争优势。
除了实体店”触摸实体，直观体验“的优势外，为实体店与网店间差异提供了新的解读视角。