人人都在说谎

◆ 绪论 >> 人人都在说谎，唯一的不同就是说谎程度的大小。 >> 谷歌搜索揭示出很大一部分美国人都有的黑暗和仇恨心理，而这些则是权威人士多年来一直忽略的部分。搜索数据显示，我们所生活的社会与那些学术界人士和新闻工作者（依据民意调查）所认定的那个社会有着天壤之别。数据显示，民众内心有着卑鄙险恶、提心吊胆而又迅速蔓延的愤怒情绪，亟待某位候选人代为表达。 >> 实际上，人们在生活平顺（而非不顺）时搜索笑话的可能性更大。 ◆ 第一部分 大数据，小数据 >> 结果令人惊讶。事实证明，先后搜索“背部疼痛”和“皮肤发黄”这两个词条的用户最终都被确诊为胰腺癌患者，而只搜索“背部疼痛”的用户则不太可能得这个病；同样，搜索“消化不良”和“腹痛”这两个词条的用户都被确诊为胰腺癌患者，而只搜索“消化不良”则意味着此人不太可能罹患此病。研究人员可以识别5%~15%的案例，几乎没有误报。 >> 论文中包含大量专业术语，比如KS –检验（Kolmogorov-Smirnov test），不得不承认连我都忘记它是什么意思了。（这是判断一个模型是否和数据准确匹配的方法。） >> 在演说中，乔丹说，他一直努力“关注生活中美好的事物——你知道人们是如何看待你的，你又是如何尊重他们的……而公众又是如何看待你的。停一停，想想你做的事情。这一切都是我的父母教会我的”。 >> 2013年6月，勒布朗·詹姆斯在赢得他的第二个NBA总冠军（后来他又赢得了第三个）后，在电视上接受采访。“我是勒布朗·詹姆斯，”他说道，“来自俄亥俄州的阿克伦，我来自城内贫民区，我甚至都不应该出现在这里。”随后推特和其他社交网络上对他的批评排山倒海。詹姆斯这样一个天赋异禀的篮球天才，年纪很小时就被视为篮球的未来，他怎么可以公然宣称自己是个失败者呢？事实上，任何一个出身贫寒的人，无论其运动天赋如何，成功的机会都很渺茫。换句话说，詹姆斯的成就其实比起初看起来更加超凡。数据同样也证明了这一点。 ◆ 3 数据重构 >> 如果你在一个出现在谷歌之前的受众较广的搜索引擎上搜索“汽车”，就会被彻底淹没在色情网站中。这些色情网站经常在白色背景上用白字输入“汽车”这个词来欺骗搜索引擎。于是，它们从一些本欲购买汽车但被色情内容分散了注意力的人身上获得不少额外点击量。——作者注） >> 首先，或许也是最重要的一点，如果你想尝试使用新的数据来革新一个领域，那么最好是进入一个旧方法不见效的领域。 >> 塞德在做的是预测工作，而不是解释工作。在预测工作中，你只需要知道什么东西有用，无须知道为什么。 >> 我们已经了解到文字是数据，点击量是数据，链接是数据，错别字是数据，梦中的香蕉是数据，人的语气是数据，喘息声是数据，心跳是数据，脾脏大小是数据。我认为，搜索是最具启发性的数据。 ◆ 4 数字吐真剂 >> 因此，情况越是与自己无关，人们越诚实。想要得到真实的答案，电话调查比现场调查好，互联网调查比电话调查好。人们独自一人时比和他人在一起时会坦诚许多。 >> 奥巴马似乎说了完全没毛病的话，所有的传统媒体都为奥巴马治愈人心的发言发去贺电，但是来自互联网的新数据（数字吐真剂）则表明这个演讲的效果实际上事与愿违。互联网数据告诉我们，实际上奥巴马的发言并未像人们认为的那样安抚了愤怒的群众，反而点燃了他们心中的怒火。我们认为正在发挥作用的东西可能会呈现与预期效果完全相反的结果。有时我们需要互联网的数据来纠正自我认可的本能。 ◆ 5 放大数据 >> 我们再一次看到，决定一个人成年后成为哪支球队“死忠粉”最关键的时间节点，是在他8岁左右的那一年。总体而言，男孩在5~10岁时最容易喜欢一支球队。球迷决定要支持哪支球队时，球队在他8岁时夺冠要比在他19岁或20岁时夺冠重要8倍，因为到那时，他要么已经终其一生都喜爱那支球队，要么就一点儿都不喜欢了。你可能会问，女棒球迷呢？这种模式对女棒球迷则不那么明显，但是女性喜爱一支球队的高峰年龄似乎是22岁。 >> 当我们想弄清楚谁会作假时，关键不是判断谁诚实，谁不诚实，而是要判断谁知道如何作假，谁不知道。 >> 这三座城市中，纽约产出著名记者的概率最大，波士顿产出杰出科学家的概率最大，洛杉矶产出知名演员的概率最大。要记住，我们这里说的都是那里土生土长的当地人，不是后来搬到那里的人。即使将那些父母在那个领域颇有声望的人排除在外，情况也是如此。

