機(jī)器能否進(jìn)入人類內(nèi)心深處去了解她們的性格和情感呢？這些問題在心理學(xué)領(lǐng)域已經(jīng)被思考了上千年。日前，微軟亞洲研究院資深研究員謝幸受邀在劇院式演講平臺“造就”上發(fā)表主題演講《如何讓機(jī)器擁有像人一樣的思維》。我們整理了謝幸的演講視頻及演講內(nèi)容，全文如下。 

大家好，我是微軟亞洲研究院的謝幸。今天我想和大家探討的是，“如何讓機(jī)器擁有像人一樣的思維”。

進(jìn)入正題之前，我先講一個我自己的故事。最近，我給我三歲的女兒買了一本繪本，名字是“Can I build another me”，她愛不釋手。這本書的主角是一個厭倦了自己規(guī)律生活的孩子，他希望能訓(xùn)練出一個機(jī)器人代替自己按時午睡、吃飯、去幼兒園，這樣他就可以自由自在地玩耍。于是，他買來一個最便宜的機(jī)器人，帶回家來訓(xùn)練它。在這個過程中，他遇到的第一個問題就是，怎樣才能讓機(jī)器人才能變成他呢？于是，他試圖告訴機(jī)器人各種關(guān)于自己的信息，包括他的姓名、年齡、身高、體重，父母、兄弟和寵物，甚至包括“左撇子”“易煩躁”“襪子經(jīng)常破洞”這種信息。

我發(fā)現(xiàn)這繪本的作者腦洞很大，他也在思考我們所思考的問題。這個故事也告訴我們，要讓機(jī)器人擁有人一般的思維，第一步便是理解自己。因?yàn)檫@樣我們才能告訴機(jī)器人，怎樣做才能最像自己。今天，我將從以下幾個方面與大家探討這個問題：

1.人工智能與心理學(xué)

2.人格分類及推測

3.如何讓機(jī)器人像人一樣思考

在很長一段時間內(nèi)，我們團(tuán)隊一直從事用戶畫像的研究。什么是用戶畫像？簡單說來，就是通過用戶產(chǎn)生的大數(shù)據(jù)，去猜測和理解一個人的年齡、職業(yè)、興趣愛好，也可以去描繪一群人的生活規(guī)律和移動模式。這讓我們開始思考，我們能不能通過這些數(shù)據(jù)進(jìn)一步走到人的內(nèi)心深處，去了解她們的性格和情感呢？這并不容易。但是在研究的過程中，我們發(fā)現(xiàn)這些問題在心理學(xué)領(lǐng)域已經(jīng)被思考了上千年。實(shí)際上，人工智能和心理學(xué)這兩個領(lǐng)域?qū)嶋H上早就有交叉。

人工智能的早期開拓者之一，Herbert A. Simon，是著名的跨界學(xué)者。他既是計算機(jī)科學(xué)家，也是心理學(xué)家，是經(jīng)濟(jì)學(xué)家，還是社會學(xué)家，甚至還是認(rèn)知科學(xué)家。讓人驚嘆的是，他在每個領(lǐng)域都取得了同樣卓越的成績：他獲得了1975年的圖靈獎、1978年的諾貝爾經(jīng)濟(jì)學(xué)獎、1986年的美國國家科學(xué)獎?wù)?，?993年美國心理學(xué)會的終身成就獎。右邊這位是多倫多大學(xué)的Geoffrey E. Hinton教授，深度學(xué)習(xí)的積極推動者。他既是計算科學(xué)家，同時也是一位心理學(xué)家。

兩年前，我們便開始拜訪著名的心理學(xué)家和教授，試圖進(jìn)行跨學(xué)科合作交流。在這個過程中，我們首先想解決的問題就是人格。從用戶生成的大數(shù)據(jù)中能否計算出人的性格？

雖然人格這個術(shù)語在日常生活中很常見，但是給人格下一個準(zhǔn)確清晰的定義卻并非易事，即使是心理學(xué)家們在這個術(shù)語的定義上也很難達(dá)成共識。人格最早的定義可以追溯到2000多年前(公元前400年)古希臘醫(yī)學(xué)家希波克拉底（Hippocrates）的體液說，他認(rèn)為人體是由四種體液構(gòu)成，包括血液、粘液、黃膽汁和黑膽汁，而這四種體液的分布便決定了人的性格：黑色的膽汁產(chǎn)生了憂郁型人格，血液產(chǎn)生了樂觀型人格，黃色膽汁產(chǎn)生了沖動易怒型人格，而粘液產(chǎn)生了冷靜型人格。盡管希波克拉底的體液說已經(jīng)被現(xiàn)代醫(yī)學(xué)所否定，但是他關(guān)于人格分類的探討是有啟發(fā)意義的，以致于后來的心理學(xué)家仍然一直探討這個問題。

