AI? IA? 不，是AIA!

From Distill 《Using Artificial Intelligence to Augment Human Intelligence》

读什么样的文章感觉最棒？

我会回答，大部分内容没超出我理解范围，同时又能从熟悉的内容得出让人深思，又出乎意料的想法。比如之前Andrej Karpathy的《软件2.0》那篇文章。感觉有点像是推理小说吧。

这篇文章也是如此，想提出一个新的领域。原文很长，其实主要观点就一个，AI技术可以用来生成包含各种认知原型的界面，这种界面可以帮组人们更高效的思考。

时代造电脑

不同时代对电脑的用途有不同的看法，而不同看法也反过来促使人们改变使用电脑的方式，开发出满足自己需求的电脑。

比如说早期，大家只把计算机当做是计算工具，之后才提出计算机能够用来增强人类智能。这样的思想影响了一代人，比如乔帮主，反过来影响了现在的计算系统还有很多其他领域。

过去，AI总会和IA抢资源，但最近的一些诸如生成模型方面的研究显示，完全可以利用AI来发展IA，所以提出一个新的领域，AIA (Artificial Intelligence Augment)。

凡事都要从举栗子开始

最初展示的是字体的例子，如下图。左边是各种字体，中间是一个界面，有三个条，分别调节粗细、斜度、还有宽窄。

自己试着调节一下之后，会得到这样的效果。

BOLD
ITALIC
CONDENSED

其实看到这，可能会想变粗细的工具不早就有了吗，这有什么稀奇。

当然这里之所以比较特别是因为，这个界面的底层，并不是普通设计出来的算法而是用了一些特殊技巧的神经网络，而且和一般调节属性不同的是，这里的调节属性是连续的，而不是离散的，比如只有小中大三个选项。

还有很重要的一点是，在实际中，设计师设计加粗等变化时，并不是想当然的把线加粗就好了。这里面还涉及到很多小的设计技巧，才能够保证可读性。如下图所示，想当然的加粗法和真正加粗方法的对比。

而底层的神经网络神奇地把这种小技巧也都学会了。

这里用到的技术很大程度与隐空间这个概念有关。

穿梭于隐空间之间

什么是隐空间 (Latent Space)？

我们直接接触到的数据，一般处理起来都会比较困难，而且会有很多冗余，比如说MNIST的图片，每张图片有256个像素，但仅仅表示10个数字。

这时候可以把这个显的图片，投影到一个隐空间中去，可能只需要更少的数据来表示，比如说20个数据点。有时也希望把在实际表示大大不同的数据投影到隐空间之后，使得相似概念的物体互相比较接近。

比如下图，如果比较像素的话，两个椅子还有两个桌子会有很大不同，但是投影到隐空间之后它们互相就会靠得比较近了。其实可以说人脑中就有一个隐空间。

同理，对于字体问题来说，如果我们把普通字体和粗字体投影到隐空间后，那么普通字体就会和普通字体在一块，而粗字体则在另一个块。

因为每个数据在隐空间中是一个点，这时比较有趣的问题是，如何把非粗体的点变成粗体的点。如果学过线性代数的话，那么就会知道，从一个点到另一个点只需要加一个向量。

也就是说在隐空间中，可以用非粗体点，加上一个粗体向量，然后就可以得到粗体点。一个很简单的加法问题。

反过来说，如果有大量的非粗体和粗体数据，首先分别将它们投影到隐空间，之后对每一部分求平均得到一个平均点坐标，然后用粗体点坐标减非粗体点坐标，就可以得到所谓的粗体向量了。

之后对任何字体进行加粗，只需要加上粗体向量就可以了。而要加多少，则可以自己调节，比如说一半，把粗体向量乘上0.5加上去就可以了。上一节中可以调节的界面，也是基于这个原理，不过是在调节粗体向量、斜体向量、宽窄向量前的系数。

上面提到的三个向量，可以叫做属性向量，可以利用它们来赋予属性。

在隐空间中加上属性向量之后，只需要从隐空间还原回去就好了。而一般我们都会搭建上面这样的结构，来编码进隐空间，以及解码还原成现实数据。

更多的应用

基于同样的原理，也可以发掘出其他一些属性向量，比如说笑容向量。

句子长度向量。

甚至延迟荧光衰减率(delayed fluorescence decay rate).

