怎么樣開一家人工智能公司？

答案可能比「如何把大象塞進(jìn)冰箱」還簡單。

文檔軟件開發(fā)商 Readme 的創(chuàng)始人 Gregory Koberger 曾經(jīng)在社交網(wǎng)站上回答過這個(gè)問題：

1、請一群領(lǐng)最低工資的人來假裝人工智能 2、等真正的人工智能創(chuàng)造出來

Gregory Koberger 當(dāng)時(shí)之所以這樣說，其實(shí)是為了諷刺早前人工智能創(chuàng)業(yè)公司 Edison Software 被曝出聘請員工假裝 AI 為客戶提供所謂的「智能郵件回復(fù)」服務(wù)。

事情過去也快一年了，沒想到這個(gè)梗再一次被挖了出來，更沒想到的是，這次諷刺的對象居然還是鼎鼎大名，被給予厚望改變世界的 Google。

Google 也騙人了？

準(zhǔn)確來說是 Goolge Duplex 騙人了。

在 2018 年，Google 在 I/O 大會(huì)推出了一項(xiàng)人工智能新服務(wù)：Google Duplex。這項(xiàng)人工智能服務(wù)的用處，簡單來說就可以替你打電話到餐館訂位。

Jimmy Tran 是一家位于加州的泰國餐館的服務(wù)員，前些天，他接到了來自 Google Duplex 的訂位電話。

但在交談的過程中，對方濃重的愛爾蘭口音（拜托，能不能走心一點(diǎn)）引起了餐館小哥的懷疑。

餐館小哥也毫不含糊，直接問對方究竟是 AI 還是人，沒想到對方更直接，絲毫不掩飾，直接承認(rèn)了自己其實(shí)是人。

估計(jì)餐館小哥內(nèi)心覺得憋屈：等了這么久，終于等來了 Duplex 的電話，結(jié)果你跟我說其實(shí)你是個(gè)人？于是他找《紐約時(shí)報(bào)》告狀去了。

《紐約時(shí)報(bào)》也發(fā)現(xiàn)事情并不簡單。于是他們也進(jìn)行了十次實(shí)驗(yàn)，結(jié)果發(fā)現(xiàn)，十次當(dāng)中有四次是成功訂位的，而這四次當(dāng)中僅有一次是真的通過 AI 來進(jìn)行訂位的，其余三次其實(shí)都是「演員們」的表演。

隨后，Google 也向《紐約時(shí)報(bào)》承認(rèn)了此事，并表示 Duplex 所撥出的電話中，有 25% 其實(shí)是人類，而在剩下的電話中，也有 15% 進(jìn)行了部分的人為干預(yù)。

顯然，百分比其實(shí)并不重要，重要的是有和無。

那么即便神奇如 Google Duplex，也擺脫不了人工干預(yù)？

Duplex 神奇的地方，其實(shí)用處并不大

其實(shí)用「人工」裝「智能」的事也不是第一次出現(xiàn)了。除了文章開頭提到的「偽裝智能回復(fù)郵件」事件外，你還記得那個(gè)甚至還被授予了沙特國籍的神棍機(jī)器人 Sophia 么？

至于這次 Google Duplex 的事情之所以還能引起大家這么大的關(guān)注，其實(shí)還是因?yàn)榇蠹覍?Google Duplex 的期望太高了。

一年前，Google Duplex 一出，「Awsome」聲四起。

下面的視頻給沒有看過或者是已經(jīng)忘了 Google Duplex 是如何訂位的同學(xué)了解 / 復(fù)習(xí)一下。

驚艷的感覺從何而來？你一定會(huì)回答：太像人了。

對，太像人了。Google Duplex 甚至還通過了部分的圖靈測試 —— 一個(gè)說到 AI 就會(huì)想到的測試，就像是 AI 的認(rèn)證考試一樣。

