人类文化是否被进化锁死?
作者 | 汪昊
文化研究是发展数百年的人文学科。然而,因为数据规模受限,以及地理区域等因素的限制,文化研究一直都是使用小规模数据的研究学科。随着大数据时代的到来,互联网用户行为数据等公开数据集因为数据量大,包含信息丰富,成为了人文学科领域最新的金矿。2022 年,研究人员在国际学术会议MHEHD 2022 发表了一篇介绍计算文化研究的文章,讲述了如何通过人工智能算法进行文化研究。
这篇论文主要分析了一个名为 ZeroMat 的零样本机器学习算法的社会学效应。ZeroMat 算法是人工智能领域首个真正不利用任何数据进行推荐的算法。众所周知,现有的零样本学习算法基本都是迁移学习和元学习的变体而已。而ZeroMat 是首个与众不同的算法。
ZeroMat 算法假设用户物品评分矩阵服从如下分布:
将上述公式带入概率矩阵分布模型,得到如下公式:
取对数之后利用随机梯度下降计算 U 和 V,并设置方差为常数 1,得到如下公式:
从公式中我们发现这个算法本质上是个零样本学习算法。该算法的社会学效应是我们的文化已经被锁死,因为我们不需要任何数据就可以非常准确的预测电影等文化消费品的用户评分数据,也就是可以不用历史数据就知道用户的个人文化喜好。而因为用户评分数据的高度不均衡性,我们知道,人类的文化不仅被锁死了,而且被锁死在了一个极不平等的极端状态,而这一切发生仅仅需要很短的时间。
其实不仅仅是文化领域存在着这一现象,在其他社会领域也广泛的存在着这一现象。而中国政府的许多举措,已经在一定程度上缓解了这一问题。例如大城市集群战略,利用了马太效应有助于提高效率的原理,促进了经济的发展。另外一个例子是政府对互联网大V的监管,有效降低了信息传播的马太效应,避免信息传播陷入锁死状态。
人类文化被锁死的根本原因在于幂律分布在各种社会现象中的效应。而幂律分布之所以存在的原因就是因为能让效率最大化,并且与多样性有关。认真的研究幂律分布,能够让我们更好的认识各种社会现象,并且帮助我们更好的研究算法和其他自然科学。
Is Human Culture Locked by Evolution : https://www.atlantis-press.com/article/125975737.pdf
作者介绍
汪昊,互联网老兵,前趣加游戏 AI Lab 负责人,在豆瓣、新浪、网易等互联网公司有超过 11 年的技术和技术管理经验,成功上线 10 余款科技产品。在推荐系统、风控和自然语言处理领域有丰富的经验和独到的见解。在国际学术会议和期刊发表论文 30 篇,3 次获得国际学术会议最佳论文奖/最佳论文报告奖。2006 年 ACM/ICPC 国际大学生程序设计竞赛北美落基山区域赛金牌。
以上是人类文化是否被进化锁死?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

01前景概要目前,难以在检测效率和检测结果之间取得适当的平衡。我们就研究出了一种用于高分辨率光学遥感图像中目标检测的增强YOLOv5算法,利用多层特征金字塔、多检测头策略和混合注意力模块来提高光学遥感图像的目标检测网络的效果。根据SIMD数据集,新算法的mAP比YOLOv5好2.2%,比YOLOX好8.48%,在检测结果和速度之间实现了更好的平衡。02背景&动机随着远感技术的快速发展,高分辨率光学远感图像已被用于描述地球表面的许多物体,包括飞机、汽车、建筑物等。目标检测在远感图像的解释中

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在
