
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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15