權力與預測

《權利與預測：人工智能的顛覆性經濟學》適合於最近關注到甲骨文市值一夜漲了2萬億，並追尋“爲什麼”的書友閱讀。它揭示了AI與數據的關係，即AI爲何會將決策拆分爲“預測”和“判斷”。本書由加拿大多倫多大學羅特曼管理學院的三位教授聯袂撰寫，他們是人工智能商業化領域的世界級專家。 本書中文書名翻譯的有些詞不達意，也許直接用“人工智能的顛覆性經濟學”會更直觀。其特質在於試圖回答AI對於經濟領域真正的顛覆是什麼，試圖回答經濟權力的轉移路徑，稀缺資源和資產的控制權將如何轉移到誰的手中。如此，研究架構學術化，內容文字可能會有些累牘。 作者們提出“應將人工智能視爲預測工具”的核心觀點，這一洞見引發了行業從業者的廣泛共鳴。早在7年前，他們便出版了暢銷書《AI極簡經濟學》，系統闡釋了AI商業預測的底層邏輯；但教授們也坦言，該書的框架僅覆蓋了“點解決”方案，只是人工智能應用領域的一部分。 在後續數年的研究中，他們發現“系統解決”方案纔是AI中尚未被充分挖掘的關鍵。而本書，正是作者們圍繞這一議題，凝結最新研究的智慧結晶。書中的“點解決”方案是指很直接簡單地採用AI工具替代舊的解決方案模式。而“系統解決”方案是指基於AI替代及新特徵而重新設計產品服務以及匹配組織和流程的系統化迭代。 如此，作者們的研究重點則從探索神經網絡轉移到了人類認知（我們如何做決策）、社會行爲（爲何某些行業的人能迅速接受人工智能，而有些行業的人會牴觸）、生產系統（某些決策如何依賴於其他決策），以及行業結構（我們如何隱藏某些決策以保護自己免受不確定性的影響）。 在書中第一部分，作者們重溫了《AI極簡經濟學》的主題，並描述了人工智能的核心是如何與預測相關的。決策的兩個關鍵要素：判斷和數據。書中以案例說明AI對於數據處理的擅長及以更低的成本基於數據的預測。但AI不止於預測。我們將看到超越AI預測的機遇。 在第二部分，深入探討了決策過程。指出AI會打破傳統的規則，決策從規則範式轉向由AI預測驅動的模式。透過歷史，在需要對整個系統進行重新設計以實現優化時，新進入者和初創組織的表現往往優於成熟企業。系統變革是顛覆在位企業的一個途徑。 在第三部分，作者們討論了創建新系統的過程。這不僅涉及改變一個決策來應對預測，而且要使所有相互作用的決策都能發生變化。雖然規則本身是低效的，但改變規則是昂貴的。從更廣義的層面上來說，揭示不確定性是通過預測打開新決策的第一步。要做到這一點需要改變規則。 在第四部分，作者們揭示了AI系統變革的必然結果：對經濟權力的影響，即重新分配利益。經濟權力來自價值和稀缺，競爭可以改善事物稀缺的局面，而AI的預測將賦予先發優勢。AI部署得越早，預測的準確性就越高。AI反饋循環意味着更加蓬勃。 在第五部分，作者們深入探討了預測如何改變經濟權力擁有者的機制，即AI如何進行顛覆。AI將概率思維引入了系統中。不確定性爲部署預測機器提供了機會。AI預測會帶來判斷的“脫鉤”，不同的人的決策意味着出現顛覆的可能性。改變決策的實施方式會對系統設計產生重要的影響。 在第六部分，作者們討論了系統設計，即針對建立在新的AI發展基礎上的可靠系統。AI具有長鞭效應，即其改善了一個決策的質量，卻降低了系統中其他決策的可靠性，從而損害了其他人的利益。模塊化爲不受長鞭效應影響提供可能。AI在系統中發揮作用的前提是技術與流程深度耦合，要重構整個系統，不止於資源分配和組織文化等，才能真正釋放 AI 價值。

