权力与预测

《权利与预测：人工智能的颠覆性经济学》适合于最近关注到甲骨文市值一夜涨了2万亿，并追寻“为什么”的书友阅读。它揭示了AI与数据的关系，即AI为何会将决策拆分为“预测”和“判断”。本书由加拿大多伦多大学罗特曼管理学院的三位教授联袂撰写，他们是人工智能商业化领域的世界级专家。 本书中文书名翻译的有些词不达意，也许直接用“人工智能的颠覆性经济学”会更直观。其特质在于试图回答AI对于经济领域真正的颠覆是什么，试图回答经济权力的转移路径，稀缺资源和资产的控制权将如何转移到谁的手中。如此，研究架构学术化，内容文字可能会有些累牍。 作者们提出“应将人工智能视为预测工具”的核心观点，这一洞见引发了行业从业者的广泛共鸣。早在7年前，他们便出版了畅销书《AI极简经济学》，系统阐释了AI商业预测的底层逻辑；但教授们也坦言，该书的框架仅覆盖了“点解决”方案，只是人工智能应用领域的一部分。 在后续数年的研究中，他们发现“系统解决”方案才是AI中尚未被充分挖掘的关键。而本书，正是作者们围绕这一议题，凝结最新研究的智慧结晶。书中的“点解决”方案是指很直接简单地采用AI工具替代旧的解决方案模式。而“系统解决”方案是指基于AI替代及新特征而重新设计产品服务以及匹配组织和流程的系统化迭代。 如此，作者们的研究重点则从探索神经网络转移到了人类认知（我们如何做决策）、社会行为（为何某些行业的人能迅速接受人工智能，而有些行业的人会抵触）、生产系统（某些决策如何依赖于其他决策），以及行业结构（我们如何隐藏某些决策以保护自己免受不确定性的影响）。 在书中第一部分，作者们重温了《AI极简经济学》的主题，并描述了人工智能的核心是如何与预测相关的。决策的两个关键要素：判断和数据。书中以案例说明AI对于数据处理的擅长及以更低的成本基于数据的预测。但AI不止于预测。我们将看到超越AI预测的机遇。 在第二部分，深入探讨了决策过程。指出AI会打破传统的规则，决策从规则范式转向由AI预测驱动的模式。透过历史，在需要对整个系统进行重新设计以实现优化时，新进入者和初创组织的表现往往优于成熟企业。系统变革是颠覆在位企业的一个途径。 在第三部分，作者们讨论了创建新系统的过程。这不仅涉及改变一个决策来应对预测，而且要使所有相互作用的决策都能发生变化。虽然规则本身是低效的，但改变规则是昂贵的。从更广义的层面上来说，揭示不确定性是通过预测打开新决策的第一步。要做到这一点需要改变规则。 在第四部分，作者们揭示了AI系统变革的必然结果：对经济权力的影响，即重新分配利益。经济权力来自价值和稀缺，竞争可以改善事物稀缺的局面，而AI的预测将赋予先发优势。AI部署得越早，预测的准确性就越高。AI反馈循环意味着更加蓬勃。 在第五部分，作者们深入探讨了预测如何改变经济权力拥有者的机制，即AI如何进行颠覆。AI将概率思维引入了系统中。不确定性为部署预测机器提供了机会。AI预测会带来判断的“脱钩”，不同的人的决策意味着出现颠覆的可能性。改变决策的实施方式会对系统设计产生重要的影响。 在第六部分，作者们讨论了系统设计，即针对建立在新的AI发展基础上的可靠系统。AI具有长鞭效应，即其改善了一个决策的质量，却降低了系统中其他决策的可靠性，从而损害了其他人的利益。模块化为不受长鞭效应影响提供可能。AI在系统中发挥作用的前提是技术与流程深度耦合，要重构整个系统，不止于资源分配和组织文化等，才能真正释放 AI 价值。

