人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器。人工智慧技術的應用不僅讓人們的生活變的更加智慧化，也逐漸替代了一些人類工作崗位。雖然，人工智慧技術的應用給人們帶來諸多便利，但有些問題仍是人們關注的焦點。比如，高情商的人工智慧，會給人類帶來什麼樣的體驗或變化？
經濟學上有一個簡單但卻繞不過去也迴避不了的問題，那就是：如果人們的行為不理性時，該怎麼辦？這個看似簡單的問題卻是引發經濟學行為革命的主因。
隨著科技的迅猛發展，這個問題開始困擾科技領域了。網路世界曾經被認為是一個可以隨時提供各種資訊以及方便大家合作的世界。當然了，在網路世界中同樣謊言和仇恨比真理和善良傳播得更快。還有公司的制度體系也會引發員工的不理性行為。例如，在預測銷售額時，員工經常會隱瞞不理想的交易，選擇性地報告好的交易。
現在，人工智慧站在了行為問題的十字路口，它有可能會讓人們的行為變得更加糟糕，但也有可能會變得更好。要想讓人工智慧取得好的結果，最關鍵的就是提高它的情感商數——也就是情商。那麼如何才能提高它的情商呢？有一種方法是運用多項運演算法則去模仿人類在關係構建中的行為方式。
不管我們承認與否，現在的我們已經和多種應用程式建立了各種關係。而應用程式就像人一樣可以做出來自我們自己的積極和消極的行為。高情商的人與我們往來時，他們知道我們的模式，理解我們的動機，並仔細權衡他們自己該做出怎樣的反應。是忽視我們？挑戰我們？或者是鼓勵我們？這些都取決於他們是如何預測我們將要發生的反應。
人工智慧也可以被訓練做同樣的事情。為什麼呢?因為這些行為比我們想象的更容易預測。市值700億美元的減肥行業之所以蓬勃發展，是因為減肥公司知道大多數人的體重都會反彈的。市值400億美元的賭博業知道賭徒們會一味妄圖東山再起的。他們因賭徒們這個不合邏輯的想法而從中獲利。銀行推出各種信用卡是因為他們知道人們很難改變消費習慣。
雖然要做到這一步還為時尚早，但行為科學領域和機器學習領域已經為創造高情商人工智慧提供了一些很有前景的技術。很多公司也正在為此著手創造更好的產品。這些有前景的技術包括:
1、注意慣用模式的打破並作出提醒。現實中，熟悉你的人往往很容易就能判斷出你慣用的模式什麼時候被打破了，他們會對你模式的打破做出相應的反應。例如，你朋友注意到了你突然改變了日常習慣，就會問你為什麼跟原來不一樣了。美國銀行的線上賬單支付系統就是採用這種類似的模式，以防止使用者輸入錯誤。系統會記住你過去的付款方式。如果某天你大幅增加了對供應商的付款，系統便會發出警告。
2、用基準鼓勵員工自我反省。直言不諱地指出他人表現很差往往會火上澆油，這種方式不但起不到作用，還會激起他們的牴觸情緒，造成適得其反的效果。一個較為靈活的方法就是讓他們自己看到與他人相比較後的結果如何。例如，一家大型科技公司採用人工智慧做出比銷售團隊更準確的銷售預測。為了糾正團隊成員的認識，該系統為每個團隊成員提供個性化的視覺展示，顯示他們自己的預測與人工智慧的預測之間的差異。這個簡單的操作就能反映出員工出現這種情況的原因。員工們可以對此提供合理的解釋，避免假設性的意見，或者稱AI的資訊不正確。人工智慧瞭解了個體反應的實質和時間，權衡兩種預測之間的差距，然後選擇一個合適的二級推手。
3、運用博弈論來接受或挑戰結論。試想一下，如果你所在的團隊每天必須在基金交易中找出10萬筆以上的錯誤，你該如何應對？有一個管理萬億美元資產的基金正在用人工智慧解決這個令人望而生畏的問題。這個人工智慧最初版本是透過風險和潛在成本來計算潛在錯誤(又稱為“異常”)，然後先找出最危險的異常。系統再跟蹤分析人員花費在異常方面的時間。那時的假設是分析師會在風險異常上花更多的時間，在“容易的事情”上花更少的時間。但實際上，一些分析師對風險最大的異常現象會蜻蜓點水般掠過，從而得出了讓人懷疑的快速結論。
