效率悖论

副标题“如何突破系统困局”是错的，原书是“大数据做不了什么”。全书与其说是效率悖论，不如说是效率天花板。在投入大量资本，大规模使用信息技术后，我们发现许多期望很高的革命并没有实现，若干大型平台公司却占据了统治地位，甚至窒息了市场活力。效率并没有真正提高，没有效率增益就没有劳动生产率改善。这才是悖论所在。

congnitive boostrap，这很难翻译成中文，但了解机器学习在boostrap和begging的会很容易理解。面对一个不熟悉的领域，你学习是不应想着读完这个搜索结果中的前十篇文章（数据上最高效），而是从一个靠谱的综述开始，阅读这篇文章引用了那些文章，读完引用的文章后在再来读最初那一篇，或者用你学到的知识来改进你的搜索，如此重复的取出一部分信息，内化成知识，再去找自己不那么熟悉的知识。

逻辑/案例可能是比较好的，也许是翻译的问题，也许是不同文化，看的比较吃力，内容散！

这个翻译诘屈聱牙到我翻来覆去都读不明白，题材我是很感兴趣，弃了，去找英文原版自己直接看

1、大数据、算法与效率的七宗罪：反偶然性；过度专注；自我放大量级；技能腐蚀；固执反馈；数据泛滥；单一文化 2、案例分析：数字化平台；谷歌搜索、社交媒体、信息新闻文化；教育计算机化；GIS地理革命（GPS导航定位、自动驾驶、算法）；医疗技术（电子病例、循证医学与大数据、个体化医疗、自我监测、诊断性AI） 3、平衡算法与直觉的策略：（1）完美5（人机合作）；（2）物理体现（纸质书、线下商店）；（3）创造性浪费（失败与低效的积极作用）（4）模拟偶然性；（5）可取的困难（手写笔记）；（6）认知引导（自助抽样法）

这是一本非专业人士都能看懂的书。非常系统地讲述了现代技术对于效率提高的阻碍。反思了“科技必将带来翻天覆地的进步”的论调。很有趣的书，篇幅中等

不能让人受困于系统