我們和動(dòng)物相處時(shí)，總會(huì)時(shí)不時(shí)和它們說說話，這種交流讓人類和動(dòng)物的感情更深，我們甚至想要做出翻譯機(jī)器去理解它們的語言，但更進(jìn)一步的，你有沒有想過，有一天我們可以理解甚至預(yù)測(cè)它們的行為？

最近，來自華盛頓大學(xué)和艾倫人工智能研究所的團(tuán)隊(duì)就合力開發(fā)了新的神經(jīng)網(wǎng)絡(luò)模型，利用 AI 技術(shù)來嘗試?yán)斫夂皖A(yù)測(cè)狗狗行為，并取得了一些突破。通過這種方法，也許將來的某一天，我們和動(dòng)物之間真的可以更深入的交流。

首先要了解，這項(xiàng)研究的目的是什么？

人類長(zhǎng)期以來和寵物建立起了良好的伙伴關(guān)系，不論是汪星人或者喵星人，相處的時(shí)間越長(zhǎng)，我們?cè)侥馨l(fā)現(xiàn)寵物的一些習(xí)性變化，它們能夠明白我們的指令，但我們卻并不是真正了解它們，所以假如能夠明白它們的行為，并做出預(yù)測(cè)，那就意味著任何動(dòng)物都有可能用這種方式建立聯(lián)系，于是就有了這項(xiàng)研究，科學(xué)家先從和人類最親近的寵物——狗來進(jìn)行。

了解狗狗的第一步，是收集它們每一天的活動(dòng)數(shù)據(jù)。研究人員在狗狗身上安裝了 GoPro 相機(jī)用于記錄狗狗的行為，并且通過在四條腿和尾巴上安裝的傳感器來傳遞運(yùn)動(dòng)數(shù)據(jù)。

由此，科學(xué)家得到了兩種數(shù)據(jù)，第一種是狗狗眼中的世界，第二種是狗狗自身的運(yùn)動(dòng)狀態(tài)，，通過這兩種方式疊加在一起，就捕捉到了較豐富的數(shù)據(jù)，值得一提的是，通過在四條腿和尾巴上安裝的傳感器的方式還原狗狗的運(yùn)動(dòng)行為，這種方式和好萊塢特效大片中的動(dòng)作捕捉技術(shù)（CGI）如出一轍。

有了較為全面的數(shù)據(jù)，要想理解并且預(yù)測(cè)狗狗的行為就需要數(shù)據(jù)模型進(jìn)行分析。根據(jù)論文介紹，研究人員采用了一種深度學(xué)習(xí)方式，通過對(duì)狗狗的肢體動(dòng)作內(nèi)容和在 GoPro 上記錄的內(nèi)容進(jìn)行比對(duì)分析，由此產(chǎn)生出神經(jīng)網(wǎng)絡(luò)可以知曉狗狗在什么樣的動(dòng)作下看到了什么，并有可能對(duì)其行為進(jìn)行預(yù)測(cè)。

舉例來說，當(dāng)狗狗在家門口聽到聲音，并看到主人，它接下來的動(dòng)作通常是跑到主人身邊，然后回頭跑進(jìn)家里，而遇到陌生人則不會(huì)有這樣的反應(yīng)，因此一旦能夠捕捉到其中的差別，我們就知道狗狗到底看到了什么，這就是通過預(yù)測(cè)能夠帶來的影響。

需要指出的是，盡管通過大量的數(shù)據(jù)輸入進(jìn)神經(jīng)網(wǎng)絡(luò)，我們可以能夠?qū)饭返男袨樽龀鲆欢ǖ睦斫夂皖A(yù)測(cè)，但也未必能夠做到十全十美，就像人一樣，動(dòng)物的行為也有習(xí)慣性和隨機(jī)性，我們對(duì)于隨機(jī)性仍舊無法預(yù)測(cè)，比如狗狗可能會(huì)突然奔跑起來追逐路邊的蝴蝶，而當(dāng)產(chǎn)生這種行為時(shí)，我們卻不能反過來推測(cè)說它真的看到了蝴蝶。

如論文第一作者 Kiana Ehsani 所說，AI 系統(tǒng)的預(yù)測(cè)能力可以很準(zhǔn)確，比如狗狗看到樓梯，它會(huì)選擇爬上去，但除此之外還會(huì)有其它無法預(yù)測(cè)的元素，因此要想百分百預(yù)測(cè)它的行為還是有挑戰(zhàn)的。

不過你以為研究到這一步就結(jié)束了嗎？這項(xiàng)研究其實(shí)還揭示了另外一個(gè)重要的結(jié)論——我們能向狗學(xué)習(xí) AI 技術(shù)。

從寵物狗說起，當(dāng)它們看到不同的物體時(shí)，身體的反應(yīng)是不同的，如論文所說「狗清楚地表現(xiàn)出視覺智能，能識(shí)別食物、障礙物、人類以及動(dòng)物?！惯@種不同反應(yīng)我們?cè)诂F(xiàn)實(shí)生活中也很常見，而既然狗能夠這么聰明地識(shí)別出不同目標(biāo)，那么科學(xué)家猜測(cè)，神經(jīng)網(wǎng)絡(luò)也能夠被訓(xùn)練成同樣聰明。

事實(shí)證明，這種猜測(cè)是可能實(shí)現(xiàn)的，在后續(xù)實(shí)驗(yàn)中，探究人員進(jìn)一步嘗試把神經(jīng)網(wǎng)絡(luò)訓(xùn)練的「像狗一樣」，并讓其在不同場(chǎng)景中識(shí)別物體，進(jìn)一步發(fā)現(xiàn)，通過這種學(xué)習(xí)方式，深度神經(jīng)網(wǎng)絡(luò)可以識(shí)別出室內(nèi)或者室外等不同場(chǎng)景，并且能夠理解怎樣在不同場(chǎng)景下行走，路線怎樣更合理，這對(duì)于研究者來說是一大驚喜。

Ehsani 表示，過去訓(xùn)練機(jī)器懂得如何智能識(shí)別物體是一項(xiàng)艱難的任務(wù)，因?yàn)樗枰罅肯闰?yàn)知識(shí)，這對(duì)于機(jī)器來說學(xué)習(xí)起來相當(dāng)耗費(fèi)時(shí)間，如今寵物狗知道這些規(guī)則，那么人們將不必再?gòu)幕A(chǔ)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，通過觀察寵物狗的行為就能掌握這些規(guī)則，換句話說，我們讓 AI 從狗身上學(xué)到了規(guī)則。

這種學(xué)習(xí)當(dāng)然也是存在風(fēng)險(xiǎn)的，因?yàn)槲覀冃枰?AI 理解一些先驗(yàn)知識(shí)和規(guī)則，但不是讓 AI 變成狗的意識(shí)，因此在其學(xué)習(xí)過程中需要對(duì)基本規(guī)則進(jìn)行限定，并非一股腦管輸進(jìn)去，但不得不說，這種方式有很多好處，比如狗狗天然知道路上的汽車需要躲避，而訓(xùn)練神經(jīng)網(wǎng)絡(luò)讓它明白這樣的道理在過去并不容易。

通過了解寵物狗和學(xué)習(xí)它們的行為，我們有理由猜測(cè)在未來某一天，我們真的能夠理解它們的行為，而更令人振奮的是，如果 AI 能夠通過這種方式加強(qiáng)訓(xùn)練，我們期待中的更聰明的人工智能，距離我們也不太遙遠(yuǎn)。