2013年3月4日訊息，據國外國外媒體報導，專門探索能夠影響人類社會、政策和文化的新技術的國外刊物《Future Tense》週五刊登的一篇分析文章指出，演算法和“大資料”確實很容易搞清人們喜歡什麼東西，但是它們也會扼殺人們的創新能力。
評論文章如下：
在去年創辦的所有初創公司之中，Fuzz肯定是最有誘惑力但卻被大多數人忽視的一家公司。Fuzz自稱是一個“完全沒有機器人因素的人力電臺”，人們在發現新音樂方面越來越信任各種演算法，Fuzz對這一趨勢提出了挑戰。 Fuzz盛讚人工DJ發揮出來的重要作用，這裡所說的人工DJ指的是Fuzz的一批固定使用者，他們應邀將自己的音樂上傳到Fuzz網站，以建立和共享他們自己的無線電臺。
Fuzz背後的想法或者說希望是，人工DJ可以傳遞出演算法所不能傳遞的資訊。它希望朝著與Pandora相反的方向發展，而後者主要是通過各種演算法來完成所有繁重的工作。Fuzz的創始人傑夫亞蘇達（Jeff Yasuda）去年9月在接受彭博社採訪時稱：“使用者對這種助理型體驗有著巨大的需求，我們只是想讓大家相信，最令人信服的推薦只能來源於活生生的人。”
但是，雖然Fuzz的上線幾乎沒有引起任何人的關注，但是各種演算法在藝術加工過程中所發揮出來的重要作用卻變得越來越不容忽視了。最近，《沙龍》的技術批評家安德魯萊昂納德（Andrew Leonard）在他撰寫的一篇關於Netflix進軍原創節目的服務——House of Cards的評論文章中也強調了演算法的重要作用。 那些節目的原創性背後的祕密現在已經人人皆知了，即Netflix首先通過研究使用者日誌，發現重新制作一部同名的英國電視劇可能會大獲成功，尤其是讓凱文斯佩西（Kevin Spacey）來出演並由大衛費恩切爾（David Fincher）來執導這部重新制作的電視劇。
萊昂納德提出：“在這個計算機演算法已經成為最終的關注點的時代，這位著名導演還能繼續生存嗎？”Netflix蒐集了大量的使用者資料，比如使用者在觀看某些電視劇的第一季節目時點選了多少次暫停按鈕等等，他想弄清楚Netflix蒐集的這些資料會對未來的電視劇造成什麼樣的影響。
很多其他的行業也面臨著類似的問題。例如，亞馬遜通過其Kindle電子書閱讀器蒐集了關於使用者的閱讀習慣的大量資訊，包括使用者們看完了哪些書？沒看完哪些書？他們一般傾向於跳過哪些章節？哪些章節看得最為仔細？他們一般多長時間會去查一次字典以及在某些段落下面劃上下劃線？ （其實並非只有亞馬遜一家公司在這樣做，其他的電子書閱讀器也在蒐集類似的資料。）
利用搜集到的這些資料，亞馬遜就可以預測出能夠讓讀者一口氣讀完一本書所需的所有元素。也許亞馬遜甚至可以為讀者提供其他的結局，能夠令讀者更欣喜的結局。 正如最新發布的一份關於娛樂行業未來發展趨勢的研究報告指出，我們現在所處的這個世界，很多事物都可以自行調整演算法，以便建立一個更有魅力和互動性的未來。
獲得了所有的使用者資料後，Netflix再不進入電影製作行業就太愚蠢了。正如Netflix一樣，亞馬遜也發現了這一點，因此它必須進入出版行業。然而，亞馬遜的認識其實比Netflix還要深，因為它還經營著一個售書網站，它知道消費者所有的購買行為以及消費者願意支付的價格是多少。 現在，亞馬遜經營著6種電子刊物，而且它還打算增加更多的刊物。
音樂行業在幾年前就接受了類似的方法，蒐集並建立了關於以前的熱門歌曲和失敗歌曲的龐大資料庫，並藉此來預測新歌曲是否可能成為熱門歌曲。這種做法的優勢是很明顯的：新藝人無需擁有龐大的人脈關係也能與唱片公司簽約，而在以前，人脈關係卻是新藝人獲得成功的必要條件之一。 現在，新藝人只需利用過去的成功資料演繹出一首新歌，就很可能成為一首熱門歌曲。
