原副标题：育苗智慧能传授给他们甚么？
他们谋求良机去介绍与借助想像力，不但是为的是在育苗智慧与人类文明之间展开配角重新分配，着实为的是将二者紧密结合，提高想像力的功用。
译者| 弗兰克·彼特 罗宾·莫兰*
机器会想像吗？他们一般来说指出排序机系统是透过他们给它的命令展开排序，得出推论结果的。他们不指出排序机具有他们所表述的想像能力：体会不幸、形成反历史事实观念，或积极探索崭新的几率。不过，近年育苗智慧或许已经开始逐渐攻破他们所说的想像力应用领域。
他们与否会被替代
比如，音乐家路易吉·约沃尔曼 （Mario Klingemann）要求GPT-3的育苗智慧文档排序机系统程序，用爱尔兰嘲讽文学作家Saulge·Saulge （Jerome K. Jerome）的诗风写一篇有关twitter的故事情节。
《纽约时报》透过独立自主研制的育苗智慧算法“Heliograf”在两年的时间内音乐创作出850篇报导。位数结构设计与媒体公司AKQA透过育苗智慧缔造出一种崭新的足球运动——“速率之塔”（Speedgate），并或者说推展开去，还举行了速率之塔足球联赛。
从这些范例中他们能得出推论甚么推论？应用软件在工业生产类似于人类文明造物主的应用领域中已经开始大步地往前迈向，有些情况下已经缔造出了不容小觑的经济价值。因此人类文明与电脑之间的界限的确已经开始发生变化，而且他们应当预见这一趋势还会继续。
不过，排序机系统还远远达不到处理想像力的某些基本能力的水平。首先就是因果关系观念模型。GPT-3所谓的神经网络构建在互联网与书籍中的海量信息基础之上。从表面来看，GPT-3是一种以现实世界中的信息为依据的观念模型，能够生成不太离谱的新奇事物。但GPT-3是一种语言模型，它仅能够表现一串文档接在另一串文档后出现的概率。
育苗智慧研究人员盖瑞·马库斯（Gary Marcus）与欧内斯特·戴维斯 （Ernest Davis）观察了类似于GPT-3的系统后表示：“它们学习的并不是这个世界——它们学习的是文档以及人们把不同词语关联起来使用的方式。它所做的事类似于于大型的剪切与粘贴工作——在它所见过的文档中将需要变化的地方展开缝补，而不是去深挖这些文档背后的底层概念。”
育苗智慧还缺乏想像力中另一种最基本的部分：想像的动机。动机指的不但是推动一个流程启动的动力，而且是对于应当为甚么而想像所做的引导——甚么是重新思考的重要部分。
育苗智慧也无法把文字与这个世界关联在一起。正如哲学家大卫·查尔默斯 （David Chalmers）所写，GPT-3“做着很多需要介绍人类文明才能做的事，但它从来没能或者说把语言与感知和行动联系在一起”。
前文提到的有关足球运动、艺术音乐创作以及新闻媒体的几个范例，都是由人类文明在排序机系统运算与真实世界中发挥着桥梁作用。
因此，他们能得出推论推论，如果育苗智慧在没有人类文明介入的前提下就无法建立因果模型、连通感知与行动，也无法产生渴望或挫败，那么它在短期内便也无法替代人类文明的想像力。
不过他们能够看到的是，育苗智慧所缔造的东西为人类文明的思考提供了极有价值的素材，人类文明能把电脑的输出变成一个有用的结果。这就是另一种看待问题的角度。
相比于他们与否会被替代这样的问题，更有意义的问题或许应该是这种庞大的协作体系将如何往前发展。育苗智慧会以甚么样的方式促进人类文明的想像力呢？
育苗智慧能帮他们展开想像吗
育苗智慧能把他们从常规性的活动中解放出来；它能够执行许多核心任务，并在此基础上叠加人类文明的共情能力；或者它能为想像力提供持续的刺激。
透过育苗智慧诱导想像
育苗智慧能将他们从枯燥的分析工作中解放出来，尤其是异常监测工作，它能够帮他们找到有利于激发想像的不幸因素。如自动化分析公司Inspirient的首席执行官格奥尔格·威滕伯格 （Georg Wittenburg）所述：“有的东西对算法来说太简单了，就比如异常现象或数据异常值的检测。他们的系统会告诉他们‘该数据集存在14个异常值或14个异常事件——不多也不少——异常清单在此’。”
