第12章 人类和机器 (第4/5页)
彼得·蒂尔，布莱克·马斯特斯提示您：看后求收藏（350中文350zw.com），接着再看更方便。
先进的软件为此提供了可能性，但更为重要的是人类分析师、检察官、科学家、金融专家，没有他们的积极参与，软件毫无用处。
想想如今专家的工作内容。律师必须用不同方式讲述棘手问题的解决方案——依据委托人、对方律师、法官等谈话对象的改变，变换说辞。医生要有能力与非专家的普通病人沟通诊疗结果。好老师也不只是精通自己教授的学科知识，他们还必须了解如何根据学生的兴趣和学习方式调整教学方法。计算机或许可以执行部分任务，但不能有效加以整合。法律、医疗、教育领域的先进技术不能替代专家，只能帮助专家做得更好。
这正是领英公司协助招聘专员做的事。领英在2003年创立时，既没有征求招聘专员的意见，以找到需要改进的地方，也没有编写完全替换招聘专员的软件。招聘工作一半是侦探工作一半是推销工作，招聘专员需要仔细审核应聘者经历、评估其动机和适应能力、说服最优秀的人才加入团队。让计算机高效地完成所有工作是不可能的，因此领英从改变招聘专员的工作方式入手。现在，超过97% 的招聘专员使用领英的网络，运用其强大的搜索过滤功能筛选应聘者，该网也为数亿个使用它来管理个人品牌的专家创造了价值。如果领英公司只是用技术取代招聘专员，那么它不会形成今天的规模。
对计算机科学的认识
为什么如此多的人忽视与计算机互补的力量？这要从学校教育谈起。软件工程师致力于开发取代人力的项目，这是他们的职责所在。学者通过专业研究扬名立万，他们的主要目标是发表论文，而发表意味着尊重特定学科的界限。对计算机科学家来说，则意味着让人类的功能减少到只限于完成特殊任务，而计算机经训练后可将各项任务一一完成。
在当今计算机科学最前沿，“机器学习能力”这一词语激起了机器代替人类的幻想，其宣扬者似乎相信只要输入足够的训练资料，计算机就可以执行任何任务。网飞公司（Netflix，网络影视光盘租赁公司）和亚马逊的用户亲身体验了计算机学习的效果：两家公司都依据消费者浏览及购买的历史，运用特定算法来推荐产品。输入的数据越多，得到的建议就越好。谷歌翻译也是如此，它支持80种语言的翻译，虽然粗糙，但勉强可用，这并不是软件懂得语言，而是它能对巨大语料库的文本进行统计分析，提取句型。
另一个体现机器会取代人类的倾向的流行语是“大数据”。如今的公司对数据情有独钟，它们错误地认为数据越多，能创造的价值就越多。但大数据通常都是沉默的资料，计算机能找到人类没有注意到的模式，但无法比较不同资料来源整理出来的模式，也不能用这些资料解释人类复杂的行为。可行的见解只有人类分析师（或者说那种只存在于科幻小说中的人工智能）才能给出。
我们痴迷于大数据仅仅是因为觉得科技很奇特。我们为计算机单独取得的一些小成就而惊叹，却忽视了人类在计算机的辅助下取得的巨大进步，因为人类的参与淡化了其神秘性。沃森、深蓝电脑和越来越厉害的算法虽然很酷，但未来最有价值的公司肯定不是靠计算机单独解决问题，而是关注计算机如何才能帮助人类解决难题。
