当前位置:首页 > 消费电子 > 消费电子
[导读]人之所以能成为万物之灵,在于是能够运用自己理性的动物。从伦理学的角度而言,人具有普遍性的一面,即所谓共性,也有特殊性的一面,普遍性与特殊性结合,产生个体性。个体性是独一无二的。德国哲学家莱布尼茨说过的那句“世界上没有两片相同的叶子”,说的就是这个道理。

人之所以能成为万物之灵,在于是能够运用自己理性的动物。从伦理学的角度而言,人具有普遍性的一面,即所谓共性,也有特殊性的一面,普遍性与特殊性结合,产生个体性。个体性是独一无二的。德国哲学家莱布尼茨说过的那句“世界上没有两片相同的叶子”,说的就是这个道理。

对互联网时代的算法的依赖,一定要有所限度。

你有没有遇到过这种情况:刚刚在网络上搜索关于××的信息,在另一个网页里就会发现与××相关的商品广告推送。

商业行为遵循一种针对客户的规则:投其所好。

事情真正发生巨变,正是从互联网时代开始。作为受众市场的最重要的基础,媒介——互联网这一巨无霸的信息综合平台,把其他所有媒介都“兼并”之后,利用“算法”这一日趋智能化的工具,把所有“终端”纳入自身的控制中,并不断根据终端送来的信息进行优化组合,再将这种“加工后的信息”以商品媒介的形式返回给消费者。

此时,算法成为一种超越性的力量。理论上,互联网的存储器可以抓取所有人的所有网络浏览信息,对这些足量的信息进行综合而得出的受众分析,比以往那种随机抽取调查的分析可靠得多。

过去很长一段时间,在宏观经济学领域,有两种力量此消彼长,一是传统的遵循看不见的手的调节力量的自由市场经济;另一种则是主张国家干预和调节的计划手段。后者的主要依据即在于对各项经济指标数据的统计和分析。那时的统计数据来源,显然不如如今的互联网来得快和多,在准确度上当然也有所欠缺。

个体消费者作为被分析的对象,在测量上的不确定性变量是不会消失的。因此,所有统计的有效性,就依赖于统计范围和数据的无限扩展。概率学是伴随着统计学几乎同时产生的。

概率不是绝对,不是百分百的,它或多或少存在挂一漏万的可能性。因此,从理论上看,统计学不可能做出百分百的正确预估。但这不能否认其科学性。

算法时代,会否产生机器官僚主义

随着互联网的大面积普及,算法时代来临。过去的审慎态度面临着巨大的挑战。因为从经验出发的分析,往往带来可观的结果。更重要的在于,人工智能的不断发展,算法的不断升级,在很多领域取得了过去无法预计的进步。

人们一度相信,人类的大脑是不会输给计算机的,这种偏执的观念如今显得非常陈腐。

对一个病人而言,相信一台电脑几十年的案例分析与优化的治疗方案,肯定比相信一个初出茅庐的医学院毕业生更实际。诸如此类的事件不断出现,让人们相信,算法时代,指导人们的行动纲领应该来自计算机,而不是几个人在办公室召开的会议结果。

这让人产生一种隐隐的担忧,过度依赖数据和算法,是否会产生一种“算法时代的机器官僚主义”——凡事唯算法的马首是瞻,一切的生活方面与所有的行动都在算法中进行,且只以算法的结果为指导标准。并且这种情形已经在发生了。

在这个算法时代,数据就如工业时代的石油,算法就如发动机,算法会越来越强大,但同时也导致人们对发动机的过度依赖。

比如,一些新闻APP给终端客户推送的资讯,是以算法为基础的,如果你常看美女,它就只给你推送与美女相关的图片、文章或视频等信息。

但你的需求就这么一次被固化了吗,难道别的信息就不需要了吗?非也。

对算法依赖,一定要有限度

人更重要的特性还在于,人的精神世界的图景极其广博深邃,每个人对外部世界的感受与做出的回应,必然与他人有不同之处。这正是人之为人的可贵性。

英国哲学家贝克莱在分析因果律这一重要的哲学命题时,得出一个结论,那就是不能从一件有联系的且反复出现的前后事件而认定,这后一件事必然跟随前一件事出现。亦即说,因果规律本身是一个缺陷。

就连我们自己的经验也告诉我们,基于算法的对个体做出的分析虽然有一定的依据,但它对人的全面的发展变化着的需求,远不可能做出详尽的判断。

因此,对互联网时代算法的依赖,一定要有所限度。否则,会是一种恐怖而疯狂的局面。如果商家能获悉顾客的消费喜好,行为习惯,经济水平,乃至审美标准,就能做出针对性的供应,以最大化地实现自己的营销目的。由此,在经济学中诞生了一门专门的细分专业:消费者行为学,也就是受众经济学。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

随着科技的飞速进步,人工智能(AI)已经逐渐成为了引领新一轮科技革命和产业变革的核心驱动力。AI不仅在改变着我们的日常生活,还在推动各行各业的创新发展。展望未来,人工智能的发展将呈现出哪些趋势呢?本文将从技术、应用、伦理...

关键字: 人工智能 算法 AI技术

机器学习算法不会要求一个问题被 100%求解,取而代之的是把问题转化为最优化的问题,用不同的算法优化问题,从而比较得到尽量好的结果。

关键字: 机器学习 算法 最优化

据数据类型的不同,对一个问题的建模有不同的方式。在机器学习或者人工智能领域,人们首先会考虑算法的学习方式。在机器学习领域,有几种主要的学习方式。

关键字: 机器学习 人工智能 算法

NVIDIA 量子模拟平台将通过各大云提供商提供,帮助科学家推进量子计算和算法研究

关键字: 量子计算 算法 量子云

随着科技的飞速发展,人工智能(AI)已经成为当今科技研究的热点和前沿。AI的快速发展不仅带来了许多新的应用场景和商业模式,也在推动科技进步的同时,引发了一系列关于其未来发展方向和潜在影响的深入讨论。本文将对人工智能的科技...

关键字: 人工智能 AI技术 算法

机器学习算法:机器学习是一种让计算机通过学习数据和模式来改进自身算法的技术。这些算法包括监督学习、无监督学习和强化学习。

关键字: 人工智能 机器学习 算法

随着信息技术的快速发展,机器学习作为人工智能的核心技术之一,正逐渐渗透到各个领域,引领着一场前所未有的科技变革。在机器学习的实际应用中,有三大重点至关重要,它们分别是数据质量、算法选择与模型评估。本文将深入探讨这三大重点...

关键字: 机器学习 数据质量 算法

在人工智能的浪潮中,机器学习已逐渐成为推动科技进步的核心动力。机器学习技术的广泛应用,从图像识别到自然语言处理,从智能推荐到自动驾驶,都离不开其三个基本要素:数据、算法和模型。本文将深入探讨这三个基本要素在机器学习中的作...

关键字: 机器学习 算法 人工智能

随着信息技术的迅猛发展,机器学习作为人工智能的核心技术之一,已经深入到了各个领域,为我们的生活和工作带来了翻天覆地的变化。无论是智能语音助手、自动驾驶汽车,还是个性化推荐、疾病预测,这些令人惊叹的应用背后,都离不开机器学...

关键字: 机器学习 人工智能 算法

机器学习的方法是指利用统计学方法和算法让计算机自动学习模式和规律,并通过数据进行预测和决策的一门学科。机器学习的主要目标是让计算机能够从数据中自我学习,通过训练模型来提高自身的性能。机器学习的方法可以从高层次上分为监督学...

关键字: 机器学习 算法
关闭
关闭