外媒本周刊文，介紹了Facebook虛擬助手M過去兩年的發(fā)展。Facebook試圖開發(fā)最完美的的聊天機器人，不過M取得的進展也反映了當(dāng)前人工智能面臨的局限。

 

　　亞馬遜Alexa可以叫來Uber的車輛，Siri可以控制你家中的智能恒溫器。目前，這些服務(wù)每天吸引了數(shù)百萬用戶。不過，有大約1萬人知道，F(xiàn)acebook M才是最聰明的智能助手。這些人大多來自美國加州。

 

　　推薦并預(yù)訂摩洛哥一家浪漫的酒店，同時還要適合孩子？沒問題。查詢本地服務(wù)商修剪門前草坪的價格？也能做到。Facebook這一試驗性的智能助手被集成在Messenger應(yīng)用中。M所做的并不是從數(shù)據(jù)庫中簡單地提取信息，而是理解復(fù)雜指令并采取行動，例如預(yù)訂電影票，或是聯(lián)系某家公司獲取信息。

 

　　M看起來如此智能，但實際上卻借助了作弊行為。M與Siri有類似之處。當(dāng)你向M發(fā)送一條消息時，算法會試圖判斷你的需求是什么。如果算法未能成功，那么M并不會簡單地返回網(wǎng)頁搜索結(jié)果，或是說“對不起，我不理解這個問題”。相反，人工客服將會在你不知情的情況下悄悄介入，對需求做出回復(fù)，就像是計算機仍在繼續(xù)為你服務(wù)一樣。（Facebook拒絕透露，這些人工客服的總數(shù)。）

 

　　這樣的設(shè)計導(dǎo)致Facebook很難將M推廣至全部12億Messenger用戶。因此2015年，F(xiàn)acebook只向數(shù)千名用戶提供了M，并將M定位為半公開的研發(fā)項目。將人工服務(wù)和算法結(jié)合在一起將幫助Facebook觀察，用戶對無所不能的虛擬助手將會有何反應(yīng)，此外算法也可以不斷向人類“訓(xùn)練師”學(xué)習(xí)。

 

　　埃里克斯·勒布倫（Alex LeBrun）是這一項目的啟動者。他表示：“這個領(lǐng)域的所有人都夢想開發(fā)出非常、非常智能的虛擬助手。”M為實現(xiàn)這個目標(biāo)打開了一條路。

 

　　目前，在兩年之后，F(xiàn)acebook的這一研究項目可以算得上很成功。用戶喜歡M，而軟件也被證明可以向人類訓(xùn)練師學(xué)習(xí)。不過，F(xiàn)acebook仍然無法面向Messenger的其余99.9%用戶提供M，這方面的進展要遠遠比預(yù)期中更慢。

 

　　勒布倫表示：“我們知道這是艱巨的挑戰(zhàn)，但最終比我想象中更艱巨。無論是學(xué)習(xí)速度，還是自動化的發(fā)展，這些都要比我們期望中更慢。”M的故事再次表明，近年來人工智能取得了多大的進展，以及未來還有多長的路要走。

 

 

　　人類似乎非常喜歡與機器交談。全球首個聊天機器人Eliza誕生于1964年，開發(fā)者是麻省理工學(xué)院教授約瑟夫·魏岑鮑姆（Joseph Weizenbaum）。這個聊天機器人能掃描一行行文字，并對特別的關(guān)鍵詞做出回應(yīng)，非常適合承擔(dān)臨床醫(yī)生的工作。不過令魏岑鮑姆感到困擾的是，包括他的秘書在內(nèi)，許多試用過的用戶都會被其折服，即使他們知道Eliza實際上一無所知。他隨后表示：“我沒有意識到，對普通人來說，短時間接觸到簡單的計算機程序也會引起明顯的妄想癥。”

 

