AI真正需要学习的是:承担结果的人
作者：微信文章AI如何帮助人进化？
归根结底，是提供反馈——更高频的反馈，更客观的反馈，更有情境的反馈。
你有没有遇见过这样的老师？
在关键的地方，指点一下，你就少走了许多冤枉路。
AI就可以成为这样的好老师。
可是，AI不仅是老师，也是学生。
AI的进化，同样依赖反馈。
只是这种反馈，并不是互联网上的那种。
真正推动 AI 进化的，是另一种反馈——为结果负责的反馈。
有些人善于讲道理，但你让他为结果负责，他立刻沉默。
AI的进化，需要的不是许多人的反馈，而是能为结果负责的人的反馈。
不是他们说什么的反馈，而是他们做什么的反馈。
无论是人还是机器，真正重要的，从来不是更多数据，而是更强的反馈。
真理来自反馈
传统的想法是：先构建一个理论，再通过实践去验证它；构建理论和检验理论的部分是截然分开的。
在实用主义哲学中，这个顺序被彻底颠倒。在William James 老师看来，真理不是探索的起点，而是探索的结果。
先开枪，后瞄准。
先投资，后调研。
不是先知道什么是对的，然后才行动。是先动起来，在实践的过程中找到行得通的路。
说白了，探索真理就是试错。
那么，如何提高试错的效率呢？——找到更快更好的反馈。
换句话说：真理本质上是反馈系统的产物。
如果接受这一点，一个问题就变得非常清楚：真正决定学习能力的，不是智力，而是反馈系统的质量。
决策反馈
金融市场并不缺市场数据，真正稀缺的是另一种数据——决策数据，也就是人在不确定条件下做出判断、承担风险并接受结果的全过程。
如果这些数据能够被系统记录和学习，AI学到的就不仅仅是市场数据，AI 学到的是一个更重要的题目——人类如何做出决策。
决策意味着承担风险，也意味着影响未来。
金融市场的参与者不会随意判断，因为每一个决策，最终都会回到现实世界：变成盈利或亏损。
正是这种责任，使他们的反馈具有更高的信号密度。
当这些人与 AI 互动时，他们不仅是在使用工具。他们也在不断为AI 提供一种极其稀缺的东西：高质量的决策反馈。
未来可能出现一种新的网络
更有意思的是，这些承担真实结果的决策者，并不是孤立存在的。
他们往往形成一种小规模网络。
他们彼此交流观点，观察彼此的判断，并在长期结果中逐渐形成共识。
这种网络具有两个特点：规模很小，信号密度极高。
如果这些决策过程与结果能够被系统记录下来，它可能会形成一种新的数据来源。
不是互联网的数据，而是现实世界的决策数据。
互联网时代建立的是信息网络。
人们不断分享观点、表达情绪、交换信息。
但 AI 时代，可能会出现另一种网络：决策网络。
在这种网络中，一小群承担真实结果的人不断产生反馈：
判断
行动
结果
AI 从这些真实反馈中学习，而不是从情绪化表达中学习。
如果这种系统能够建立起来，AI 学习的就不仅仅是过去发生了什么。
AI 学习的是：人类如何决定未来。
根本差异
如果 AI 的学习越来越依赖高质量反馈，那么一个问题就变得清晰：
AI 的进化，并不是由大众决定的，而是由一小群承担真实结果的人决定的。
互联网是服务大众的。AI也是服务大众的。都是to C。
可是，互联网主要是用来消费和玩的，AI主要是用来工作的。
这个根本差异就决定了，决定AI的是一小撮人——为结果负责的、理性的人。
所谓垂直AI，归根结底，就是一个特定场景，最适合找到让AI进化的人，最适合找到让AI进化的反馈。
AI合伙人
普罗大众会使用 AI，但他们很少为结果负责，因此也很少产生真正有价值的反馈。
找到第一批AI合伙人，是关键。
什么样的人会成为 AI 的第一批合伙人？
是那些必须为决策结果负责的人。
他们的判断好坏，会直接影响自己的收益，也会直接成为 AI 学习的反馈。
他们和AI是利益绑定的人。
网络结构的改变
过去，你要找到这样的人——影响更多人的人。
未来，你要找到这样的人——更能影响AI的人。
如此，社交网络的网络结构和关键节点恐怕都要改变了。
现在该做什么呢？
找到那张最适合让 AI 进化的决策网络。
页:
[1]