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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07