人工智慧雖然很強大 但在常識方面還是個「嬰兒」

本文由騰訊數碼獨家發布

關於人工智慧，這是一個很有趣的現象。它可以在幾分之一秒內識別物體，模仿人類的聲音，並推薦新的音樂，但大多數人工智慧機器「智能」缺乏對日常物體和動作最基本的理解。換句話說，就是常識。而最近美國國防部高級研究計劃局(DARPA)正與西雅圖艾倫人工智慧研究所合作，雙方希望能夠改變這一現狀。

機器常識程序的目標是定義問題，並在此基礎上取得進展，儘管沒有人期望在一兩年內能夠解決這個問題。但是，如果人工智慧想要逃出它目前你工作良好的超特異性利基市場牢籠，它就需要培養出一個大腦，而不僅僅是需要極快的速度執行分類任務。

「常識的缺失阻礙了一個智能系統理解它的世界，妨礙了它與人的自然交流，妨礙了它在無法預見的情況下的合理行為，妨礙了它從新的經驗中學習。」DARPA的戴夫·岡寧在一份新聞稿中解釋道。「這種缺失可能是我們目前專註的人工智慧應用程序與未來我們希望開發的更通用的人工智慧應用程序之間最大的障礙。」

人工智慧技術目前來看不僅缺乏常識，而且由於其概念的廣泛性，很難對其進行定義和測試。常識可以是任何東西，從理解固體物體不能碰撞到人們肚子餓的時候要去廚房的想法。對任何一個幾個月大的嬰兒來說，這些東西都是顯而易見的知識。但其實它是相當複雜的結構，涉及多個概念和直覺聯繫。

這不僅僅是一組事實(比如你必須在吃橙子前剝皮，或者在抽屜里可以放小物件)，而是根據你在別處觀察到的目標，識別出它們之間的聯繫。這就是為什麼DARPA的建議包括建立「從經驗中學習並模仿發展心理學定義的認知核心領域的計算模型」。這包括對象(直觀物理)、位置(空間導航)和主體(有意參與者)的領域。

但是我們應該如何測試這些東西呢？很幸運的是，人類偉大的頭腦已經在這個問題上鑽研了幾十年，而已經有一個研究小組已經提出了一種測試常識的初步方法，這種方法應該可以作為通向更複雜的常識的敲門磚。

「我們與艾倫人工智慧研究所所長奧倫·埃齊奧尼(Oren Etzioni)進行了交談。該研究所從事常識性人工智慧研究已有相當長一段時間了，此外還有許多關於理解和導航現實世界的項目。」

「35年來，這一直是人工智慧領域的聖杯，」他說。「問題之一是如何將其建立在實證基礎上。如果你不能測量它，你怎麼能評價它?這是人們第一次試圖讓常識變得可測量，當然也是DARPA第一次把他們的帽子、他們的領導能力和資金投入這個領域。」

AI的方法很簡單，但經過了仔細校準。機器學習模型將提供書面描述的情況和幾個簡短的選項，為下一步發生什麼做準備。我們為找到某個答案所投入的背景和知識是巨大的。並不是說其他的選擇都是不可能的。事實上，它們是人工智慧產生的，在其他媒介看來似乎是合理的，但很容易被人類發現。對於一台機器來說，這確實是一個相當難解決的問題，目前的模型大約60%的時間都是正確的(25%是可能的)。

這些問題有113000個，但埃齊奧尼告訴我這只是幾個問題的第一個數據集。

「這個特定的數據集並沒有那麼難，」他說。「我希望看到迅速的進展。但到今年年底，我們將再推出至少4個項目，這將更加困難。

畢竟，剛學會走路的孩子是無法通過GRE考試的。與其他人工智慧挑戰一樣，你希望逐步改進，將其推廣到類似問題的更複雜版本。例如，從識別照片中的一張臉，到識別多張臉，然後識別這些臉的表情。

DARPA在人工智慧領域投入了20億美元的巨資，常識研究是其中的一部分。但他們不打算複製或與谷歌、亞馬遜和百度等公司競爭，這些公司在我們手機等產品上看到的狹窄的人工智慧應用程序上投入了大量資金。

「他們說，這些系統的局限性是什麼？我們在哪裡可以資助基礎研究，而這些研究將成為整個新產業的基礎？」當然，通過DARPA和美國政府的投資，可以讓自動駕駛汽車和虛擬助理等產品繼續向前邁出一大步。為什麼人工智慧的常識領域不應該是一樣的呢？」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！