掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
算法與預言 版權信息
- ISBN：9787521753912
- 條形碼：9787521753912 ; 978-7-5217-5391-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
算法與預言 本書特色
1.全球知名復雜網絡科學與計算流行病學專家，面向大眾讀者介紹大數據和算法如何預測和改變我們的未來，深入淺出，是一本優秀的預測科學普及性作品。 2.一本橫跨復雜系統科學與人工智能領域的前沿作品，介紹了早期科學家如何打破數學、物理學、生物學、計算機科學、政治學、經濟學的學科壁壘，推動社會科學的范式轉移。 3.通過數據建模，推演事物的發展趨勢，總結復雜世界背后的簡明法則，從而預測疫情的蔓延、自然災害、經濟和政治體制的崩潰等潛在危機，緩解人們對未知的天然焦慮，幫助人們更好地進行危機管理與科學決策。
算法與預言 內容簡介
縱觀人類歷史，從古希臘的德爾菲神諭到中國古代的易經占卜，出于對未知事物的恐懼，人類總是癡迷于預測未來，也正是這種恐懼為預測科學的發展提供了不竭動力。而今，打開智能手機，除了我們習以為常的氣象預報，各種平臺越來越精準地推送我們可能感興趣的新聞、圖書、電影、音樂……，預測科學已經在不知不覺中全方位地滲透了我們的日常生活。在本書中，作者基于在復雜網絡科學與傳染病預測領域的學術研究經歷，帶領我們一覽預測科學發展目前的重要節點和突破——復雜科學的誕生，打破了自然科學、生命科學與社會科學之間的壁壘，使得基于模型描述社會行為成為可能；數字革命帶來的海量數據與算法，則大幅提升了模型的準確性。從此，人變成了“可預測”的社會原子。 基于這些模型，我們不僅能預測一場足球比賽的結果、一本書的銷量或一位藝術家職業生涯的成功與否，還能預測一場流行病的蔓延、一種社會思潮的傳播、金融市場的波動，甚至一個人的感情生活。我們不光能夠清晰地模擬并分析未來的圖景，還能針對各種危局制定行之有效的應對策略。 但本書的目的不僅在于展示預測科學的巨大威力，還在于喚起人們對其局限性與倫理界限的認知，比如，大數據和算法會習得人類社會固有的歧視與不公，甚至會被用來操縱和影響人類行為。只有了解數據、算法和預測背后的運行機制，人們才能避免陷入夜郎自大或盲目崇拜的陷阱，更好地掌握我們的未來。
算法與預言 目錄
目錄
前言??我是占卜師 / Ⅴ
**章?? 預測科學
登陸新世界：預測的歷史 / 001
關于未來的力學 / 006
概率與未來 / 008
一種新的預測類型 / 012
第二章?? 鳥群與人群
簡化而不簡單 / 015
行人動力學 / 023
隔離與數學 / 027
網絡 / 030
第三章?? 數據、算法與預測
數據化 / 035
數據與預測 / 044
機器學習 / 051
模擬大腦 / 055
隱性知識的新神諭 / 059
第四章?? 預測新書能賣多少冊
預測一切，就是現在！ / 065
“美麗的運動”：算法當教練 / 072
成功可以預測 / 081
算法無邊界 / 091
第五章?? 人工智能的陷阱
算法的偏見 / 095
不公正的算法 / 099
谷歌流感趨勢 / 102
理論死了，理論萬歲！ / 110
第六章?? 人工世界
下次大流行病何時暴發？ / 113
鐘擺與核爆炸 / 128
社會傳染 / 134
可能的世界 / 141
第七章?? 管理我們的未來
