读天才与算法:人脑与AI的数学思维笔记25_涌现理论

1. 人工智能新闻

1.1. 人工智能新闻报道算法的核心是如何将未经处理的原始数据转换成新闻报道

1.2. 很少有记者为美联社决定使用机器来帮助报道这些新闻持反对意见

1.2.1. 像"Wordsmith"这样的算法,具有自动化的洞察力、科学的叙事能力,现在正被应用于基于大量数据的分析报道的撰写工作

1.2.2. 相较于过去的人工撰写,它真是再合适不过了

1.2.2.1. 在大部分情况下,只有读到文章末尾处的署名时,你才会发现这篇文章是机器写的

1.2.3. 这些算法解放了记者,让他们可以去撰写更重要的新闻

1.2.3.1. 一年之内,你只能覆盖约1000家公司,这意味着很多人们感兴趣的公司没有被报道

1.3. 越来越多的记者开始使用算法将足球或棒球比赛的结果变成可读性强的新闻报道

1.3.1. 曾经对机器替代自己工作而感到恐慌和震惊的一些记者也开始尝试借助算法去生成清晰的新闻报道

1.4. 数据挖掘算法对美联社的报道很重要,对企业来说也越来越有用

1.4.1. 算法不仅可以统计出公司或员工的工作绩效数据,还可以依据月度数据的细微变化进行预测

1.4.2. 隐藏在电子表格或各种图表中的细微差别很容易让人们忽略,但一旦它们被机器以自然语言的形式解释出来,就会很容易引起共鸣

1.4.3. 算法还会参考读者的阅读喜好,生成那些像是蹲在家里就能写出来的、深受大众喜爱的、在小报封底上读到的那种武断又充满讽刺意味的体育新闻,或者带有政治偏见的报道

1.5. 任何事物都有两面性

1.5.1. 历史一再提醒我们,故事是一种强大的政治工具

1.5.1.1. 数据和证据很少能改变人们的想法,只有当它们被编织成一个故事时,才有足够的说服力去改变人们的想法
1.5.1.1.1. 觉得给孩子接种疫苗会非常危险的人,很少会被疫苗能够有效预防疾病传播的统计数据说服
1.5.1.1.2. 当你给他们讲了一个人因为没有注射疫苗而得了麻疹或天花的故事,再把这个故事和数据结合起来,就有可能引起他们的重视
1.5.1.2. 取代一个故事唯一的办法,就是讲述另一个故事。
1.5.1.2.1. 乔治·蒙贝尔特(George Monbiot)在《走出废墟》(Out of the Wreckage)中所说

1.5.2. 通过算法生成的新闻报道获取信息也有不好的一面

2. 梦幻棒球游戏(Fantasy Baseball)

2.1. 在美国和加拿大,有近6000万人选择该游戏中的美国职业橄榄球大联盟(NFL)的虚拟球员组成球队

2.2. 雅虎已经开始使用"Wordsmith"从每周生成的NFL虚拟球队数据中生成个性化的新闻

2.3. 人类不可能花费大量的时间,每周创造出数百万条新闻,来满足游戏玩家了解自己的虚拟球队在比赛中的表现的欲望

3. 剑桥分析公司

3.1. Cambridge Analytica

3.2. 已经开始"无情地"利用新闻故事来改变人们的观点了

3.3. 收集了8700万位Facebook用户的个人信息,用于开发人的"心理学档案",然后通过与新闻报道进行比对,影响选民在选举中的抉择

3.4. 起初该算法随机分配新闻故事,但它会逐渐了解到哪些故事可以吸引更多的点击量

3.5. 美国那些思想保守的白种年轻人对"抽干沼泽""筑起高墙"之类的短语反应积极

3.5.1. 算法将自己生成的这类故事推送到他们的Facebook页面,以满足其对这类新闻的胃口

3.5.2. 算法所做的,就是确保这些故事能出现在最可能受其影响而改变观点的人面前,而不是浪费在其他人的身上

3.6. 剑桥分析公司实际上操纵了选民

3.6.1. 这恰恰揭示了该公司的宗旨和核心价值------新闻故事对事件的影响力

3.7. 尽管剑桥分析公司已经倒闭,但仍有许多公司在继续挖掘数据,为那些愿意付钱的机构或个人提供战略决策

3.7.1. 倘若我们想要为生活保留一点控制权,就需要了解我们的情绪和政治观点是如何被这些算法摆布的,以便在外部信息相同的情况下,能够根据自己的情况去进行判断

4. 思想的交流

4.1. 创造的精髓无关机械,但每一个创造的结果都需要机械来实现,这解释起来并不会比解释打嗝更简单

4.1.1. 道格拉斯·霍夫斯塔特

4.2. 计算机是扩展人类智慧的强大工具

4.3. 机器学习的新思想挑战了许多关于机器永远不可能具有创造性的传统论点

4.3.1. 算法可以自行获取数据并学习

4.4. 许多人会认同,探索型创新和组合型创新可能是算法能够实现的,因为其依赖于人类早前的创造力,算法会扩展或组合这些创造力

4.5. 变革型创造力并不是无中生有,实际上它是在"扰动"现有的系统

4.5.1. 科学家开始认识到,真正的新事物可脱胎于旧事物的组合,而整体的行为远比构成它的部分复杂

5. 涌现理论

5.1. 目前科学界对涌现理论较为推崇,它是对还原论观点的纠正

5.1.1. 在还原论观点中,一切都可以还原成简单的原子和基本规律

5.2. 在复杂的自适应系统中,凡一个过程的整体的行为远比构成它的部分复杂,皆可称为"涌现"

