Nevertheless, in the long run no job will remain absolutely safe from automation. Even artists should be put on notice. In the modern world artists usually associated with human emotions. We tend to think that artists are channelling internal psychological forces, and that the whole purpose of art is to connect us with our emotions or to inspire in us some new feeling. Consequently, when we come to evaluate art, we tend to judge it by its emotional impact on the audience. Yet if art is defined by human emotions, what might happen once external algorithms are able to understand and manipulate human emotions better than Shakespeare, Frida Kahlo or Beyoncé?
然而，从长远看，没有哪项工作绝对不会被自动化所取代，即使是艺术家也该引起警惕。在当代，艺术通常与人类情感相关联。人们倾向于认为，艺术家是在引导内部心理力量，艺术的全部目的就是将人类与自身的情感连接起来，或者唤起内心的新感受。其结果就是，我们在评家艺术时，也就倾向于评判艺术对受众产生的情感影响力。然而，如果通过人类情感来定义艺术，那么一旦外部算法了解和操纵人类情感的能力超过莎士比亚、弗里达·卡罗或者碧昂丝的话，将会出现什么情况？
尽管如此，最终所有工作都有可能走向自动化，对此就连艺术家也得小心。现代社会一般认为，艺术与人类的情绪紧紧相连，艺术家引导着人类的心理力量，艺术的目的是让我们和自身的情绪有所联系，或者激发出新的感受。因此，当我们品评艺术的时候，通常就是看它对观众的情绪起了多大的作用。但如果真以这个标准来定义艺术，当外部的算法比莎士比亚、弗里达·卡罗（Frida Kahlo，墨西哥女画家）或者碧昂丝更能了解和操纵人类的情绪时，又会发生什么事？【林俊宏】
After all, emotions are not some mystical phenomenon – they are the result of a biochemical process. Hence, in the not too distant future a machine-learning algorithm could analyse the biometric data streaming from sensors on and inside your body, determine your personality type and your changing moods, and calculate the emotional impact that a particular song –even a particular musical key – is likely to have on you.
毕竟，情感不像某些神秘现象，而是生化过程反应的结果。因此，在不久的将来，机器学习算法就能够分析来自你身上和体内的生物统计数据，判定你的人格类型和多变的情绪，并且计算某首特定的歌曲（甚至是某个特定的调）可能对你产生的情感影响。
毕竟，情绪也不是什么神秘的现象，只是生化程序反应的结果。因此在不久之后，只要用机器学习算法，就能分析身体内外各种传感器所传来的生物统计资料，判断人的性格类型和情绪变化，或是计算某首歌（甚至是某个音高）对情绪的影响。【林俊宏】
Of all forms of art, music is probably the most susceptible to Big Data analysis, because both inputs and outputs lend themselves to precise mathematical depiction. The inputs are the mathematical patterns of sound waves, and the outputs are the electrochemical patterns of neural storms.Within a few decades, an algorithm that goes over millions of musical experiences might learn to predict how particular inputs result in particular outputs.
在所有艺术形式中，音乐可能是最容易进行大数据分析的，因为音乐的输入和输出都可以用精确的数学公式进行描述。输入是声波的数学模式，而输出则是神经风暴的电化学模式。在几十年内，算法通过对数百万首音乐进行分析，可能学会预测某种特定输入与输出之间的关系。
在所有艺术形式中，最容易受到大数据分析冲击的可能就是音乐。音乐的输入和输出都适合用精确的数学来描述，输入时是声波的数学模式，输出时则是神经风暴的电化学反应模式。在几十年内，算法只要经过几百万次的音乐体验，就可能学会如何预测某种输入如何产出某种输出。【林俊宏】
网友评论