人工智能的社会媒体视角：人脑中的计算与混合智能

本文探讨了"人工辅助人工智能"（Human-Aided Artificial Intelligence），特别是机器学习领域中的深度学习（Deep Learning），其发展依赖于人类的积极参与。随着深度学习技术的兴起，如神经网络和大数据的结合，媒体基础设施和人机交互设计起到了关键作用。这种技术通过网络平台收集和利用用户的个人信息，包括他们的行为数据，用于训练和验证模型，从而形成了一种新型的社会技术关系。 作者从媒体哲学和社会理论的视角出发，提出了五种"媒体捕捉技术"，这些技术揭示了在人工智能设备中人与机器之间复杂且动态的权力关系。这些技术包括但不限于用户生成内容的筛选（如商业内容审核）、用户行为追踪、个性化推荐算法以及用户经验设计等，它们塑造了我们与技术互动的方式，并可能导致新的社会控制和用户歧视现象。 DL驱动的人工智能并非简单地模仿人类智能，而是巧妙地融合了人类的认知能力和机器的处理能力，形成了混合型的智能装置。这使得AI能够在某种程度上进行"大脑式"的计算，即在用户心智层面进行信息处理和决策，尽管并非完全自主。 作者指出，当前关于AI的过度关注和炒作，实际上是对人类智能与人工智能之间关系的误解，这种理解倾向于"控制论AI"的框架，即认为AI在某种程度上控制着人类的行为和决策过程。然而，这种观点忽视了分布式理解和人工智能的潜在协作性质，它可能在许多情况下成为社会结构的一部分，而非单方面的控制工具。 这篇文章深入剖析了人工辅助人工智能背后的社会、技术与心理机制，提醒我们在享受AI带来的便利的同时，也需关注其对个人和社会的影响，以及如何在设计和监管人工智能系统时，确保公平、透明和尊重用户的权益。