控儔pk10夥源靨薹數呾

韓誥睿pk10嫖隴奀ぜけ耋7堎蚥凅詨璃詨煤楷溫籵眭

韓誥睿pk10嫖隴奀ぜけ耋7堎蚥凅詨璃詨煤楷溫籵眭

奀潔:2018爛01堎12 10奀18煦06鏃懂埭:http://44mishi.com 釬氪:admin 萸僻: 62437 棒

﹛﹛扦頗煦綻燴蹦玴炒牲模蔚植芘賮褕蝏廙紜鯜紫儷奀噥迋蟋婸騊藝鞶皆輔蕙笫龕罔蝏廗硅鼒硌纗庠琭玻繂輔蕙笘譚祲棎匯吽

祥徹ㄛ珋婓凰藷懈鏍褫眕皮暻鎗滇ㄛ祥屾爛ш刱稂暻ˇ衿﹝牴堸鏽巖炾遄

垀眕ㄛ鏍笲垀腕腔妗需ㄛ祥硐岆歎跡蔥腴ㄛ遜衄恁寁崝嗣﹝

綬控眕※岈珛傖髡蕞妦繫﹜侂堤粗峈妦繫﹜盪妢孮恀в笛插卅眛的控補妦繫§峈囀楈橠紊肪嘍鯜絳珒鯦祡蛣﹝

﹛﹛冪類齬ㄛ劑源場祭軞賦賸蜆溢郫芶鳴釬偶寞薺﹝

善賸ь藺腔垀彖侐湮&Ж孮苤佽*ㄛ棚萴侄媏溘楚

森俋ㄛ奻跺堎ㄛ梇憑諂蟲檗ョ偵婞飽接贏蛢獃擂桶隴ㄛ堎⑩腔華狟湔婓奕夭50鼠爵腔操湮諾韌﹝

※森棒阨訧埭阭蜊賂孺湮毓峓ㄛ珨跺笭猁埻寀岆阭煤す痄ㄛ軞极祥崝樓わ珛睿懈鏍淏都汜莉汜魂蚚阨蛹童﹝

淏岆籵徹坻蠅隱狟懂腔釬こㄛ扂蠅奾夔艘善饒跺奀測腔侄醟汜腔儕朸醱醴﹝

﹛﹛藝弊弊模ァ砓擁惆豢佽ㄛ婓囀票嶺佴樓笣兜鎮慇ㄛ陔爛珗ァ恲腴祫錨狟ㄡㄥ扜庌僅﹝

儔踩播瓟谿怹汜衪肮楷桯ㄛ碩控吽羲擁岊芛謎疑﹝

薊磁衄壽窒藷羲桯景誹す假殿盺魂雄ㄛ峈殿盺嬪麵觼鏍馱楷溫汜魂硃泂5砬嗣啋﹝

肮奀ㄛ儔陲摩芶遜儅憤芘旯莉珛痴げ﹜蚚馱痴げ﹜斐珛痴げ﹜踢皕鶳傷譬騝鶳黍嬧礡

編者按:未來的世界,人類需要害怕人工智能嗎?AlphaGo擊敗了世界第一棋士柯潔;相傳第一輛無人駕駛公共汽車已經進入試用;天貓、淘寶、京東用雙11不斷刷新電子平台營收額......科技正在迅速地改造每一個產業,重新塑造我們的世界,而人類又將如何面對挑戰?在《機器、平台、群眾》(台灣天下文化出版)一書中,數位趨勢頂尖思想家、MIT首席學者艾瑞克•布林優夫森及安德魯•麥克費,點出現代數位革命的三個基本層面:人腦與機器之間、產品與平台之間、核心與群眾之間的再平衡。在這三個層面的變遷中,重心移向每一個配對中的第二項,這對企業經營及我們的生活帶來巨大的影響。自動駕駛車、無人機、3D列印機、人工神經網絡......,種種形式的數位機器超越以往的限制,扮演起全新的角色。線上平台改變了成本結構,改進了供給與需求的媒合,在錄音音樂、城市交通運輸、電腦硬體、團體運動等無數的產業,創造出傑出可畏的全新競爭者。在網際網路上集結的群眾,已經建造出作業系統與百科全書,一再擊敗所屬領域裡的專家,為許多創業機會提供資金,甚至還改造貨幣。本書充滿科幻科技已經成真的例子,以及新創公司變成全球重炮的故事。但作者並非只是綜述這些新發展而已,他們還解釋現今與未來一切創新與顛覆背後的基本原理,這些原理植基於經濟學及其他學科,正被全球各地具有洞察力的大大小小組織善加利用。本版節選書中片段,看看在這場風起雲湧的數位變革浪潮中,人類的智慧可以扮演怎樣的角色。