补作业。 1）人工智能使银行在推测游戏中表现得更好并减少了错误的发生。作为研究过去十年人工智能新进展的经济学家，我们意识到自己的任务就是打破炒作。人工智能吸引了哲学家、电影制作人、未来学家、末日论者等许多人的注意力，他们可以让你的晚餐聚会更加有趣。我们则扮演着相反的角色。我们从计算机科学的成功之处获得线索，并将人工智能的所有进展，如神经网络、机器学习、深度学习或对抗性优化，归结为统计学的进步——这是一个很大的进步，即预测的统计学。因此，与其说人工智能参与了打击欺诈的斗争，不如说人工智能实际上是在提高银行的辨别能力，以更低的成本将合法交易与欺诈交易区分开，也就是预测。 2）系统解决方案通常比点解决方案或应用解决方案更难以实施，因为由人工智能改善的决策会影响系统中的其他决策。而点解决方案和应用解决方案往往会强化既有系统，系统解决方案（顾名思义）则会推翻既有解决方案，因此通常会导致颠覆。 3）为什么颠覆——特别是由系统创新产生的颠覆——对现有企业构成了如此大的威胁，削弱了它们的经济实力，而反过来又为新进入者提供了如此大的机会呢？ “颠覆”一词起源于克莱顿·克里斯坦森的研究。克里斯坦森指出，行业巨头可能会对新技术及其对客户的价值“提出错误的问题”。 4）区分糟糕的决策和结果是很重要的。有时好的决策会导致糟糕的结果。这是职业扑克选手安妮·杜克在她的《对赌：信息不足时如何做出高明决策》一书中的观点之一。截至撰写本书时，杜克是唯一一位赢得NBC（美国全国广播公司）全国扑克单挑锦标赛的女性选手。扑克是一种既需要运气又需要技巧的游戏，你可能打出完美的牌但最后却输了，也可能在一手糟糕的牌上下了大的赌注却幸运地赢了。 5）但它们在一个关键方面有所不同：在第一项研究中，招聘经理做出了有偏见的决策；而在第二项研究中，罪魁祸首是一款计算机程序。 作为这两项研究的合著者，我把它们看作对比性的经验，它们共同展示了两种类型偏见之间的鲜明差异：人类偏见和算法偏见。 6）与人类系统相比，发现和消除人工智能系统中的歧视要容易得多，“改变算法比改变人类更容易：计算机上的软件可以更新，而迄今为止已经证明我们大脑中的‘湿软件’没什么可塑性”。

读完的第957本书，从人工智能的点解决方案到系统解决方案，才是未来颠覆式的范式创新，理论架构清晰，分析严谨，丝丝入扣，六星推荐。 《权力与预测》的核心观点聚焦AI的预测能力对决策、系统及权力结构的颠覆性影响，具体如下： 1. AI核心价值是分离预测与决策：作者提出决策包含预测和判断两大要素，而AI的核心作用是将预测从人类转移到机器。这一“脱钩”不仅减轻人类认知负担、提升决策效率与精度，还打破传统决策模式，为组织设计创新和新决策模式涌现创造了条件。 2. AI的变革关键在系统创新而非单点优化：AI作为通用技术，类似电力，其真正潜力不在充当现有流程的“点解决方案”，而在于推动系统级革新。当下很多AI应用只是简单替换旧有预测方式，只有围绕AI重新设计业务流程、产品及组织架构，打造专属新系统，才能释放其真正生产力。目前行业正处于AI潜力未充分释放的“中间时代”，系统解决方案的落地尚需时间。 3. AI颠覆传统规则与不确定性处理方式：传统组织依赖大量规则掩盖决策中的不确定性。而AI强大的预测能力能揭开这些隐藏的不确定性，打破基于旧规则的做事模式，迫使各行业对现有系统进行根本性变革，而非仅改良单个决策环节，这种变革会深度影响组织运行逻辑。 4. AI引发权力结构重构：决策决定权力，行业中权力对应利润，社会中权力对应控制。AI带来的系统变革会推动权力转移，权力不会归于机器本身，而是流向能高效运用AI预测、主导系统设计的个人与组织。同时数据作为AI预测的基础，掌握数据也成为积累权力的关键，这一过程会分出行业和社会层面的利益赢家与输家。 5. 需主动应对AI变革以把握机遇：作者为企业和政策制定者提供方向，建议企业跳出单点优化思维，主动进行系统层面的重构；相关从业者也需适应AI与人类智慧结合的新模式，而政策制定者则要通过完善监管、制定伦理准则等，应对AI带来的责任归属、算法偏见等问题，保障技术公平合规发展。

