怎么樣開一家人工智能公司？

答案可能比「如何把大象塞進冰箱」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)站上回答過這個問題：

1、請一群領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 當時之所以這樣說，其實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」服務。

事情過去也快一年了，沒想到這個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？

準確來說是 Goolge Duplex 騙人了。

在 2018 年，Google 在 I/O 大會推出了一項人工智能新服務：Google Duplex。這項人工智能服務的用處，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）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，直接承認了自己其實是人。

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

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

隨后，Google 也向《紐約時報》承認了此事，并表示 Duplex 所撥出的電話中，有 25% 其實是人類，而在剩下的電話中，也有 15% 進行了部分的人為干預。

顯然，百分比其實并不重要，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？

Duplex 神奇的地方，其實用處并不大

其實用「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「偽裝智能回復郵件」事件外，你還記得那個甚至還被授予了沙特國籍的神棍機器人 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注，其實還是因為大家對 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 是如何訂位的同學了解 / 復習一下。

驚艷的感覺從何而來？你一定會回答：太像人了。

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

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

但是，通過了圖靈測試，就能說明這個 AI 能正常地與人交流了嗎？并不，因為圖靈測試的本質(zhì)是模仿、是欺騙，這樣就使得 AI 在進行圖靈測試時，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，在模仿人類這方面，Google Duplex 做得實在太好了，無論是語音語調(diào)、各種停頓、語氣詞等的小動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，因為人工智能對話系統(tǒng)，關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。

能聽懂人話其實才是關鍵

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，都會進行拆解，將其分成「意圖」、「實體」以及「廢話」。

例如你說一句：今天天氣真好，我想去廣州塔逛逛，幫我叫個車吧。

在這句話當中「叫車」就是「意圖」、「廣州塔」就是目的地實體，其余就都是廢話了。

▲圖片來自：Boost.ai

那么在這里，第一個問題就出現(xiàn)了。

例如：幫我推薦一家餐廳，不要四川菜。

在這句話當中，意圖很明顯，是「推薦餐廳」但是「四川菜」依舊會被當成實體，「不要」這個重要的關鍵邏輯，則會被當成廢話。

人之所以可以理解這句話，是因為人除了可以提取關鍵詞之外，還可以進行邏輯的識別，而 AI 所缺少后面的這一步，就讓它在進行理解時，腦筋經(jīng)常轉(zhuǎn)不過來。

另外，還有一個問題，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語言里面。

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

假設周日晚上你在酒吧認識了個姑娘，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，你依舊像個花癡一樣，一想起她就傻笑。于是同事就來問你了：吃錯藥了？你回答：我昨晚遇到了一個很棒的姑娘。

那么這個姑娘究竟有多棒？你同事并不會知道。

因為即便你在接下來的一個小時里，用盡各種語言去描述那個姑娘長得怎么樣、不停地復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女生復刻出來。

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

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

這是因為我們解讀能力強。

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姑娘復刻出來，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的感覺。

這種基于常識、經(jīng)驗、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行意圖及實體提取的 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。

實際上，圖靈測試還有一個升級版：威諾格拉德模式挑戰(zhàn)。這個測試，就是用來檢驗 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。

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

深度學習并不像大家想象的那樣，你把這個 AI 造出來，然后他就會自己開始學習。目前的深度學習還停留在監(jiān)督學習，以及半監(jiān)督學習狀態(tài)。這也就是說必須靠人去「喂」大量的標注數(shù)據(jù)，讓 AI 的「實體」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。

但事實上，即便這個庫再大，上面兩個問題其實都很難解決。

心理學家認為人的大腦有兩個系統(tǒng)，系統(tǒng)一負責處理靠直覺、習慣就能完成的事情。而系統(tǒng)二所負責的事情則需要通過思考來完成。

專注于人工神經(jīng)網(wǎng)絡以及深度學習的計算機學家約書亞?班吉歐認為，語言是靠系統(tǒng)二來處理的，但是基于深度學習的人工智能，實際上更像是系統(tǒng)一。

當然，這里并不是在傳達什么「深度學習無用論」，因為也有另外一種觀點認為，人本身就是一種數(shù)據(jù)庫，所有經(jīng)驗、常識甚至是直覺其實都可以被量化。只要解決這個統(tǒng)計上的問題，真正的人工智能對話系統(tǒng)依舊有望可以通過深度學習去達成。更何況，即便是需要重新找另外一條路，深度學習依舊會有它的一席之位，畢竟任何一種發(fā)明的誕生，其實都是多種技術的結(jié)合。

但無論是推倒重來，還是繼續(xù)往深度學習的方向發(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。