■文:安德魯•麥克費、艾瑞克•布林優夫森 譯:李芳齡 節選自《機器、平台、群眾》(台灣天下文化出版)有一則老笑話是,在未來的工廠裡,將有兩名員工:一個人和一條狗,人的職務是餵狗,狗的職務是看人,不讓人碰觸任何機器。未來的公司,真的會變成這種面貌嗎?我們可不這麼認為。人類固然有電腦沒有的偏誤,但也有電腦欠缺的長處。就拿其中一項來說吧!我們隨時從感官接收大量資訊,而且不會事先篩選資訊,來什麼就接收什麼,哪怕只是很短的時間,我們也難以只聽特定聲音、只看特定事物。電腦則是剛好相反,下指令的人要它們蒐集什麼資料,它們就蒐集那些資料,很難蒐集更多或其他資料。......因此,在多數的情況下,由人類檢查電腦的決策,確保那些決策合情合理,會是比較好的做法。長期研究分析與科技領域的學者湯瑪斯.戴文波特(ThomasDavenport),將這種做法稱為「望向窗外」(lookoutofthewindow)。這個名詞並非全然是聯想式的隱喻,是一個飛機駕駛給戴文波特的靈感。他告訴戴文波特,在開飛機時,他高度仰賴飛機的機械操作,但也必須時而望向窗外,掃視天際線。這種方法非常有益,不只是為了防止錯誤,也有助於維護一家公司的聲譽。Uber的教訓叫車平台Uber,在2014年末就學到了慘痛教訓。當時,Uber的加成計費(surgepricing,在尖峰時段暫時調高費率),令許多用戶十分不爽。Uber的辯護理由是(我們也同意),加成計費有助於平衡尖峰時段的供需,當實際或預期的Uber車輛供給不敷需求時,該公司的演算法將會調升費率,鼓勵更多駕駛加入提供服務。這項實務在2014年12月,招來了大量的負面輿論,起因是一名伊朗教士在澳洲雪梨一間咖啡館挾持了十八名人質,許多人慌忙逃離事件的發生地區,其中一些利用Uber叫車,Uber的電腦系統便對這股激增的需求做出反應,啟動加成計費。許多人看來,在危機爆發時,這是非常不當的反應,所以該公司遭到強烈抨擊。Uber發出了下列聲明:「(在事件發生時,)我們沒有立刻關閉加成計費,這是錯誤決策。」顯然,該公司也內建在一些情況下取消加成計費的設定。比方說,後來在2015年11月13日的晚上,伊斯蘭恐怖分子在巴黎發動了一連串的攻擊,在第一起攻擊行動發生的三十分鐘內,Uber就取消該市的加成計費,並提醒所有用戶這個緊急事件。像這樣的例子,足以顯示將人類判斷與演算法結合的好處。不過,公司在採用這種方法時,也必須小心,因為我們實在太鍾情於自己的判斷力,往往過度自信,許多人(如果不是絕大多數的話)經常太快凌駕於電腦之上,縱使是在電腦的答案較佳時。前文提過社會學家克里斯.史奈德斯,他對荷蘭採購經理人的預測能力進行研究,他發現「有演算模型輔助的專家,預測準確度通常介於純模型和無模型輔助的專家之間。所以,提供演算模型給專家,他們的預測準確度將會提高,但純模型預測的能力仍然較佳。」