“中间时代”，于我而言是陌生词汇，相信对于很多其他偏技术方向的从业者来说，也是如此。 IT人员与非本专业人士沟通时，由于基础认知的不同频，将各AI技术的优劣解释清晰是个难点。同样，很多偏技术型IT创业者也很少从“经济的角度”深入理解、分析自己的创业项目。本书会帮助读者展开一个全新视角去分析自己的项目。 这种全新视角同样可以解释给项目投资人——权力会转移到新的经济掌控者手中——这种思维会更吸引他们。 不赘述内容梗概，具体到细节的阅读感受。书中提到一个概念：预测与判断“脱钩”。依个人理解，这是读懂整个颠覆的关键点，或者说突破点。细表如下： 预测是一种信息，用于辅助判断（决策），它是一个客观因素。本身我们所在的宏观物理世界就是基于概率的，那么实际上我们的系统（这里不是说传统的计算机软件系统，而是整个世界的运行系统）都是概率的，而非确定的。传统计算机软件系统，我们基于惯性思维认为它要做到百分百的准确率才是可以使用的系统。 其实传统软件只是限定了只接收100％准确的信息，即预测准确率100％。所以预测并非是突然出现的，只是概率数值的变化。随着时间推进，我们生活中越来越多的软件系统采取了提供概率信息的方式。例如，天气预报、金融诈骗、供应链预测等。有些系统经过优化已经被大多数人所接受，即使它的准确率没有那么高。 判断是主观的、带有个人色彩的。就像传统的审批流程，你是否同意一笔贷款，取决于每个人通过有限信息叠加个人经验从而做出判断，这种判断之前的过程是有边界（或者说局限）的。但新的方式是，预测信息会给你一个更加具体的数值，这笔贷款的违约率是百分之几，贷款人在当前贷款额度的违约率。信息的多样化可以提升判断准确率，或者说此前无法做出判断的业者，有了预测信息的辅助后也可以做出合理的判断了。 此处此例可表：AI无法取代人，它只是将人的权力从一部分人手中转移到另外一部分人手中。 但我所举例依旧不能恰当的表达我从书中所获，只是希望抛个砖，更多书友集思广益。或许不断思考举例的过程就找到某行业人工智能的系统解决方案，从而颠覆现有经济权力的掌控者。 另，本书可以视为一本索引书。完整阅读后，可以根据自己兴趣点或工作强相关的领域，继续探索。探索后再回来看一下本书，可能理解会更深刻。

非常有价值的一本书，整本书观点不复杂，甚至说可以比较简单，几句话可以概括。作者认为AI的时代和电力的发展一样。电力从发明出来到指数级增长，到全民使用花了20年的时间。人们学会使用电力的时间也花了这么久。实现巨大生产力的关键是理解新技术的内涵，电力不仅仅是更便宜的蒸汽机，它的真正价值在于能够将能源使用与能源来源分离。工厂里的机器不需要在蒸汽机时代一样，挤在一个房间。AI的内涵是什么？我们无人知晓，也许几年内也不能预测。 我们现在所处的时代，属于中间时代，没人知道AI的未来在哪里，也许是朱啸虎先生所提的一个生态系统的接口，也许是系统，但肯定不是现在的这些所谓的Agent，所谓的应用端，不过是点解决方案，如电力发明后的灯泡，改变世界的会是颠覆性的系统性解决方案。 本书多个例子启发人，也增加了可读性，比较推崇作者对保险行业的一些思考🤔