但是這種做法的劣勢也很明顯：我們最終能夠聽到的新歌可能聽起來都差不多，缺乏創意和活力。正如克里斯托夫斯泰因（Christopher Steiner）在他的新書《將此自動化》（Automate This）中所說：“這樣的技術也許會給我們帶來新的藝人，但是由於他們的判斷完全建立於過去的流行歌曲基礎之上，因此我們聽到的新歌可能與我們已經忘記的那些流行小調都是同一型別的快餐作品。 這顯然是這種技術的弱點。”
IBM開發出來的沃森超級計算機將被用於處理成千上萬的法律和醫療檔案，以便為人們做出各種決策時提供支援。由於需要閱讀的檔案太多，沒有任何一位律師或是學會會員能夠看完它們。 如果目標只是分析過去出售過的商品並以此來預測未來可能暢銷的商品，沃森很容易被推廣應用到音樂、電影和書籍領域。
然而，雖然這麼做有利於提高銷售業績，但也有可能扼殺了文化的創新。沃森怎麼可能預測出印象主義繪畫、未來派詩歌或新浪潮電影的興起呢？ 它怎麼可能贊同斯特拉溫斯基（Stravinsky）呢？ 而大資料也很可能會錯過達達主義。
想要了解演算法給藝術創作造成的限制和提供的機會，我們就需要了解演算法提供的機會通常是由3個要素組成，即發現、生產和推薦。象Fuzz那樣的初創公司瞄準的是第三個元素即推薦，它寄望於某些使用者希望由活生生的人而不是演算法來為自己提供嚮導。
為喜愛讀書的讀者提供圖書推薦服務的FiveBooks也實行了一種類似於Fuzz的模式，原因是它認為活生生的人在推薦圖書方面會比死板的演算法做得更好。亞馬遜在圖書推薦方面已經做得很不錯了，但是FiveBooks以一種不同的衡量標準向讀者推薦了保羅克庫格曼（Paul Krugman）、哈羅德布魯姆（Harold Bloom）和伊恩麥克伊萬（Ian McEwan）等作家的作品。 其實在推薦方面，人工推薦和演算法推薦是可以同時存在的，至少在可預見的未來是這樣，因為讀者們會在這兩種推薦模式中找到一個平衡點。
但是在發現新人才和研究未來的創作方向時，演算法的效果就沒有這麼樂觀了。畢竟，只有確實存在偉大的作品時，演算法推薦才有意義。 如果演算法選出的作品是建立在之前已經取得成功的作品和讀者的及時反饋的基礎之上，那麼新作品的銷量或許能夠增加，但絕對不會為這個行業提供更有價值的好處。
最開始的跡象並不令人鼓舞。去年12月，英文版《環球時報》刊登了一篇關於本地朋克樂隊熊戰士（Bear Warrior）的報導，該樂隊發現了一種巧妙的方法，能夠檢測出聽眾對他們的歌曲的反應。 樂隊主唱是北京大學精密儀器專業的一名研究生，他設計了一臺名為“POGO溫度計”的裝置，可以通過安裝在音樂廳地毯中的一系列感應器檢測出聽眾舞步的強度，然後將訊號傳送到一臺中央計算機，最後讓中央計算機對訊號進行分析研究，幫助樂隊改進他們的演繹方式。
據《環球時報》稱，樂隊發現，歌迷們會在鼓點敲響時開始擺動身體，而當主唱唱到歌曲的高音部分時，歌迷們跳舞的熱情會達到頂點。 正如樂隊主唱所說：“這些資料可以幫助我們瞭解到我們還可以如何去改善我們的演繹方式，讓聽眾對我們的音樂作品作出我們希望看到的回應。”
或許，這確實有助於改善他們的演繹方式，但是朋克音樂什麼時候變得這樣細緻入微了？ 讓聽眾高興是管理顧問需要考慮的事情，但絕不是朋克音樂人應該考慮甚至著迷的事情！.性感手槍樂隊（Sex Pistols）唱歌時，音樂廳的地毯只有一個功能，那就是供歌迷們在上面跳舞，絕不會安裝什麼感應器。但是性感手槍樂隊卻創造了朋克音樂的一場革命，而熊樂隊，頂多只能將朋克音樂變成他們謀生的職業。