AI极简经济学
读书评论：
-
飞轩02-01预测，决策，工具，战略，社会，人工智能对经济的影响
-
Reggie Wong06-24适合对AI有个概括性的认知。
-
Ryen Xiang05-11倒是懂了 ai，没有懂经济学
-
尤其Yep11-23全书讲述了人工智能作为一台预测机器，如何运行以及其利弊。其中讲述到无法去定义什么是一台最好的人工智能，因为它关乎一种权衡：数据多，隐私就少；速度快，准确度低；自主性越强，控制性越少。我觉得我们要时刻小心大数据，比如刷D音等APP的时候，其实是无法区分是我们选择了产品，还是产品选择的我们。我们只是渴望用数据减少不确定性以及想要对发生或者未发生的事情拥有更多的了解，但是请不要忘记有时候无常即有常。
-
江南书僧05-22以预测技术来定义人工智能，一语中的。从经济学角度，决策就是权衡取舍，其核心输入就是预测。预测依赖于数据，数据越多，意味着隐私越少。速度越快，意味着准确度越低。自主性越强，意味着控制力越弱。经由决策转化为行动，从动作上来讲实现难度远远低于作出预测的难度，而正因为它是一种智能，预测的实现必然会对企业内部人力资源结构造成影响，也会对商品世界造成更大的影响，甚至对社会的运行方式也造成重大影响。经济学研究稀缺性，预测能力是一种稀缺资源，它越廉价，运用就会越广泛。它的廉价进化也意味着“交易成本”的降低，为市场所喜欢不容置疑。
-
lotus11-18给不是这个行业的人看的书，如果本身在这个行业大概半小时就能翻完。另外作者说这本书主要是写给初创企业的老板的，另外听说这个译者挺厉害的，很适合外行来了解一下。
-
Frankel12-29给甲方看的洗脑书，看看每章最后总结即可
-
希米格02-25四星。我觉得很有收获。因为工作原因更关注本书中提到的极机器预测的部分。对于人工智能目前的优劣长短讲的比较清楚，文风严谨，适合对这个领域感兴趣但没常识的童鞋来读～
-
荷猪10-30醍醐灌顶。预测会改变数据和判断的价值。
-
pansin04-12AI极简经济学从经济学的角度谈AI应该从何谈起？没有分析投入产出比，没有分析AI对经济学运作模式的颠覆和改变，也没有AI的经济学模型，只不过是几位经济学家对AI的思考。当然还是非常有独到的观点和启发的，首先是关于人工智能现阶段的本质，作者提出的是预测，在人工智能沉寂30年后本轮趋势来看，通过机器学习提升了预测的准确度是人工智能重返热点的关键，而关于预测的准确度，作者对于提升的观点也很有启发，从85%到90%和98%提升到99.9%来看，不是关注5%到1.9%的提高，而是正确率下降到原来的三分之二和原来的二十分之一的区别。
-
Zima Blue02-09这种跨界、专业、实用的书再多一些吧，详尽又不啰嗦。
-
艾小犀02-13务实地说明现阶段的人工智能主要是prediction machines，核心能力是提高预测的准确性并降低成本，这可以填补未知信息，也能够帮助人类做出更快、更好决策，并能激发新的行为。预测与判断是互补品，预测成本的下降会提高人类判断的价值（这个还是挺有启发的）。书里还很友好地提供了一张AI CANVAS帮助企业分解业务流程和理清技术应用可能。
-
2D11-30可以理解为人工智能与经济学结合后的入门读物。与其说作者告诉我们的是AI正在改写行业，不如说他们更想传达的是我们该如何改写AI。《经济学人》的最新文章瞄准了中美的芯片争夺，文章似乎并不看好中国科技的实力，尤其是在AI领域的优势。然而这本书的三位作者，也是经济学家，却几乎持相反的观点。
-
小瓜12-07干货满满，很受启发。
-
呵呵好吗03-24前面三章写得挺好，中间部分有点跨，最后收尾那章也还不错，整体可读性不是太高。
-
168 Hours08-15主要是讲AI对商业领域的影响，还提高不到对经济学体系的影响和触动，如果速读看每章之后的“本章要点”即可
-
又要平躺六小时01-11本来这个题材这个标题加没听过的出版社的书是不会入法眼读的，没曾想被另一本更知名畅销书的凌乱前言恶心到了之后，意外发现这书写的还真是不错。从经济学角度以预测机器看待人工智能，从应用到产业、决策、社会分工都有清晰的观点和条理，让我这种过去只专注于吐槽数学技术细节的人有了新的认识；相信也能人跳出让那种科幻式见解
-
danyboy02-22这是写给企业管理人员或技术主管看的书，不是科普，更像管理学。前几章交代了此书所讨论的人工智能仅指已经或即将进入生产和管理机制的机器学习、机器预测、大数据等，由此指出机器需要用数据哺育、训练并接受反馈。在此基础上，才是正文，讲述如何根据这一特性来改善管理机制、流程，辅助决策等，也解答了人的重要性，因为机器越发达，预测越廉价，人就越重要。此外，讽刺的是书中谈论中国发展人工智能的三大优势，第三点就是中国不重视隐私。就我个人作为文科生来看，人工智能会使得平庸的人更平庸，未来会出现“数据隐士”这一群体，不是说对抗科技，隐遁避世，而是避免平庸，在使用科技时仍然葆有人的经验、个性、旁逸斜出。