也可以自己开脑洞，比如说，找来大量高质量美颜前和美颜后的照片，投影到隐空间，之后就能够得到美颜向量。之后如果要给自己P图的话就可以直接做出一个进度条，调节自己的美颜值，而不用像现在很多软件，调节各种肤色，眼睛大小...

继续开脑洞，还能弄出透视摄像头，这个就自己想吧。

除了上面这个利用隐空间的属性向量来制作属性条，还可以通过隐空间的一些操作来辅助设计还有画图。

可以利用简单的绘画来暗示想要的属性，比如说颜色，鞋跟，款式... 之后界面就会自动在隐空间中，找到满足这些属性约束条件的点，然后还原回来，得到想要设计的鞋款了。这样子的话，即使并不是设计方面的专家，也能根据自己的感觉设计出来鞋款。

当然从图片也可以看出，上面这些应用目前其实还是很粗糙，还有很多需要完善的地方。而且为了说明本文的主要idea，这部分并不是很重要。

思想认知原型(primitive)

前面提到的字体设计小技巧，比如说Geogia这类的字体加粗时，保持细边不变，而粗边加粗。这些设计的技巧可以说就是一个个的认知原型。

更复杂点的认知原型，比如说数学里的符号，物理里的费曼图表示，还有毕加索风格。这些都是某领域顶尖大师，将自己的思想表示出来，提出的思想原型。每一个这样的思想原型的产生，都是人类文明的一次跃进，后人还能够利用这些原型加速文明的发展。

语言学家沃尔夫说过：“人的语言决定了人的思维能力。”

我更愿意把这里面说的语言，看做是认知原型。这句话什么意思呢，一定的认知原型决定着某种知识的发展速度。

比如说，牛顿和莱布尼茨同时发明微积分，但是为什么之后英国这方面发展更快，而德国迟迟不前，很大程度上和牛顿用的表示系统有关。

会不会阻碍创新

因为认知原型界面都是人类已发明出的原型，之后如果习惯于直接拿来就用，大家也就不愿去思考新的原型，这样会不会阻碍人类的创新呢。

这里要提一下创新的两种方式。

第一种创新，是通过把之前的各种思想原型进行重组的创新。比如说字体设计师，很多工作就是对现有的很多最佳设计技巧进行适当重组。主要涉及到很多创造性的选择，来达到预期目标，并没有发展关键的基础原理。

第二种创新，则是一般想的根本性的创新，发展新原理，提出新思想原型。

所以可想而知，使用上述说的认知原型界面，不光不会阻碍第一种创新，反而会加速它的发展。

那有没有办法利用这样的AIA技术来影响第二种创新呢，就目前来说已经有些潜在的方法表明是可能的。

因为隐空间是广阔的，除了通过训练已有的数据获得已有的原型。我们也可以故意地制造一些错误，来探索隐空间，从而得到之前从未存在过，新的原型。

比如说艺术家 Mario Klingemann 和 Mike Tyka 就在用生成对抗性网络(GAN)来创造有意思的艺术作品。他们故意使用了有缺陷的GAN，从而获得从新的从没见过的处理。

良性循环

最后，作者呼吁我们应该重视AIA界面设计，因为最深刻的界面设计意味着人类认知基本原型的组合。

有了这些认知原型界面的帮组，人们就可以把这些认知原型内化，从而拥有更加强大的思考方式。之后还可以反过来利用强大的思维方式来帮助开发更好的AI系统。

我的看法

然而我的看法是，虽然这里说是人工智能增强(AIA)。但实际上主要提及的是，如何使用AI技术来建立一个更加广泛意义上的人机交互界面，而这个界面是由所谓的认知原形(Cognitive Primitives)组成。

我认为IA应该是一个更广泛的话题，智能增强也应当包括人机之间的合作，而不仅仅是生成更高层抽象概念的用户界面。

比如说，如果律师利用一个AI系统来帮助自己工作，它并不一定要取代律师的工作，而是可以来请求它们来帮忙查找文献，进行繁琐的资料搜寻工作，也应当算是IA。就像如今的搜索引擎，无疑使得我们可以把大量知识直接存储在网上就好了。