预测机器的魔法
哈利波特、白雪公主与麦克白有什么共通点？这些角色全都由一个预言，也就是一个预测来开展故事。就算是《黑客任务》（The Matrix）这部看似有关智慧机器的电影，也是由人类对预测的信念来发展情节。从宗教到童话故事，对未来的了解都很重要。预测会影响行为，而这两者都会影响决策。
古希腊人尊敬明显有预测能力的许多祭司，他们有时会以谜语欺骗提问者。举例来说，吕底亚国王克罗索斯（King Croesus of Lydia）考虑要冒险攻打波斯帝国。国王并没有特别信任哪个祭司，所以决定在征询建议前先一一测试。他派出使者去找每个祭司。到了第一百天，使者问每位祭司克罗索斯当时正在做什么。德尔菲（Delphi）的祭司预测得最准确，于是国王征询他的意见，并对他的预言深信不疑。1
就像克罗索斯的例子，预测可能与现在有关。我们会预测目前一笔信用卡交易究竟是合法，还是诈骗；医学影像中的肿瘤是良性还是恶性；对着iPhone相机看的人是不是手机的主人。且不说预测的拉丁文动词字根是什么（praedicere，意思是使预先让人知道），我们文化对预测的理解，着重在有能力看出原本隐藏的信息，无论是过去、现在，还是未来的信息。水晶球或许是神奇预测最熟悉的象征了。虽然我们会把水晶球和预测某个人未来财富或恋爱情况的算命师联想在一起，但在《绿野仙踪》（The Wizard of Oz）里，水晶球让桃乐丝看到当下爱姆婶婶的行动。这就带出我们对预测的定义：
预测是将缺失的信息填补起来的过程。预测是藉由拥有的信息，通常称为「数据」，产生你没有拥有的信息。
预测的魔法
几年前，阿维（Avi，本书其中一位作者）发现自己的信用卡在拉斯韦加斯的赌场有一笔大额的异常交易。他不在拉斯韦加斯，而且只有在很久以前去过一次。赌博输掉的赌注还不足以让他拿出经济学家看待世界的方法进行分析。经过许多沟通之后，发卡公司撤销这笔交易，并换掉卡片。
最近类似的问题又发生了。有人使用阿维的信用卡买东西。这次阿维没有在账单上发现，也没有费尽唇舌向礼貌但坚定的客服人员解释。这次他接到对方主动来电，告知他的卡片被盗用，而且已经寄送新的卡片。
信用卡发卡公司已经根据阿维的消费习惯和许多可得的数据，准确推论出这笔交易是诈骗。信用卡公司十分有把握，甚至在调查期间不用锁卡几天。反而像魔法一般，发卡公司不用他做什么事，就寄出替换的卡片。当然，信用卡公司没有水晶球，它们有的是数据与良好的预测模型：一台预测机器。更出色的预测让信用卡公司减少诈骗，就像万事达卡（Mastercard）企业风险与安全总裁阿杰．巴拉（Ajay Bhalla）说道：「解决重要消费者被不当拒绝的重大痛点。」2
商业应用完全符合我们给预测下的定义，也就是将缺失的信息填补起来的过程。信用卡组织发现，确定最近一笔信用卡交易是否为诈骗很有帮助。信用卡组织利用过去的诈骗（与非诈骗）交易的信息，预测最近某一笔交易是否属于诈骗。如果是，发卡公司就能预防这张卡在未来进行交易，如果预测得够快，说不定就连目前这笔交易也能预测到。
将一种信息转变成另一种信息的概念，就是最近AI重要成就的一项核心：语言翻译，这个目标从人类文明以来始终存在，甚至铭记在有数千年历史的巴别塔（Tower of Babel）故事中。[1]一直以来，自动语言翻译的做法就是找个语言学家（文法规则的专家），列出规则，并转译成能被编写的程序。3举例来说，看到一个西班牙词组，你知道不能一个字一个字代换，而是需要调换名词与形容词的顺序，才能变成看得懂的英文句子。
不过AI近来的进展让我们能将翻译改造成一个预测问题。在Google翻译的服务质量突飞猛进之下，我们可以看到将预测用于翻译的本质就跟魔法般一样神奇。海明威（Ernest Hemingway）的短篇小说《雪山盟》（The Snfows of Kilimanjaro）是以十分优美的句子开始：
Kilimanjaro is a snow-covered mountain 19,710 feet high, and is said to be the highest mountain in Africa.
