向世界開源聊天機器人的評估訓練模型，Facebook的野心在哪裡？

2016 年是聊天機器人接管矽谷的一年，不過只有一個問題：這些聊天機器人不知道怎麼聊天。

圖 |雖然2016年各種聊天機器人紛紛湧現，但它們其實不怎麼會聊天

Facebook和很多矽谷的公司都在炫耀可以對話的軟體——比如可以預定航班和管理銀行賬戶的手機應用程序。然而，對話技術仍然落後。

最近幾年，Facebook，谷歌和微軟等公司使用了深度神經網路，已經能可靠地識別圖片中的人臉和物體，也能識別智能手機上的語音指令，還可以在不同語言間完成翻譯工作。

但是，打造一個真正的對話機器人仍然讓人摸不著頭腦。這需要大量不同的人工智慧技術，研究人員仍然在試圖找到整合這些技術的方法，或者，他們得先確定這些技術是不是真有效。

考慮到這些困難，Facebook 研究人員團隊建立了一個新的框架，讓多個聊天機器人變得更健談——這可以為人工智慧技術提供多種對話技術的訓練場。

Facebook的研究人員Jason Weston說：「您需要了解機器學習方法可以解決哪些問題，解決不了哪些問題，這樣我們才能知道如何改進它。我不認為只訓練一個任務就可以讓我們做出一台智能機器。」

Facebook給對話機器人準備的訓練場叫ParlAI，這個研究對話的平台很適合 Facebook 的中央智能實驗室，在那裡有不少說法語的研究人員。為了可以利用無數新出現的技術，Facebook 正在與世界各地共享 ParlAI 這個開源工具。

除了 ParlAI 軟體外，Facebook 還提供了多種公開的數據集，讓研究人員可以訓練自己的智能體（agent）。該系統還與亞馬遜的 Mechanical Turk 服務（在線零售商的眾包勞動力平台）相關聯，讓研究人員可以測試對話機器人，讓它們與真人交談。反過來，這些測試將產生更多的數據，創造出對話機器人開發的良性循環。

開放平台

Facebook 的最新舉措只是大量加快對話人工智慧技術進步的努力之一。所有的大型互聯網用戶——從谷歌到亞馬遜，微軟和IBM，都在向著這個方向發展。所有人都希望從根本上改變人們與機器交互的方式。

今年 1 月，微軟收購了加拿大創業公司Maluuba。這家公司專門從事對話性人工智慧技術的研究。 亞馬遜正在努力建立自己的數據集，用於訓練對話機器人，這將是Alexa平台成功的關鍵。 近兩年來，Facebook一直在使用名為Facebook M的實驗數字助理收集一些特別複雜的數據。

為了做出可以真正和人交談的機器人，每個公司都採取了略微不同的方向。Facebook關注可以從現有對話和其他數據集中學習的神經網路，而Maluuba專長於強化學習技術，機器人通過極端的嘗試和錯誤學習。

但這些方法並不是相互競爭的關係。最終的成功將來自不同技術的組合。負責監督IBM內部一個自然語言研究實驗室的Yunyao Li表示：「我們不會使用只有一種機器學習方法的系統來解決所有問題。「相反，我們在正確的時刻使用正確的機器學習方法。」

這種混合方法是推動ParlAI創建的思想。訓練場可以推進神經網路研究，強化學習以及任何可能有用的東西。它旨在推動新技術的發展，這些技術不僅屬於一家公司，而是來自整個AI研究人員的世界。最終目標是將各種方法結合到可以真正聊天的聊天機器人。

巴黎出生的研究者Yann LeCun負責Facebook的AI實驗室。他表示，通過讓ParlAI開源，Facebook再次釋放出信號，希望可以幫助所有人向相同的目標前進，而不是獨自完成目標。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！