问题，对形势的预估有错误，是我们在队伍建设时，太依赖曾经的心理学大数据模型了。”
“怎么说？”蒙扎克森然问道。
果然，提到深刻检讨的干货之后，蒙扎克的情绪被稍稍拉回来了一些，他不再纠结于先追究责任，而是想把问题搞清楚。
拉尔森连忙解释：“是这样的，我们曾经根据的，是2038年、刚刚实施全民监控计划时调用的‘自杀心理学大数据建模’，来判断一个人是否害怕死亡的。
当时，我们成功地阻止了绝大多数因为生活无望、一心求死并报复社会的打击房价自杀者。可是，随着案发率的降低，以及这几年来芯片植入后大家都可以出卖尊严赚取基本生活费，所以‘饥寒交迫型不想活的人’急剧减少。
我们的大数据统计模型，没法算出‘人在衣食无忧、只是精神受到持续无聊和被鄙视压力’模型下，究竟有多大的自杀概率、自杀前的行为模式是怎样的。因为自杀成功的人太少了，大数据样本容量不足以支撑这项研究。
您知道的，基于分析大数据的人工智能分析算法，充其量依然只是概率论层面的复盘建模，它并不能理解人性。而如果人性受到前所未有的重大黑天鹅事件冲击、会产生何种应激反应，没有先例可循的大数据和人工智能，是无法预测的……
所以，这次我们没有预测到那些此前准备参加绝地大逃杀比赛、搏命求成为上等人的选手们，有多少会被煽动而火线倒戈、宁可死掉也要火一把。这造成了我们应对上的严重失衡……”
蒙扎克听着听着，渐渐安静了下来。
他反而并不愤怒了，取而代之的是深深的忧虑。
深度学习型人工智能，是靠大数据的喂养来建模和预测社会演变、人类选择的。
但是，这种人工智能有个最大的弊端，那就是它并不懂逻辑，所以没有对黑天鹅冲击的预见能力。它只是基于人类已有经验的总和，或者说人类历史上所有发生过的事情，来推测未来。
打个比方，早在2010年，谷歌公司的社会预测型人工智能，就发出过一个推演：
说不吃早餐的人，性-淫乱的概率会远远高于吃早餐的人的4.3倍。
这个数据准不准？
准，飞常准。
在全世界当时可被精确统计的样本里，不吃早餐的人拥有多个混乱性伴侣的比例，确实是吃早餐的人的4.3倍。
可问题是，人工智能知道这背后的逻辑原理么
本章未完，请点击下一页继续阅读！