文章
演算法替人類做事已有多年，越來越多事情我們都交由演算法去做，此書說說演算法在不同場域的發展。演算法互相比拼得最強烈的場域是金融界的自動交易，其複雜程度令人不能理解，甚至有人說這弄得我們只能當其是大自然的一部份，所以當股市若無其事突然崩盤然後又突然回升，大家都摸不著頭腦。他們比拼的激烈程度，甚至傳輸速度亦成關鍵，會花很多錢去建造硬體上的特快通道。
書中提到一些演算法傷很多人的感情，例如用演算法去發掘會大賣的歌、作交響樂、看病、做客服⋯⋯凡此種種人類的工作，看來都可以由演算法代勞。隨著我們將不同的複雜系統解拆、設計模型，這情況只會越來越多。然而，我們總是未必能夠接受，例如一群聽眾聽完一首歌後本來紛紛讚好，但得知是演算法作出來後便又覺得硬是差一點。
你會發現這書如果用「人工智能」代替「演算法」一詞，其實相差不遠。作者並沒有區分這兩者的分別，不過著重演算法是用二元決定定樹展開的基本結構，也是電腦程式的基本運作。而現在流行說的機器學習，其中演算法也是靠這些電腦的基本運作，去模擬大腦神經元的運作。當然終極問題是人腦是否圖靈機？這非此書的討論之列。
近來有一篇李開復預言一些白領將面臨失業，包括金融、醫師、律師、教師。其中的特質是他們的工作當中都有一些重覆的機械成分，例如查案例、醫學手冊、教程等等，這顯然是機器可以代勞的地方。至於人腦的判斷，其實也是基於豐富經驗的模式辨認，在足夠的機器訓練後也可以達到，AlphaGo 就是最近的例子。而機器最明顯的好處是不會疲勞和誤判。有人認為人機合作如何？例如醫師可以機器作助理，翻查病例、最新醫學等等，但專業的成長是需要的經驗的，我們真的可以將「成長」外部化給機器，以至一位新人可以配合機器立即上馬？
演算法勢不可擋，亦會越來越觸碰到那條人機界線，不過在那個之前，演算法其實已管理我們大多數的生活了。我們歡迎能幫助我們的演算法，但也需慎防那演變成我們難以理解、但又不能割捨的演算法。