很多規模很大的審查系統中，誤報率往往非常高。例如，美國國土安全部的一個秘密小組發現，運輸安全管理局95%的檢查人員未能透過審查阻止武器的走私或爆炸物的出現。國際貨幣基金的分析師們審視著數不清的交易，他們就像美國運輸安全管理局的安檢人員處理成千上萬的乘客時一樣，雖然眼睛睜得大大的，但是對異常情況卻總是視而不見。
國際貨幣基金組織正在利用國際象棋程式中使用的一種演算法來處理這種危險的行為。這個博弈論的修正版本首先監視分析人員是否會認為異常是一種假象，他是否會決定要不要花費更多的時間在異常方面。國際象棋中扮演對手角色的人工智慧機器就可以透過接受分析師的決定或挑戰來決定反擊。
4、為洞察和行動選擇正確的時間。無論以何種標準衡量，傑夫?貝佐斯都是一位決策大師。最近在接受彭博電視記者大衛?魯賓斯坦的採訪中，貝佐斯講述了他的決策框架。如果在下午晚些時候問他一個複雜的決定時，他通常會如此回答:“這聽起來不像是下午4點鐘的決定；聽起來像是早上9點的決定。”所以時間很重要。
我公司的銷售團隊A隊和B隊測試了一天中最合適最有效地回覆潛在客戶郵件的時間，發現週二上午和週五下午傳送郵件的回覆率有很大的不同。許多消費者的資訊系統都進行了調優以達到最大化收益。最佳化演算法可以提高消費者要做出的決策型別以及做出更好選擇的趨勢。例如，需要花時間思考的決策可以在決策者時間充足的時候提出，這樣的決策要麼被透過，要麼就會被列入計劃之內。
高情商的人工智慧能給網際網路帶來更多的文明嗎?社交媒體公司最好考慮一下西方商界人士在與日本同行談判時學到的一個區別——“honne”(內心的感受)和“tatemae”(公開表達的感受)。明白一個人的感覺和他想要說的話之間的區別能省去不少的誤判。基於這一區別的演算法可能會被開發出來，因為這有助於解決人們在他人的影響下(即使是虛擬的人群)猶豫不決想說和想做的事情的可預測傾向。想寫煽動性、誤導性或粗俗性的帖子的人可能會被人工智慧敦促重新組織他們的語言，或者注意到熱門話題中那些鍵盤俠們。開發這種充滿感情、高情商的人工智慧的挑戰是艱鉅的，但與其簡單地刪除個別帖子，不如從根本上解決問題。
人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器。人工智慧技術的應用不僅讓人們的生活變的更加智慧化，也逐漸替代了一些人類工作崗位。雖然，人工智慧技術的應用給人們帶來諸多便利，但有些問題仍是人們關注的焦點。比如，高情商的人工智慧，會給人類帶來什麼樣的體驗或變化？
經濟學上有一個簡單但卻繞不過去也迴避不了的問題，那就是：如果人們的行為不理性時，該怎麼辦？這個看似簡單的問題卻是引發經濟學行為革命的主因。
隨著科技的迅猛發展，這個問題開始困擾科技領域了。網路世界曾經被認為是一個可以隨時提供各種資訊以及方便大家合作的世界。當然了，在網路世界中同樣謊言和仇恨比真理和善良傳播得更快。還有公司的制度體系也會引發員工的不理性行為。例如，在預測銷售額時，員工經常會隱瞞不理想的交易，選擇性地報告好的交易。
現在，人工智慧站在了行為問題的十字路口，它有可能會讓人們的行為變得更加糟糕，但也有可能會變得更好。要想讓人工智慧取得好的結果，最關鍵的就是提高它的情感商數——也就是情商。那麼如何才能提高它的情商呢？有一種方法是運用多項運演算法則去模仿人類在關係構建中的行為方式。
不管我們承認與否，現在的我們已經和多種應用程式建立了各種關係。而應用程式就像人一樣可以做出來自我們自己的積極和消極的行為。高情商的人與我們往來時，他們知道我們的模式，理解我們的動機，並仔細權衡他們自己該做出怎樣的反應。是忽視我們？挑戰我們？或者是鼓勵我們？這些都取決於他們是如何預測我們將要發生的反應。
人工智慧也可以被訓練做同樣的事情。為什麼呢?因為這些行為比我們想象的更容易預測。市值700億美元的減肥行業之所以蓬勃發展，是因為減肥公司知道大多數人的體重都會反彈的。市值400億美元的賭博業知道賭徒們會一味妄圖東山再起的。他們因賭徒們這個不合邏輯的想法而從中獲利。銀行推出各種信用卡是因為他們知道人們很難改變消費習慣。