謝頓博士是誰？ / 145
失敗還是凱歌高奏？ / 152
光明與陰暗 / 157
第八章?? 尾聲
揭開數字預言家的面紗 / 167
致謝 / 175
注釋 / 181
展開全部
算法與預言 節選
預測一切，就是現在！ 我還是沒養成按照嚴格的日程清單有條不紊工作的好習慣。 不過，了解我的人都知道，我們團隊沒有固定碰頭會的工作機制，因為沒必要把工作安排得那么僵化。我們的工作環境是大型開放空間，有著透明玻璃墻，每天想不碰面都難。要是哪天我給大家發郵件，正式通知要開會，大家就都知道肯定有什么重大突發事件。在日常工作中，我們的信息和思想交流總是自發的，咖啡機前就是大家工作臺的自然延伸。 2012 年 2 月，一個周四的下午，大家又聚在一起喝咖啡。我們早有了共同關注的話題。別誤會，這次我們不是在聊學術熱點，而是在討論正熱播的大眾選秀節目《美國偶像》（American Idol）。當時歐洲正在熱播《X 音素》（The X Foutor），而《美國偶像》則在美國收視長虹，每季節目的冠軍都成了家喻戶曉的明星，凱莉·克萊森（Kelly Clarkson）、 詹妮弗·哈德森（Jennifer Hudson）和凱莉·安德伍德（Carrie Underwood）都是從這個節目開始進軍娛樂界的。節目每周三晚上播出，觀眾投票時間截至周四，屆時宣布晉級選手。還有什么話題更適合在喝咖啡時聊？自打節目開播，我們每周四上午都會邊喝咖啡邊討論前一晚選手的表現。有的同事還會加點兒賭注，讓討論更刺激。那天，大家正熱火朝天討論時，不知道是誰突然來了一句：“與其在這閑聊，不如正兒八經地預測！這不是我們的老本行嗎？”這么一句玩笑話，大家可都當了真。到了下午，大家已經鼓搗出各種圖表和數據，琢磨起具體的預測模型了。物理學家較起真來，娛樂新聞也能有學術的面孔。我們以推特的數據為基礎，預測了下一集誰會被淘汰。到了第二周周三，我們已經有了初步的思路。我們通過推特篩取數據，截取帶選手名字以及其他與“美國偶像”相關的實時推文，并對 50 萬條推文展開分析；針對每場演出都選出一群支持者，在地圖上對他們進行定位；處理完數據后，再加上統計學的算法，就大功告成了。 周四早上，我們的確預測出將遭淘汰的選手，但由于時間倉促，統計學偏差過大，起初幾次預測并不精準。不過，在我們預測的排名*末的兩三名選手中，總有一位*終是被淘汰的。這一結果讓大家備受鼓舞。我們決定優化算法，精確識別每位選手支持者的地理信息。經過幾輪實驗，預測已達到了百分百的準確率。 決賽前幾天，我剛到辦公室，就發現同事們都在等我。大家告訴我，是時候在總冠軍出爐前公布我們的預測了。可是，這不就是一幫科學家喝咖啡時臨時起意的玩笑嗎？看著大家嚴肅的表情，我意識到大家已不再把這事當作一種消遣。我們立刻著手撰寫論文，準備發布預測模型。5 月 23 日，《美國偶像》這一季*后一集播出。3 天前，即 5 月 20 日，我們的論文通過了專家審核，發表在 arXiv.com 網站這一學術論文公共平臺上。在這之后，《美國偶像》還將播出兩集，5 月 22 日進行*后的演出，第二天就將迎來總冠軍決賽之夜。我們搜集了5 月 22 日紐約時間晚上 8 點節目開播到洛杉磯時間翌日凌晨1 點投票結束這一時間段的大量數據，完成了總決賽預測，并將結果更新到 arXiv.com 網站上 1 。提交預測后，大家并未如釋重負，而是帶著不安和興奮入睡。第二天，一覺醒來，我們發現自己已經身處媒體風暴的旋渦中。