　　相對于讓聊天機器人喋喋不休地說話，讓它們幫你完成工作要更困難。當(dāng)虛擬助手被要求完成某項工作時，模棱兩可或雞同鴨講的回復(fù)沒有意義。當(dāng)前的軟件不善于理解人類語言和世界，因此類似Siri和Alex的虛擬助手只能通過編程去掌握特定的技能。

 

　　因此，市面上的虛擬助手所能完成的工作很有限。去年底，有觀點認(rèn)為，聊天機器人將會像移動應(yīng)用一樣改變?nèi)祟惻c計算機的交互方式，而這樣的概念吸引了微軟、Facebook和某些科技行業(yè)投資者的興趣。但實際上，基于以上原因，實現(xiàn)這一目標(biāo)還非常困難。移動服務(wù)Burner CEO格雷格·科恩（Greg Cohen）表示：“當(dāng)前的聊天機器人令人絕望。對行業(yè)觀察家來說，聊天機器人被過分炒作，但發(fā)展情況不佳。”Burner幫助Airbnb平臺的房主創(chuàng)建簡單的聊天機器人，回答顧客的常見問題。

 

　　在開發(fā)M之前，勒布倫曾花了10年多的時間開發(fā)傳統(tǒng)上狹義的聊天機器人。不過，他希望聊天機器人還能做到更多。他于2015年初加入Facebook，當(dāng)時Facebook收購了他與其他人共同創(chuàng)立的Wit.ai。Wit.ai幫助企業(yè)開發(fā)聊天機器人，提供客戶支持等服務(wù)。在此之前，勒布倫曾將自己的聊天機器人公司出售給語音識別巨頭Nuance。

 

　　勒布倫表示：“市面上的每一款聊天機器人，包括我開發(fā)的這個，都以規(guī)則為基礎(chǔ)。你會知道，未來某天，你將觸及天花板，無法再繼續(xù)前進。我們的孩子并不使用規(guī)則或腳本，未來他們會比你更聰明。”

 

　　M最初只被提供給Facebook員工，隨后開放給了加州部分Messenger的重度用戶。很快，算法就被證明可以學(xué)會人工的某些操作。

 

　　Facebook的人工智能研究部門使用M去測試被稱作記憶網(wǎng)絡(luò)的新學(xué)習(xí)軟件。這一新軟件擅長回答關(guān)于簡單故事的問題。軟件能利用存儲模塊摘取關(guān)鍵信息供隨后使用。而谷歌也在測試這樣的設(shè)計，優(yōu)化軟件的推導(dǎo)能力。

 

　　1964年時，魏岑鮑姆曾提出，這樣的設(shè)計能令Eliza更智能。在幾周時間里，M就出現(xiàn)了明顯的變化。勒布倫還記得，他在感謝M為自己訂電影票之后，M的反應(yīng)令他非常驚訝。當(dāng)時M自動回復(fù)：“不客氣，享受這場電影吧。”M學(xué)會了記憶曾經(jīng)協(xié)助過的任務(wù)及當(dāng)時的環(huán)境。勒布倫表示：“我們大吃一驚，沒有人寫程序去實現(xiàn)這樣的功能。”

 

　　記憶網(wǎng)絡(luò)隨后還幫助M獲得了更大的進步。例如，如果某人要求M去訂花并配送，那么M會自動利用請求中的關(guān)鍵信息，包括金額和地址，根據(jù)在線花店的信息去生成推薦。人工訓(xùn)練師隨后決定，將哪一選擇推薦給用戶。

 

　　此外，M高效的表現(xiàn)也吸引了用戶更大的興趣。對于Siri和Alexa等完全自動化、功能有限的虛擬助手，用戶通常只會使用其中最可靠的功能。而對于M，情況并不是這樣。

 

　　勒布倫表示：“最開始，人們嘗試去問明天的天氣，隨后他們會問：‘是否有意大利餐廳有位子？’再然后，他們會咨詢關(guān)于移民和婚禮籌備的問題。我們知道這樣做可能很危險，這要比我們預(yù)期中問題的范圍更廣。”