補作業。 1）人工智能使銀行在推測遊戲中表現得更好並減少了錯誤的發生。作爲研究過去十年人工智能新進展的經濟學家，我們意識到自己的任務就是打破炒作。人工智能吸引了哲學家、電影製作人、未來學家、末日論者等許多人的注意力，他們可以讓你的晚餐聚會更加有趣。我們則扮演着相反的角色。我們從計算機科學的成功之處獲得線索，並將人工智能的所有進展，如神經網絡、機器學習、深度學習或對抗性優化，歸結爲統計學的進步——這是一個很大的進步，即預測的統計學。因此，與其說人工智能參與了打擊欺詐的鬥爭，不如說人工智能實際上是在提高銀行的辨別能力，以更低的成本將合法交易與欺詐交易區分開，也就是預測。 2）系統解決方案通常比點解決方案或應用解決方案更難以實施，因爲由人工智能改善的決策會影響系統中的其他決策。而點解決方案和應用解決方案往往會強化既有系統，系統解決方案（顧名思義）則會推翻既有解決方案，因此通常會導致顛覆。 3）爲什麼顛覆——特別是由系統創新產生的顛覆——對現有企業構成了如此大的威脅，削弱了它們的經濟實力，而反過來又爲新進入者提供瞭如此大的機會呢？ “顛覆”一詞起源於克萊頓·克里斯坦森的研究。克里斯坦森指出，行業巨頭可能會對新技術及其對客戶的價值“提出錯誤的問題”。 4）區分糟糕的決策和結果是很重要的。有時好的決策會導致糟糕的結果。這是職業撲克選手安妮·杜克在她的《對賭：信息不足時如何做出高明決策》一書中的觀點之一。截至撰寫本書時，杜克是唯一一位贏得NBC（美國全國廣播公司）全國撲克單挑錦標賽的女性選手。撲克是一種既需要運氣又需要技巧的遊戲，你可能打出完美的牌但最後卻輸了，也可能在一手糟糕的牌上下了大的賭注卻幸運地贏了。 5）但它們在一個關鍵方面有所不同：在第一項研究中，招聘經理做出了有偏見的決策；而在第二項研究中，罪魁禍首是一款計算機程序。 作爲這兩項研究的合著者，我把它們看作對比性的經驗，它們共同展示了兩種類型偏見之間的鮮明差異：人類偏見和算法偏見。 6）與人類系統相比，發現和消除人工智能系統中的歧視要容易得多，“改變算法比改變人類更容易：計算機上的軟件可以更新，而迄今爲止已經證明我們大腦中的‘溼軟件’沒什麼可塑性”。

讀完的第957本書，從人工智能的點解決方案到系統解決方案，纔是未來顛覆式的範式創新，理論架構清晰，分析嚴謹，絲絲入扣，六星推薦。 《權力與預測》的核心觀點聚焦AI的預測能力對決策、系統及權力結構的顛覆性影響，具體如下： 1. AI核心價值是分離預測與決策：作者提出決策包含預測和判斷兩大要素，而AI的核心作用是將預測從人類轉移到機器。這一“脫鉤”不僅減輕人類認知負擔、提升決策效率與精度，還打破傳統決策模式，爲組織設計創新和新決策模式湧現創造了條件。 2. AI的變革關鍵在系統創新而非單點優化：AI作爲通用技術，類似電力，其真正潛力不在充當現有流程的“點解決方案”，而在於推動系統級革新。當下很多AI應用只是簡單替換舊有預測方式，只有圍繞AI重新設計業務流程、產品及組織架構，打造專屬新系統，才能釋放其真正生產力。目前行業正處於AI潛力未充分釋放的“中間時代”，系統解決方案的落地尚需時間。 3. AI顛覆傳統規則與不確定性處理方式：傳統組織依賴大量規則掩蓋決策中的不確定性。而AI強大的預測能力能揭開這些隱藏的不確定性，打破基於舊規則的做事模式，迫使各行業對現有系統進行根本性變革，而非僅改良單個決策環節，這種變革會深度影響組織運行邏輯。 4. AI引發權力結構重構：決策決定權力，行業中權力對應利潤，社會中權力對應控制。AI帶來的系統變革會推動權力轉移，權力不會歸於機器本身，而是流向能高效運用AI預測、主導系統設計的個人與組織。同時數據作爲AI預測的基礎，掌握數據也成爲積累權力的關鍵，這一過程會分出行業和社會層面的利益贏家與輸家。 5. 需主動應對AI變革以把握機遇：作者爲企業和政策制定者提供方向，建議企業跳出單點優化思維，主動進行系統層面的重構；相關從業者也需適應AI與人類智慧結合的新模式，而政策制定者則要通過完善監管、制定倫理準則等，應對AI帶來的責任歸屬、算法偏見等問題，保障技術公平合規發展。

