Infreemation

查尋变得更加聰明，我們得到stupider

很多最近被寫了关于怎样聰明的查尋最近將解決各種各樣的問題，在最后 理論的， 「 长尾巴」名望的克里斯・安徒生混淆「大查尋」和生物工藝學提供以能力瞭解和提取意思，姿勢和真正地弄虛或者支持hypothesies低垂懸的果子的豐盈。 Mathew Ingram在Google中對有意見架線的 文章，并且一切和阿利斯泰爾Croll 堆的末端 做大查尋變動科學？ 強調熟悉的科學疊句： 交互作用不需要因果關係。

要公平地讲對克里斯，似乎他瞭解Mathew的點交互作用不是因果關係，他的論文寧可似乎是那與充分大的數據集和強有力的算法，交互作用方法因果關係。 然而我支持與Mathew和阿利斯泰爾，我不認為克里斯瞭解什麼Google或迅速基因程序化給科學分析帶來，或者他寫了一篇優秀諷刺文章：

Petabytes允许我們說： 「交互作用是足够」。 我們可以停止尋找模型。 我們可以分析數據，不用關於什麼的假說它也許顯示。 我們可以投擲數字入世界看見了的最大的計算的群，并且讓統計算法發現科學不能的樣式。

听起来我們應該能松劲和哺養原始数据入一臺巨型的雲彩計算機，劫掠一些份咖啡，居住一些終身和得到一些答復(深刻的想法 任何人？)。 当查尋技術变得更加聰明我們可以全部得到很多stupider，不再要求我們解決科學問題。

在事實Google的pagerank算法和克雷格・芬特的程序化技術的脫氧核糖核酸獵槍是成功的，因為他們结束單純化的，設計儘快奪取低落垂懸的果子，他們不解決堅硬問題-他們寧可得到我們更加快速的下來路那导致更多問題。 查尋引擎或逗人喜愛的生物科技把戲的是可能太複雜的能回答的問題。 要求是太複雜和錯誤敏感的…那需要是手扶，哄騙和誘騙的實驗和分析。 在现实世界的科學是很与在教科書被教的帕拉圖式的模型不同。 失敗是重要的，錯誤是關鍵的，并且我們進步，因為人的想法在此面前是卓越地能適應和韌性的。 對比此對我們將得到的问题的类型我們的分析是由臭蟲乘坐的計算機算法引導的，騷擾蠕蟲，并且數據非難與錯誤和發送同樣的消息到多個新聞組。

直到引導它的计算能力和算法，真實地evolutionarily被設計，我不認為科學將學會从計算機。 当我們得到克里斯和Google創建者尋找的這种AI时，我懷疑他們將发现不可能計時那種人工智能以千兆赫速度，并且我們也许导致再演變看并且行動非常类似人脑的計算機。 到時我們也许後悔不使用我們已經有的那个。

对于在這思路的下中止，讀優秀文章 是使我們的Google愚笨？ 我有在是陣營的一隻腳。

補遺： 架線的文章打擾了我作为還原主義者的科學想法象徵。 簡化論天生倾向于集中于简单问题，是複雜的，并且昂貴應付被避免导致還原主義者的技術和起因的放大作用的堅硬問題。 遲早您也許被說服所有知識在伸手可及的距離的这样還原主義者的方法之內。 有科学研究產業資助的一個干扰的被關聯的趨向進一步歪曲科學通过留下問題沒有明顯的經濟結局由路邊。 我建议工業和還原主義者的科學在架線的假說代表。