数据资本时代

有人可能会问：自动化为什么不一路前行？为什么自动化只能停留在办公室文员这样的岗位上？为什么不能把它扩展到中级管理层，甚至是最高管理层？使用机器学习系统来辅助管理层决策，并将人工智能提升到高管级别，这真是一个有趣的想法。

桥水基金公司，全球最大的对冲基金公司，将很快做到这一点。桥水基金公司计划建立一系列机器学习系统，这些系统不仅将为其1 600亿美元的资产选择投资机会，而且将做出一般的管理决策，比如聘用、提拔、解雇人员等。桥水基金的传奇创始人兼首席执行官瑞·达利欧因对数据的热情而闻名，他的目标是到2022年让公司所有管理决策中的3/4实现自动化。基于公司掌握数据的方式，桥水基金公司比大多数其他公司更适合构建这样的系统。多数公司通常不会将其决策过程转化为数据（它们最多会记录这些过程的结果），但是桥水基金公司的做法大为不同，它一直在不断地补充其丰富的数据流。作为未来数据挖掘的材料，大多数会议和业务对话已经被记录在案；员工们也经常需要对他们的同事的表现做出评价。

为了让所有这些数据发挥作用，达利欧聘用了研发高手戴维·费鲁奇。2011年，费鲁奇曾带领沃森获得电视节目《危险边缘》益智问答的胜利。费鲁奇是桥水基金公司中一个名为“系统化情报实验室”项目的负责人。这个项目的主要任务是开发名为PriOS的综合管理软件系统，该系统可以提升桥水基金公司的决策能力。在某些情况下，PriOS系统反而会增加而不是取代人类的决策，但其最终目标，是将人类的作用贬谪到仅为系统设定决策标准的地位。

投资银行中那些需要数据理解和算法友好的领域，已经做好了接受人工智能的准备。这并不出人意料。但是，这样的趋势同时也正在向其他一些不那么显著相关的领域扩展，其中包括传统的家政服务。举个例子，想象一下，由一个机器学习系统来负责为一家专门照顾老人的公司做出战略决策，会是什么样子？一个手头有足够数据的机器人主管，高效且自信地管理着一个照顾老人的大型团队。它可以应用整体分析来安排周末轮班；它绝不会忘记为某些病人预留出额外的时间；它还可以在紧急情况下迅速定位并通知附近的看护者。机器人主管不会因为个人情感而偏袒某员工或某客户，所以它的决策偏差更少。

我们还可以想象一下，有这样一家小型建筑公司，它拥有一套决策辅助机器学习系统，此系统正在考虑是否再购买或租赁更多的挖掘机。公司创始人鲍勃通常会根据自己有限的信息，以及自己的直觉做出决定。他可能会产生决策偏差，因为他喜欢那些崭新的挖掘机闪闪发光的外观，或者，他可能根本无法看到挖掘机超出每天租金以外的价值。与此相反，机器学习系统会从公司的订单和会计系统中汇总数据，补充关于挖掘机的可预测维护成本信息，以及本地经济趋势信息，然后它得出结论：“对不起，鲍勃，恐怕我不能支持你购买这台神奇的卡特彼勒牌履带式挖掘机，尽管我知道它的性能评价极其出色，在网络论坛上设备迷对它也是好评如潮。”