Richard Socher 在等待自己的人工智能程序回答問題時很緊張。問題很簡單：「這個網(wǎng)球選手戴帽子了嗎衷蜓？」電腦屏幕上「正在處理」的字樣讓人感覺時間就此停滯了抢韭，懷疑是不是死機了。然后程序給出了一個人類瞬間就能給出的答案：「戴了恍箭】坦В」

Socher 握緊拳頭，以此慶祝這一小小的勝利扯夭，他是 MetaMind 公司的創(chuàng)始人鳍贾。MetaMind 是硅谷眾多推行模式識別軟件的公司之一，它們會與日益龐大的數(shù)據(jù)結(jié)合交洗，振興人工智能領(lǐng)域骑科。公司成立于2014年，并在當年獲得了 800 萬美元的融資构拳，投資人包括Salesforce 的 CEO Marc Benioff 和知名風投 Khosla Venture咆爽。

人工智能的一小步

計算機在識別圖片中的物體梁棠，將人類聲音轉(zhuǎn)換為自然語言上，已經(jīng)做得很不錯了斗埂，但它在模擬人類思維進行推理上符糊，還是跌跌撞撞。不過許機器智能軟件都在采用深度學習或深度神經(jīng)網(wǎng)絡(luò)技術(shù)呛凶，逐漸讓機器像人類一樣解決問題男娄。

現(xiàn)在，這家公司想解決人工智能軟件所面臨的最嚴峻的挑戰(zhàn)之一漾稀。上周 MetaMind 發(fā)表了一篇論文模闲，公布了它們在人工智能軟件上的新進展。他們的軟件能回答與文本文件及數(shù)字圖片內(nèi)容有關(guān)的問題崭捍。他們的研究很重要尸折，因為它表明在開發(fā)能與人類進行對話互動的機器上，我們又進步了一些殷蛇。

MetaMind 使用了一種名為動態(tài)記憶網(wǎng)絡(luò)的方法实夹，能同時處理聲音，視覺和文字信息晾咪。它的軟件也證明收擦，神經(jīng)網(wǎng)絡(luò)軟件技術(shù)越來越進步贮配，擁有了記住語句序列谍倦，并專注在圖片的一部分上的能力。在回答「貓尾的皮毛是什么圖案泪勒？」這樣的問題昼蛀，程序需要只注意圖片中的貓尾，并給出相應(yīng)的答案圆存。

MetaMind 的技術(shù)可用在自動客戶支持等商業(yè)領(lǐng)域叼旋，比如，保險公司可以用它回復(fù)那些有照片附件的郵件沦辙，照片中往往會是汽車或其它財產(chǎn)損失的圖片夫植，是提供回復(fù)的基礎(chǔ)。

進步的標準是什么油讯？

當然详民，相比人類，這些系統(tǒng)還是差得遠陌兑。有些團隊在離散問題上取得過一些進步沈跨，但接近人類理解和推理水平的一般系統(tǒng)還沒開發(fā)出來。

五年前兔综，IBM 的 Watson 在問答節(jié)目「Jeopardy!」中戰(zhàn)勝了人類饿凛，讓人又苦惱又驚喜狞玛。近兩年，類似的人工智能也越來越多涧窒，比如已經(jīng)入駐微信的微軟「小冰」心肪，它能在許多話題上與用戶進行會話。為了讓小冰看起來像真人杀狡，微軟以社交網(wǎng)站的內(nèi)容為基礎(chǔ)蒙畴，開發(fā)了一個大型人類問答互動庫，也正是它使得程序能令人信服地回答用戶輸入的問題呜象。

2014年膳凝，Google、斯坦福等研究機構(gòu)的計算機科學家在「場景理解」上取得了重大進展恭陡。他們開發(fā)的系統(tǒng)在組合不同類型的深度神經(jīng)網(wǎng)絡(luò)程序的輸出結(jié)果后蹬音，能理解并用自然語言描述場景或圖片。這些程序會用人類事先描述過的圖片進行訓練休玩，然后它們就能應(yīng)對新圖片著淆，用自然語言描述它。還有就是前不久拴疤，自然雜志以封面文章形式介紹永部， Google 旗下 DeepMind 開發(fā)的人工智能 AlphaGo，擊敗了歐洲圍棋冠軍樊麾呐矾，并將在本周和世界冠軍李世乭對戰(zhàn)苔埋。

像 MetaMind 這樣的初創(chuàng)公司，微軟蜒犯、Google 這樣的科技巨頭组橄，以及其它一些科研機構(gòu)都在逐漸取得人工智能方式的進展，但即便只是機器視覺罚随，也還是一個尚未完全解決的問題玉工，就像與小冰的對話越多，就越能發(fā)現(xiàn)「她」并不是真正的人類淘菩。

而另一方面遵班，關(guān)于什么是最好的技術(shù)方法，以及如何來衡量人工智能的進步潮改，這在研究社區(qū)都是懸而未決的問題狭郑。艾倫人工智能研究所主管 Oren Etzioni 就認為，MetaMind 所用的數(shù)據(jù)集并不理想进陡。Etzioni 正在開發(fā)的軟件主要用來回答標準化的科學測試問題愿阐。

根據(jù)連線的報道，Etzioni 最近舉行了一場比賽趾疚，邀請了 800 個人工智能團隊參加美國中學生的科學測試缨历，結(jié)果顯示即使最好的團隊以蕴，也只能答對 60% 的問題。這是因為辛孵，科學測試涉及到自然語言處丛肮、推理和對概念的理解，這些都是更為復(fù)雜的挑戰(zhàn)魄缚，人工智能還無法勝任宝与。

這也是為什么，Socher 會在自己的程序答對一個簡單問題時冶匹，如此激動的原因习劫。人工智能的每一次小的進步都值得慶賀，雖然我們都無法確定這算不算是進步嚼隘。

題圖來自 nytimes诽里，人物為 Richard Socher

轉(zhuǎn)載、采訪飞蛹、投稿谤狡、團隊報道聯(lián)系公眾號：shenzhenware

版權(quán)聲明：本文系深圳灣編輯創(chuàng)作發(fā)布，轉(zhuǎn)載請注明來自深圳灣卧檐，并標明網(wǎng)站地址 shenzhenware.com