这本书很适合在现在的这个时间段阅读，因为在2025年末的这个时间段，全世界都在讨论目前美国的疯狂建设数据中心是否存在泡沫。 此书的核心观点是参照了19世纪电力的普及过程来看今天的人工智能，同样都会是作为人类生产力发展的底层基础设施，它们可能发展的路径会是类似的。也就是这种基础设施，无疑长远上是会大力推动生产力发展，可是这个需要时间，因为一开始它总是只能在“某些合适的点应用”上使用并产生很强的效果。可是，要成为整个社会的生产力提升工具，这是一个系统性工程，涉及的问题太多了，需要时间来慢慢建立和更新系统。 所以结论显而易见，人工智能对于“点面”上的预测效果非常明显已经被广泛应用了，最典型的莫过于各种虚拟服务中的推荐算法，比如广告，媒体，购物平台等等。包括现在的聊天机器人，也属于是点面上的服务。但人们可能对于它应用到我们生活中更庞大的各方各面的预测有点过于乐观了，那涉及到整个系统的更换和升级，可能会需要更长的时间。

人工智能的“中间时代”：我们就在机会旁边 🌱 一本书之所以称为好书，大概是谁读都可以有所收获。本书虽然名字比较学术，涉及领域更专业，主要是AI人工智能和经济学，但非专业人读来也能找到释然的点。 🌱 每天早上被智能音箱叫醒，全屋电器绑定APP，可以只动嘴不动手，导航可以说到哪里就可以开始规划路线，再不用像老一辈一样用地图记路，手机可以扫脸登录，我们的生活已在不知不觉间被人工智能包围。 🌱 我们常说科技是第一生产力，这本书从“权力与预测”的关系，分析科技改变带来的社会转变。本书提到一个很有意思的观点：我们正处于人工智能的“中间时代”——在展示技术能力和实现其广泛应用前景之间的时代。这观点我的理解是，我们现在正处在人工智能飞速发展的时代，就像从爱迪生发明电灯，到电力时代这中间需要40年，我们真正进入人工智能时代还需要足够的时间，而这本书提出用“系统解决方案”之路开启人工智能，重视决策和预测在其中的作用。 🌱 人工智能的发展实际也给人们带来了恐惧。你有没有过焦虑，焦虑有一天你的工作会被人工智能取代？自从上世纪四十年代发明第一台计算机以来，到五十年代提出人工智能理念，到今天电子计算和互联网的发展，科技早已改变世界，而且科技带给世界的变化是以前的人们难以想象的，生活在科技进步的现代人，时常焦虑人会被机器人取代。 🌱 以前费时费力费人的麦收，现在可以有联合收割机一小时收完；以前车马慢岁月长，现在可以一小时出国；以前很多工作需要记录登记背诵，而现在一部手机都可以搞定。以前有个讨论：人工智能代替不了哪些行业，曾火爆网络，人们担心自己自己的岗位可以被替代，又希望自己可以不被替代，所以人们讨论被人工智能替代后要怎么办，担忧被人工智能替代后无法生存。 🌱 这本书或许可以一定程度缓解焦虑。信息技术和人工智能的发展被称为第四次科技革命，但历史的经验告诉我们，如同电力系统话费几十年世界实现所谓的“颠覆”，人工智能也一定会实现“颠覆”。我们生活中这个矛盾和悖论的“中间时代”，人工智能已经影响人类生活的越来越多的领域，但还生产力并没有明显提高，基于此，本书提出观点：人工智能是预测技术，人工智能创新是使预测朝着更好、更快、更廉价的方向发展。

