治疗白癜风医院 https://m.39.net/pf/bdfyy/xwdt/事实和直觉，人类与机器，运算和情感。当我们面临选择，是相信别人的结论？是相信自己的猜测？还是接受运算分析数据的结果？大多数人倾向于选择相信人类，虽然这并不一定是最佳选择。来自沃顿商学院的行动及信息管理学教授凯德·梅西（ＣadeMassey）及博士生伯克利·戴特沃斯特（BerkeleyDietvorst），在“天狼星卫星广播公司频道的“沃顿知识在线”节目中接受了采访，向大家介绍了他们的研究成果，揭示人类的决策背后存在哪些偏见？为什么我们不愿相信计算机给出的答案？尽管机器不一定完美，但我们自己犯错的机率可能会更大。沃顿知识在线：先帮助我们来回顾一下这个研究是如何产生的？梅西：这是伯克利的研究，但最初产生一些想法是因为我在数据分析公司工作的经历。我们在做研究和项目咨询的时候，经常会进行一些分析和运算，但当我们将结果反馈给相关机构的时候，却屡屡碰壁，难以影响他们对事务的判断。尽管我们知道，我们有证据，有数据支持，也有更深入的洞察力，但人们却并不愿意接受这样的结论。……我们知道，人们不喜欢这种由数据得出的结论，但我们却不太理解为什么。当然也不清楚该怎么做才能够让人们更愿意接受这些结论。沃顿知识在线：你们是如何看待这一切的？伯克利·戴特沃斯特：最初，我们在想，对那些不喜欢运算的人，我们可以采取做实验的方式。一旦人们了解了运算，并看到自己也可以通过运算来预测，他们就会开始更多地运用这种方式了。但实验开始后，我们才发现事情和我们预计的完全相反。人们在没有看到运算的过程，没看到运算出错的时候，是很乐意接受的。但在实验中，如果人们看到运算出了错误，就不太可能使用和接受运算了。沃顿知识在线：很有趣，因为……面对数据，绝大部分都是千真万确的，为什么人们还不接受？出于某种原因，运算数据并没有得到人们应有的接纳。梅西：这正是巴克利真正的研究重点，他的洞察力也为我们指引了方向……人们更容易接受人的主观判断而不是运算结果。没有任何运算是万无一失的。我是说，即使非常非常精确的运算也不是完美的。小的失误是在运算过程中需要克服的现实问题。沃顿知识在线：为什么会这样，你们分析过吗？戴特沃斯特：我想，人们之所以看到运算出错后，就不愿应用运算的方法，原因之一是因为一旦人们看到运算出错，就会觉得未来可能还会一错再错，从某种程度上来说，这样想也是正确的。梅西：但运算的优势之一就是具有连贯性。戴特沃斯特：这也是为什么我们喜欢这种方式的真正原因之一，前后连贯。梅西：人们错误地认为，人类不会持续犯错，甚至还会不断改善和提高。但在许多情况下，事实并非如此。相对于计算机来说，人类犯的错误更厉害。沃顿知识在线：计算机或者运算程序，在面对新数据或程序变化的时候，可以适应和调整，但人类却很难做到。戴特沃斯特：是的，一方面运算方法可以不断变化，未来还能不断改善。但另一方面人们也应该认识到，完美无暇的预测是不可能的，因为现实世界的许多结果是由偶然因素决定的。因此，即使你这次的预测完全正确，也不可能保证每次都很正确。梅西：芝加哥大学的一位研究员希利·艾因霍恩（HillyEinhorn）在他的论文里写过一句很有道理的话，“接受错误，以免犯更多的错误”。你必须接受，你的模型是不完美的。承认这一点，有助于你少犯错，因为人类可能更不完美。沃顿知识在线：是的。梅西：我们意识到，而且我们也有证据证明，人们总是追求完美的预测，不愿放弃每次都对的机会，即使根本不可能。沃顿知识在线：但你的研究里也提到还有经济方面的考虑因素。梅西：我们有一个有力的推断，但目前证据还不充分。我们推断，具有讽刺意味的是，越是重要的事儿，人们越排斥运算。如果他们不太在意结果，反倒更愿意接受计算机的帮助。例如，美国的超级碗橄榄球赛。谈到比赛的时候，人们会觉得，天哪，我们不能让运算来决定胜负。目前我们有一些类似的证据，但还没有系统地研究过这个问题。戴特沃斯特：目前我们正在实验室开展这项研究。沃顿知识在线：有时数据结果与你的预测可能完全相反，出现这种情况显然多少会令人有些诧异，请多和我们分享一下对这种情况的理解。梅西：最初遇到这种情况的时候，我们显然必须复制数据，确保我们重做实验的时候，也会重现同样的结果。然后我们会寻找其他可以合理解释这一情况的原因。例如，我们确实发现，参与者看到运算过程后，对运算失去了信心。而没有见过运算过程的人可能更有信心。我们开始检查所有的数据，各种迹象表明，正是因为看过了运算过程，人们才不太愿意接受运算的方式。戴特沃斯特:这种信心方面的数据非常有趣。人们即使犯错，也不会对自己失去信心。