麻省理工学院已故科学家马文·明斯基（Marvin Minsky）是最早研究人工智能可能性的科学家之一，他认为心理学是因试图模仿物理学而偏离轨道的。物理学成功找到了在任何时候、任何地方都适用的简单定律。 明斯基认为，人脑可能不受此类定律的约束。相反，人脑很可能是一套复杂的黑客系统——其中一部分可以纠正其他部分出现的错误。经济和政治系统可能同样复杂。 因此，社会科学革命不可能以简洁的公式形式出现，如E=MC2。如果有人说社会科学革命以一个简洁的公式为基础，对此你应该持怀疑态度。 相反，社会科学革命的进程是零敲碎打的，一项研究接着一项研究，一项发现接着一项发现。慢慢地，我们就可以更好地理解人类思想和社会的复杂系统。 我们得出了正确的结论，也指明了未来更多问题的研究方向。

==========

数据分析有着光明的未来。我有强烈的预感下一个金赛会是一名数据科学家，下一个福柯会是一名数据科学家，下一个弗洛伊德会是一名数据科学家，下一个马克思会是一名数据科学家，下一个索尔克很可能也是一名数据科学家

一般来说，如果有人告诉你他会还你钱，那他很有可能不还了。承诺越是坚决肯定，就越有可能无法兑现。如果有人写下“我保证我一定会还钱，上帝求你帮帮我吧”，他是最不可能还的。激起你的怜悯之心（他解释说，他需要这笔钱，因为他的亲戚在住“医院”）也意味着他不太可能还钱。事实上，提到任何家庭成员（丈夫、妻子、儿子、女儿、母亲或父亲）都是不会还钱的标志。另一个暗示会违约的词是“解释”，意思是说，如果人们试图解释为什么自己能够偿还贷款，那他们很可能不会还款。 研究人员没有理论来说明为什么“感谢”他人是可能违约的证据。

==========

总而言之，根据这些研究人员的研究，一个人如何还贷的详细计划和过去曾履行过的承诺是他会偿还贷款的证据。做出承诺、博得同情是一个人不会还款最为明显的迹象。不管理由是什么（或者它展示给我们的人性就是，许下承诺实际上是什么事都不会做的信号），学者发现这个测试对预测不会偿还贷款是非常有价值的信息。提到上帝的人拖欠债务的可能性为不提上帝的人的2.2倍。这是一个人不会还款的单项最高指标之一

==========

这就是那个道德问题：企业是否有权根据与其提供的服务不直接相关的抽象统计学预测标准来判断人们是否可以享受其服务呢？

==========

更好的数据也可能导致另一种形式的歧视，经济学家称之为价格歧视。企业常试图确定应该为其商品或服务收取多少费用，理想情况下，他们希望收取客户愿意支付的最大费用。这样，他们就能获得最大的利润。

==========

赌场工作人员认为，每个赌徒都有一个“痛点”。这个“痛点”是赌徒在赌场损失的数额，这个数额大到足以令他害怕，所以在很长一段时间内他都不敢再踏进赌场半步。例如，假设海伦的“痛点”是3 000美元，这就意味着，如果海伦输掉3 000美元，赌场就会失去这位顾客，可能几周或几个月都见不到她；如果海伦输掉2 999美元，她也会不高兴，毕竟没有人喜欢输钱，但是她不会因此意志消沉，第二天晚上还会照样出现在赌场。 想象一下，假如你是赌场的管理者，而海伦就在你的赌场玩老虎机，最佳结果是什么呢？很显然，你想让海伦尽可能地接近其“痛点”却又不超过它。你想让海伦输掉2 999美元，这样你赚得够多，而她又不至于输到自己短时间内不想再回来玩。

==========

换句话说，互联网数据可以告诉企业应避开哪些顾客，又应该剥削哪些顾客；也可以告诉顾客他们应跳过哪些企业，又是哪些企业在试图剥削他们。迄今为止，大数据推动了消费者和企业之间的斗争，但我们必须确保这一斗争公平。

==========

我们应该非常不情愿走到这一步：在犯罪行为发生之前就追究个人的责任。首先，这似乎是对隐私的侵犯。无论是拥有数千或数十万人搜索数据的政府，还是拥有个人搜索数据的警察部门，在他们面前都有一道不可逾越的道德鸿沟。比如搜查某人的住所，在其面前就有一道不可逾越的道德鸿沟。无论是广告预防自杀，还是违背他人意愿将其送进精神病院，在其面前仍然有一道不可逾越的道德鸿沟。 然而，谨慎使用个人数据的理由甚至是超出道德层面的，还有一个数据理由。从试图预测一座城市的行为到试图预测一个人的行为，对数据学家来说是一个巨大的难题。 让我们暂且回到自杀的话题。每个月，美国有大约350万次搜索与自杀相关，其中大多数都透露出自杀的想法，例如“想自杀”“实施自杀”“如何自杀”。[6]换句话说，每个月每100个美国人中就会有不止一次自杀的相关搜索。这让人想起哲学家尼采的一句话：“自杀的想法是一个很大的安慰，凭借它可以熬过无数个黑夜。”谷歌搜索数据显示，自杀的想法真实存在且十分普遍，但是，每个月美国的自杀人数不到4 000。自杀的想法非常普遍，自杀行为却并非如此。因此，尽管有人在网上大呼小叫地喊着想一枪崩了自己的脑袋——如果不是出于这个原因，警察又怎么会专程赶去这些人家呢——也没有必要天天守在他们家门口，那样做没什么意义。