关于社会计算与群体智慧的随便写写

课程作业，随便写写之作，不要当真…

姓名：XXX  学号：110210XX

脑海里一直有些问题，基于不确定图灵机的人工智能到底能达到什么地步？亦即假设有一天，我们可以完美地解决 NP 问题，人工智能能达到什么程度？对于一些类似的问题，某老师的说法很哲学：“信，才会有可能”。

给定任意一个数据集，纯机器智能可以达到 100{5f7b659ff3b2818cd787bc9e2e970b98d3e4ece1905bf98c409dc266242d6105} 的正确率吗？我觉得这是不可能的，因为本没有 100{5f7b659ff3b2818cd787bc9e2e970b98d3e4ece1905bf98c409dc266242d6105} 的认同，何来 100{5f7b659ff3b2818cd787bc9e2e970b98d3e4ece1905bf98c409dc266242d6105} 的正确。举个例子，识别字母 y 和 g，故意写得潦草一些，有人认为它是 y，有人认为它是 g，那计算机应该识别这个字母是 y 还是 g 呢？这里有一个相对较好的判定方法，如果多数人认为这个字母为 y，则它为 y。但是纯机器智能是不能完成这样的任务的，这一时刻可能更多人认为是 y，而过了若干年后可能更多人认为这是 g（这是可能的！）。计算机的制造是为了服务人类的，它的所有算法的 grant truth 是由 “当时” 的人类给定的。从这个角度上来看，我们当前所有设计的算法都有或大或小的 “overfitting” 问题了。可能会有人说，如果这个纯机器智能可以不断地学习新知识，这样不就可以解决问题了吗？但是 “新知识” 的来源又必须直接或间接地来源于人，机器之间的相互学习或者说机器间的 “群体智慧” 是不能更好地服务人类的。

所以，上诉关于 “100{5f7b659ff3b2818cd787bc9e2e970b98d3e4ece1905bf98c409dc266242d6105}” 的命题中，我们看到：第一，不存在严格意义的 100{5f7b659ff3b2818cd787bc9e2e970b98d3e4ece1905bf98c409dc266242d6105}；第二，如何更好地利用人类社会的 “群体智慧” 是一个方向；第三，人机协同才是人工智能的终极目标。要促成这一目标，需要完成从外在人机交互的设计到内在人工智能的算法设计。

再而，个性化的 100{5f7b659ff3b2818cd787bc9e2e970b98d3e4ece1905bf98c409dc266242d6105} 是可能做到的，比如说书写识别，个性化的主题推荐，个性化的搜索引擎等等。注意这里跟上面说的 “群体智慧” 是相对立的，这里强调的是个体的表达和决策。例如，第二天有 50{5f7b659ff3b2818cd787bc9e2e970b98d3e4ece1905bf98c409dc266242d6105} 概率下雨，关于带不带伞这件事上我们都知道要 minimize cost function，但是对应到每个人上的每个决策的 cost 是不尽一样的。我心中的社会计算是能根据我平时的行为以及明天我的日程安排来推荐我是否该带伞。然而这个目标，从现在看来还很遥远，但随着普适计算的展开，生活处处都是计算，传感器网络越来越发达，我想总能到达这一步的。