圖靈測試簡單來說，就是把真人和 AI 都關(guān)到「小黑屋」里面，然后在屋外安排另外一個(gè)真人輪流與他們對話。如果屋外的人無法辨別出「小黑屋」里到底哪個(gè)是真人哪個(gè) AI，那么則會(huì)認(rèn)為這個(gè) AI 通過了圖靈測試。

但是，通過了圖靈測試，就能說明這個(gè) AI 能正常地與人交流了嗎？并不，因?yàn)閳D靈測試的本質(zhì)是模仿、是欺騙，這樣就使得 AI 在進(jìn)行圖靈測試時(shí)，遇到理解不了的問題，只要它表現(xiàn)得足夠像人類，就可以通過假裝無知，對問題避而不談來通過測試。

▲圖片來自：Wikipedia

無可否認(rèn)，在模仿人類這方面，Google Duplex 做得實(shí)在太好了，無論是語音語調(diào)、各種停頓、語氣詞等的小動(dòng)作都做得與人幾乎沒什么區(qū)別。這也是它通過圖靈測試的資本所在。

但是，即便 Google Duplex 在語音合成上做得再極致，也沒有用，因?yàn)槿斯ぶ悄軐υ捪到y(tǒng)，關(guān)鍵不是在于話說有多像，而是能聽懂話，說對話。就好比唱歌找不著調(diào)的人，嗓音再好聽，也于事無補(bǔ)。

能聽懂人話其實(shí)才是關(guān)鍵

為什么讓 AI 聽懂人話這么難？這得從 AI 到底是怎么理解所聽到的話（NLU 自然語言理解）說起。

包括 Google Duplex 在內(nèi)的人工智能對話系統(tǒng)，對聽到的每一句話，都會(huì)進(jìn)行拆解，將其分成「意圖」、「實(shí)體」以及「廢話」。

例如你說一句：今天天氣真好，我想去廣州塔逛逛，幫我叫個(gè)車吧。

在這句話當(dāng)中「叫車」就是「意圖」、「廣州塔」就是目的地實(shí)體，其余就都是廢話了。

▲圖片來自：Boost.ai

那么在這里，第一個(gè)問題就出現(xiàn)了。

例如：幫我推薦一家餐廳，不要四川菜。

在這句話當(dāng)中，意圖很明顯，是「推薦餐廳」但是「四川菜」依舊會(huì)被當(dāng)成實(shí)體，「不要」這個(gè)重要的關(guān)鍵邏輯，則會(huì)被當(dāng)成廢話。

人之所以可以理解這句話，是因?yàn)槿顺丝梢蕴崛￡P(guān)鍵詞之外，還可以進(jìn)行邏輯的識別，而 AI 所缺少后面的這一步，就讓它在進(jìn)行理解時(shí)，腦筋經(jīng)常轉(zhuǎn)不過來。

另外，還有一個(gè)問題，讓現(xiàn)在的 AI 對話系統(tǒng)，和人類的對話系統(tǒng)有著巨大的差距。

無論你說的是哪種語言，你總有辦法把信息揉進(jìn)語言里面。

但是作為人類最重要的傳達(dá)信息的工具，語言系統(tǒng)卻并沒有我們想象中的那么高效。我們舉個(gè)例子。

假設(shè)周日晚上你在酒吧認(rèn)識了個(gè)姑娘，她迷人的臉龐加上有趣的靈魂讓你神魂顛倒。即便到了周一早上，你依舊像個(gè)花癡一樣，一想起她就傻笑。于是同事就來問你了：吃錯(cuò)藥了？你回答：我昨晚遇到了一個(gè)很棒的姑娘。

那么這個(gè)姑娘究竟有多棒？你同事并不會(huì)知道。

因?yàn)榧幢隳阍诮酉聛淼囊粋€(gè)小時(shí)里，用盡各種語言去描述那個(gè)姑娘長得怎么樣、不停地復(fù)述你們昨天聊的話題究竟多有趣，在你同事的腦海里，依舊無法一比一地把那個(gè)女生復(fù)刻出來。

