果壳网|为什么人工智能各种完爆人类，但依旧听不懂你在说什么？( 四 )
收到这些讯息后 ， CLARA旋即在屏幕上打出了一个问题：“是否弗兰多将绿植放在窗台上 ， 目的是为了保持植物生长健康？”
听起来很幼稚是不是？然而 ， 即使是这种3岁儿童才会提出的问题 ， 其中包含的因果关系 ， 也是最“聪明”的人工智能所难以学会的 。 “当你向它提及某种植物的名字 ， 它可以准确地利用知识图谱 ， 组织出一个相当全面 ， 维基百科风格的介绍答案 ， 但很不幸 ， 它无法给你讲个关于它的笑话 ， 也没法回答你 ， 如果它照不到阳光会发生什么事 。 ”费鲁奇说 。
符号学习：最古老的救世主
与此同时 ， 华盛顿大学艾伦人工智能研究所研究员崔艺珍（Yejin Choi）教授开发了另一种方法 ，将深度学习与符号学习相结合 ， 以便让人工智能运用人类的逻辑来理解语言 。
所谓的“符号学习” ， 即是一种最古老的人工智能学习模式 ， 目的在于让人工智能的“思维决策”过程如同人类 ， 逐步认识各类概念的特征 ， 并学会处理它们之间的归属关系 。 这种学习方法的优点 ， 在于不必像深度学习那样 ， 必须建立庞大的“数据库” ， 而AI的整个决策过程 ， 也将变得“透明可见” ， 有利于我们进行调整和优化 。 但缺点是 ， 人类必须像编纂字典一样 ， 为人工智能编写海量的标签库 ， 并在这些概念之间建立复杂的逻辑关系 ， 并“翻译”为计算机能理解的语言 。 一想到诸如 “钝角” ， “翅膀” ， “摩擦” ， “猫” ， “下坠”这样的基本概念 ， 都必须逐一“教给”电脑 ， 更遑论其他复杂的概念与变化 ， 我们肯定会感到头疼 ， 不过它诱人的前景 ， 确实令人难以拒绝 。
本文插图
演讲中的崔艺珍教授 | www.microsoft.com
为了达到这个终极目的 ， 崔艺珍和她的同事们 ， 建立了一个自己的人工智能语言学习框架COMET ， 同时在不断地编写为COMET准备的常识知识库“Atomics” ， 里面已经拥有上千万个词条知识概念与因果关系描述 。 这种巨大的努力和付出已经初见成效：加里·马库斯曾向GPT-2提了一个问题“如果将一根点燃的火柴放入一个堆满了木柴和引火物的火炉 ， 那么会发生什么？”不出所料 ， GPT-2“呆住了” 。 然而崔艺珍的人工智能系统COMET ， 则输出了一个接近正确的答案“他想生火” 。
本文插图
火柴加木柴会发生什么？想让人工智能了解最简单基本的因果关系 ， 符号学习可能是全新而有效的解决方案 | www.deeplearning.org
不仅如此 ， 在训练中 ， COMET已经显示出了一定的联想与“共情”能力 ， 当研究人员输入“父亲去上班了” ， COMET会告诉你 ， 这表示父亲“想赚钱” ， “他很勤勉 ， 自我驱动” ， 其他人“应该为他骄傲” 。 当然 ， 这距离理想状态依旧远远不够 ， 崔艺珍表示 ， 人工智能如果要更好地理解常识 ， 还必须引入视觉具象化与感知感觉（比如“红色”与“疼痛”） 。
本文插图
电影《她》中的萨曼莎是一款完美的情感陪护AI ， 它和男主人公最终产生了一种微妙的感情 | www.npr.org
一旦这些目标最终达成 ， 人类与AI的关系 ， 无疑会上升到一个全新的维度 ， 类似电影《她》（Her）中所描写的场景一般 。 它不仅能够提供明确的服务和解决方案 ， 也能提供情感的慰藉和乐趣 。
届时 ， 我们和人工智能的对话可能变成这样：X猫精灵 ， 给我放一首王菲的《南海姑娘》——收到 ， 听完之后要不要听下邓丽君的原唱？——好吧 ， 把这两首都添加到我的个人歌单里——收到 ， 已经添加——哎呀 ， 今天的天气很晴朗 ， 对面山上的树木都看得很清楚——是 ， 希望你今天上班的心情和天气一样好 ， 顺便说一句 ， 对面山上有39684棵树 ， 希望这个数据能够帮到你——真不赖 ， 那你觉得我有多少个脑细胞？——2个？哈哈哈 ， 这是个玩笑…………
推荐阅读
- 小姐姐|为什么我劝你出街要穿“马丁靴”？看完潮人示范就知道，太时髦了
- |为什么它能做到越老越油越招人爱呢？
- 下落|为什么别人钓鱼子线很少缠绕，而你却经常发生？这6个方面是关键
- 穿衣搭配|为什么你越是心疼伴侣，却越是不被理解？看完这个故事就明白了！
- |你知道，为什么领导总给你安排很多工作吗
- 阴漂|为什么你钓的鱼比别人少？就是调漂不对，稍加改变效果就不同
- |为什么1000°C烧成的是陶器，1200°C烧成的就是瓷器？
- 招聘|为什么鲁迅会说：奴才一旦做了主子，会比主子更能摆架子
- |为什么现在的年轻人的欲望很低？
- 博尔塔拉蒙古自治州|为什么公司宁愿花大价钱招新员工，也不愿给老员工涨薪？