京公网安备 11010802034615号
经营许可证编号:京B2-20210330
导读:领导让数据叔写篇关于人工智能的原创,于是数据叔决定求助于人工智能。
作者:数据叔
来源:大数据DT(ID:hzdashuju)
人工智能领域的发展前景广阔。
数学是个很重要的事情。
创意产业发展潜力无限,极大地推动了全球经济发展和社会进步,做出更多更重要的贡献。
未来将会是什么样的?生活中有哪些不同呢?
上面4句话,不能算是我写的,但也不是人工智能自动生成的,而是人机搭配干活不累的成果。
iOS自带的输入法有联想功能,你键入一个词之后,输入法会自动联想你接下来可能会输入的词。很多情况下,你接下来要输入的词确实在输入法的联想范围内。还有些时候,你不知道接下来该写什么,那么输入法的联想或许会给你一些思路,甚至你按它的联想接着写就行了。
iOS这个输入法的联想功能并不仅仅基于你自己的用词习惯,而是基于所有用户的用词习惯,也就是一个基于大数据的人工智能系统。
本文开头的那4句话,分别是我用人工智能、数学、创意和未来4个关键词作为句子的起始点,然后在输入法的联想词里进行选择,直到联想词里出现句号,并且自己也满意这样结束。
这4句话里,人工智能提供了选项,我做出选择,这既不是人类单独完成的作品,也不是人工智能单独完成的工作。有人把这种人工智能帮助人类进行创造性工作的模式称为“智能辅助创新”。
智能辅助创新在《天才与算法》这本书里还有很多好玩的案例。这些案例不仅仅局限于文字创作,还有音乐、绘画等众多需要人类创作力的领域。
这是一个既新鲜也不新鲜的事情。计算机程序对人类的帮助早已不局限于简单的数学运算,继续拿文字创作来说,搜索引擎也可以为我们的写作提供思路。但随着人工智能的发展,新鲜的案例开始出现了,比如会作曲的智能程序、会画像的智能程序等等。
人工智能完成的作品中,有一个火了。2018年10月,由法国艺术创作团队Obvious AI & Art使用GAN算法生成的画作Edmond de Belamy以43万美金的高价被拍走,价格甚至碾压了同场拍卖的毕加索作品。
▲Edmond de Belamy,来源:Obvious AI & Art
▲画作右下角的“署名” 是GAN的目标函数
以人工智能当前的发展水平,智能辅助创新是比较现实也相对成熟的模式。人工智能不是不能独立完成创作,但在大多数情况下,人工智能的独立作品还非常不靠谱。相反,帮助人类完成创作却非常靠谱。
但“靠谱”这个词是以人类的视角来说的。智能程序是人类写的,数据也往往是人类创造的、关于人类的,最后又是人类喂进去的(就不可避免地进行了选择)。所以最后如果人工智能出现了一些歧视行为,那也完全是人类的错。(比如拒绝把黑皮肤的人识别为律师,即使其他特征都指向这个人是律师。)
在创造性的工作中,人工智能的“靠谱”其实就是符合人类的审美。前文提到的那些智能辅助创新案例自然不用说,最终拍板做主的都是人类;即便是那些试图独立完成创作的人工智能程序,学习的也是人类的大师之作。
所以什么是“审美”也就变得重要了起来。几年前,有一篇爆火的网文叫《没有审美力是绝症》。我知道很多人追捧这篇文章,但我个人非常讨厌它。文中讲了几个文艺界大师关于审美的看法和小故事,以此来告诉读者,大师们的审美是多么优秀,你的审美是多么不行。
但这篇文章除了站在制高点上发泄情绪、秀优越感之外,并没有告诉你,审美是什么?审美有高低贵贱吗?如果有,怎样提高审美水平?