比起我們的思維，語言確實(shí)很貧瘠，以至于實(shí)際上通過語言所傳達(dá)的信息，其實(shí)或多或少是失真的。

那么為什么人類還可以通過這樣的一個(gè)系統(tǒng)，正常傳達(dá)信息，并以此建立起延續(xù)了七千多年的文明？

這是因?yàn)槲覀兘庾x能力強(qiáng)。

這就好比我們的主編每天早上見到我說了一句早安后，第二句我都還沒等他開口，就已經(jīng)知道他想問我稿子寫完沒。

也好比你的同事即便無法在腦海里一比一地把那個(gè)姑娘復(fù)刻出來，只要他不是從出生開始便一直單身，他都能理解你這種如沐春風(fēng)的感覺。

這種基于常識、經(jīng)驗(yàn)、場景、直覺來解讀語言、獲取信息的能力，正正是目前僅能通過上下文進(jìn)行意圖及實(shí)體提取的 AI 來說，最為缺乏的。

而想要做到十分自然的交流，這種能力必不可缺。

實(shí)際上，圖靈測試還有一個(gè)升級版：威諾格拉德模式挑戰(zhàn)。這個(gè)測試，就是用來檢驗(yàn) AI 能否根據(jù)常識來解讀語言的。

但可惜的是，目前的人工智能對話系統(tǒng)，在該測試上，都表現(xiàn)得并不樂觀。

其實(shí)對于單靠深度學(xué)習(xí)，能否造出真正的人工智能對話系統(tǒng)，是有學(xué)者持懷疑態(tài)度的。

深度學(xué)習(xí)并不像大家想象的那樣，你把這個(gè) AI 造出來，然后他就會(huì)自己開始學(xué)習(xí)。目前的深度學(xué)習(xí)還停留在監(jiān)督學(xué)習(xí)，以及半監(jiān)督學(xué)習(xí)狀態(tài)。這也就是說必須靠人去「喂」大量的標(biāo)注數(shù)據(jù)，讓 AI 的「實(shí)體」庫和「意圖」庫豐滿起來，做到無論你是說「我餓了」還是說「我想出去吃飯」AI 都知道需要為你推薦餐廳。

但事實(shí)上，即便這個(gè)庫再大，上面兩個(gè)問題其實(shí)都很難解決。

心理學(xué)家認(rèn)為人的大腦有兩個(gè)系統(tǒng)，系統(tǒng)一負(fù)責(zé)處理靠直覺、習(xí)慣就能完成的事情。而系統(tǒng)二所負(fù)責(zé)的事情則需要通過思考來完成。

專注于人工神經(jīng)網(wǎng)絡(luò)以及深度學(xué)習(xí)的計(jì)算機(jī)學(xué)家約書亞?班吉?dú)W認(rèn)為，語言是靠系統(tǒng)二來處理的，但是基于深度學(xué)習(xí)的人工智能，實(shí)際上更像是系統(tǒng)一。

當(dāng)然，這里并不是在傳達(dá)什么「深度學(xué)習(xí)無用論」，因?yàn)橐灿辛硗庖环N觀點(diǎn)認(rèn)為，人本身就是一種數(shù)據(jù)庫，所有經(jīng)驗(yàn)、常識甚至是直覺其實(shí)都可以被量化。只要解決這個(gè)統(tǒng)計(jì)上的問題，真正的人工智能對話系統(tǒng)依舊有望可以通過深度學(xué)習(xí)去達(dá)成。更何況，即便是需要重新找另外一條路，深度學(xué)習(xí)依舊會(huì)有它的一席之位，畢竟任何一種發(fā)明的誕生，其實(shí)都是多種技術(shù)的結(jié)合。

但無論是推倒重來，還是繼續(xù)往深度學(xué)習(xí)的方向發(fā)展，想見到能夠真正能夠自然交流，而且不是朝九晚五的人工智能對話系統(tǒng)，可能還需要走很長的一段路才行。