上圖:社交媒體和人工智能(AI)圖片來源:
Shutterstock.com/Lenka Horavova
如果你是X戰(zhàn)警(X-Men)漫畫系列的粉絲,你一定熟悉Cerepo。這款虛擬設(shè)備可以介入人類腦波,并通過個(gè)人思想和經(jīng)歷識(shí)別變種人。如果Cerepo真實(shí)存在,如果全世界都熱衷讀心術(shù),可怕嗎?
雖然人類還沒有實(shí)現(xiàn)這種超能力(神經(jīng)量子可以“糾纏”任何人?),但發(fā)布在社交媒體上的信息,揭示了大約二十億人的生活狀態(tài),即全世界總?cè)丝诘乃姆种坏膫€(gè)人信息可用于分析。我們所缺乏的是分析這些信息并讓其發(fā)揮作用的有效方法。
很多應(yīng)用中,軟件已作為輔助工具,特別是用于表達(dá)個(gè)人意見。目前現(xiàn)有的工具可以在消費(fèi)者和企業(yè)間快速建立會(huì)話和發(fā)布社交帖子。利用這些工具,通過開放、真實(shí)的會(huì)話,企業(yè)可以吸引更多用戶,了解用戶需求,并關(guān)注其動(dòng)態(tài)。
然而,這中間仍有大量數(shù)據(jù)分析工作可做,尤其是數(shù)據(jù)聚合。社交網(wǎng)絡(luò)和軟件工具總結(jié)的意見大部分出自每個(gè)行業(yè)最具影響力的觀點(diǎn)。我們不做分析?,F(xiàn)有技術(shù)搜集大家觀點(diǎn),而不探究觀點(diǎn)背后的原因。原因是很難理清“為什么”,因?yàn)楸澈蟮脑蛲ǔ2皇秋@而易見的,而是需要復(fù)雜的推理或大膽的假設(shè)才能找到。
我們雖然可以有效解析單詞和短語趨勢(shì),但無法進(jìn)行深層語句理解。僅獲取當(dāng)前熱議話題遠(yuǎn)不能準(zhǔn)確定位特定人群對(duì)所述話題的感受,以及他們觀點(diǎn)背后的原因。對(duì)話以及展開對(duì)話的人是三維的,所傳達(dá)的信息遠(yuǎn)不止單詞本身。
最高效的算法和最優(yōu)秀的實(shí)踐者都沒能找到會(huì)話人、話題以及因果關(guān)系之間的微妙聯(lián)系。例如,針對(duì)最近美國(guó)總統(tǒng)選舉,民意測(cè)驗(yàn)專家、學(xué)者和分析師都沒有預(yù)測(cè)出誰將獲勝,他們正忙著解釋原因。答案可能隱藏于數(shù)十億的社交帖子中嗎?
如果我們可以借助人工智能來調(diào)查并得出結(jié)論呢?想象一下,身邊有一款受命令驅(qū)動(dòng)的人工智能產(chǎn)品。例如,數(shù)字研究助理每秒閱讀理解成千上萬的帖子,然后總結(jié)關(guān)鍵信息。
人工智能能勝任這項(xiàng)任務(wù)嗎?目前還不能
目前人工智能系統(tǒng)可以抓取頭條新聞,但當(dāng)前人工智能系統(tǒng)應(yīng)用范圍窄,只能用于看起來辛苦的任務(wù)。Uber以及其他企業(yè)正致力于訓(xùn)練汽車對(duì)周圍環(huán)境的感知能力,汽車自主決策拐彎或規(guī)避行人,但汽車永遠(yuǎn)不知道如何長(zhǎng)翅膀飛翔。谷歌研發(fā)了一款人工智能機(jī)器人,它在一個(gè)高度復(fù)雜游戲中戰(zhàn)勝了人類,但也無法回答該游戲相關(guān)的歷史問題,也無法自主學(xué)會(huì)如何玩其他游戲。
今天,人工智能仍然是一個(gè)誤稱。《牛津英語詞典》(谷歌)中,智能定義為“獲取和應(yīng)用知識(shí)和技能的能力”,而目前人工智能還達(dá)不到這樣的標(biāo)準(zhǔn)。用MIT數(shù)字經(jīng)濟(jì)(Digital Economy)計(jì)劃的研究員Tom Davenpor(該領(lǐng)域的思想領(lǐng)袖)的話來說,“深度學(xué)習(xí)不是深刻地學(xué)習(xí)。” 或者,引用另一位專家Oren Etzioni(Allen人工智能研究所(Allen Institute for AI)的CEO)的話,“人工智能,即在大規(guī)模(數(shù)據(jù))上執(zhí)行簡(jiǎn)單的數(shù)學(xué)運(yùn)算。”目前的人工智能增強(qiáng)了計(jì)算機(jī)的能力,但還沒達(dá)到人類所期望的人工智能的標(biāo)準(zhǔn)。
然而,將來,人工智能會(huì)達(dá)到這種標(biāo)準(zhǔn)嗎?
幸運(yùn)的是,人工智能研究正朝著“深度理解”的方向前進(jìn)。歷史上,人工智能主要利用圖靈測(cè)試來評(píng)估機(jī)器仿人思考的能力?,F(xiàn)在,給研究員提出了更高的要求,例如要求人工智能通過威諾格拉德模式挑戰(zhàn)(Winograd Schema Challenge)。
威諾格拉德模式揭示了人工智能當(dāng)前發(fā)展?fàn)顟B(tài),也證明了我們距離真正的人工智能可能沒有外行人看起來那么遙遠(yuǎn)。今年O’Reilly人工智能大會(huì)(O’Reilly AI Conference)上,其中一個(gè)例子如下。
大球直接撞在桌子上,因?yàn)樗桥菽芰献龅摹?/p>
大球直接撞在桌子上,因?yàn)樗卿撝频摹?/p>
上面兩句話中,“它”分別指什么?7歲小孩都知道答案。但對(duì)于機(jī)器,找到答案十分困難。所以,機(jī)器要從每篇微博中找到答案也相當(dāng)困難。