愈來(lái)愈熱的人工智能的下一步將走向哪里？見(jiàn)仁見(jiàn)智。不過(guò)，最好的莫過(guò)于在近期美國(guó)加州長(zhǎng)灘舉行的NIPS 2017上尋找答案。這次大會(huì)上展示的基于機(jī)器深度學(xué)習(xí)的Demo，比如可以隨意與人類溝通互動(dòng)的MILABOT聊天機(jī)器人以及可以學(xué)習(xí)并預(yù)測(cè)人類動(dòng)作的伯克利大學(xué)帶來(lái)的機(jī)器人，可以一葉知秋。

AI的下一步在哪里？可能沒(méi)有比這周在美國(guó)加州長(zhǎng)灘舉辦的NIPS 2017上大會(huì)和專題論壇能給到更好的答案了。

蒙特利爾大學(xué)團(tuán)隊(duì)在展臺(tái)上展示的MILABOT機(jī)器人聊天非常有趣。這臺(tái)機(jī)器人的特點(diǎn)是：可以和用戶隨意對(duì)話，話題可以從貓的俏皮話到你和你媽媽關(guān)系的問(wèn)題探索。

“許多人和它聊個(gè)人生活的話題能聊上20-30分鐘，"MILABOT的開(kāi)發(fā)者之一Iulian Vlad Serban在演示時(shí)介紹說(shuō)。

當(dāng)被問(wèn)到AI的未來(lái)時(shí)，MILABOT回答說(shuō)，你可以從這次大會(huì)上7000多學(xué)生和研究人員在大會(huì)長(zhǎng)廊里自由交談時(shí)聽(tīng)到答案，“我還需要再思考一會(huì)?！?/p>

和這次大會(huì)上的每個(gè)人一樣，全球首屈一指的AI巨頭英偉達(dá)也在試圖回答這個(gè)問(wèn)題。一方面，英偉達(dá)通過(guò)其AI實(shí)驗(yàn)室或NVAIL項(xiàng)目支持像Serban這樣研究人員的工作，他們從工程師中提供技術(shù)助手來(lái)支持的20所頂級(jí)高?；驒C(jī)構(gòu)，并允許學(xué)生訪問(wèn)英偉達(dá)公司的超級(jí)計(jì)算機(jī)系統(tǒng)DGX AI。

觀察和學(xué)習(xí)

一個(gè)答案：深度學(xué)習(xí)將幫助人類與機(jī)器交流更順暢。

“我認(rèn)為幾年后機(jī)器將會(huì)自主化，”在參觀我們的展臺(tái)時(shí)，英偉達(dá)CEO黃仁勛停下來(lái)，與伯克利大學(xué)的Sergey Levine、 Chelsea Finn和Frederik Ebert談到他們的工作時(shí)說(shuō)到?！澳銈兲幵谌斯ぶ悄芎湍芘c物理世界互動(dòng)的機(jī)器的中間?！?/p>

這個(gè)來(lái)自伯克利AI研究實(shí)驗(yàn)室的團(tuán)隊(duì)在這次NIPS上帶來(lái)的Demo，展示了新的深度學(xué)習(xí)技術(shù)如何把這個(gè)變成可能。

你可以把一個(gè)類似汽車鑰匙或一副眼鏡放在其中一個(gè)Demo機(jī)器人的工作臺(tái)，然后你點(diǎn)擊用戶界面，來(lái)表明你希望哪臺(tái)機(jī)器人移動(dòng)這個(gè)物件，希望它運(yùn)行的位置。

然后，通過(guò)視頻可以展示機(jī)器人移動(dòng)這個(gè)物件的動(dòng)作，隨后，機(jī)器人將用這個(gè)預(yù)測(cè)來(lái)規(guī)劃它的下一步行動(dòng)。

多虧了創(chuàng)新的卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)，這臺(tái)機(jī)器人在上月僅被一些學(xué)生訓(xùn)練一天，就產(chǎn)生了令人驚訝的技巧。

在第二個(gè)演示中，通過(guò)演示一個(gè)任務(wù)，比如引導(dǎo)一個(gè)機(jī)械臂把某些東西放到一個(gè)容器里。通過(guò)這個(gè)演示視頻，機(jī)器人能找到這個(gè)容器，并完成相同的項(xiàng)目。

與人類互動(dòng)

另一個(gè)迷倒與會(huì)者的Demo是MILABOT，許多研究人員渴望找到難倒這臺(tái)聊天機(jī)器人的方式。

只要不會(huì)折磨，像其中的一個(gè)研究人員用一個(gè)“有歧義的代詞”來(lái)欺騙它那樣，它都能搞定，即使是它要去處理一個(gè)很壞的雙關(guān)語(yǔ)。

當(dāng)被問(wèn)到是否喜歡貓時(shí)，它回應(yīng)說(shuō)“我不養(yǎng)貓，但如果我養(yǎng)了，我將會(huì)喜歡它喵嗚的叫聲。”（當(dāng)然，貓時(shí)流傳在AI研究人員的一個(gè)笑料）

這臺(tái)聊天機(jī)器人是蒙特利爾學(xué)習(xí)算法機(jī)構(gòu)研發(fā)出來(lái)參加Amazon Alexa獎(jiǎng)比賽的，它依賴于其他22種模型而不是會(huì)話模型。

對(duì)于計(jì)算機(jī)科學(xué)家來(lái)說(shuō)，通過(guò)語(yǔ)音或文字與人類閑聊是一個(gè)挑戰(zhàn)。自從麻省理工的Joseph Weizenbaum創(chuàng)造出的ELIZA，距今已至少有40年了。ELIZA僅能應(yīng)對(duì)人類的膚淺問(wèn)題。

不像ELIZA，MILABOT是基于其創(chuàng)造者稱之為“套裝”的模型。包括樣板模型，單詞包模型，序列到序列神經(jīng)網(wǎng)絡(luò)，潛在變量神經(jīng)網(wǎng)絡(luò)模型，以及原始ELIZA的變體。

真正的訣竅是使用深度強(qiáng)化學(xué)習(xí)來(lái)選擇哪種模型。要做到這一點(diǎn)，MILABOT采用了強(qiáng)化學(xué)習(xí)的方式：軟件代理通過(guò)不斷放大與人類溝通交流中獲取數(shù)據(jù)包來(lái)學(xué)習(xí)。

它并不完美，但它足以吸引人群。讓他們保持不斷與整個(gè)軟件互動(dòng)的娛樂(lè)。