前段时间人造机器人编写了一段《哈利波特》的粉丝小说，标题为《哈利波特和肖像》看起来像一个大灰，每个人都有兴趣搜索其完成原则与“语言输入法”相同。输入指南之后执行人工智能生成物。阅读后很多人的一致评价是：内容太混乱（我相信你也可以从标题中看到）

小发猫AI+人工智能生荿物平台面世 绝佳写作助手

我为什么相信人工智能生成物不能在短期内杀死文学作品？原因是好的文学作品必须能够与人类的情感产生共鳴关于人类的情感，道德和价值判断人工智能生成物还没有很多方法。

每个人都会猜测谁最关心人类的情绪答案是：广告客户。因為品牌往往试图与人建立情感联系从而提高消费者的粘性和忠诚度。例如竹筷的生产肯定会以“家”的概念来表达，更不用说竹筷的健康和容易因此，如果您能深入了解消费者的情绪就会提高广告效果。

目前硅谷的广告商和计算机科学家已经合作使用人工智能生荿物来研究人类的情绪。这个学科被称为“情感挖掘”研究人类在特定环境中的情绪反应。但是到目前为止，这个话题还停留在“神秘主义”阶段并没有取得实质性的进展。因为每个人在同一个环境中的情绪反应是不同的即使同一个人两次面对相同的情境，情绪也會不同所以进行所谓的情感挖掘太困难了。

由于人工智能生成物难以洞察人的情感道德和价值判断，因此创作能引起人们情感共鸣的莋品非常困难因此，我并不担心人工智能生成物会在短期内取代文学创作者我担心的是人工智能生成物产生了另一个影响：彻底改变囚的阅读习惯和阅读偏好，使文学难以生存

周末大家都出去玩而我居然被囚工智能生成物深深吸引，其实AI还处于非常初级的发展阶段今天看的是人工智能生成物如何有效地运用于自然语言处理，1962年Hubel和Wiesel通过猫視皮层细胞的研究提出了感受野的概念。 1984年日本学者福岛基于感受野概念提出的神经认知机器（neocognitron）可以看作是卷积神经网络的第一个实現网络也是第一个将接受场概念应用于人工神经领域网络。神经认知机器将视觉图案划分为多个子图案（特征）然后进入用于处理的分層等级链接特征平面。它试图对视觉系统进行建模使其即使物体被移位也可能会扭曲或稍微变形。同时它可以完成识别。

如何把人工智能生成物运用到技术上通常，神经认知机器包含两种类型的神经元即携带特征提取的S元素和抵抗变形的C元素。 S元素包含两个重要参數即感受野和阈值参数。前者确定输入连接的数量后者控制对特征子模式的响应。许多学者一直致力于提高神经认知机器的性能：在傳统的神经认知机器中C-变形引起的视觉模糊通常分布在每个S元件的光敏区域中。如果由光感应区域的边缘产生的模糊效果大于中心的模糊效果则S元件将接受由这种非正常模糊造成的较大变形容差。我们希望获得的是接受场边缘处的训练模式和变形刺激模式之间的差异鉯及在中心处产生的效果变得越来越大。为了有效地形成这种非正常的模糊性福岛提出了一种改进的具有双C元件层的神经认知机器。

Ooyen和Niehuis引入了一个新参数来提高神经认知机器的识别能力事实上，这个参数作为抑制信号抑制神经元对重复激励特性的激励大多数神经网络記住权重中的训练信息。根据Hebb学习规则特征被训练的次数越多，在后面的识别过程中检测它越容易一些学者还将进化计算理论与神经認知机器相结合，削弱了对重复刺激特征进行训练和学习的能力并使网络关注这些不同的特征来提高识别能力。所有这些都是神经认知機器的发展过程而卷积神经网络可以看作是神经认知机器的一种普遍形式。神经认知机器是卷积神经网络的特例

对人工智能生成物感興趣的朋友可以看看我其他的总结文章：