在我們與心理學(xué)家交流時，我們又發(fā)現(xiàn)了一個有趣事實(shí)：在現(xiàn)代心理學(xué)中，人格的定義其實(shí)跟語言的使用有著緊密的關(guān)系。其實(shí)在計算機(jī)科學(xué)領(lǐng)域，我們對語言也有很多研究，我們稱之為“自然語言理解”。在心理學(xué)里面，有一個概念叫“詞匯學(xué)假說”。什么叫詞匯學(xué)假說？根據(jù)這個假說，我們無需通過觀察、研究各種各樣的人來研究人格，我們可以簡單一些，通過直接觀察人類語言中相關(guān)詞匯。比如說，你介紹一位朋友給我認(rèn)識，可能會用一大段話來描述他：“他特別喜歡說話；人很多的時候，他特別高興，話特別多；每次都聽到他在說話，是個話癆”等等。其實(shí)，一個詞即可概括這段話：健談。因此，心理學(xué)家決定整理這些描述性詞匯。如果這個詞匯不多的話，它們便可成為建立分類體系的基礎(chǔ)?；谶@些觀察，人格理論的先驅(qū)奧爾波特(Allport)和奧德伯特(Odbert)于1936年對英語詞匯進(jìn)行了艱難而又系統(tǒng)的調(diào)查研究。通過查看詞典，他們按照個人特質(zhì)、暫時的情緒或者行為以及智力與才干這四個類別發(fā)現(xiàn)大約18000個單詞，并進(jìn)一步從中整理出四千多個描述性格的詞匯。雖然說四千似乎已經(jīng)很少了，但對于整個用戶語言來說，這仍然是很復(fù)雜的。試想下，在描述一個人性格的時候，如果要給這四千個描述維度分別打分，這該是多大的工作量。因此，他們想在此基礎(chǔ)上進(jìn)一步縮減。在這個過程中，他們發(fā)現(xiàn)，這些單詞間其實(shí)存在一些相關(guān)性。比如說，一般外向的人通常也比較健談，冷靜的人通常也比較理智，但他可能也比較內(nèi)向。如果能定位這些相關(guān)性，便可在此基礎(chǔ)上對四千多個詞進(jìn)行進(jìn)一步歸類。 

近二十年來，人格研究者關(guān)注與支持最多的人格定義是五因素模型，也常常被稱之為“大五人格理論”。如圖所示，大五人格包括了五個高度概括的人格因素：外向性 (Extraversion)，盡責(zé)性 (Conscientiousness)，神經(jīng)質(zhì) (Neuroticism)，隨和型(Agreeableness)和開放性(Openness)。每個人格因素下還有一些細(xì)分特質(zhì)(比如外向性下包括了是否經(jīng)常參加活動、是否熱心腸等)。這樣，以后你在介紹朋友時，可以將他描述為“比較外向，但不太隨和，可能比較情緒化的一個人”。方式很簡單，但是描述很全面。實(shí)際上，整理這些詞匯以及生成人格分類體系大多是依賴數(shù)據(jù)驅(qū)動，與計算機(jī)科學(xué)有很多很緊密的聯(lián)系。那我們能不能自動的計算用戶的大五人格呢？其實(shí)這也是有可能的。

在傳統(tǒng)人格測量中，心理學(xué)家往往采用訪談和調(diào)查問卷這種形式，需要耗費(fèi)大量的人力、財力和時間，受測者往往局限于幾十人到幾百人的規(guī)模，不可能實(shí)現(xiàn)大規(guī)模用戶的測量。在座很多人可能都做過心理問卷調(diào)查，一般來說有上百道題。我不知道有多少人會認(rèn)真填寫這上百道題，可能大家都是一路打“三”——一到五分打個中間分，這樣的結(jié)果其實(shí)沒什么意義。這個工作的確非常麻煩，并且很多時候受訪者自己其實(shí)也不知道該打幾分。比如說，比較內(nèi)向是打一還是二？其實(shí)都非常模糊。但是，心理學(xué)中還有一種人格測量的方法，叫做行為測量，通過觀察個體的行為來進(jìn)行測評。行為測量的理論基礎(chǔ)是人格理論中的人類行為的一致性。既然人格能夠解釋人際之間的穩(wěn)定的個體差異，那么個體行為表現(xiàn)出的差異性就跟個體的人格息息相關(guān)，因此通過觀察個體行為使得預(yù)測人格變成了可能。只是在計算機(jī)技術(shù)得到廣泛應(yīng)用之前，心理學(xué)家很難收集到用戶足夠豐富的行為數(shù)據(jù)，因此數(shù)據(jù)的匱乏導(dǎo)致了行為測量在傳統(tǒng)心理學(xué)中并沒有被廣泛采用。