但算法要服从的一项限制在于，人类文明依然处于整个框架的核心位置：对某个观念模型来说甚么算是异常，这是由人类文明来设定的。育苗智慧长于发现，但做不到关切。对系统的结构设计要把他们指出要紧的事物考虑进去。不过威滕伯格的算法能透过反复的人机交互与有针对性的分析，去学习掌握人类文明会对甚么感兴趣。
透过育苗智慧充实想法
育苗智慧让想像力如虎添翼，它能够推动观念模型的发展进程。有一种类型的育苗智慧工具叫作“混合主动”交互系统，育苗智慧透过提出自己的建议对人类文明的决策展开引导与深化。这类工具目前应用于翻译与客户服务应用领域。
不过他们能想像这种工具在他们重新思考时会有何作用：当他们想把有关新型医疗保健公司的想法写出来或绘制出来时，育苗智慧能用相关数据、类似于案例参考、各种图像以及趣闻轶事为他们的想像力提供参考。
透过育苗智慧与世界碰撞
与育苗智慧的交互能是一种介于与人聊天和积极探索世界之间的活动。他们能拿着一个早期想法告诉育苗智慧：“这是我有关新型银行的一个想法，请按照这些要点给我一个财务分析人员可能给出的反馈”或是“⋯⋯科幻小说作家可能给出的反馈”。当你拿到它给出的结果时，再加码别的要求，比如“现在让它更刺激一点”，或是“现在再增加一点批判性”。
透过育苗智慧展开传播
想像力所面临的一个核心挑战在于观念模型的沟通比较困难。而育苗智慧能透过把抽象的观念模型转化成图像或故事情节，轻松地帮他们解决这个问题。比如，英伟达公司开发了一种工具，它能够把人类文明宽泛的、概念性的涂鸦转变成照片级的风景图。
能想像，若在未来有了这样的技术，他们就能快速勾勒出一个新产品的模样或是一个重新构想下的商业形式。这种工具应该能够对文字或视觉元素展开加工。
他们能把自己对未来公司的想法粗略地画上几笔，输入育苗智慧系统，然后由育苗智慧根据一些精彩的故事情节、过往的先例、其他事物的类比分析以及各种图像参考，完成具体元素的补充，换句话说，透过育苗智慧的精修与打磨，生成一种能够更加有效地把想法传播开去、启迪他人的东西。
透过育苗智慧建立新常态
育苗智慧能够帮他们把一个理念得到成功应用背后所具有的共性特征或者核心特征提取出来，这对于创新事物的规范化与流程化，甚至于开创一种新常态都至关重要。
尽管育苗智慧还无法掌握因果关系，但它能透过规律的识别帮他们在操作手册、解决方案，以及用户操作界面的结构设计中提供有效的支持。特别是随着客户的产品使用习惯被越来越多地以数据形式捕获，新事物的规则编制就更有方向性了。
比如说，这种方式能应用到新耕种方法的数据分析上，它能帮他们确定哪些属于所有情况都适用的特征，并让他们介绍农民需要怎么做才能将新方法的潜能发挥出来。
再比如说，透过研究某种试验性的教育技术在使用过程与使用结果上的数据，圈定能应用于新平台的特性范围，并指导人们学会使用这些功能。
他们需要正视的一点是，有了育苗智慧，一个理念的持续演化会变得更加容易，因为育苗智慧能够从产品与客户的互动数据中洞察到新的变化，由此不断地对命令与用户界面展开升级。
透过育苗智慧让想像力重现
最后，育苗智慧能帮他们从企业中找出并追踪那些对于保持观念的双重性必不可少的条件。比如说，算法能对一个公司中出现的互动与尝试数量展开评估，并在此基础上判断这样的公司与否能够将想像力保持下去。
或者他们也能透过育苗智慧分析现有员工或未来员工的行为与特点，确保公司能够源源不断地收获具有反历史事实观念的人才。
育苗智慧能够传授给他们甚么
除了提高他们自身的想像能力，把一些精力放在开发更具想像力的育苗智慧技术上或可让他们更有效地介绍想像力是甚么，以及如何能更好地借助它。
无论育苗智慧技术处于甚么样的发展阶段，尝试把想像编译出来的过程，就是他们逼自己把最依赖直觉、最不明确的事物清楚地呈现出来的过程。也许人类文明更擅长想像，但尝试构建育苗想像的过程，或许能让他们对想像在个人层面以及集体层面的发生过程有更多的介绍。