倒置夥伴關係畫出清楚界線最後一個有助益的做法,一些公司已經開始採行,就是把人機的標準夥伴關係倒置,不再由機器提供資料給人類當作判斷參考,而是把人類的判斷當成一個資料點,輸入演算法。谷歌首創將這個方法用於人才招募上,人才招募對該公司非常重要,但分析顯示,人機標準夥伴關係的成效很差。拉茲洛.博克(LaszloBock)在擔任谷歌資深人資長時發現,當時所採用的大多數新員工遴選方法近乎無效。他的團隊檢視究竟是什麼因素,造成公司員工工作表現的差異;他們發現,錄用前的徵信調查(referencecheck)只能解釋7%的差異性,先前工作經驗的年資只能解釋3%,無條理結構的面試只能解釋14%(就是那種最常見的面試,在開頭時詢問:「你最大的長處是什麼?」或「請逐項談談你的履歷表。」)博克說,這類面試的問題在於:它們形成了一種情況,其實是試圖在確認我們對此人的想法,不是真的在評估對方。心理學家把這稱為「確認偏誤」(confirmationbias),我們只根據最少的互動,得出了一張快照,在無意間做出判斷,卻深受既有偏見和想法的左右。不知不覺中,我們從原本是在評估一位應徵者,變成了在尋求證據,確認自己的初步印象。這又是把偏誤和毛病帶入一項重要決策裡。那麼,有什麼更好的人才招募方法?谷歌改為高度倚賴有條理結構的面試,這項因素對員工錄用之後實際工作表現的解釋度超過25%。所謂的有條理結構面試,包含一套用以評估應徵者的預先設定問題,例如評估應徵者的一般認知能力。谷歌採用了一種人才招募流程,所有面試官使用結構性面試,詢問應徵者大致相同的問題,博克解釋:「我們使用一致的面試評分表格......,面試官必須評估應徵者表現如何,表格上清楚定義了每一項表現的等級......一份簡明的人員招募評分表格......,把混亂、模糊且複雜的工作情況簡化,得出可評量、可比較的結果。」在此方法中,個別面試官的判斷仍然受到重視,但這些判斷被量化,用以對應徵者打分數。博克認為,這個方法並未貶低面試流程或去人性化;相反地,應徵者也感謝自己受到客觀、公平的對待(透過新流程應徵但未獲錄用者,有80%表示會推薦朋友應徵谷歌),僱用決策變得更容易,因為「可以看出優秀者和普通者之間的清楚界線」,博克如此說道。

5堎16掁界磉觴諂犒尌6蓬侕繙鞶玻皆僎唌偉訧蓬倏琚掃靇俷蜊﹝

踏綴ㄛ涴笱①錶蔚蚕扦頗悵玸冪域儂凳孮鍔癹ぶ褕馨麼氪硃逋ㄛ甜赻Й褕眳梪艞為椅梩蚘梠繴笱晌撋齡苃刓艞閨牓硜埴遢厊伂耀皇圪蝏嵿玸俴淉窒藷甡楊揭Й褕杅塗珨捷眕奻捷眕狟楠遴﹝

坻蠅膘祜欸羲絨腔姘測桶湮頗ㄛ淏宒傖蕾笢弊僕莉絨﹝控儔pk10夥源靨薹數呾

蜆蛹孮冾羆м葑簆麾皈硰げ胱戰虞昢蕾楊馱釬源醱眒冪△譆寋直魙飽

笢桵ぶ冪籀衄蛌轡腔慫砓ㄛ梇噢乘譚鄵邿壽薊竭湮ㄛ赻跼誕壽蛁﹝

(孮帢鉏迤榮dmin)
階珨狟
笮珨狟
------煦路盄----------------------------