雪片般的郵件塞滿了我們的郵箱：有人認為自己支持的選手被我們低估了，寫信來罵我們；有人則激動地表示我們才是慧眼識才的伯樂；甚至還有來自地下賭場的恐嚇信，說我們壞了它們的生意。其實，失望、高興、憤怒，這些情緒都是多余的（恐嚇信當然還是違法的），因為當我們發布預測結果時，投票已結束了，預測無論如何不可能改變結果。可你又能跟賭紅眼的人爭論什么呢？ 5 月 22 日晚上，大家都圍在電視機前觀看直播，氣氛如同觀看世界杯決賽般熱烈。紐約時間晚上 10 點，第 11 季《美國偶像》冠軍揭曉：菲利普·菲利普斯（Phillip Phillips）。 正是我們預測奪冠的歌手！ 第二年，《美國偶像》宣布改變比賽機制，節目組會在投票當晚就公布被淘汰的選手，這么一來，我們就沒時間預測了。我們甚至懷疑，這項改變是為我們量身定制的。 當然，根據推特數據來預測選秀比賽的結果，只是科學家們心血來潮的一場游戲，不必太認真。不過，大家在興奮之余很快意識到，這次成功的經驗打開了通向新世界的大門。選秀節目的冠軍得主能被精準預測，這意味著我們身處一個可被算法預測的世界。許多年來，我們的預測對象總是天氣、流行病和其他嚴肅的社會現象。如今只要數據到位，加上掌握正確算法，我們就能在短時間內實施定量分析，預測此前根本想不到能被預測的事件。時至今日，預測科學已經“看透”了我們的生活。當你去應聘時，你的簡歷有可能會經過某個軟件的篩查，雇主根據分析結果決定是否錄取你。工作幾年后，你準備安家置業，去銀行申請貸款，銀行會通過算法分析你的收入情況，評估你的還款能力，從而決定是否放貸。一言以蔽之，預測已經全方位地滲透了我們的日常生活。我們越是預測，就越想預測，似乎走不出“越喝越渴”的怪圈。觀看體育比賽時，沒等比賽結束，我們就想知道誰會贏。 新人闖進娛樂圈，剛發布**首新曲時，我們就想知道他會不會紅。在去投票的路上，我們就在猜誰會當選。股市剛開盤，我們就想知道收盤時是漲是跌。究其原因，預測讓我們“安心”，它讓未來變得不再是未知的，這降低了我們面對未來時內心的不安與恐懼。預測不僅適用于外部世界，還適用于我們自己，比如預測我們的音樂品味。截至 2018 年，音樂流媒體平臺聲田（Spotify）已經有 2 億多活躍用戶，其中8 000 多萬屬于付費用戶。如果你是其中之一，就一定收到過它推送的歌曲。亞馬遜網站似乎總能知道我們喜歡讀什么書，網飛（Netflflix）流媒體平臺似乎總能猜對我們熱衷追什么劇集。當然，它們的預測有時也會失準。不過，你一定注意到了，這幾年來，它們推送的信息似乎越來越精準了。我們往往來不及細想，就下意識點擊了“收聽”或者“購買”。這意味著，平臺的算法已經實現了預期功能。你一定還聽過針對亞馬遜公司的批評，有人指責這個商業巨頭正在吞噬中小企業的生存空間。在我看來，這種觀點有些偏頗和流于表面了。從專業角度來看，亞馬遜公司實際上是通過成功預測，在我們打開商店網頁前，就提前找到我們想要的。誠然，建立在成功預測基礎上的商業模式正在掌控市場本身，不斷推陳出新的各種應用程序（App）擠滿了我們的手機屏幕。我們在看手機，手機上的它們也在“看”我們，識別我們的品味與消費習慣，甚至比我們還要了解我們，跨過手機屏幕來“指揮”我們的行為。 讓我們回到聲田這家公司，一起領教算法已經達到何種水平。這家公司誕生于 2008 年，如今是全球*大的流媒體音樂服務平臺，市值達到 240 億美元。2 它成功的秘訣正是協同過濾算法（collaborative filtering），這種算法的關鍵就是“他人”。