用。但如果真以这个标准来定义艺术，当外部
算法比莎士比亚、弗里达·卡罗（FridaKahlo，墨西哥女画家）或碧昂丝更能
解和操纵人类情绪时，又会发生什
事？
毕竟，情绪也不是什神秘现象，只是生化程序反应结果。因此在不久之后，只要用机器学习算法，就能分析身体内外各种传感器所传来生物统计资料，判断人性格类型和情绪变化，或是计算某首歌（甚至是某个音高）对情绪影响。
在所有艺术形式中，最容易受到大数据分析冲击可能就是音乐。音乐输入和输出都适合用精确数学来描述，输入时是声波数学模式，输出时则是神经风,bao电化学反应模式。在几十年内，算法只要经过几百万次音乐体验，就可能学会如何预测某种输入如何产生某种输出。
假设你刚和男友大吵
架，负责音响系统算法就会立刻发现你内心情绪波动，并根据它对你个人以及对整体人类心理解，自动播放适合你歌曲，与你忧郁共鸣，附和你悲伤。它放这些歌可能不适合其他人，但完全符合你性格类型。算法先把你带到悲伤底层，然后放出全世界最可能让你振作起来那首歌，原因可能是这首歌在你潜意识里与某个快乐童年记忆紧密相连，而你可能根本毫无察觉。任何位人类音乐节目主持人，都不可能与这样人工智能相匹敌。
你可能会提出异议，认为这样来，人工智能不就扼杀所有偶然，把
们束缚在个狭隘音乐“茧”里，丝缕都是由们自己好恶织成？你是想探索新音乐品位和风格吗？没问题。你可以轻松地调整算法，让它完全随机地挑选5%内容，为你播放印度尼西亚甘美兰（Gamelan）合奏、罗西尼歌剧，或者最新韩国流行音乐。慢慢地，通过监测你反应，人工智能甚至能判断出对你来说理想随机性程度，可能是上调至8%，也可能是下调到3%，让你既能探索新音乐，又不会觉得厌烦。
另种可能异议，则是认为算法不见得知道该让情绪把们带到哪里。刚和男友大吵架之后，算法究竟是该让你高兴还是难过？它对于“好”情绪和“坏”情绪判断，会不会过于武断？或许有时候，它觉得伤心也不见得是件坏事？当然，这些问题就算是人类音乐家和音乐节目主持人也会遇到。但放到算法领域，这个难题就会有许多有趣解决方案。
方案，让使用者自己选择。你可以自己评估情绪，再让算法依你指示行事。不管你是想沉湎于自怜中还是兴奋地跳起来，算法都会像个奴隶般乖乖听你话。算法
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
