书中提到的数据对象号称能带来“巨大年夜的改变”，其实是有些难以佩服的。赛斯在书中不止一次地用“概绫屈性的”一词来形容这些数据对象，但这让我加倍困惑它们到底实不实用。

▌起首，数据并不是常识，它是常识的原材料。

赛斯本身也承认，懂得相干性和懂得因不雅关系并不是一回事，人们在的网页搜刮记录和他们本身真实的特点之间其实很少能形成真实的因不雅关系。

我认为个中的一个原因是，一小我的搜刮记录并不克不及像书中所说的那样可以或许反竽暌钩他们心坎的设法主意，所以一小我真正信赖的器械可能远远跨越他们收集行动的表象。

就拿性偏好的研究来说吧，到底有哪些特点是眇乎小哉的怪癖？有哪些是可以或许反竽暌钩仁攀类大年夜脑最真实的特点？仅依附这些对象是没办法解释这一区其余。最后，你可能会获得一大年夜堆数据，个中还包含很多冗余信息，但大年夜不相干的事实中选出有效的数据点则美满是另一回事。

大年夜这个层面来说，这种查阅网页检索记录和其他信息的办法可能过于简单了。

▌其次，你很难控制所有能反竽暌钩网页搜刮的变量。

在我看来，“数据科学”中的“科学”二字仍然缺乏必定的严谨性。例如，书里提到的很多结论都是建立在很多个例研究上，并不克不及反复验证。有些例子的样本容量很大年夜，但有些却很小。并且人们的设法主领悟跟着时光的推移而改变，所以研究机会的选择异常重要。这些都请求数据科学家承担起巨大年夜的义务，确保这些结不雅是严谨，而不是过于简单化的。

推敲到膳绫擎所说的各种问题，我发明书中所描述的大年夜数据其实是懂得仁攀类行动的开端，而不是幼ǚ敲?行动的决定性身分。

这些大年夜数据能告诉你它们的用处，但说不清跋扈能解决什么样的问题。书里很多有趣的研究都能很好地答复“是什么”，但大年夜部分却很难解释“怎么样”，尤其是“为什么”。它们可以指出通向常识大年夜门的路径，但没法告诉我们哪扇门可以被打开。

实际上，这些研究很难揭示有哪些事实可以超进出类现有认知，因为只有对于仁攀类思维的┞锋实懂得才能为揭示本相打好基本。

【编辑推荐】

1. 蒋韬：大年夜数据和人工智能在风险治理范畴将大年夜有可为
2. “互联网+”将使农机行业实现跨界进级
 4/5   首页 上一页 2 3 4 5 下一页 尾页



　　推荐阅读

　　影像医师怎么看 AI ？北大人民医院杜湘珂：医生不止是看片子这么简单

第三篇：《对神经假体进行精确控制》，我认为这挺有效的，神经假体在人的身上，如不雅可以或许用智能去控制，将来对这种类型的残疾人会带来多大年夜的赞助。杜湘珂：尊敬的袁主任、葆青主任，以及其他师长教师，还有>>>详细阅读




本文标题：每个人都说谎：社交数据泄露了你的真实想法，包括性癖好……

地址：http://www.17bianji.com/lsqh/36737.html

 1/2    1