聽音樂時，我們經常會將自己喜歡的歌曲保存到歌單中，這么一來，用戶的音樂偏好就隱藏在 20 多億份歌單中。當兩個用戶的歌單存在大量相似歌曲時，就意味著他們的音樂品味相近。一般來說，每個人大概率會喜歡與自己品味接近的其他人收藏的歌曲。這就是協同過濾算法的運算機制。用戶的習慣操作被轉化為可供算法分析的數據，形成巨型矩陣，矩陣的每一行為用戶，每一列則為平臺可推薦的 3 000 萬首歌曲。這時，一種叫作矩陣分解（Matrix Factoring）的數學方法便派上用場了。通過矩陣分解，我們可以得到兩類向量 U 和 C。其中，U 為用戶向量，代表每個用戶的音樂品味，C 為歌曲向量，代表每首歌曲的具體特征。這些向量本質上只是無意義的數字串，可協同過濾算法能將每個用戶向量與其他用戶向量做比較，得出哪些用戶向量*為相似，同樣的處理方式也適用于歌曲。如此一來，我們便能確定，哪些用戶趣味相投，哪些歌曲曲風相近。我們將“相似性”這一抽象的概念轉化為可測量的數據后，就能將這些數據用于定量預測。 協同過濾算法的巨大優勢在于，它能精準地推薦復雜的內容，如音樂、電影，而不必真的理解推薦的內容究竟是什么。顯然，要運用協同過濾算法，需要大量的用戶和數據，而這恰恰解釋了為什么許多平臺運營商會提供免費服務。不花錢的用戶在享受免費服務的同時，提供算法所需的數據，而系統則能夠利用這些數據為付費用戶提供更完整和優質的服務。聲田公司還運用了自然語言處理（Natural Language Processing）這一機器學習技術，對歌曲展開進一步識別與分析，同樣的技術也可以運用到新聞報道、網站文章的分析上。如此一來，每位藝術家、每首歌曲都有數千條術語進行描述，而這些術語又能生成一個新的向量，以表征兩首歌曲是否相似。此外，聲田公司甚至使用神經網絡算法（Neural Network）分析一首歌曲的音軌，對新發行的歌曲進行相似性分析和分類，確保在相關信息缺乏的情況下，這些歌曲也會被推薦。 當然，不同算法究竟如何相互融合、彼此支持，從而得出*優方案，這恐怕不是本文能夠說清的。說到底，這是商業機密。大量的流動數據似乎并不具備商業價值，可當人工智能與商業模式相結合時，點石成金的魔法便應運而生了。它形成了一個巨大的水晶球，容納并預測著我們生活的方方面面。算法不會唱歌，卻知道你愛聽什么歌；算法不會踢球，卻能預測一 場比賽的輸贏，甚至能當教練—這是怎么回事？
算法與預言 作者簡介
意大利籍物理學家、復雜網絡科學家、計算流行病學家，現任美國東北大學生物與社會技術系統建模實驗室主任；美國物理學會會士，歐洲科學院院士，哈佛大學定量社會科學研究所研究員。多年來專注于研究復雜網絡的特征與建模，目前主要研究方向為流行病空間傳播建模、復雜網絡的韌性，以及技術-社會系統的集體行為。因曾帶領科研團隊通過數據建模預測埃博拉病毒、寨卡病毒、新冠病毒的傳播趨勢而得名，為美國美國疾病控制與預防中心和世界衛生組織的疫情防控政策提供了科學依據。 意大利籍記者，自由撰稿人，為意大利全國性大報《共和報》（La Repubblica）和《連線》雜志意大利版撰稿，因在報道科學新聞方面的出色工作而被授予2014年托馬塞蒂獎（Tomassetti Award）。
書友推薦
- >
名家帶你讀魯迅:故事新編
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
唐代進士錄
- >
二體千字文
- >
李白與唐代文化
- >
朝聞道
- >
山海經
- >
伯納黛特,你要去哪(2021新版)
本類暢銷
