书友们，大家好，欢迎继续做小学者读书圈的嘉宾，今天我们就继续聊聊这本书。 噪音，正如我昨天提到的，有很多人反对降噪，认为它效率不高，但笔者认为降噪迫在眉睫。 他说这一切都只是一个借口。 我们需要权衡降噪的成本和收益，这是进行降噪的重要原因，而且由于降噪的成本远高于降噪的成本，因此往往需要降低降噪。 比如招聘的时候，比较麻烦，通过多轮筛选，过程看似极其繁琐，但总比招错人，给公司带来更大的损失要好，解雇员工比招聘员工更麻烦。
人工智能可能在未来取代人工编辑的案例。
我想举个例子。
这是头条新闻。
通过AI算法推荐内容。
它可以帮助我们看到隐藏在新闻中的热门信息。
说实话。 当我第一次看到这个模式时。
我也有一些疑问。
但我们必须承认这一点。
这种趋势非常有意义。
仔细想想，你就会发现。
我们编辑的建议往往面向大量人群。
以及 AI 算法提供的内容。
它基于每个人的独特需求。
使用时间越长。
算法可以越准确地推荐您的偏好。
这是我们短期成功的关键。
比编辑。 AI对用户有更深入、更客观的理解。
这也是该算法能够消除大量噪声的原因。
就像我们现在正处于招聘过程中一样。
它也开始借鉴空头**的操作。
判断一个人的生活方式和习。
这些隐藏的细节。
你不能从算法中隐藏它。
你可能会说你是一个勤奋的人。
但实际情况是。
如果你身材矮小，只会有一些小姐姐跳舞**。
所以。 我们看得很清楚。
降噪算法。
用于个性化推荐。
为了全面了解用户。
这是未来的一个主要趋势。
越来越多的领域转向使用算法来处理复杂的判断。
尽管算法中不可避免地存在错误。
然而。 随着时间的流逝。
它们的准确性在不断提高。
相比。 然而，人类的判断总是存在不确定性。
因此。 现在很多设备都在收集有关我们生活的数据。
事实上。 在大数据时代。
没有人可以再拥有隐私。
这不仅仅是手机号码和身份信息被泄露的问题。
我们已经完全暴露在大数据的监控之下。
我们的个人喜好和行为习。
这一切都被仔细记录下来。
也有担忧。
降低噪音会影响我们的灵活性。
下面是一个示例。 在某些司法案件中。
有些情况是可以理解的。
因此，应依法对法官从宽处罚。
但。 这种自由裁量权。
是否真的对整个社会更有利。
或者它会对我们造成更大的伤害。
我们必须认真思考。
尽管由于法官的自由裁量权，有些案件会更加公正。
但是噪音的存在。
这也可能导致更多不公平的案件。
这反过来又为腐败创造了肥沃的土壤。
权力地位一直与腐败密切相关。
权力过于集中。
腐败无处不在。
因此。 有争议的自由裁量权。
这更危险。
即使您希望提出更灵活的判决。
它还需要降噪过程的支持。
例如，使用多个独立人士的判断意见。
最终，形成了一个全面的视图。
以避免可能的错误。
规则必须严格。
自由裁量权不能控制得太紧。
毕竟，在法律的细文中。
它并不涵盖所有内容。
漏洞总是可以随机出现的。
这就是英美判例法和法律条文的区别。
判例法更加灵活。
另一方面，法律规定需要不断制定司法解释。
堵住漏洞。
但这是一个真正的问题。
为了统一标准。
消除杂乱无章。 但它总是会造成新的混乱。
公司也是如此。
你的规则是早上 9 点上班。
但总有人在8：59进入公司。
先打卡。 再看看早市。
您的规则必须从上午 9 点开始执行。
但。 也有人在这个时候享受美食。
接下来，开始启动计算机。
再泡一壶咖啡。
规则虽然是必要的。
人还活着。
你不断地关闭漏洞。
它最终可能会使规则复杂化。
放弃规则可以吗？
不。 绝对不行。
有规则总比没有规则好。
提交人曾供认不讳。
一个充满噪音的系统。
有利于提高员工士气。
但这并不是因为噪音。
这是因为它允许员工。
根据自己的判断做出决定。
换句话说。 员工有自己的游戏空间。
这也是现代企业创新发展的必要基础。
与日韩企业高压化、军事化管理相比。
这种方法实际上对创新非常不利。
员工也会感到非常沮丧。
因此。 还需要在噪音之间取得平衡。
并不是说完全没有噪音就好了。
我们应该保留一些有益的声音。
这样。 您将能够随心所欲地做。