5.2.1. "涌现"指一个系统中个体间预设的简单互动行为造就的无法预知的复杂样态

5.3. 我们发现意识和水的湿润特性都应归为涌现现象,因为一个单一的水分子不会有湿润的特性,只有一组水分子在某一时刻作为整体才具有湿润性

5.3.1. 一个神经元没有意识,但许多神经元在一起构成神经网络就可以产生意识

5.4. 学术上有一个很有趣的推断:基于涌现现象的观点,时间的概念并不是绝对的,它的出现是人类对宇宙认知不足的产物

5.5. 应该把那些新的复杂算法产出的结果看作"涌现现象"

5.5.1. 这些结果都是创造它们的规则的产物,但这些结果的整体行为往往大于组成它们的各部分的总和

6. 创造性

6.1. 它源于20世纪40年代广告业高管亚历克斯·奥斯本(Alex Osborn)写的"心灵鸡汤"类书籍

6.1.1. 它是扩大、延展、进化、成熟的冲动,是一种表达和激活躯体所有能力的倾向,这种能力的激活增强了躯体或'自我'。

6.1.1.1. 心理学家卡尔·罗杰斯

6.1.2. 它在促使我们更具创造力方面发挥了巨大的作用

6.1.2.1. 它给了我们在日常生活中经常缺失的点燃创造性的"火镰",最终它可能会帮助人类减少机械重复的行为

6.2. 如果没有意识的概念,我们就无法理解什么是创造力,我们为什么会有创造力

6.3. 对于情绪而言,一则故事或一幅绘画要比一台试图扫描我们情绪状态的核磁共振扫描仪更好

6.4. 艺术是最接近生命本质的东西,这是一种放大了的体验,是一种超越个人命运与他人接触的方式

6.5. 艺术在调解个人与群体的关系中所扮演的政治性角色也是关键的

6.5.1. 它往往是关于改变现状的愿望:打破人性,打破当前的游戏规则;为我们的人类同胞创造更好的,或者仅仅是不同的东西

6.6. 在商业化"创造性"之前,创造性活动的目的在于捕捉人类试图理解世界存在的意义

6.7. 我们的生活就是一种创造性的行为

6.7.1. 莎士比亚是最早意识到这一点的人之一

6.8. 创造力与死亡息息相关,也与人类的意义密不可分

6.8.1. 死亡是我们重视创造力的原因之一

6.8.2. 如果柯普真的成功地编写了一种算法,可以大量生成肖邦的玛祖卡舞曲,就好像它让肖邦不朽一样,这会让我们感到开心吗?

6.8.2.1. 反而觉得它会让肖邦创作的作品贬值
6.8.2.2. 真正重要的是,肖邦的选择
6.8.2.3. 难道国际象棋在某种程度上不是因为计算机的力量被贬低了吗?

6.8.3. 许多人认为如果我们彻底解决了死亡的问题,创造出不朽的自己,将会使生命贬值,使活着的每一天都变得毫无意义

6.8.4. 在某种程度上讲,我们必死的命运确实很重要

6.8.4.1. 意识到我们必死的命运是意识的代价之一

6.9. 抨击人工智能创造力的声音

6.9.1. 它无法反思自己的输出,无法判断其是好是坏,是值得分享还是直接删除

6.9.2. 这种自我反思的能力被证明是可能实现的

6.9.2.1. 可以创建具有对抗性的算法,来判断一件艺术品是过于因循守旧,还是偏离了我们所认为的艺术的边界

6.9.3. 机器所有的创造力都是由人类的思维和智慧来启动和驱动的,我们还没有发现机器被强制去表达自己

6.9.3.1. 曲艺中的双簧,它们是在台前表演假动作的人,为在台后渴望表达自己的我们提供了喉舌

6.9.4. 创建拥有自由意志的程序与自由意志的含义本就是一组悖论

6.9.4.1. 我们可以像机器一样过着日复一日、一成不变的生活,也可以突然做出选择,停下来打破常规,创造新事物

6.9.5. 人类创建具有创造力的算法的动力,在很大程度上不是由于扩大艺术创作的欲望,而是为了增加商人们在银行的存款

6.9.5.1. 有太多的项目打着人工智能的旗号,但其实它们只不过是统计学或数据科学
6.9.5.2. 就像在世纪之交时所有的商业公司都希望成功地在公司名称的末尾加上".com"一样,现如今在公司名称中加上"AI"或"Deep",正是这些商业公司赶时髦所利用的标签而已
6.9.5.3. 商人们希望让人们相信人工智能太伟大了,几乎无所不能,它可以自己写文章、作曲、绘画
6.9.5.3.1. 这一切都是为了让投资人相信,如果他们进行投资,人工智能将改变他们的业务
6.9.5.4. 当抛开炒作,你会发现驱动这场革命的仍然是人类的思维和智慧