然而，近年來，隨著互聯(lián)網(wǎng)、智能手機(jī)和各種傳感設(shè)備的普及，用戶的行為數(shù)據(jù)被廣泛收集，再加上人工智能方法在建模用戶方面的推進(jìn)，使得通過行為數(shù)據(jù)測量人格的方法在計算機(jī)和心理學(xué)的交叉領(lǐng)域得到了快速的發(fā)展。我們的研究工作在此基礎(chǔ)上更進(jìn)一步，提出“人格推測模型”，利用社交媒體上的異構(gòu)數(shù)據(jù)（比如頭像照片、發(fā)表的文字、表情符使用以及社交關(guān)系等）來預(yù)測大五人格。比如說針對圖片，我們可以采用深度殘差網(wǎng)絡(luò)的方式，算出語義表示，再將這些圖片聚成某些類別，如卡通、自拍、合影、動植物。其實(shí)在這個過程中，我們?nèi)匀恍枰托睦韺W(xué)家合作。用基于行為數(shù)據(jù)的人工智能方法進(jìn)行人格預(yù)測，首先需要收集少量用戶的調(diào)查問卷結(jié)果作為標(biāo)注。通過標(biāo)注用戶行為特點(diǎn)及人格特征，將它們之間的映射和聯(lián)系輸入模型中，以訓(xùn)練出一個好的模型。

實(shí)際上，我們找了一批志愿者，他們提供了自己的數(shù)據(jù)，并完成了問卷調(diào)查，這樣我們便擁有兩方面數(shù)據(jù)。在訓(xùn)練完模型后，新的用戶便無需完成用戶調(diào)查，模型可以自動計算其人格。我們可以來看看計算結(jié)果。聽起來是不是很抽象？但其實(shí)也很具體。例如，我們可以計算用戶發(fā)表文字和性格間的關(guān)系。大五人格有五個維度，我們可以計算出文字和每一個維度間是特別正相關(guān)或者特別負(fù)相關(guān)。例如一個經(jīng)常在朋友圈寫青春和自我的人可能比較外向，而常寫失敗和面對的用戶外向性得分便很低。還有一些用戶可能會寫時代、社會、成功這些聽起來非常正能量的詞匯，我們發(fā)現(xiàn)這些人盡責(zé)性比較高。相反，有些人可能經(jīng)常寫隨便、萌萌、氣質(zhì)這些詞，我們發(fā)現(xiàn)他們盡責(zé)性比較低。盡責(zé)性低并不是一個貶義詞：在這個模型中，在乎結(jié)果的人盡責(zé)性比較高，在乎過程的人盡責(zé)性比較低。這兩個極端都有它的優(yōu)勢，并無好壞之分。

我們還通過計算大五人格和用戶頭像類簇的皮爾遜系數(shù)，展示了與大五人格強(qiáng)烈正相關(guān)或者負(fù)相關(guān)的類簇（每個類簇選取了2張圖片顯示）。這樣的計算揭示了一些有趣的現(xiàn)象：比如外向性得分高的用戶喜歡使用包含笑臉的頭像，而得分低的用戶往往在頭像中遮擋了面部表情或者使用側(cè)臉；開放性得分高的用戶往往使用和朋友在一起的照片作為頭像，而開放性得分低的用戶的頭像很多是自拍照。我們的實(shí)驗(yàn)結(jié)果表明單單使用頭像照片，就能使個體性格預(yù)測的準(zhǔn)確性到達(dá)0.6。我們不僅對每種維度上的行為數(shù)據(jù)提出了針對性的特征提取策略，而且使用集成學(xué)習(xí)技術(shù)（Ensemble）有效融合了不同維度的行為數(shù)據(jù)來提升大五人格預(yù)測的準(zhǔn)確率，使得個體大五人格預(yù)測的準(zhǔn)確性到達(dá)0.75以上。 

在理解用戶之后，下一步就是如何利用這些知識來幫助機(jī)器人產(chǎn)生像人一樣的思維。人類希望機(jī)器人能實(shí)現(xiàn)的重要行為之一就是聊天，微軟也提出了“Conversation as a Platform（對話即平臺）”的概念，認(rèn)為未來所有人機(jī)界面都將轉(zhuǎn)變?yōu)閷υ捊缑妗?/span>

兩年前我看過一部電視劇，至今記憶猶新，是英劇《黑鏡(Black Mirror)》第二季第一集“be right back”。這部電視劇描述了一家人工智能公司，它可以通過一個人的社交媒體和在線聊天數(shù)據(jù)合成一個虛擬人，來模仿人物原型的性格特點(diǎn)和他的女友進(jìn)行對話。這看起來很科幻，但實(shí)際上離我們已經(jīng)并不遙遠(yuǎn)。2016年10月一篇新聞報道中也提到，來自俄羅斯的創(chuàng)業(yè)者Kuyda為了紀(jì)念去世的朋友Roman，用他的8000條短信數(shù)據(jù)訓(xùn)練了一個聊天機(jī)器人，并于2016年5月正式發(fā)布。

