为什么AI设计师要特别区分:相关性 Vs. 因果性呢?

为什么AI设计师要特别区分:相关性 Vs. 因果性呢?

 因为AI已具有强大的瞬间探索复杂现况下的相关性及其规律,善于应用AI这种远远超越人类能力,可让个人、企业获得超前@ 5 A P部署、捷足先登的好处。 无论是趋吉或避凶都比别人快一步,发财更容易。
但是AI所掌握的相关性之中,可能有些是因果关系、也有些果因关系i f { Y S # C j、也有些是果果关系等,AI却分辨不出来,人类也常常要费心研究一番才可能幸c } 3 Y i 7 O Y j运区分出来。
所以AI设计师要设计美好的框架把AI和人类的智慧和谐地连结起来。AI看到人类所看不见的机会、危机,即时提供给人类,让人类做出更及时的决策、更少风险、获利更_ c X C多。AI并〈不是〉把人类已知的事情做得更H k - 4快更正确! 而是看到人类所〈看不见〉的现象。
而且,虽然AI看见了,但缺少分辨出因果性能力,AI也无法〈做〉!必须:
1)  AI先看出相g : U w关性;
2) 人类7 g p分辨出因果(或果因)性;

然后: 3) 人机协同去〈做〉;

这即是AI设计师的任务。例如,这是一位朋友提问案例

其问道:AI可否帮忙找出副作用最低的3种特征(用药A、用药B+ 5 m } V # # ; E、肾功能异常)的组合吗?

在此情境下,AI设计师如何思考AI模型呢?AI设计师的首要心灵修练是:跳出传统程式设计逻辑思维惯性一一针对问_ q k题找最佳解。例如,上述问题是:找出副作用最低* } K 0 0(最佳)的组合(解)。

AI设计师很清楚:AI擅长找规律,q D - 4 U但不W w h * N擅长找正确(最佳)解,能有80%准确度就很棒了,所以AI设计师跳出传统程式设计逻辑思维惯性,就会去找b . S U U W P % F最坏的解---副作用最高。也就是AI找规律,再依规律来发现异常,是与传统IT最互补的。

AI设计师与AI的Python工程师的心灵思维是互补} L T 8 7 V的;就像建筑师与土木工程师是互补的;就像IC设计与晶圆] g x ] L制造是互补的。

基于这种心法,这样的AI模型设计对医师们就能有很大帮助,因为医生关心的不是〈最佳组合〉,而a R t R 7 ^ r是:医生给病人处方签的用药决策是否有高风险。高风险就是坏组合!!

此外,患者会急于向医生报告的S . b ] ) M ( $ u不是这药物有多美好,而是服药之后有何异状。 唯有避免高风险下恢复健康才是仁医仁术。AI很难确保找出一条高获利之路
却能轻易发现一堆异常的黑天鹅。

以上说明AI设计师的基本〈心法〉

医师并不是去记住药物的最佳组合,因为药物与患者本身状况息息相关。AI能帮忙医师在发现有异常(不良反应)时,立即逆向推理追踪到其W 9 ] s T t 7源k D l % & b j于何种药物组合

此时,这里的智慧就发挥很大效益了!

#-----------------{ z 9 A----~ i [ , @ R 8------ -----------------------------------------------------

把各种Q J v W 4 b h h C特征(用药A、用药B、肾功能异常)组合,依据副作用程度分为3组(及&lj A n & n c at;高>、<中>H 8 D D T } n 2;、<低>)。并利用Softmax()函数转换,得到---

机率:P(呈$ j - / N , r 现副作用 / <高>组)^ Q ` U
P(呈现副作用 / <中3 ` & W d>组)
P(呈现副作用 / <低>组)

依据Bayes机率公式,可以计算出:
P(<高>组/呈现副p c L d $作用)
P(^ ~ / X<中>组/呈现副作用)
P(<低>组/呈现副作用)

AI就| h { 0 W # a能帮忙医师在发现有异常(不良反应)时,立即逆向推理追踪到其源u i V 2 Q *于何种药物组合。