作为中信出版集团的老粉，这家出版社的书，本本合我口味。 大家或多或少能感知到，我们处在一个“中间时代”，我们目睹了人工智能这项技术的威力，但又在它被广泛应用之前的时代。关于人工智能，《权力与预测》这本书提出了几个观点，我把一部分分享给大家。（这本书是由三位作者合著写成的，里面的观点经过了多次迭代，对大家预测人工智能未来发展很有帮助。） 1、人工智能颠覆时代的方式，是颠覆整个系统，而不是改动系统里一个一个的点。 《价值投资3.0》这本书的作者，曾经教给我一个非常有效的方法：如果你要预测某一样东西对人们的影响，就回到过去，去找类似的案例。这个方法除了用在预判行业、企业、某一个人的未来发展上，我觉得同样适用于毛估估人工智能的未来发展。 在过去，电力改变了我们的社会。今天电力的普及程度在20世纪初令人难以想象，那时候电力几乎无处可见。电力取代蒸汽，最终颠覆一个时代的方式，不是简单地在工厂里从蒸汽改用电力，降低燃料成本，这种能源账单可节省的幅度是有限的。它真正厉害的地方，在于电力所区别于蒸汽的特点，使电力颠覆了所有工厂的系统设计，彻底改变了工作流程。 目前不少企业已经在利用人工智能提高效率、降低成本了，这和在过去利用电力降低燃料成本是一个道理，属于“点解决方案”。真正高价值的潜在人工智能“系统解决方案”尚未出现。只有在创新者将注意力转向创造新的系统解决方案时，真正的变革才会发生。 等到人工智能“系统解决方案”出现的时候，就是经济权力进行交接的时候了。人工智能系统在发展和采用过程中，谁可能获得权力，谁又可能失去权力呢？ 2、现在，很多决策是由规则控制的。未来，决策由预测驱动。 书里用“机场”这个例子来分析人工智能对决策的影响。我们乘飞机，唯恐误机，所以一般都会提前去机场候机，对吧？提前到机场，意味着我们要在机场呆很长时间，至于究竟呆多久，是一种“不确定性”（由交通、飞机是否延误、各类事故决定）。因此就有了“规则”。机场的“规则”很简单——提前去机场等着。 于是机场就想，我怎么能让乘客白白等着呢！？等久了，乘客就会减少利用飞机出行的次数。我得想个法子。有了！我把机场建成“目的地”不就好了？ 所以，诞生了各种各样非常华丽的、刺激消费主义的机场。相反，顶级富豪们的私人机场都是非常朴素的、无法久呆的，原因很简单，他们不需要候机。 人工智能会带来什么变化？它根据预测路况如何、事故是否发生，倒推出你在几点出门可以正好上飞机，从而保证你不需要在机场候机。这样一来，华丽的、刺激消费主义的机场就会失效。 《权力与预测》这本书，比起市面上讲人工智能的同类型书要深刻得多。原本只打算写3、400字的，一时没收住笔写到这里了。剩下的内容大家自己去看吧。经由自己看来的智慧才更香。

全书主要观点、主要数据和主要证明的逻辑以及可以实操的建议 用户希望了解《权力与预测》的主要观点、主要数据、逻辑证明以及可操作的建议。为了全面回答这个问题，我需要从书籍的全局信息中提取相关内容。 通过历史对话中提供的原文内容，我已经能够总结出《权力与预测》的主要观点、主要数据、逻辑证明以及可操作的建议，无需进一步调用工具。 书籍简介概述了《权力与预测》的核心主题：人工智能通过将“预测”从人类转移到机器，重塑决策体系并重新分配权力，为后续分析提供总体框架。本书相关内容进一步阐释了作者关于决策由“预测+判断”构成、新系统设计需考虑信息、技能、激励与协调四要素，以及权力可能集中或分散的场景，并以信用卡与放射科医生的案例佐证。该结果还借助“带不带雨伞”的决策树说明预测如何降低决策成本、促使人们放弃默认规则。基于这些信息，可提炼全书主要观点、关键逻辑与可操作建议，并在回答中引用上述来源以支撑核心结论。 一、全书主要观点 1. ​​决策的本质是“预测+判断”​​。人工智能首先接管预测，把判断留给更具人类特质的我们，从而提高速度与准确性。 2. ​​新 AI-驱动的决策系统会重新分配权力​​。