主要内容是AI的各种应用案例介绍。作者把这些案例分到五个部分介绍：预测、决策、工具、战略、社会。
看书名和介绍以为会从经济学的角度解读AI，有更多的新鲜的视角和观点，读后比较失望，基本是见过的案例和视角。
总体评价3星，有参考价值。
以下是书中一些内容的摘抄，【】中是我根据上下文补充的信息：
1：《纽约时报》将这次比赛形容为中国的“斯普特尼克时刻(Sputnik moment)”。正如苏联发射人造卫星“斯普特尼克号”使得美国大力投资科研,中国对这一事件【AlphaGo战胜李世石】做出了类似反应,制定了到2030年占据人工智能世界领先地位的国家政策,并对此给予了财政支持。P7
2：跟克罗伊斯的例子一样,预测可以是关于当下的。我们预测当前的信用卡交易是合法还是欺诈,医学影像中的肿瘤是恶性还是良性,以及出现在苹果手机摄像头里的是不是它的主人。尽管“预测”的拉丁语词源“praedicere”的意思是“事先知道”,但我们对预测的文化解读强调的是看到本来看不见的信息,P23
3：但研究人员更进一步,将算法和病理学家的预测结合起来,结果实现了99.5%的准确率。也就是说,人类的错误率从3.4%降到了0.5%,减少了85%的错误率。P61
4：人和机器各自擅长不同方面的预测。判断癌症的时候,人类病理学家通常是对的。人类说有癌症然后发现弄错了,这是很少见的情况。反过来说,人工智能可以更准确地判断没有癌症的情况。人和机器犯的是不同类型的错误。辨识出这些不同的能力,人机结合便克服了这些弱点,因而能极大地降低错误率。P62
5：预测机器的一个主费优点是,它们可以按人类做不到的方式进行扩展。但它们还有一个缺点,那就是很难在异常情况下进行预测,因为异常条件缺乏足够的历史数据。两相结合意味看许多人机协作都将采取“例外预测”的形式。P63
6：其他司机能够借助手机上的“知识大全”来预测最快的路线,这意味着他们可以提供同样的服务。当高质量的机器预测变得廉价时,人类预测的价值便下降,出租车司机的境遇就会每况愈下。伦敦黑色出租车的乘坐人数下降了,因为有其他人可提供相同的服务。P72
7：他对生成数据的过程建立了一套模型。他意识到,有些轰炸机没有在完成袭击任务后平安归来,进而猜测它们被击中了致命的位置。相比之下,返回基地的轰炸机只是被击中了不致命的位置。依靠这一见解,空军工程师们在没有弹孔的地方增加了装甲,飞机得到了更好的防护。P95
8：剧中有一台在联邦调查局的办公室之间派发邮件和机密文件的机器。20世纪80年代就存在这样一部自主运载工具,乍看之下令人惊奇。但它其实早在此前10年就上市了,名叫“移动邮件”(Mailmobile)。P96
9：这种折中是人类做出决定的一个关键方面。诺贝尔经济学奖获得者赫伯特·西蒙(Herbert Simon)称之为“满意即可”(satisficing)。当经典经济学假设了一种具有超级智慧的存在完美地在做一些理性决策时,西蒙在他的作品里意识到并强调,人类是无法应对复杂性的。因此,他们会追求满意度,尽量达成目标。思考很难,所以人会走捷径。P101
10：最初,力拓采用可在珀斯远程控制的卡车,解决了部分人力部署的问题。但2016年,它又朝前推进了一步,它采购了73辆可自动运转的无人卡车。这一自动化,已经为力拓节省了15%的运营成本。矿山上的卡车全天24小时满负荷运转, P107
11：陪孩子玩耍、照料老年人,以及其他许多涉及社交互动的行为,从性质上说,由人来完成大概比由机器来完成要好。就算一台机器知道出于教育的目的该向孩子展示什么样的信息,有时候,由人来完成此种沟通恐怕是最合适的。P111
12：同一批人,在电子表格出现之前,辛辛苦苦地计算答案;在电子表格出现之后,成为向计算机电子表格提出恰当问题的最佳人选。他们没有遭到取代,反而像获得了超能力,变得更强了。这类情形(即机器接管部分而非全部任务时,工作的效益反而增加了)可能会越来越普遍,它是人工智能工具得到应用后的一种自然结果。P132
13：综上所述,至少在中短期内,就使用医学影像方面而言,人类仍将担负这五项任务:选择图像;在医疗程序中使用实时图像;解读机器输出;训练机器接受新技术;根据机器无法获得的信息,进行判断,否定预测机器的建议。放射科医生有没有未来,取决于他们是否是承担这些任务的最佳人选, P138
14：乔舒亚建议该公司侧重于预测而不是诊断。这样,业务的边界就以预测结束,不再需要监管部门的批准了,因为医生有许多工具可以得出诊断结果。该公司不需要从初期就跟大公司合作。P154
15：经济学家沙伦·诺瓦克(Sharon Novak)和斯科特·斯特恩(Scott Stern)发现,自己制造零件的豪华汽车制造商,在新车发布年与次年之间改进配件的速度更快。它们使用《消费者报告》(Consumer Reports)的评分来衡量客户端的改进效果。P156
16：其主要的言外之意是,数据与预测机器是互补品。因此,除非你拥有能“喂养”人工智能的数据,否则采购或开发人工智能起的作用十分有限。如果这些数据在别处,你就需要一个得到它的策略。P163
17：要付出些什么代价呢?我们的答案来自核心的经济学框架:“人工智能优先”意味着把资源投入到数据收集和学习(一个长期目标)中,同时牺牲重要的短期考量，如直接的用户体验、收入和用户数量。P167
18：飞机却不是这样。自动驾驶仪和电传操作系统提供的更细微的辅助并不能把机乘人员的时间解放出来,让他们专注于更有意义的事情。相反,它们让机乘人员边开飞机边打瞌睡(“打瞌睡”有时是比喻,有时是真的)。P180
19：你还得知道,如果你不投放广告,销售会变成什么样。依靠包含了大量广告和销量的数据训练出来的人工智能,无法理解不投放广告会发生什么样的情况。后一类数据是缺失的。这种未知的已知,是预测机器的一个重要缺陷,需要人类的判断来克服。目前,只有擅长思考的人才能弄明白人工智能是否落入了类似的陷阱。P186
20：虽然软件始终存在安全风险,但对人工智能而言,安全风险可能来自被操纵的数据。有三类数据对预测机器存在影响:输入、训练和反馈数据。所有这三类数据都有着潜在的安全风险。P187
21：策略麻烦在于,如果你拥有人工智能(如谷歌的搜索引擎),又如果竞争对手可以观察输入数据(如搜索的词条)和输出结果(如网站列表),那么,竞争对手就拥有了原始素材来配置其人工智能,使之展开监督学习,重建算法。想从这方面着手来效法谷歌的搜索引擎极为困难,但从原理上说,是行得通的。P190
22：我【丹尼尔·卡尼曼】提出了三点主要区别。最明显的一点是,机器人更擅长统计推理,对故事和叙述不像人那么着迷。另一点是,机器人的情商更高。第三点是机器人更智慧。智慧是心怀宽广。智慧就是视野不会太狭隘。这是智慧的本质,它有着宽广的框架。机器人拥有宽广的框架。P197
全文完
更多良心书评参见我的公众号：左其盛经管新书点评