生命度、热度、对学习和探讨的增强

最近一直在想一个问题:一个概念的生命力取决于它内在的意涵在整个知识体系里的地位;而我们分析概念在参引网络里的引用情况,得到的应该是类似热度一样的指标。这两个指标有相关性,但是内在的含义是不一样的。我猜测从几十年的时间跨度上分析,社会网络里的传播就变成短波因素,而里程碑论文的变化是长波,更多是取决于知识体系自身。不知道这个理解对不对。
昨天晚上刚巧看了Youtube上的一段视频:
Big Data and the Rise of Augmented Intelligence
在这个演讲里来自 Quid 公司的 Sean Gourley 展示不少有意思的东西。
一个有意思的例子,他展示了一个随着时间变化的文档聚集的概略图,一些关键词从零星的状态逐渐成长为一些聚落的中心。这种聚拢的速度,就是一个领域热度的上升速度。另一个例子是他展示了一个文章聚落里一些概念间的关系图。
我觉得这个工具可以快速的给出某种整体的概括,可是它却无法让人立刻知道每个节点的在网络里意涵。说到这里,我想把话题转向人机关系。
我理解的 Augmented Intelligence ,是把人和机器同等看待的,人和机器是伙伴关系。我们往往强调机器而忽视了人的因素。机器是快速的,但总是太廉价;人是慢速的,但却会有见解。
其实,文章聚落里的概念关系图,是可以作为人学习的入手点之一的。人可以对概念关系图的节点和边做人为的评注。通过这个过程,人学习到了真正的知识,而不是仅仅一个图式。这些评注,又可以成为机器下一步学习的输入。
这是我所说的对学习的增强。那么对探索的增强,则是利用机器增强我们对一个问题解空间的搜索。把我们目前不知道的,但可能的有价值的已经存在的知识簇,和目前问题的探究联系起来。这里说的探索,而是指一个团体和他们机器伙伴一起进行的探索。

 

发表评论

电子邮件地址不会被公开。 必填项已用*标注