谁掌握数据与算法，谁就在决策中拥有主导地位；传统上拥有判断力的人力资源可能被边缘化或重新定位。 3. ​​系统设计需围绕四个变量优化​​：信息获取、技能匹配、激励相容与跨部门协调。只有同时满足，才能真正释放 AI 预测的价值。 4. ​​并非所有决策成本都会下降​​。如果判断无法被标准化，权力未必集中；反之，当判断可编码，集中往往发生。 二、全书主要数据与实例 场景关键“预测”判断权力变化 信用卡审批机器学习评估违约概率信用额度设定审批权向少数科技/金融平台集中 医学影像AI 识别影像模式临床处置、沟通影像诊断职能被 AI 与后台医护替代 雨伞决策天气预报 P(雨)=90%携带/不携带个体可放弃“永远带伞”习惯，依据预测动态决策 三、主要证明逻辑 1. ​​概念拆解​​：作者先将决策拆为“预测”与“判断”，证明二者可被分离；当预测被机器接管，人类只需处理判断，从而提升整体决策质量。 2. ​​成本-收益模型​​：以“带雨伞”示例说明，精准预测降低错误成本，使个体愿意为信息付费并打破旧习惯。 3. ​​权力分配理论​​：通过信息、技能、激励、协调四维度，论证在哪些条件下权力会去中心化、在哪些条件下会集中；并用信用卡、放射科医生案例做经验证明。 四、可实操的建议 1. ​​企业层面​​ • ​​识别“判断可编码”的环节​​：对高频、标准化决策先试点 AI，例如理赔、授信、库存补货，集中数据与模型，快速收回成本。 • ​​重新设计激励与协调机制​​：让最能利用预测结果的团队拥有决策权，避免信息孤岛；KPI 要与整体组织目标对齐，而非局部最优。 • ​​保护并升级人类判断​​：将员工转移到需要同理心、创造力、战略思考的岗位，通过再培训让其使用预测输出做更高层次判断。 2. ​​个人层面​​ • ​​主动使用预测工具​​：在投资、营销、采购等场景先做数据输入，让 AI 给出概率分布，再结合自身风险偏好做判断。 • ​​打破默认规则​​：定期审视“我是否因为信息成本高而一直做同样选择？”若有 AI 预测辅助，应敢于调整习惯。 • ​​培养“解释与监控”能力​​：判断不仅包括选择，还包括对 AI 输出的可解释性与偏见监控，这将成为高价值工作。 3. ​​社会治理与监管层面​​ • ​​建立数据共享标准​​：让公共部门、小企业也能获得高质量数据，避免 AI 预测加剧垄断。 • ​​预判赢家-输家​​：对易被 AI 替代的职业提前布局社保与再就业计划，减少社会撕裂。 • ​​制定算法问责机制​​：当决策错误源于预测模型，要明确责任主体，保护受决策影响的个人权利。 通过以上步骤，组织与个人都能在“预测时代”抓住 AI 带来的效率红利，同时以更负责任的方式分配决策权力。

“我们认为，通过将预测与决策的其他方面“脱钩”，并将预测从人类转移到机器，人工智能实现了系统级创新。决策是这种系统的关键构件，而人工智能增强了决策能力。 · 点解决方案改进既有程序，可以独立采用，无须改变其所嵌入的系统。 · 应用解决方案可开启新程序，可以独立采用，无须改变其所嵌入的系统。 · 系统解决方案通过改变相关程序，改进既有程序或者开启新程序。” 启发：第一，人工智能发展，它是一个具有相当长的一个历程，所以说不用恐慌，现在人工智能虽然看似的快速发展，但仍旧处在初级阶段的应用层面，系统层面的成熟还需要几十年甚至更久。 第2个就是一个人的决策系统分为两个部分，第1个部分是预测，第2个部分是判断。人工智能将极大地辅助人的预测并提高预测的准确性，从而做出更合理的判断。