关于这些问题,《天才与算法》对大师的引用显然更有信息量:
托尔斯泰认为:艺术即情感交流。 托尔斯泰进一步发展了康德的观点,他认为“艺术是人类的情感交流,艺术所表现出的情感还有一个重要的特征,就是它具有一种公共性和普遍性。它能够把所有的人连接在一起,让所有的人凭借艺术能够息息相通。”
我们可以把审美理解为一种社交货币,这些货币在不同群体中流通。你可能喜欢极简风、性冷淡风或者小清新什么的,因为你属于那个特定的群体。
你不喜欢“父母式装修”,那是因为你不属于那个群体,你的父母和他们的伙伴们才属于那个群体。你觉得他们low,他们其实也觉得你low。这其实很难客观区分出一个高低贵贱,更多的时候都是谁暂时掌握了话语权,谁就高级。
但仍然有一些审美标准是人类普遍接受的“公理”。比如,我们都喜欢有规律的节奏,不喜欢杂乱的噪音。主管这些“公理”的不是某些艺术大师,而是数学。
达芬奇的画总能找到黄金分割。《天才与算法》中介绍了巴赫作品中关于14的数字规律,这些反复出现的规律不可能是巧合。即便是把颜料往画布上乱扔的波洛克,他在创作时那醉鬼般的脚步,也暗合纺锤摆的运动轨迹。
有很多著名企业的logo,确实是“设计”出来的。不知道你是怎样理解“设计”这个词的,我觉得“设计”的“计”包含了计算的意思。很多logo并不是设计者随手一画,而是进行了精确的数学计算。
▲苹果、三叶草、麦当劳等著名公司、品牌logo设计图
而人工智能肯定比人类更擅长计算。其实也不用人工智能出场,普通的计算机软件就可以了。所以像Adobe Illustrator、Photoshop之类的程序,早已开始帮助人类完成创造性的工作了。
除了少数天才之外,对于设计师来说,设计一款满意的logo之前,可能需要欣赏、消化、借鉴成百上千款其他人的logo作品。机器学习和深度学习等技术,可以让人工智能比人类更快更好地完成这个过程。
在这个过程中,人工智能首先学会了人类的审美。所以人工智能展现出的创造性,也还是人类的创造性。
人类的创造力、创造性活动都出于对自我的表达欲望,那么人工智能的有“自我”吗?目前来看还没有。人工智能还没有“觉醒”。
如果有一天,一款人工智能产品控制自己的摄像头,对着自己的硬件设备来了一张自拍,然后它会怎样P图?
觉醒的人工智能的审美,会是什么样的?也会遵守那些人类所熟悉的数学规律吗?它们也会进化出5种基本感觉吗?还是用全新的方式体验世界?
这些超纲问题很难得到解答。在我看来,由于人工智能一直是人类在研究、设计,所以人工智能很难摆脱人类的影响。即使未来真的会有“智能的智能”出现,其“元程序”也是人类程序员写的。这样看来,人工智能不太可能真正觉醒。
但不觉醒并不意味着人工智能不会威胁到人类。人工智能向人类学习,也就不可避免地“不学好”。比如前文提到的歧视行为就是“不学好”造成的。
电影《机械姬》中讲述的故事可能是“不学好”的更严重的后果。人工智能机器人女主角Ava学会了人类的审美,拥有了人类的喜好,为了能在大自然中自由呼吸、在闹市街头穿着高跟鞋漫步,她完成杀戮和叛逃。
▲穿上看上去有点土的连衣裙、高跟鞋,为成功进入人类世界回眸一笑的Ava
虽然她的智力水平已经远远超过人类,但她仍然不是觉醒的。她的审美和喜好都是程序员投喂的算法和数据,她看似拥有自由意志,其实那根本不是自由的。
所以短时间内,人工智能就是这么回事,不会觉醒,不会有惊喜也不会有惊恐,却能踏踏实实地帮人类做一些创造性的工作。它们也能独立完成一些创造性的工作,但终究走不出人类划定的圈子。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13