top of page

人類直覺判斷難被AI淘汰

大概一年前,我為內地出版社翻譯了一本名為《小數決策》(Decisions over Decimals)的書籍,背後原因是看了英文原文版本後,覺得書內很多觀點很有意思,值得推薦給廣大的中文讀者。 《小數決策》的作者是美國運通副總裁、Google全球戰略聯盟負責人及哥倫比亞大學商學院教授,該書核心理念是關於「定量直覺」(Quantitative Intuition),定量分析強調正確的數字作決策。反之,直覺則依賴經驗和感覺,表面上看來好像有些矛盾。 作者把定量直覺定義為,在訊息不完整下作出決策的能力。他認為定量直覺不只是一種方法,應該成為一種企業文化,指導多元化的決策團隊,培養團隊的數據素養。筆者特別喜歡,書中第一章開宗明義說出,普羅大眾對數據決策有兩大謬誤: 第一:只有數學專家才能用數據做決策。 這種錯誤的觀念,阻礙了許多人利用數據來做決策。實際上,數據驅動決策不是一種選擇,而是一種必要,不管你的數學好不好,都需要以數據驅動分析來做決策。掌握高深的數學知識,並非成為優秀決策者的核心要求,這就像是一名賽車手,並不需要像機械工程師一樣熟悉車輛的各個零部件,他只需要了解汽車的基本原理,就有可能成為出色的賽車手。同理,對商業決策者的真正要求,不是擁有強大的數學天賦和深厚的數學造詣,而是對數據的重視以及把數據應用於業務的能力。 第二:只要我們擁有大量數據,最終就能做出完美決策。 現今世界面臨的挑戰不是缺乏數據,而是缺乏使用數據的判斷力。這似乎又回到第一個謬誤,也就是只有數學專家才能做出數據驅動的明智決策。事實上,不用成為數學專家,你只需要用人類的判斷、經驗和直覺來權衡數據,這些要素才是定量直覺的核心。 筆者超過30年的工作經歷中,發現能夠掌握定量分析的能力,而又能配合直覺一起運用在商業決策的高管並不多。我深信在未來的人工智能(AI)時代中,這些管理者不但不會被AI淘汰,反而會愈來愈吃香。至於為什麼會這樣,讓我先買個關子。 本文作者車品覺,為港交所獨立非執行董事、香港基因組中心董事、香港大學中國商學院客席助理教授,為《信報》撰寫專欄「全民大數據」。

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page