2%的人拥有80%的财富？警惕人工智能时代的数据幻觉

昨天，跟招商银行有关的一组“财富数据”冲上了热搜第一，震惊了很多人——“2%的银行客户，拥有80%的银行存款”。

数据来源是这样的，招商银行占2.35%的私人银行、金葵花等客户资产高达10.82万亿，而招行整体个人存款总额是13.32 万亿。从数据上看，给人的感觉是——“2%的人占据了80%的财富”，但真实情况是，招行的私人银行业务是行业龙头，国内很多资产超千万的人，都把钱集中存到了招行等少数几个私人银行业务强大的银行里，所以这个数据并不具有普遍性；如果你去分析地方银行的“存款结构”，同样可能得出相反的结论——大家都普遍穷的很稳定，社会基尼系数很低。

其实，我们的生活有非常多这样以偏概全的“数据”。人工智能时代，也是数据的时代，很多数据都有苛刻“前提条件”，如果人工智能时代的数据管理出现混乱，大量这样“二次加工”的数据被广泛传播，就会出现“2%的人占据80%社会财富”的误判。

如果任由这样的信息传播下去，“社会舆情”就会密集出现，中国版的“阿拉伯之春”也可能会被别人用心的国家策划出来。

今天就借此聊一聊数智文明时代、人工智能时代的“数据治理”话题。

人工智能时代的数据治理，不是数据越“多”越好，也不是数据被“处理、加工的次数”越多越好，而是要遵循数据的基本规律，否则人工智能提供的信息可能就会错乱，并影响到人们的日常生活。

如何做好数智经济时代的数据管理呢？作为《数智经济》作者，我认为要做好以下三点：

第一，尽量使用原始数据。

不要对数据进行非必要的整合，数据在每加工一次就会失真一次。人们已经发现，人工智能在训练一段时间时候会“变傻、变笨”，因为在后期很多都是训练的它自己生产的数据；自己吃自己生产的数据，这在生物学上相当于“近亲繁殖”，人工智能上叫“模型漂移”，我们用国内主流AI大模型，就会发现一个问题，它们置信区间比较宽，回答的内容有很多错误，需要你去仔细甄别。

第二，标注数据条件。

数据绝对不是通用的，就像人类的科学研究一样，每一个公式都有严格的“时空条件”限制，脱离特定的时空环境，它就不是科学了，而是谬论。我们随便举一个牛顿的公式、爱因斯坦的公式，没有一个是普适性的，脱离了具体的“时空条件”设定，牛顿、爱因斯坦、波尔的科学都是“伪科学”。所以，任何数据都是有条件的，人工智能调用数据的时候，也要把数据条件同步调用过去，否则人工智能就不可信，国内AI大模型出现的回答“错漏”，主要原因就在于“数据调用时出现了超出数据条件”的问题。

第三，要用区块链保存连续数据。

区块链保存的是有时间戳的连续数据。宇宙、事物都是动态的、变化的，动态的数据才能反映真实，而用新的数据覆盖旧的数据的做法，是不可取的，脱离了事物发展的本质。关于这一点，“易经思维”可以说是人工智能时代的数据科学之母，因为易经处理数据的思维是“变化的、动态的、连续的”，易经是处理“不确定性”的科学思维，它不是在静态数据中抽取“常道”，而是在连续数据中找到“非常道”。

未来，人工智能聪不聪明、可不可信，表面上取决于算法、算力，但本质上取决于数据，如果引用的数据都是错误的、不连续的、非原始的和超出数据条件的，人工智能就不可能正确，而且还可能因为数据错误调用而越来越笨，它自己都跟自己都会“打架”。

我们现实生活中，一定要养成这样一个良好的习惯——当你看到一组“数据”的时候，不要立刻就相信它，而是一定要对它有三个追问：它的原始数据是什么？它的数据条件是什么？这个数据是怎么变化的？三个问题都问清楚了，才能确认数据是否则真实、准确，越是在人工智能时代，越不要轻易相信被多次“加工”过的数据，数据每加工一次，就会失真一次。

未来的人工智能，进行伦理管理是有必要的，但同样也要进行信用管理，当一个人工智能，频繁对人类进行错误引导、输出错误的信息，就应该给它“黄牌”“红牌”“圈小黑屋”。当下，对人工智能进行“伦理管理”是很多人公认的，但我可能是第一个呼吁对“人工智能”进行“信用管理”的人，我也把它写进了即将在今年出版的《数智文明》这本书中（“数智跃迁”最终将改名“数智文明”）。

| 科技道，数智经济第一人（代表作《数智经济》《数智经济100大生产力跃迁（筹）》）

| 商业道，资产轻量化导师（代表作《轻资产时代》《商业向心力》《末端爆发》）

| 公关道，公关三十六计玩咖（代表作《金牌公关人》《无公关，不品牌》）