雖然要做到這一步還為時尚早，但行為科學領域和機器學習領域已經為創造高情商人工智慧提供了一些很有前景的技術。很多公司也正在為此著手創造更好的產品。這些有前景的技術包括:
1、注意慣用模式的打破並作出提醒。現實中，熟悉你的人往往很容易就能判斷出你慣用的模式什麼時候被打破了，他們會對你模式的打破做出相應的反應。例如，你朋友注意到了你突然改變了日常習慣，就會問你為什麼跟原來不一樣了。美國銀行的線上賬單支付系統就是採用這種類似的模式，以防止使用者輸入錯誤。系統會記住你過去的付款方式。如果某天你大幅增加了對供應商的付款，系統便會發出警告。
2、用基準鼓勵員工自我反省。直言不諱地指出他人表現很差往往會火上澆油，這種方式不但起不到作用，還會激起他們的牴觸情緒，造成適得其反的效果。一個較為靈活的方法就是讓他們自己看到與他人相比較後的結果如何。例如，一家大型科技公司採用人工智慧做出比銷售團隊更準確的銷售預測。為了糾正團隊成員的認識，該系統為每個團隊成員提供個性化的視覺展示，顯示他們自己的預測與人工智慧的預測之間的差異。這個簡單的操作就能反映出員工出現這種情況的原因。員工們可以對此提供合理的解釋，避免假設性的意見，或者稱AI的資訊不正確。人工智慧瞭解了個體反應的實質和時間，權衡兩種預測之間的差距，然後選擇一個合適的二級推手。
3、運用博弈論來接受或挑戰結論。試想一下，如果你所在的團隊每天必須在基金交易中找出10萬筆以上的錯誤，你該如何應對？有一個管理萬億美元資產的基金正在用人工智慧解決這個令人望而生畏的問題。這個人工智慧最初版本是透過風險和潛在成本來計算潛在錯誤(又稱為“異常”)，然後先找出最危險的異常。系統再跟蹤分析人員花費在異常方面的時間。那時的假設是分析師會在風險異常上花更多的時間，在“容易的事情”上花更少的時間。但實際上，一些分析師對風險最大的異常現象會蜻蜓點水般掠過，從而得出了讓人懷疑的快速結論。
很多規模很大的審查系統中，誤報率往往非常高。例如，美國國土安全部的一個秘密小組發現，運輸安全管理局95%的檢查人員未能透過審查阻止武器的走私或爆炸物的出現。國際貨幣基金的分析師們審視著數不清的交易，他們就像美國運輸安全管理局的安檢人員處理成千上萬的乘客時一樣，雖然眼睛睜得大大的，但是對異常情況卻總是視而不見。
國際貨幣基金組織正在利用國際象棋程式中使用的一種演算法來處理這種危險的行為。這個博弈論的修正版本首先監視分析人員是否會認為異常是一種假象，他是否會決定要不要花費更多的時間在異常方面。國際象棋中扮演對手角色的人工智慧機器就可以透過接受分析師的決定或挑戰來決定反擊。
4、為洞察和行動選擇正確的時間。無論以何種標準衡量，傑夫?貝佐斯都是一位決策大師。最近在接受彭博電視記者大衛?魯賓斯坦的採訪中，貝佐斯講述了他的決策框架。如果在下午晚些時候問他一個複雜的決定時，他通常會如此回答:“這聽起來不像是下午4點鐘的決定；聽起來像是早上9點的決定。”所以時間很重要。
我公司的銷售團隊A隊和B隊測試了一天中最合適最有效地回覆潛在客戶郵件的時間，發現週二上午和週五下午傳送郵件的回覆率有很大的不同。許多消費者的資訊系統都進行了調優以達到最大化收益。最佳化演算法可以提高消費者要做出的決策型別以及做出更好選擇的趨勢。例如，需要花時間思考的決策可以在決策者時間充足的時候提出，這樣的決策要麼被透過，要麼就會被列入計劃之內。
高情商的人工智慧能給網際網路帶來更多的文明嗎?社交媒體公司最好考慮一下西方商界人士在與日本同行談判時學到的一個區別——“honne”(內心的感受)和“tatemae”(公開表達的感受)。明白一個人的感覺和他想要說的話之間的區別能省去不少的誤判。基於這一區別的演算法可能會被開發出來，因為這有助於解決人們在他人的影響下(即使是虛擬的人群)猶豫不決想說和想做的事情的可預測傾向。想寫煽動性、誤導性或粗俗性的帖子的人可能會被人工智慧敦促重新組織他們的語言，或者注意到熱門話題中那些鍵盤俠們。開發這種充滿感情、高情商的人工智慧的挑戰是艱鉅的，但與其簡單地刪除個別帖子，不如從根本上解決問題。