AI 向人類學習，畢竟訓練資料都是從人類行為產生。不過人類也會向 AI 學習，但至於如何判斷要不要學似乎有點撲朔迷離，最終留下來的也不一定是最佳解。在人類和 AI 不斷互相學習之下，演算法的「創新」又會如何影響人類社會呢？

一份來自馬克普朗克人類發展研究所人機中心的新研究指出，人類可以從 AI 產生的新東西中學習，並且傳遞給其他人，進而影響人類自身的文化。

AI 透過改善溝通與仿效的手段，已經很明顯地加速人類社會的資訊傳遞，不過這份研究更進一步論證， AI 以及各種演算法不僅改變了文化的傳遞方式，更可能在人類與演算法頻繁接觸的網路世界主動去形塑文化演變的過程。

研究人員提出，有個詞叫做「累積文化演化」，指的是人類會將文化傳遞給下一代的概念。當然，AI 會從人類身上繼承文化，畢竟 AI 初始的訓練資料都是來自於人類，可是未來看到人類反過來繼承 AI 產生的文化，也許也不稀奇。

文中舉例，2016 年打敗世界祺王李世乭一戰成名的圍棋 AI AlphaGO，就是以下出許多人類棋士不會走的策略令人稱奇，當年還與人類戰得有來有往，但之後透過生成對抗網路 AlphaGO 不斷自己與自己對奕，已經變得愈來愈強。2017 年公開演算法後，人類棋士去參考並學習 AlphaGO 的下法已經愈來愈常見。在這裡就可以觀察到人類和 AI 演算法之間融合的社會學習型態。

研究員強調，這份研究對於 AI 如何影響社會常規著墨不多，但他們更專注於探討文化的「創新」。就像參考了 AlphGO 的策略以後，人類可以明確地衡量某種策略是否更容易成功。

這份實驗中，研究人員採用訊息的「傳輸鏈」，他們先擬定一系列問題，受試者可以參考前人的解法來答題。這裡他們建立了兩條傳輸鏈，一條全都是人類，另一條則是人類與演算法混合，在不知道之前的解答來自人類還是演算法的情況下答題。

題目則是通過 6 個節點的最佳步驟。

研究人員觀察，隨著社會學習每一代的傳承，解題的成效會愈來愈好。加入演算法的傳輸鏈中，人類的表現會暫時進步但很難一代一代維持下去，而且就算不知是前代是人還是演算法，在解法效果一樣好的狀況下，人類還是更傾向採用人類產生的解法，而比較少採用演算法產生的解法。

研究人員分享，透過實驗他們發現較優秀的解法不見得會有較多人採用，這也呼應其他的研究，顯示就算經過社會學習，人類決策的偏誤仍然不會消失，不過他們也樂觀認為未來一定有更多研究可以找到修正這種偏誤的可能。

現在研究人員正著手尋找集合效應產生的影響，比如「敘述偏誤」就是指要維持某群體中反直覺或外來的解方，可能產生影響的各種社會要素。他們也對人類與演算法的交流，以及人類能從 AI 學到哪些東西非常有興趣。