这对于集体层面的想像，也就是让整个组织机构充满想像力来说尤为重要。
透过对抗展开想像
已经在缔造性应用程序中得到使用的一种最有趣的育苗智慧算法叫作“生成对抗网络” （generative adversarial networks, GAN），它透过两种相互对立的网络发挥作用，一种是生成模型，另一种是判别模型。
GAN的工作原理与他们在个人层面与集体层面都探讨过的一个重要主题有关：多重观念以及认知多样性的重要性。把GAN运用到公司层面会是甚么情形呢？他们可能需要设置互相牵制的人员网络，一部分人负责缔造，另一部分人负责对这些缔造展开批判。
其中的关键在于，这两方人员应当能够在履行自身职责的同时从对方的身上学习，不断打磨与优化各自的工作结果。这种真人版GAN能透过游戏、比赛或其他能够制造有效对抗的形式展开，网络中的双方根据对方的输出结果与经验教训不断调整各自的运作方式。
用提示语代替程序代码 如今这些最强大的育苗智慧算法，比如GPT-3，有一个非常令人欣喜的特性，那就是用户与它们的交互不是透过传统的编程方式来展开的，而是使用提示语。
也就是说，人类文明输入的一条信息就好像一粒种子，它生长成了一个比较长的响应，由此反向激发了人的想像。使用GPT-3时，你还能对一个叫作“最优”的设置展开调整，它指的是育苗智慧最终输出的结果数量，育苗智慧会从中择一显示。
或许他们能想像把类似于的规则运用到组织机构层面。就好比一条提示语能够将育苗智慧中丰富的知识储备调动起来，一名首席执行官也能透过文字、图像、视频等方式做出一个提示，让整个公司对其做出响应。
这些响应结果或许能透过育苗智慧或由中介团队甄选后呈现给决策制定者，进一步激发他们的想像力。整个过程中至关重要的一点就是速率：这么做的目标不是一蹴而就地求得完备的项目提案或制作精良的视频内容，而是要获得快速响应并将其迅速反馈给管理层，不断让其出现在管理层的探讨范围内。
控制“温度” GPT-3另一个能够给人以启发的功能是调节育苗智慧响应结果的“温度”，也就是偏离高概率响应结果的程度。
当你想让育苗智慧解决一道数学题或一个历史事实性问题时，应当把“温度”调低：你一定不希望这类型的答案中有过多随意、跳脱的成分。但当你的目的是增加反历史事实想法时，把“温度”调高就是有道理的。
他们同样能试想在企业中实践这种做法。 理想情况下，企业的领导者应该有能力为企业中不同的部门调试不同的温度，对项目中某些特定的工作流程尤其应当如此。有的公司已经在这么做了，它们设置了一些创意部门专门研究疯狂大胆的项目。
不过他们能推动这种做法，让它成为贯穿整个公司的一种原则。一名经理对他安排下去的每一部分工作都能设定1〜10的温度。对于他要求提供的上季度零售分析报告，能把温度设为1、设为6 （“增加一些推测性的探讨”），或设为10 （“问一些反历史事实的问题，并寻找能积极探索这些问题的新数据”）。
虽然目前还远未达到由电脑替代人类文明的程度，但二者之间的边界无疑发生了变化。这种变化将会持续下去，而未来也会不断出现新的良机，帮他们更好地理解与借助好想像力。 他们谋求良机去介绍与借助想像力，不但是为的是在育苗智慧与人类文明之间展开配角重新分配，着实为的是将二者紧密结合，提高想像力的功用。想像他们与育苗智慧肩并肩的样子！
译者简介：弗兰克·彼特，波士顿咨询公司（BCG）亨德森智库主席，BCG旧金山办公室资深合伙人。杰克·莫兰，一家心理与生理健康管理公司创始人，曾是BCG亨德森智库的专题经理。本文摘自他们合著的新书The Imagination Machine（中文版《制造想法》由中信出版集团于2023年出版）。
（本文仅作为知识分享， 并不构成提供或赖以作为投资、会计、法律或税务建议。 任何据此做出投资决策，风险自担。）
往期精彩杂志