自己犯错时，对自己还是很自信，即使人们在实验中可能比机器错的更多。沃顿知识在线：你们怎么处理这项研究的相关数据，如何将其应用于现实世界？梅西：在目前我们所进行的项目中，我们正在探索，如何说服人们使用运算工具，即使他们知道机器也会犯错。我们进行过一些实验，有的人用模型预测，有的人靠自己预测，还有的人可以结合自身判断，对模型的预测结果进行调整，但这样做是有条件限制的。例如，数据运算给出了一个结果，你可以向上或向下调整5个点。我发现人们喜欢这种方式，更喜欢融入个人的因素。事实上，即使这种方式出错，人们也知道出了错，但却不一定会对这种方式失去信心。因此，只要人们可以参与决策，可以运用自己的判断，他们就会更愿意使用运算工具。沃顿知识在线：《波士顿环球报》刊出过一篇有趣的文章，介绍了你们的研究。文中提到在挪威餐厅的一个有趣的案例。我想说的是，餐馆不是让斟酒的服务员告诉你什么酒最好喝，而是通过平板电脑来说明。梅西：为什么你认为人们更能接受通过数据运算推荐的酒，而不是酒保推荐的酒呢？戴特沃斯特：我猜他们不太愿意接受。梅西：你觉得不太会接受，为什么？戴特沃斯特：是的。如果在你工作的领域里，人们相信人类具备特殊的洞察力，但这是机器所无法理解的，这时人们就很有可能不愿运用数据运算。我是这么想的，但显然我们没有证实过这一点。计算机从来没有品过酒，因此我想人们不会相信计算机给出的结果。顺便说一句，我猜其实计算机会“品酒”……人们肯定不愿听到这个，但我猜它会。梅西：如果计算机还没“品过酒”，将来可能会的。戴特沃斯特：未来会搞明白的。沃顿知识在线：就好像一扇通往不同探索领域的大门被打开了，让人们看到数据可以影响到现实生活的方方面面。戴特沃斯特：确实。正因为如此，我们最初就感觉这项研究非常重要，因为这个项目的适用性在不断增加。随着大数据的发展，越来越多的人尝试借助数据运算帮助他们在各个领域做出决策。我们需要更深入地了解，到底是什么能帮助人们克服不相信机器的障碍。我们开展这项工作的动机之一，就是想深入了解人们对机器的偏见到底有多深，人们多么需要，也多么不易改变这种判断。沃顿知识在线：显然，偏见是日常生活中经常会出现的问题。戴特沃斯特：是的，确实如此。有时不一定是选酒或就餐这样的小事，有时可能是退休金储蓄这样的大事。沃顿知识在线：从你目前的进展来看，这项研究未来可能会朝什么方向发展？戴特沃斯特：我们发现，让人们融入自己的主观因素，通过自己的判断调整运算结果，他们就会更容易接受和使用运算工具。我们还有一项研究，调查事情重要的程度与人们是否愿意运用运算工具有什么关系。我们还希望将这个项目用于现实世界，组织某个公司的一群专家开展实验，跟踪他们的决策过程。梅西：从某种程度上来说，当我们作为正常的研究和咨询业务与机构沟通时，有些因素起作用，有些不起作用。现在到处都是应用软件。最近，在网络杂志Slate上有一篇文章，讨论信用评级，总有一些不为人知的因素在评级中发挥作用。现在，有的机构会探寻你的数据印迹，并在信用评级中加入一些辅助的因素。因此，越来越多的运算程序用于这些非常重要的决定，让人们感到不安。因此，虽然我们希望提高人们的判断水平，但我们必须承认，你可能越线了。人们对此有种天生的恐惧感，这是可以理解的。沃顿知识在线：我们越来越受到数据的影响。正如你所言，大数据在迅猛发展，未来还会成几何倍数地递增发展。梅西：是的，我想对我们中有些人而言，对一直提倡用机器运算来提高人类判断能力的人而言，这件事非常重要。我们必须深入了解，如何让人们更接受机器运算。咨询从业人员提出的建议是，保持谦逊，不要高估你的运算方法，必须能够接受专家和主观判断对此的影响。事实上，我认为保持谦逊是与实验对象沟通时最需要注意的因素。“你看，我的模型存在缺陷……我知道您有智慧，真正的智慧。”我们需要知道怎么将两者结合起来。因此，在实验中，伯克利常说我们需要给他们自行斟酌决定的空间。我们会对研究对象说：“这种运算方法可能对您有所帮助，但我们会给您一定的权力去修正运算的结果。”沃顿知识在线：你是否发现自己在某些情况下更倾向于支持个人的建议，而不是运算的结果？梅西：（笑了）是的。戴特沃斯特：我当然也会有本能的思维定式，但由于我做的研究，我会处理好这种思维定式，我会尽量信任数据，信任计算机……但我也和其他人一样都有思维定式。梅西：伯克利的论文导师同时也是我们在沃顿的合作撰稿人约瑟夫·西蒙斯（JosephSimons）……他就提倡要避免偏见，要
转载请注明：http://www.aierlanlan.com/rzdk/7252.html