“中間時代”，於我而言是陌生詞彙，相信對於很多其他偏技術方向的從業者來說，也是如此。 IT人員與非本專業人士溝通時，由於基礎認知的不同頻，將各AI技術的優劣解釋清晰是個難點。同樣，很多偏技術型IT創業者也很少從“經濟的角度”深入理解、分析自己的創業項目。本書會幫助讀者展開一個全新視角去分析自己的項目。 這種全新視角同樣可以解釋給項目投資人——權力會轉移到新的經濟掌控者手中——這種思維會更吸引他們。 不贅述內容梗概，具體到細節的閱讀感受。書中提到一個概念：預測與判斷“脫鉤”。依個人理解，這是讀懂整個顛覆的關鍵點，或者說突破點。細表如下： 預測是一種信息，用於輔助判斷（決策），它是一個客觀因素。本身我們所在的宏觀物理世界就是基於概率的，那麼實際上我們的系統（這裏不是說傳統的計算機軟件系統，而是整個世界的運行系統）都是概率的，而非確定的。傳統計算機軟件系統，我們基於慣性思維認爲它要做到百分百的準確率纔是可以使用的系統。 其實傳統軟件只是限定了只接收100％準確的信息，即預測準確率100％。所以預測並非是突然出現的，只是概率數值的變化。隨着時間推進，我們生活中越來越多的軟件系統採取了提供概率信息的方式。例如，天氣預報、金融詐騙、供應鏈預測等。有些系統經過優化已經被大多數人所接受，即使它的準確率沒有那麼高。 判斷是主觀的、帶有個人色彩的。就像傳統的審批流程，你是否同意一筆貸款，取決於每個人通過有限信息疊加個人經驗從而做出判斷，這種判斷之前的過程是有邊界（或者說侷限）的。但新的方式是，預測信息會給你一個更加具體的數值，這筆貸款的違約率是百分之幾，貸款人在當前貸款額度的違約率。信息的多樣化可以提升判斷準確率，或者說此前無法做出判斷的業者，有了預測信息的輔助後也可以做出合理的判斷了。 此處此例可表：AI無法取代人，它只是將人的權力從一部分人手中轉移到另外一部分人手中。 但我所舉例依舊不能恰當的表達我從書中所獲，只是希望拋個磚，更多書友集思廣益。或許不斷思考舉例的過程就找到某行業人工智能的系統解決方案，從而顛覆現有經濟權力的掌控者。 另，本書可以視爲一本索引書。完整閱讀後，可以根據自己興趣點或工作強相關的領域，繼續探索。探索後再回來看一下本書，可能理解會更深刻。

非常有價值的一本書，整本書觀點不復雜，甚至說可以比較簡單，幾句話可以概括。作者認爲AI的時代和電力的發展一樣。電力從發明出來到指數級增長，到全民使用花了20年的時間。人們學會使用電力的時間也花了這麼久。實現巨大生產力的關鍵是理解新技術的內涵，電力不僅僅是更便宜的蒸汽機，它的真正價值在於能夠將能源使用與能源來源分離。工廠裏的機器不需要在蒸汽機時代一樣，擠在一個房間。AI的內涵是什麼？我們無人知曉，也許幾年內也不能預測。 我們現在所處的時代，屬於中間時代，沒人知道AI的未來在哪裏，也許是朱嘯虎先生所提的一個生態系統的接口，也許是系統，但肯定不是現在的這些所謂的Agent，所謂的應用端，不過是點解決方案，如電力發明後的燈泡，改變世界的會是顛覆性的系統性解決方案。 本書多個例子啓發人，也增加了可讀性，比較推崇作者對保險行業的一些思考🤔