7. 讲故事

7.1. 允许算法基于现有文本生成文章所带来的风险,当然就是剽窃

7.1.1. 倘若因为剽窃文章而被原作者起诉,人们就会觉得人工智能生成的文章并不像想象的那么好了

7.2. 尽管算法具有可变性和创新性,但目前就讲故事的算法而言,它们并不会威胁到作者

7.3. 即便是数学家之间讲的逻辑故事,也是人类思维的专属品

7.4. 既然有这么多故事可以讲,那么选择哪些故事仍然是一个问题

7.4.1. 只有人类创造者才会明白为什么另一个人的大脑会跟随他们的创造之旅

7.4.2. 毫无疑问,计算机一定会在创造的旅途中为我们提供帮助,但它可以成为的是望远镜或者打字机,而不是故事的讲述者

8. 意识

8.1. 在机器变得有意识之前,它不会仅仅是一个扩展人类创造力的工具

8.2. 通过机器学习、交互式学习,人工智能具有了某种类似人脑反馈性质的行为特质

8.3. 人脑神经网络在清醒时和深度睡眠时(我们最无意识的状态)区别的研究,两者的关键区别似乎是反馈的质量不同

8.3.1. 大脑在清醒时有意识,活动会从大脑中的一个地方开始,并在整个神经网络中级联,再反馈回原始来源,然后反复重复这个动作序列

8.3.2. 观察处于深度睡眠的大脑,我们只能看局部的兴奋,其没有形成这种反馈的机制

8.4. 在未来,依靠我们人类所有的科学成果,在创造有意识的机器的道路上,不会有什么难以逾越的障碍

8.5. 一旦我们成功了,希望机器的意识与我们的意识截然不同,相信它会告诉我们它是什么样的

8.5.1. 创造性的艺术将成为我们互相了解的关键

8.6. 在未来是否真的有一天当机器变得有意识时,讲故事会是一个重要的工具

8.6.1. 机器可能是被强迫讲故事的,而不是像我们一样拥有那种讲故事的冲动

8.6.2. 就像故事是一种强大的政治工具(把人类社会维系在一起),如果机器变得有意识,那么其分享故事的能力可能会把我们从对人工智能有所恐惧的世界中拯救出来(现在科幻题材的作品经常描述未来的机器是多么的恐怖)

8.6.3. 一旦施暴者允许自己进入受害者的内心,那么他就很难继续残忍地施暴

8.6.3.1. 想象自己成为自己以外的人会是什么样,这是我们人性的核心
8.6.3.2. 人性本善,道德之端

8.7. 如果机器变得有意识,那么向机器灌输同理心可能会把我们从《终结者》的故事中"拯救"出来

8.7.1. 如果机器变得有意识,那么向机器灌输同理心可能会把我们从《终结者》的故事中"拯救"出来

8.7.2. 计算机的叙事智能可以减轻我们对'邪恶的人工智能'接管地球的担忧。

8.7.2.1. "Scheherazade-IF"的首席研究员里德尔

8.8. 在异变发生之时,人类的命运将取决于与有意识的机器的互相理解

8.9. 如果它们变得有意识,那么人类在一开始也不太可能理解它们

8.9.1. 最终,会是机器的绘画、音乐、小说、创造性作品,甚至是它们的数学,给予我们机会去破译机器的代码,感受机器的感受

相关推荐
果冻人工智能17 分钟前
2025 年将颠覆商业的 8 大 AI 应用场景
人工智能·ai员工
代码不行的搬运工18 分钟前
神经网络12-Time-Series Transformer (TST)模型
人工智能·神经网络·transformer
VertexGeek20 分钟前
Rust学习(八):异常处理和宏编程:
学习·算法·rust
石小石Orz20 分钟前
Three.js + AI:AI 算法生成 3D 萤火虫飞舞效果~
javascript·人工智能·算法
孤独且没人爱的纸鹤30 分钟前
【深度学习】:从人工神经网络的基础原理到循环神经网络的先进技术,跨越智能算法的关键发展阶段及其未来趋势,探索技术进步与应用挑战
人工智能·python·深度学习·机器学习·ai
阿_旭32 分钟前
TensorFlow构建CNN卷积神经网络模型的基本步骤:数据处理、模型构建、模型训练
人工智能·深度学习·cnn·tensorflow
羊小猪~~33 分钟前
tensorflow案例7--数据增强与测试集, 训练集, 验证集的构建
人工智能·python·深度学习·机器学习·cnn·tensorflow·neo4j
极客代码40 分钟前
【Python TensorFlow】进阶指南(续篇三)
开发语言·人工智能·python·深度学习·tensorflow
zhangfeng113340 分钟前
pytorch 的交叉熵函数,多分类,二分类
人工智能·pytorch·分类
Seeklike41 分钟前
11.22 深度学习-pytorch自动微分
人工智能·pytorch·深度学习