（吉力马札罗山是一座被雪覆盖、19,710英尺的高山，而且据说是非洲最高的山。）
2016年11月有一天，东京大学资讯工程系教授暦本纯一（Jun Rekimoto）利用Google翻译，将这篇海明威的经典短篇小说日文版翻译回英文，得出：
Kilimanjaro is 19,710 feet of the mountain covered with snow, and it is said that the highest mountain in Africa.
（吉力马札罗高出山顶19,710英尺、覆盖着雪，而且据说是非洲最高的山。）
隔天，Google翻译变成：
Kilimanjaro is a mountain of 19,710 feet covered with snow and is said to be the highest mountain in Africa.
（吉力马札罗是一座19,710英尺的山、覆盖着雪，而且据说是非洲最高的山。）
差别十分明显。一夜之间，翻译从明显自动而笨拙的文字，变成条理清楚的句子，从费力翻字典所产生的文字，变得好像精通两种语言。
不可否认，这还没达到海明威的水平，但进步相当惊人。巴别塔似乎重回人间。这个变化并非偶然或巧合。Google利用AI最近的发展，改造翻译产品的基础工具，而这个发展也是这里的重点。具体地说，Google的翻译服务目前仰赖深度学习来加强预测能力。
将英文翻译成日文，要预测的是符合英文的日文字词。而要预测的缺失信息是一组日文字与每个字应有的排列顺序。拿一个外国语言的数据，而且用你知道的语言预测出正确的一组字，并以正确的顺序排列，你就能理解另一种语言了。如果做得很好，说不定根本不会发现这是翻译。
企业毫不浪费时间，随即将这个神奇的科技投入商业用途。举例来说，中国有超过5亿人已经在用科大讯飞开发、以深度学习驱动的服务，来翻译、转录，并使用自然语言沟通。房东用来与使用其他语言的房客沟通，医院病人用来对机器人下指令，医师用来口述病人的详细病历，而且司机用来和汽车沟通。4 AI使用得愈多，搜集到的数据就愈多，也学到愈多，因此会变得更好。因为有这么多的使用者，AI正快速改良中。
预测质量进步多少？
Google翻译的改变，说明机器学习（深度学习是其中的子领域）如何大幅减少预测质量的调整成本。在运算能力的成本相同的情况下，Google现在可以提供更高质量的翻译。产生相同质量的预测成本已经显著下降。
预测科技的创新会影响传统预报相关领域，例如诈骗侦测。信用卡诈骗侦测已经大有改善，因此信用卡公司会在我们察觉不对劲之前就侦测到诈骗，并加以解决。不过，这种改进似乎是渐进式的。1990年代末期，使用最好的方法可以抓到约80％的诈骗交易。5在2000年，这个数字进步到90％至95％，如今达98％至99.9％。6最后的跃进是机器学习的成果，从98％到99.9％是革命性的变化。
从98％到99.9％的改变或许看来是小幅进步，但如果错误的代价高昂，那么微小的变化也有重大意义。准确度从85％进步到90％，代表错误减少三分之一。从98％到99.9％，代表错误剩下二十分之一。进步20倍似乎不算是小幅的进展。
预测成本下降正改变许多人类活动。就像运算一开始是应用在熟悉的计算问题，例如人口普查表与弹道表，机器学习带来的平价预测一开始大多是应用在典型的预测问题。除了诈骗侦测，另外还包括信用等级、医疗保险，以及库存管理。信用等级牵涉到预测某个人偿还贷款的可能性；医疗保险则需要预测一个人的医疗照护支出需要多少；库存管理则牵涉到预测仓库某一天需要有多少商品。
