2%的人擁有80%的財富？警惕人工智能時代的數據幻覺_風聞

昨天，跟招商銀行有關的一組“財富數據”衝上了熱搜第一，震驚了很多人——“2%的銀行客户，擁有80%的銀行存款”。

數據來源是這樣的，招商銀行佔2.35%的私人銀行、金葵花等客户資產高達10.82萬億，而招行整體個人存款總額是13.32 萬億。從數據上看，給人的感覺是——“2%的人佔據了80%的財富”，但真實情況是，招行的私人銀行業務是行業龍頭，國內很多資產超千萬的人，都把錢集中存到了招行等少數幾個私人銀行業務強大的銀行裏，所以這個數據並不具有普遍性；如果你去分析地方銀行的“存款結構”，同樣可能得出相反的結論——大家都普遍窮的很穩定，社會基尼係數很低。

其實，我們的生活有非常多這樣以偏概全的“數據”。人工智能時代，也是數據的時代，很多數據都有苛刻“前提條件”，如果人工智能時代的數據管理出現混亂，大量這樣“二次加工”的數據被廣泛傳播，就會出現“2%的人佔據80%社會財富”的誤判。

如果任由這樣的信息傳播下去，“社會輿情”就會密集出現，中國版的“阿拉伯之春”也可能會被別人用心的國家策劃出來。

今天就藉此聊一聊數智文明時代、人工智能時代的“數據治理”話題。

人工智能時代的數據治理，不是數據越“多”越好，也不是數據被“處理、加工的次數”越多越好，而是要遵循數據的基本規律，否則人工智能提供的信息可能就會錯亂，並影響到人們的日常生活。

如何做好數智經濟時代的數據管理呢？作為《數智經濟》作者，我認為要做好以下三點：

第一，儘量使用原始數據。

不要對數據進行非必要的整合，數據在每加工一次就會失真一次。人們已經發現，人工智能在訓練一段時間時候會“變傻、變笨”，因為在後期很多都是訓練的它自己生產的數據；自己吃自己生產的數據，這在生物學上相當於“近親繁殖”，人工智能上叫“模型漂移”，我們用國內主流AI大模型，就會發現一個問題，它們置信區間比較寬，回答的內容有很多錯誤，需要你去仔細甄別。

第二，標註數據條件。

數據絕對不是通用的，就像人類的科學研究一樣，每一個公式都有嚴格的“時空條件”限制，脱離特定的時空環境，它就不是科學了，而是謬論。我們隨便舉一個牛頓的公式、愛因斯坦的公式，沒有一個是普適性的，脱離了具體的“時空條件”設定，牛頓、愛因斯坦、波爾的科學都是“偽科學”。所以，任何數據都是有條件的，人工智能調用數據的時候，也要把數據條件同步調用過去，否則人工智能就不可信，國內AI大模型出現的回答“錯漏”，主要原因就在於“數據調用時出現了超出數據條件”的問題。

第三，要用區塊鏈保存連續數據。

區塊鏈保存的是有時間戳的連續數據。宇宙、事物都是動態的、變化的，動態的數據才能反映真實，而用新的數據覆蓋舊的數據的做法，是不可取的，脱離了事物發展的本質。關於這一點，“易經思維”可以説是人工智能時代的數據科學之母，因為易經處理數據的思維是“變化的、動態的、連續的”，易經是處理“不確定性”的科學思維，它不是在靜態數據中抽取“常道”，而是在連續數據中找到“非常道”。

未來，人工智能聰不聰明、可不可信，表面上取決於算法、算力，但本質上取決於數據，如果引用的數據都是錯誤的、不連續的、非原始的和超出數據條件的，人工智能就不可能正確，而且還可能因為數據錯誤調用而越來越笨，它自己都跟自己都會“打架”。

我們現實生活中，一定要養成這樣一個良好的習慣——當你看到一組“數據”的時候，不要立刻就相信它，而是一定要對它有三個追問：**它的原始數據是什麼？它的數據條件是什麼？這個數據是怎麼變化的？**三個問題都問清楚了，才能確認數據是否則真實、準確，越是在人工智能時代，越不要輕易相信被多次“加工”過的數據，數據每加工一次，就會失真一次。

未來的人工智能，進行倫理管理是有必要的，但同樣也要進行信用管理，當一個人工智能，頻繁對人類進行錯誤引導、輸出錯誤的信息，就應該給它“黃牌”“紅牌”“圈小黑屋”。當下，對人工智能進行“倫理管理”是很多人公認的，但我可能是第一個呼籲對“人工智能”進行“信用管理”的人，我也把它寫進了即將在今年出版的《數智文明》這本書中（“數智躍遷”最終將改名“數智文明”）。

| 科技道，數智經濟第一人（代表作《數智經濟》《數智經濟100大生產力躍遷（籌）》）

| 商業道，資產輕量化導師（代表作《輕資產時代》《商業向心力》《末端爆發》）

| 公關道，公關三十六計玩咖（代表作《金牌公關人》《無公關，不品牌》）