一个学习，which was published on Monday by a group of researchers at the Max Planck Institute for Human Development’s Center for Human and Machines, shows that humans can learn new things from artificial intelligence systems and then pass those skills on to others in ways that could have a cultural impact.
根据研究假设，人类算法的出现可能表现出与人类对应物不同的偏见和解决能力。然而，当问题解决方法的多样性是有利的，在情况下，混合算法人类问题解决可能会导致更好的结果。
研究人员在研究中写道：“数字技术已经通过提供新的，更快的沟通和模仿手段来影响人们之间的社会传播过程。”
“进一步迈出一步，我们认为，算法代理和AI不仅仅是文化传播的手段（例如书籍或互联网），也可能在塑造在线文化进化过程中发挥积极作用，在网上塑造人类和算法常规相互作用。”
这项研究询问具有互补偏见的算法是否可以在受控计划任务中提高性能，以及人类是否将算法行为进一步传递给其他人类？
因此，研究人员进行了大型行为研究和基于代理的模拟，以测试人类和算法参与者的传输链的性能。结果表明，该算法可以提高参与者的立即表现，但是对于进一步的参与者而言，这一收益很快就会损失。
研究结果表明，算法可以提高性能，但是人类的偏见可能会阻碍算法解决方案的保留。
但是，机器学习影响人类学习和文化本身的前景令人恐惧。
“有一个名为累积文化进化的概念，我们说每一代人总是在下一代，在整个人类历史上都在吸引下一代，”从事这项研究的研究人员之一莱文·布林克曼（Levin Brinkmann）告诉Motherboard。
“显然，人工智能正在研究人类的历史 - 他们接受了人类数据的培训。但是我们也发现，考虑另一种方式很有趣：也许将来我们的人类文化将建立在最初由算法发现的解决方案上。”
GO，一项中国棋盘游戏计算机计划 - 阿尔帕戈 - 2016年世界冠军李·塞多尔（Lee Sedol）；它的游戏玩法被认为是令人震惊且不寻常的，可能会破坏长期存在的规范。Alphago的奇特游戏很可能是因为它通过自我玩法而学到的，几乎没有依赖人类历史游戏玩法。Alphago的成功引起了这种新游戏将如何影响人类策略的关注。
在GO等游戏中使用技术（例如书籍或软件）的技术并不是一种新现象。这是将信息从一代人传输到另一代的常见手段。但是，AI的最新进步使算法不仅可以玩游戏，而且可以在不依靠人类游戏的情况下自由玩。这使人工和生物生物之间的社会学习能够。
算法对社会有重大影响。它们被部署以影响物理和虚拟工作场所中工人阶级的行为。几项AI调查表明，使用这些系统操纵阶段性和phosi术非常简单。
Brinkmann说：“我认为我们的工作真的无法说出规范的形成或AI可以干扰这一点。”
“我们专注于不同类型的文化，您可以称之为创新文化，对吗？您可以清楚地说的是可衡量的价值或性能，“好吧，这个范式（例如与阿尔法”（Alphago），可能更有可能带来成功或更少的可能性。”
资源：皇家学会