盡管技術(shù)已經(jīng)前進(jìn)了一大步，但就算是目前最好的聊天機(jī)器人也還無法讓人感覺他是一個具有穩(wěn)定性格和情感、活生生的人。這就涉及到如何讓機(jī)器人的語言和行為更具有個性。

隨著社交網(wǎng)絡(luò)盛行，帶有用戶標(biāo)簽的語言數(shù)據(jù)變得容易獲取。就像前面提到的新聞報道描述一樣，如果我們有足夠的關(guān)于某個人的數(shù)據(jù)，就有可能訓(xùn)練出一個和他個性一樣的聊天機(jī)器人。當(dāng)然，我們還可以通過一群人，例如兒童、學(xué)生、甚至詩人的數(shù)據(jù)來訓(xùn)練出具有一類人特點(diǎn)的機(jī)器人。例如，我們是否可以收集所有現(xiàn)代詩人的數(shù)據(jù)，用這些數(shù)據(jù)來訓(xùn)練一個出口成詩的機(jī)器人？其實(shí)現(xiàn)在也是可以做到的。但是，隨著研究的深入，我相信最終我們還會遇到瓶頸，例如到底如何才能讓機(jī)器人具備更加真實(shí)的人類性格與情感，這還是需要和心理學(xué)家合作。

其實(shí)，最早的聊天機(jī)器人Eliza就是一個心理咨詢師。大概50多年前，MIT的一位研究員Joseph開發(fā)了Eliza，在與用戶聊天時，Eliza引入了心理學(xué)家羅杰斯提出的個人中心療法(Person-Centered Therapy)，更多強(qiáng)調(diào)對話態(tài)度，比如尊重與同理心。Eliza其實(shí)自己并不主動說新內(nèi)容，它更多的是一直在引導(dǎo)用戶說話盡可能傾訴?？此朴懬傻腅liza項目取得了意外的成功，它的效果讓當(dāng)時的用戶非常震驚，其中就包括了它的創(chuàng)造者Joseph。其實(shí)，Joseph當(dāng)時給這個項目起名字為ELIZA是有出處的。不知大家是否看過《賣花女》？在這個戲劇里，Eliza處在社會底層。為了進(jìn)入社會上層社會，她努力學(xué)習(xí)上層人民用的語言，使她看起來像一個上層人士，但最終偽裝被拆穿。Joseph將這個機(jī)器人命名為ELIZA，就是希望機(jī)器能夠偽裝成人，但他沒想到的是，這個偽裝竟還不容易被拆穿。以致于后來產(chǎn)生一個詞匯，叫ELIZA效應(yīng)，即高估了機(jī)器人能力的一種心理感覺。ELIZA效應(yīng)其實(shí)現(xiàn)在也很常見，比如擊敗頂尖高手的AlphaGo一出現(xiàn)，人們便覺得電腦已經(jīng)具有下圍棋的靈感，人工智能馬上要超越人類。但其實(shí)，AlphaGo背后所有的程序都是人寫的。所謂的靈感，所謂的智能，實(shí)際最終都是程序?qū)崿F(xiàn)的。

受ELIZA項目啟發(fā)，微軟亞洲研究院也開展了DiPsy項目，這個項目的目標(biāo)是讓機(jī)器人能夠和人聊天，幫助他們克服心理上的問題。在這個項目中，我們借鑒了心理咨詢中常用的認(rèn)知行為療法(Cognitive Behavior Therapy) 和正念療法(Mindfulness)。DiPsy的特點(diǎn)是以自然、有效的方式引導(dǎo)對話，讓用戶盡情傾訴。它還會研究用戶心理過程，在數(shù)據(jù)驅(qū)動下，對用戶的心理特質(zhì)與精神障礙作出診斷。我們采取認(rèn)知行為療法（CBT）或早期干預(yù)，在各種治療性的語境中，改變用戶的思維與行為方式，幫助存在風(fēng)險的用戶緩解并管理心理問題。

在未來，我們期待這個項目能幫助解決實(shí)際的社會問題，例如農(nóng)村留守兒童的心理疏導(dǎo)。在前不久舉辦的未來論壇上，微軟全球執(zhí)行副總裁沈向洋說，他想要解決三個和人腦息息相關(guān)的疾?。簝和蚤]癥、中年憂郁癥、老年癡呆癥。我希望我們的技術(shù)能幫助他做到這一點(diǎn)。 

當(dāng)然，這些研究項目很多都還在起步階段，我們希望最終能實(shí)現(xiàn)讓機(jī)器擁有像人一樣的思維，并在人需要時能提供不僅幫助，還能陪伴。當(dāng)你孤獨(dú)時，至少有個AI與你在一起。