這本書很適合在現在的這個時間段閱讀，因爲在2025年末的這個時間段，全世界都在討論目前美國的瘋狂建設數據中心是否存在泡沫。 此書的核心觀點是參照了19世紀電力的普及過程來看今天的人工智能，同樣都會是作爲人類生產力發展的底層基礎設施，它們可能發展的路徑會是類似的。也就是這種基礎設施，無疑長遠上是會大力推動生產力發展，可是這個需要時間，因爲一開始它總是隻能在“某些合適的點應用”上使用併產生很強的效果。可是，要成爲整個社會的生產力提升工具，這是一個系統性工程，涉及的問題太多了，需要時間來慢慢建立和更新系統。 所以結論顯而易見，人工智能對於“點面”上的預測效果非常明顯已經被廣泛應用了，最典型的莫過於各種虛擬服務中的推薦算法，比如廣告，媒體，購物平臺等等。包括現在的聊天機器人，也屬於是點面上的服務。但人們可能對於它應用到我們生活中更龐大的各方各面的預測有點過於樂觀了，那涉及到整個系統的更換和升級，可能會需要更長的時間。

人工智能的“中間時代”：我們就在機會旁邊 🌱 一本書之所以稱爲好書，大概是誰讀都可以有所收穫。本書雖然名字比較學術，涉及領域更專業，主要是AI人工智能和經濟學，但非專業人讀來也能找到釋然的點。 🌱 每天早上被智能音箱叫醒，全屋電器綁定APP，可以只動嘴不動手，導航可以說到哪裏就可以開始規劃路線，再不用像老一輩一樣用地圖記路，手機可以掃臉登錄，我們的生活已在不知不覺間被人工智能包圍。 🌱 我們常說科技是第一生產力，這本書從“權力與預測”的關係，分析科技改變帶來的社會轉變。本書提到一個很有意思的觀點：我們正處於人工智能的“中間時代”——在展示技術能力和實現其廣泛應用前景之間的時代。這觀點我的理解是，我們現在正處在人工智能飛速發展的時代，就像從愛迪生髮明電燈，到電力時代這中間需要40年，我們真正進入人工智能時代還需要足夠的時間，而這本書提出用“系統解決方案”之路開啓人工智能，重視決策和預測在其中的作用。 🌱 人工智能的發展實際也給人們帶來了恐懼。你有沒有過焦慮，焦慮有一天你的工作會被人工智能取代？自從上世紀四十年代發明第一臺計算機以來，到五十年代提出人工智能理念，到今天電子計算和互聯網的發展，科技早已改變世界，而且科技帶給世界的變化是以前的人們難以想象的，生活在科技進步的現代人，時常焦慮人會被機器人取代。 🌱 以前費時費力費人的麥收，現在可以有聯合收割機一小時收完；以前車馬慢歲月長，現在可以一小時出國；以前很多工作需要記錄登記背誦，而現在一部手機都可以搞定。以前有個討論：人工智能代替不了哪些行業，曾火爆網絡，人們擔心自己自己的崗位可以被替代，又希望自己可以不被替代，所以人們討論被人工智能替代後要怎麼辦，擔憂被人工智能替代後無法生存。 🌱 這本書或許可以一定程度緩解焦慮。信息技術和人工智能的發展被稱爲第四次科技革命，但歷史的經驗告訴我們，如同電力系統話費幾十年世界實現所謂的“顛覆”，人工智能也一定會實現“顛覆”。我們生活中這個矛盾和悖論的“中間時代”，人工智能已經影響人類生活的越來越多的領域，但還生產力並沒有明顯提高，基於此，本書提出觀點：人工智能是預測技術，人工智能創新是使預測朝着更好、更快、更廉價的方向發展。