 

　　對于困難的問題，人工訓(xùn)練師會盡最大可能為用戶服務(wù)。不過有時，他們也會直接拒絕用戶的問題。M會自動拒絕大部分復(fù)雜的用戶問題，而用戶問題的多樣化也導(dǎo)致算法很難完全承擔(dān)起人工訓(xùn)練師的工作。近期，深度學(xué)習(xí)技術(shù)正推動機器學(xué)習(xí)變得更強大（記憶網(wǎng)絡(luò)就是這樣的應(yīng)用案例）。然而，學(xué)會在數(shù)據(jù)量很少的情況下處理多種復(fù)雜的場景也并非深度學(xué)習(xí)擅長的領(lǐng)域。勒布倫表示：“這非常聰明，能學(xué)會執(zhí)行復(fù)雜的任務(wù)，但也需要大量數(shù)據(jù)。”

 

 

　　由于進展比預(yù)期中更慢，F(xiàn)acebook正在重新考慮這一項目。上周，一個名為M Suggestion的功能出現(xiàn)在Messenger中。這類似于某些功能簡單的聊天機器人，而這正是M試圖取代的目標(biāo)。M Suggesttion會關(guān)注你和好友的聊天，從中發(fā)現(xiàn)線索，判斷你是否想要做某些操作，例如從Uber叫車或是向他人轉(zhuǎn)賬。M Suggestion提供了一個按鈕，只需一次點擊即可實現(xiàn)這些操作。

 

　　Wit.ai的另一名聯(lián)合創(chuàng)始人、目前供職于Facebook并負(fù)責(zé)M項目的勞倫特·蘭多斯基（Laurent Landowski）表示：“我決定找到一種應(yīng)用場景，加速向用戶輸出價值。”（勒布倫今年1月返回了老家法國，加入了Facebook在巴黎的人工智能研究實驗室。）

 

　　最初依賴人工的M依然存在，并繼續(xù)向那些幸運的用戶提供豐富的服務(wù)。Facebook表示，將致力于這一項目，而當(dāng)前人工智能的發(fā)展?fàn)顩r很不錯，值得長期投資。卡耐基梅隆大學(xué)教授賈斯汀·卡塞爾（Justine Cassell）表示，過去幾年，深度學(xué)習(xí)顛覆了以往的語言處理技術(shù)，以及對相關(guān)軟件的期望。她表示：“我們正處于這些新機器學(xué)習(xí)算法的黃金時代。”實際上，谷歌翻譯的準(zhǔn)確率近期已接近人類水平。

 

　　不過這并不意味著，僅僅通過觀察人類的活動，軟件就能學(xué)會執(zhí)行復(fù)雜的任務(wù)?？ㄈ麪柋硎荆?ldquo;我并不認(rèn)為我們已經(jīng)有充分了解。”不過Facebook的研究員表示，有許多概念有待探索。

 

　　其中之一是讓M的自動化部分學(xué)會判斷用戶返回的消息是正面還是負(fù)面。這種機制與人類訓(xùn)練寵物類似。如果不僅僅是模仿人類訓(xùn)練師的做法，那么M的發(fā)展速度可能會更快。為了促進更廣泛的研究，F(xiàn)acebook團隊發(fā)布了工具，幫助其他人測試并比較無預(yù)定腳本的助理機器人。通過M Suggestion，新技術(shù)目前也可以在更大范圍內(nèi)得到測試。

 

　　勒布倫和蘭多斯基認(rèn)為，在將M推廣至大眾用戶的過程中，他們?nèi)蕴幱谡?。蘭多斯基表示：“某些時候我們說，這需要3年或5年，但或許會是10年或更長時間。”

 

　　勒布倫表示：“這非常難，我們逐步取得進展，但我認(rèn)為，我們擁有需要的一切。”他可能是對的。不過可以想象，在1964年看到Eliza時，很多人也有類似的期待。