Please enable JavaScript.
Coggle requires JavaScript to display documents.
AI經濟的策略思維 (第六章 人類與機器的分工 (人機合作 (癌症判斷 (人類擅長判斷有癌症, 機器擅長判斷無癌症), 人機結合 (第二意見…
AI經濟的策略思維
第六章 人類與機器的分工
人類缺點
依靠經驗法則與偏頗
球探
複雜相互影響資訊無法做出良好預測
法官保釋判決
非理性因素影響
喜好
專注力
機器優點
擅長不同指標間複雜相互影響納入考量
已知的已知
豐富數據良好標註,可提供良好預測
詐騙偵測
醫療診斷
球員篩選
貸款審核
處理人類無法處理的資料規模
人類優點
已知的未知
少量數據做出預測
認得看過幾次的面孔
總統大選
沒有足夠數據時作出良好預測
機器缺點
未知的已知
倒果為因
假期飯店需求高
房價高
機器誤以為提高房價=提高銷量
遺漏變數
採取行動結果
不採取行動結果
人機合作
癌症判斷
人類擅長判斷有癌症
機器擅長判斷無癌症
人機結合
第二意見
提供最初預測,結合人類評估
人類先決策,後提供AI評估
增加決策品質誘因
例外預測
非例行情境
人類接手
機器優勢
處理人類無法處理的規模變數
數據充足時例行常見的情境
人類優勢
無充足數據預測
第三章 預測機器的魔法
信用卡詐騙偵測
ITUNE爭議交易
物體辨識
有大量資料
有人類標記意義
預測是將缺失資料補起來的過程。預測是藉由擁有的資訊,通常稱為「數據」,產生你沒擁有的資訊
第七章 決策的要素
AI策略模型
輸入
預測
訓練
判斷
行動
結果
回饋訓練
機器學習在決策層面影響最直接
將決策分解成要素,了解人哪部分減少價值,那增加價值
預測
機器通常是人類預測更好的替代品
資料經過標示,機器預測會更精準
第八章 判斷的價值
只有人類可決定不同行動的報酬(價值)
機器預測減少判斷的成本
決策不確定狀況下判斷正確、錯誤的報酬都要計算
自動決策
如行動/結果組合數可接受
自動執行,判斷寫入程式
如行動/結果組合數可太多
人類判定
第十二章 拆解工作流程
AI工作的設計單位是「任務」而非職位
任務是決策的集合
決策根據「預測」和「判斷」
更好機器預測促使完全自動化產生
AI對工作流程改變
1.讓任務過時
2.增加新的任務
AI推行
將工作流程分解成許多任務
重新思考或再造整個工作流程
第四章 為什麼說這是人工智慧
AI再起原因
更好的數據
更好的模型
更好的電腦
迴歸
根據過去狀況平均值找出預測值
多變數迴歸分析
機器學習前最好的預測模型
機械學習優點
迴歸分析的挫敗
人類決定模型的假設及影響條件
如假設錯誤?
深度學習優勢
用不同變數組合預測結果
無法覺知的弱連結
反向傳播法
透過實例學習
精準度可藉由學習改善
高精準度可讓機器執行人類智慧相關任務
自動駕駛
第十章 控制的複雜度
過去機器決策多採「若則法則」
受處理資源限制及有限時間多採「滿意解」
現機器學習進步採預測模型
執行更複雜預測與對應行動
達到人類執行準確性
翻譯、影像辨識、對話、醫學放射影像判定
應用
翻譯
影像辨識
對話
醫學放射影像判定
第十一章 完全自動化的考量要素
完全自動化工作
除人預測外,其他元素都已經自動化(採礦)
減少等待預測時間會產生高報酬
快速行動預測有極高報酬
外部性
當應用牽涉到外部性(和無關人利益相關)
法令會加以限制
第十三章 拆解決策
拆解任務
看出機器預測可以從哪邊切入
預估增強好處
預估成本
AI Canvas
工作流程
1.預測
做決定時的目標
2.判斷
如何評價
不同行動(成/敗)的報酬
4.結果
實際成果
3.行動
執行決定
AI
1.輸入資料(執行階段)
2.訓練
訓練資料
3.回饋
依結果調整模式