16 年特斯拉辅助驾驶导致的车祸事件 清华门口数男女比例 扔钢镚 历史事件 企业成功经验 个人 军队怕鬼 人担心人工智能	马斯克称这起车祸使用了 1.3 亿英里之后，而美国平均形成 0.93 亿英里就出事故。因此特斯拉的事故概率低于平均水平。 置信度，可以帮你衡量一个信息到底是否可靠。 马斯克错在哪？ - 出重大车祸是随机性时间，你并不清楚下一次什么时候发生，只有当统计的数据量足够大的时候，从结果上判定一种车比另一种安全才有意义。 - 在美国目前的死亡事故发生的频率条件下，要想证明它的辅助驾驶更安全，需要行驶 100 亿英里才能得出有足够高置信度的结论。 什么是 置信度（Confidence Level）？ - 仍 14 次钢镚，有 8 次正面朝上，6 次背面朝上，你有多大的把握说钢镚不均匀，正面朝上的概率更大，这个把握就是置信度。 T 测试： - 它可以告诉我们在看到某种看似有偏差的现象时，有多大的可能性可以判断这种偏差是因为随机性造成的，而非真正存在偏差。 - 扔钢镚 8 个向上，我们是否敢说「钢镚铸造有偏差」呢？这里面有两种可能，其一是偏差确实存在。另一个原因是，它就是偶然造成的。 - 前者可能性 57%，后者是 43%。钢镚铸造有偏差的置信度就是 57%。 统计上，置信度不到 95% 的结论不大能相信。 提高置信度的方法？** - 增加所统计的样本的数量。 马斯克通过一个样点给出的数据，完全没有置信度可言，也就是说那一条信息的可靠性可以忽略不计。 - 人们在对待信息时通常犯的一个错误，就是忽视它的置信度，以至于我们把完全随机的事情，当成必然的事情。 - 世界上有很多道理其实都很难验证，大到历史事件，由于很难多次重复，总结经验其实是非常难的。 - 中到某些企业的成功经验，都是事后总结出的一套自圆其说的理论，让它们稍微换一个环境甚至不换环境再来一遍，都很难获得同样的成功。 - 小到个人，做成一件事也有很多偶然的因素，下一次同样的方法是否可行，也要看情况而定。 - 命运的作用：很多时候我们不得不承认一点，一定不能去总结那些根本不存在的经验，也就是别相信置信度不高的信息。 很多人疑神疑鬼，总在思考这样的机器人出现之后人该怎么办，这就是在找鬼。 - 实际上，今天真正可怕的，是那些利用超级数据中心无比强大的计算功能，以及无所不在的监控系统，和具有很强数据处理能力的大公司，它们是人工智能背后的人，比人工智能更可怕。
- 讨论了置信度的概念。人们平时看待信息时常犯的错误，是忽略它的置信度。对于能够重复的事情，要被检验足够多次之后，置信度才高。对于难以重复检验的事情，我们要通过其它一些方式验证。