人工智能可以替人类更好地作出预测 如果机器预测得足够精准

　　为什么要发明 AI？因为机器可以替人类更好地作出预测。如果机器预测得足够精准，我们可以避免人类所犯的三种过失。机器可以让我们的准备恰如其分。 　　我们要把预测的行使权从人类的手中，转交到机器手中。现在，这种情况正在发生。 　　举个例子，纽约某医学院的研究人员做了一个机器学习系统，我们可以把这个系统理解为一个 " 吞吃数据的庞大怪物 "。 　　他们往这个系统里输入了 70 万份病例，这是非常庞大的数据量。有意思的是，研究人员并不下达指令，而是让系统无限制地找出它能做的事情。 　　结果，被称之为 " 深度患者 " 的医疗诊断系统，作出的诊断与预测的准确性，远远超出人类医生。 　　唯一的问题在于，作出诊断后，系统无法解释它是如何诊断的，为什么给出这个诊断。用行业术语来说，这是一个 " 黑盒子 "（指从用户的观点来看一个器件或产品时，并不清楚其内部构造和原理，只关心它的功能及如何使用这些功能）诊断系统，但是它的确比人类医生更精准。 　　" 深度患者 " 只是深度学习的一种。所有的深度学习，本质都是 " 黑盒子 "。它的好处是不需要你理解，也不需要把世界简化为人类可以理解的层次。 　　随着机器学习在全球的广泛应用与发展，混沌理论转向混沌实践，并将这一理论令人兴奋的想法应用于日常生活。 　　3. 混沌实践 　　当混沌理论应用到日常生活后，可能会导致哪些结果？ 　　按照温伯格的分析，越来越多的事情不再基于预测开展，这种转向并非始于人工智能，而是从有互联网就发生了。 　　各行各业都采取了那些完全避免预测未来的做法，我们来举一些例子。 　　柔性生产（以 " 制造系统响应内外环境变化的能力 " 建设为核心的生产方式与方法论）； 　　敏捷开发（是一种以用户的需求进化为核心、迭代、循序渐进的开发方法）； 　　A/B 测试（是一种用数据进行产品决策的方法）； 　　最简可行产品（MVP，用最快、最简明的方式建立一个可用的产品原型）； 　　开放平台（Open Platform，比如微博、百度等）； 　　用户可修改的视频游戏（modding）。 　　这些事情并不需要预测，只需找到一种方法来验证某个想法是否可行。而且这些事的可行度相当高，最后的结果也能够达到要求。 　　温伯格甚至极而言之地说：" 过去 20 年日新月异的发明与革新，都不是通过预测完成的。恰恰相反，是为了避免预测未来而做的。" 　　因此，他得出一个结论：互联网没有试图预测未来并为其准备，而是通过创造更多深不可测的可能性来造就我们的繁荣。 　　至此，基本的认知模型已被颠覆，人们有了新认知的可能性。