第一章 数据学习效应

我们的大脑中存在着大量的神经元，它们彼此相连，被流体包裹，受到膜和骨头保护，丛生枝蔓连接着肌肉——这一切都让人着迷，因此我们也研发出了非自然状态的神经元。这些神经元首先表现为纸上的逻辑方程，然后是计算机上运行的程序。人工智能的力量来自在更强大的计算机上运行这些程序，在更大的网络上运行更多的数据，从而更快地学习。更换学习工具能够改变我们的学习速度，也会让我们变得更加聪明。

虽然人工智能令人兴奋，但我们却无法用一个词来描述其对于公司、经济和社会的意义。词汇很重要，因为它能够帮助我们识别事物，找出知识差距。类比也许是一个不错的方法，但它们也无法覆盖所有的内涵。人们试图用规模来定义人工智能，将数据称为“新石油”——可能是因为石油是一种资源，因此拥有的越多越好。人们还试图用网络来定义人工智能，比如数据网络效应——也许是因为社交网络是大数据时代开始时的一个主要趋势。但无论是规模还是网络效应，都无法充分形容人工智能的力量。它们没有抓住人工智能的核心要义：快速学习。既然我们对人工智能的可能性有了更多的了解，那么我们就可以选定一个能够恰当定义它的词语了。

这本书就提供了一个那样的词语，从一种被称为数据学习效应的新型竞争优势开始：信息自动复合。我们人类通常是边观察边学习。如今，机器能够以远远超过我们的速度和规模来进行观察和学习。在给出机器学习的方式之前，先简单回顾一下人类的学习方式。本章为数据学习效应下了定义，将其与其他类型的竞争优势（旧的竞争方式）进行了比较，并强调了它们的一些特殊品质，即数据学习效应如何在市场中带来赢家通吃的动力，使产品用途更强，比网络效应组合更快，创造成本优势，并获得智能产品定价权。最后，我们还关注了数据学习效应的一些局限性。