社会学家发现算法可能会越来越多地影响人类文化，即使人类文化与机器算法彼此没有良好的互相理解。
一项新的研究表明，人类可以从人工智能系统中学习新事物并将其传递给其他人，这可能会影响人类文化。
该研究由马克斯普朗克人类发展研究所人类与机器中心的一组研究人员于周一发表，该研究表明，虽然人类可以从算法中学习如何更好地解决某些问题，但人类的偏见阻碍了性能改进的持续时间。与算法提出的解决方案相比，人类往往更喜欢其他人的解决方案，因为它们更直观，或者前期成本更低——即使它们后来得到更多回报。
研究人员在研究中写道：“数字技术已经通过提供新的、更快的交流和模仿手段来影响人们之间的社会传播过程。”“更进一步，我们认为，算法代理和人工智能不仅仅是一种文化传播的手段（如书籍或互联网），还可能在塑造人类和算法经常互动的在线文化进化过程中发挥积极作用。”
这项研究的关键在于一个相对简单的问题：如果社会学习或人类相互学习的能力构成了人类如何传播文化或集体解决问题的基础，那么人类和算法之间的社会学习会是什么样子?考虑到科学家们通常无法重现他们自己的算法是如何工作或改进的，机器学习可以影响人类学习和文化本身的想法是一个可怕的想法。
“有一个概念叫做累积文化进化，我们说每一代人总是在拉动下一代，在整个人类历史中。”参与这项研究的研究人员之一莱文布林克曼说道。“很明显，人工智能正在推动人类历史的发展——他们接受了人类数据的训练。但我们也发现反过来思考也很有趣：也许未来我们的人类文化将建立在已经存在的解决方案之上，最初是由算法发现的。”
研究中引用的一个早期例子是围棋，这是一款中国战略棋盘游戏，算法AlphaGo在年击败了人类世界冠军李世石。AlphaGo做出了人类玩家不可能做出的动作，并且是通过自我学习，而不是分析人类游戏数据。该算法于年公开，这种例子变得越来越普遍，这表明人类和算法之间的混合形式的社会学习不仅是可能的，而且是持久的。
我们已经知道算法可以而且确实会显着影响人类。它们不仅用于控制实体工作场所的工人和公民，还用于控制数字平台上的工人并影响使用它们的个人的行为。甚至对算法的研究也预示了这些系统可十分轻松地涉足颅相学和面相学。
Brinkmann说：“我认为我们的工作不能真正说明规范的形成或人工智能可以在多大程度上干扰规范。”“我们专注于一种不同类型的文化，你可以称之为创新文化，对吧？一个可衡量的价值或表现，你可以清楚地说，‘好吧，这种范式——就像AlphaGo一样——可能更有可能导致成功，也可能不太可能。’”
在实验中，研究人员使用了“传输链”，他们创建了一系列要解决的问题，参与者可以在自己解决之前观察之前的解决方案（并复制它）。创建了两条链：一条只有人类，一条混合人类算法，其中算法跟随人类，但不知道之前的玩家是人类还是算法。
要解决的任务是找到“最佳移动序列”来导航六个节点的网络，并在每次移动时获得奖励。
研究人员写道：“正如预期的那样，我们发现了由于社会学习，几代人的表现有所改善的证据。”“添加一种具有与人类不同的问题解决偏见的算法暂时改善了人类的表现，但在随后的几代人中并没有持续改善。虽然人类确实从算法中复制了解决方案，但他们复制其他人类解决方案的速度似乎低于具有可比性能的其他人类解决方案。”
Brinkmann告诉Motherboard，虽然他们对没有采用更好的解决方案感到惊讶，但这与其他研究一致，即尽管社会学习，人类在决策中的偏见仍然存在。尽管如此，该团队仍然乐观地认为，未来的研究可以深入了解如何改正这一点。
“我们现在正在研究的一件事是集体效应可能在这里发挥作用，”布林克曼说。“例如，有一种叫做‘上下文偏见’的东西。这真的是关于可能发挥作用的社会因素，关于一个群体的不直观或陌生的解决方案可以持续。我们也对算法和人类之间的交流问题感到非常兴奋：它实际上是什么样子，什么样的特征我们是否需要从人工智能中学习或模仿人工智能的解决方案？”