最近出现全新的预测问题类型，有许多是近期机器智慧科技进步之前几乎不可能做到的事，包括物体辨识（object identification）、语言翻译与新药研发。举例来说，ImageNet竞赛是受人瞩目的年度竞赛，要从一个影像中预测出物体的名称。就算是人类，要预测影像中的物体也是困难的任务。ImageNet的数据涵盖1000种类型的物体，包括许多品种的狗和其他类似的影像。我们可能很难区分西藏獒犬和伯尔尼山犬的差别，或是保险箱与密码锁的差别。人类犯错的机率大约是5％。7
从2010年第一次比赛到2017年最后一次比赛，预测能力获得长足的进步。图3-1显示每年比赛优胜者的准确度。纵轴衡量的是错误率，所以愈低愈好。2010年时，最好的机器预测有28％的图片会辨识错误，到了2012年，参赛者第一次使用深度学习，错误率骤降至16％。普林斯顿教授、资讯工程学家奥嘉．鲁沙考夫斯基（Olga Russakovsky）提到：「2012年是准确度出现重大突破的一年，但也是对存在几十年的深度学习模型概念进行验证的一年。」8算法仍持续快速改进，2015年的竞赛第一次有团队的影像辨识能力胜过人类。到了2017年，38个参赛团队绝大多数的表现都比人类还好，最优秀的团队错误率甚至不到人类的一半。机器在辨识各类影像上的表现优于人类。9
平价预测的重要影响
目前这一代的AI仍远不及科幻小说中的智慧机器。预测不会给我们带来《2001太空漫游》的哈儿（HAL）、《魔鬼终结者》（The Terminator）的天网（Skynet），或者《星际大战》的C3PO。如果现代AI只有预测，有什么好大惊小怪？因为预测是十分基础的生产要素。你可能没有察觉，但是预测无所不在。我们的事业与个人生活充满了预测。虽然预测是决策的生产要素，但是我们的预测通常会隐藏起来。更好的预测意味着会有更完整的信息，而这又意味着会有更好的决策。
预测就是「情报」，就是间谍活动中「取得有用的信息」。10机器预测是人为产生有用的信息。情报很重要。更好的预测会产生更好的结果，就像我们在诈骗侦测例子中所证明的。随着预测成本持续下降，我们会渐渐发现它在明显广泛的额外活动中发挥作用，而且在过程中促成各式各样的事，例如以前无法想象的机器语言翻译。
本章重点
* 预测是将缺失的信息填补起来的过程。预测是藉由拥有的信息，通常称为「数据」，用来产生没有拥有的信息。预测除了产生未来的信息，还能产生现在及过去的信息。这包括以预测来判断信用卡交易是否是诈骗、辨识影像中的肿瘤是否是恶性，或是拿着iPhone的人是否真的是手机主人。
* 预测准确度小幅改进的影响可能会让人产生错觉。举例来说，准确率从85％进步到90％，似乎是从98％进步到99.9％的两倍以上（分别增加5个百分点与2个百分点）。然而前者的进步意味着错误减少三分之一，后者却代表错误剩下二十分之一。在一些场景中，错误剩下二十分之一是种变革。
* 填补缺失信息的过程看似平凡无奇，却可以将预测机器变得有如魔法般神奇。这已经使机器可以看见（物体辨识）、导航（无人驾驶汽车），以及翻译。
1. 这个典故来自旧约圣经，一群说着相同语言的人到了一个地方，打算建造一座高耸入云的塔，上帝看到之后，把他们的语言打乱，并让他们分散到世界各地，不让他们互相理解。因此，巴别塔就成为语言统一的象征。