作爲中信出版集團的老粉，這家出版社的書，本本合我口味。 大家或多或少能感知到，我們處在一個“中間時代”，我們目睹了人工智能這項技術的威力，但又在它被廣泛應用之前的時代。關於人工智能，《權力與預測》這本書提出了幾個觀點，我把一部分分享給大家。（這本書是由三位作者合著寫成的，裏面的觀點經過了多次迭代，對大家預測人工智能未來發展很有幫助。） 1、人工智能顛覆時代的方式，是顛覆整個系統，而不是改動系統裏一個一個的點。 《價值投資3.0》這本書的作者，曾經教給我一個非常有效的方法：如果你要預測某一樣東西對人們的影響，就回到過去，去找類似的案例。這個方法除了用在預判行業、企業、某一個人的未來發展上，我覺得同樣適用於毛估估人工智能的未來發展。 在過去，電力改變了我們的社會。今天電力的普及程度在20世紀初令人難以想象，那時候電力幾乎無處可見。電力取代蒸汽，最終顛覆一個時代的方式，不是簡單地在工廠裏從蒸汽改用電力，降低燃料成本，這種能源賬單可節省的幅度是有限的。它真正厲害的地方，在於電力所區別於蒸汽的特點，使電力顛覆了所有工廠的系統設計，徹底改變了工作流程。 目前不少企業已經在利用人工智能提高效率、降低成本了，這和在過去利用電力降低燃料成本是一個道理，屬於“點解決方案”。真正高價值的潛在人工智能“系統解決方案”尚未出現。只有在創新者將注意力轉向創造新的系統解決方案時，真正的變革纔會發生。 等到人工智能“系統解決方案”出現的時候，就是經濟權力進行交接的時候了。人工智能系統在發展和採用過程中，誰可能獲得權力，誰又可能失去權力呢？ 2、現在，很多決策是由規則控制的。未來，決策由預測驅動。 書裏用“機場”這個例子來分析人工智能對決策的影響。我們乘飛機，唯恐誤機，所以一般都會提前去機場候機，對吧？提前到機場，意味着我們要在機場呆很長時間，至於究竟呆多久，是一種“不確定性”（由交通、飛機是否延誤、各類事故決定）。因此就有了“規則”。機場的“規則”很簡單——提前去機場等着。 於是機場就想，我怎麼能讓乘客白白等着呢！？等久了，乘客就會減少利用飛機出行的次數。我得想個法子。有了！我把機場建成“目的地”不就好了？ 所以，誕生了各種各樣非常華麗的、刺激消費主義的機場。相反，頂級富豪們的私人機場都是非常樸素的、無法久呆的，原因很簡單，他們不需要候機。 人工智能會帶來什麼變化？它根據預測路況如何、事故是否發生，倒推出你在幾點出門可以正好上飛機，從而保證你不需要在機場候機。這樣一來，華麗的、刺激消費主義的機場就會失效。 《權力與預測》這本書，比起市面上講人工智能的同類型書要深刻得多。原本只打算寫3、400字的，一時沒收住筆寫到這裏了。剩下的內容大家自己去看吧。經由自己看來的智慧才更香。

全書主要觀點、主要數據和主要證明的邏輯以及可以實操的建議 用戶希望瞭解《權力與預測》的主要觀點、主要數據、邏輯證明以及可操作的建議。爲了全面回答這個問題，我需要從書籍的全局信息中提取相關內容。 通過歷史對話中提供的原文內容，我已經能夠總結出《權力與預測》的主要觀點、主要數據、邏輯證明以及可操作的建議，無需進一步調用工具。 書籍簡介概述了《權力與預測》的核心主題：人工智能通過將“預測”從人類轉移到機器，重塑決策體系並重新分配權力，爲後續分析提供總體框架。本書相關內容進一步闡釋了作者關於決策由“預測+判斷”構成、新系統設計需考慮信息、技能、激勵與協調四要素，以及權力可能集中或分散的場景，並以信用卡與放射科醫生的案例佐證。該結果還藉助“帶不帶雨傘”的決策樹說明預測如何降低決策成本、促使人們放棄默認規則。基於這些信息，可提煉全書主要觀點、關鍵邏輯與可操作建議，並在回答中引用上述來源以支撐核心結論。 一、全書主要觀點 1. ​​決策的本質是“預測+判斷”​​。人工智能首先接管預測，把判斷留給更具人類特質的我們，從而提高速度與準確性。 2. ​​新 AI-驅動的決策系統會重新分配權力​​。