做出明智的决定。
表现出他们的主动性。
在现实生活中。
规则和准则有其自身的含义。
规则的重点是规定你应该如何表现。
它旨在减少个人对权力的控制。
另一方面，该指南赋予实施者一定程度的自主权。
就像规定的限速是 80 公里/小时一样。
常态可能是。
小心驾驶。 有序通行。
含义是一样的。
但这些准则包含更多的人性化因素。
这同样适用于投资界。
规则限制了您的投资范围。
这些指南教您寻找有价值的投资。
作者曾经举过一个例子，说明他所学到的东西。
规则是教师布置的作业。
它必须在明天上交。
指导方针是：
设置自己的任务。
写下所有重要的工作。
这就产生了竞争。
我们有时需要的是标准。
不是规则。 因为有些规则是无法建立的。
例如，法律面前人人平等。
这是一个理想。
这不是一个硬性规定。
对于其他一些问题。
缺乏指导方针可能具有更深层次的含义。
规则与标准齐头并进。
例如。 碳中和。
它限制了污染物的数量。
但标准是减少空气污染。
减少二氧化碳排放。
至于如何避免污染。
如何确保符合碳排放标准。
这就是个人智慧的用武之地。
没有过于严格的规则。
说到飞行员。
还有一套需要遵循的规则和标准。
航空公司最关注规则。
因为它限制了飞行员的选择自由。
减少噪音干扰。
降低出错的可能性。
但在一些危急情况下。
飞行员个人能力的发挥。
是衡量其价值的关键。
因为航空公司无法预见所有可能的情况。
那么哪一个更重要。
是规则还是标准？
首先要弄清楚的是。
这将带来更多的误判。
在创新领域。
应该更多地使用标准。
在工业体系或纪律严明的军队中。
更倾向于采用规则。
规则的重要性毋庸置疑。
然而，有时。
我们不知道噪音的存在。
这种时间。 我们倾向于选择本能反应。
例如，当我们投资时。
你可能没有意识到你的判断是正确的。
所以在市场波动中盲目卖出。
由于情绪的影响。
当我们想做出专业决定时。
只有这样，我们才能真正认识到噪音的存在。
并寻找解决它的方法。
噪音的问题是。
我们常常不知道它的存在。
缺乏自我反省。
我总觉得我的决定是正确的。
错误在于没有意识到噪音。
特别是在一些群体中。
这种情况更为常见。
我们不仅要处理噪音。
也有必要面对整体偏见。
这也意味着：
噪声可能不是简单的正偏移或负偏移。
有时它甚至可能呈指数放大。
尤其是在市场泡沫期间。
这就是发生的事情。
每个人都有不同的立场。
有些人喊出了10,000分。
其他人则预计会达到 20,000 点。
各种**声音交织在一起。
看涨的声音也各不相同。
这就是问题所在。
情绪障碍。 看不见真正的**。
现在的方式。
唯一的方法是使用机器进行分析。
使用策略来完成投资。
这是降低噪音的最佳方法。
不过，机器并不是万无一失的。
但至少不受情绪波动的影响。
不会有很大的偏见。
另一方面，该算法保持公正。
构建多个模型。
不同模型结果的综合。
它可以帮助我们更清楚地看到市场的方向。
降低噪音。 虽然我们一直在这样做。
毕竟，我一直强调概率。
以及这种概率的积累。
它也是通过许多判断方法获得的。
当所有数据指标都指向同一个答案时。
那么这个概率非常高。
但是，如果各个指标之间存在矛盾。
这很可能意味着其中存在干扰。
所以。 我们会考虑一下。
究竟哪一个是答案更确定。
这就是这本书的全部内容，这本书卡尼曼写得很周到，看起来很痛苦，但作者为大家浓缩之后，其实这就是全部内容，哪里有判断，哪里就有噪音，哪里有噪音，哪里就需要我们进行测试，检测的方法有很多种，比如独立判断然后总结， 或者引入量化列表，或者干脆用算法，发现噪音和偏差后，就要及时纠正，最后把平均值加起来得到一个比较客观的结果，当然，有些地方需要制定规则来消除噪音，有些地方可能需要建立更多的标准，比如创新创业， 需要发散思维的地方。要建立更多的标准，只有在需要统一思想的时候，才要排除噪音，尽量有规律。在投资上，其实笔者反复强调，战略比判断更重要，判断是充满噪音的，战略就是消除噪音。 就这样。 明天我们将开始新的习。