誰掌握數據與算法，誰就在決策中擁有主導地位；傳統上擁有判斷力的人力資源可能被邊緣化或重新定位。 3. ​​系統設計需圍繞四個變量優化​​：信息獲取、技能匹配、激勵相容與跨部門協調。只有同時滿足，才能真正釋放 AI 預測的價值。 4. ​​並非所有決策成本都會下降​​。如果判斷無法被標準化，權力未必集中；反之，當判斷可編碼，集中往往發生。 二、全書主要數據與實例 場景關鍵“預測”判斷權力變化 信用卡審批機器學習評估違約概率信用額度設定審批權向少數科技/金融平臺集中 醫學影像AI 識別影像模式臨牀處置、溝通影像診斷職能被 AI 與後臺醫護替代 雨傘決策天氣預報 P(雨)=90%攜帶/不攜帶個體可放棄“永遠帶傘”習慣，依據預測動態決策 三、主要證明邏輯 1. ​​概念拆解​​：作者先將決策拆爲“預測”與“判斷”，證明二者可被分離；當預測被機器接管，人類只需處理判斷，從而提升整體決策質量。 2. ​​成本-收益模型​​：以“帶雨傘”示例說明，精準預測降低錯誤成本，使個體願意爲信息付費並打破舊習慣。 3. ​​權力分配理論​​：通過信息、技能、激勵、協調四維度，論證在哪些條件下權力會去中心化、在哪些條件下會集中；並用信用卡、放射科醫生案例做經驗證明。 四、可實操的建議 1. ​​企業層面​​ • ​​識別“判斷可編碼”的環節​​：對高頻、標準化決策先試點 AI，例如理賠、授信、庫存補貨，集中數據與模型，快速收回成本。 • ​​重新設計激勵與協調機制​​：讓最能利用預測結果的團隊擁有決策權，避免信息孤島；KPI 要與整體組織目標對齊，而非局部最優。 • ​​保護並升級人類判斷​​：將員工轉移到需要同理心、創造力、戰略思考的崗位，通過再培訓讓其使用預測輸出做更高層次判斷。 2. ​​個人層面​​ • ​​主動使用預測工具​​：在投資、營銷、採購等場景先做數據輸入，讓 AI 給出概率分佈，再結合自身風險偏好做判斷。 • ​​打破默認規則​​：定期審視“我是否因爲信息成本高而一直做同樣選擇？”若有 AI 預測輔助，應敢於調整習慣。 • ​​培養“解釋與監控”能力​​：判斷不僅包括選擇，還包括對 AI 輸出的可解釋性與偏見監控，這將成爲高價值工作。 3. ​​社會治理與監管層面​​ • ​​建立數據共享標準​​：讓公共部門、小企業也能獲得高質量數據，避免 AI 預測加劇壟斷。 • ​​預判贏家-輸家​​：對易被 AI 替代的職業提前佈局社保與再就業計劃，減少社會撕裂。 • ​​制定算法問責機制​​：當決策錯誤源於預測模型，要明確責任主體，保護受決策影響的個人權利。 通過以上步驟，組織與個人都能在“預測時代”抓住 AI 帶來的效率紅利，同時以更負責任的方式分配決策權力。

“我們認爲，通過將預測與決策的其他方面“脫鉤”，並將預測從人類轉移到機器，人工智能實現了系統級創新。決策是這種系統的關鍵構件，而人工智能增強了決策能力。 · 點解決方案改進既有程序，可以獨立採用，無須改變其所嵌入的系統。 · 應用解決方案可開啓新程序，可以獨立採用，無須改變其所嵌入的系統。 · 系統解決方案通過改變相關程序，改進既有程序或者開啓新程序。” 啓發：第一，人工智能發展，它是一個具有相當長的一個歷程，所以說不用恐慌，現在人工智能雖然看似的快速發展，但仍舊處在初級階段的應用層面，系統層面的成熟還需要幾十年甚至更久。 第2個就是一個人的決策系統分爲兩個部分，第1個部分是預測，第2個部分是判斷。人工智能將極大地輔助人的預測並提高預測的準確性，從而做出更合理的判斷。