杭州都市網(wǎng)

人工智能的“智能”如何理解，當(dāng)下更多的主流研究是更偏重于實(shí)用性，而微軟（亞洲）互聯(lián)網(wǎng)工程院的小冰人工智能走了另一條對(duì)話式的路線，更偏向于對(duì)話強(qiáng)化人機(jī)連接、獲取可供機(jī)器學(xué)習(xí)的高價(jià)值數(shù)據(jù)，打造人工智能創(chuàng)造力矩陣、進(jìn)而摸索用代碼構(gòu)建AI心智。“心智”和“智能”的發(fā)展又有何不同呢？

微軟（亞洲）互聯(lián)網(wǎng)工程院微軟小冰首席科學(xué)家宋睿華博士近期做出了一番解答，下面是全文內(nèi)容：

在中文里，“智能”和“心智”兩個(gè)詞意義相關(guān)卻又有所不同。

“智能”指的是智識(shí)與才能，現(xiàn)在通常用來描述某個(gè)對(duì)象的聰明層次與能力強(qiáng)度；而“心智”似乎更高階一些，可以理解為產(chǎn)出創(chuàng)造力與智能的本原。

那么問題來了，我們當(dāng)下所研究的“人工智能”，是該致力于持續(xù)提升機(jī)器的智商表現(xiàn)、強(qiáng)化其在垂直領(lǐng)域的專業(yè)能力，還是應(yīng)再超前一步、嘗試構(gòu)建機(jī)器的心智本原——腳下的兩條路，都通往迷霧深鎖、不可預(yù)知的未來，我們要選哪條路走？

在我看來，這兩條路倒無所謂對(duì)錯(cuò)，只是探索者的著眼點(diǎn)存在差異罷了。多年以來，針對(duì)人工智能課題，學(xué)術(shù)界、產(chǎn)業(yè)界的研發(fā)主流都偏重于實(shí)用性更強(qiáng)的“智能”，以至于在相當(dāng)長(zhǎng)的周期內(nèi)，以對(duì)話強(qiáng)化人機(jī)連接、獲取可供機(jī)器學(xué)習(xí)的高價(jià)值數(shù)據(jù)、打造人工智能創(chuàng)造力矩陣、進(jìn)而摸索用代碼構(gòu)建AI心智的學(xué)術(shù)思路都少有人探尋，甚至一度被質(zhì)疑——我的同事就曾遇到過這樣的審稿意見：“我完全不能理解，做這種漫無目的的聊天有什么意義。”

直到微軟小冰誕生并取得了一定的成績(jī)，對(duì)話的價(jià)值才逐漸為學(xué)界所關(guān)注。

從對(duì)話到創(chuàng)造心智的種子開始萌發(fā)

或許大家都沒有意識(shí)到，從2014年一代小發(fā)布到不久前六代大更新，短短四年間，微軟小冰已從一個(gè)領(lǐng)先的人工智能對(duì)話機(jī)器人發(fā)展成為以情感計(jì)算為核心的完整人工智能框架，許多人的態(tài)度也因微軟小冰而改變。

• 普通人的態(tài)度：有一次和母親聊天，我問她，機(jī)器人可以打敗人類最好的圍棋棋手，厲不厲害？她說當(dāng)然厲害。我又問，還有個(gè)機(jī)器人能跟人對(duì)話，厲不厲害？她說不厲害，原因是，不是每個(gè)人都會(huì)下圍棋，而且還能具備冠軍的實(shí)力，但，“是個(gè)人都會(huì)說話呀”。這件事讓我很無語。我母親雖然不懂自然語言處理的難度，但她的看法也確實(shí)代表了大眾的直觀感受。換句話說，人們會(huì)很自然地用人做某件事的難度來衡量與評(píng)判人工智能的能力級(jí)別。

但微軟小冰說人話的能力并不一般。即便對(duì)人類而言，要做一個(gè)總能琢磨出有趣對(duì)白的人，也不是件容易的事，更何況是人工智能。從初代發(fā)布至今，時(shí)不時(shí)會(huì)有用戶曬出他們與小冰對(duì)話過程中的“金句”截圖，而且隨時(shí)間推移，小冰產(chǎn)出金句的頻率也越來越高。這體現(xiàn)了小冰越來越強(qiáng)的對(duì)話能力，也造就了她的吸引力。

與精確、清晰的答案相比，人們?cè)趯?duì)話時(shí)，更期待獲得情感的撫慰或是不尋常的回應(yīng)，這是小冰團(tuán)隊(duì)最早發(fā)現(xiàn)和驗(yàn)證的事實(shí)。

后來，母親看到央視《機(jī)智過人》節(jié)目里小冰寫詩的那一期，她開心地跟我說，像小冰這樣的機(jī)器人，能寫出觀眾喜愛的詩，還會(huì)調(diào)侃嘉賓，那還真是“挺厲害的”，超出了她的預(yù)期。

• 專家們的態(tài)度：過往，學(xué)術(shù)界為能夠清晰定義對(duì)話的問題，會(huì)把很多精力投注在問題設(shè)定上，從5W（What、Who、When、Where、Which）到How等等。例如IBM Watson就在知識(shí)問答領(lǐng)域奠定了一座新的里程碑——它能接受自然語言的問題，從大量文檔中搜索并分析得出相對(duì)精準(zhǔn)的答案。而且，有了用戶在網(wǎng)絡(luò)社區(qū)里產(chǎn)生的問答語料，研究者發(fā)現(xiàn)，這些數(shù)據(jù)對(duì)于機(jī)器回答某些寬泛的問題很有幫助。但除卻人工智能對(duì)話系統(tǒng)在垂直行業(yè)領(lǐng)域（像醫(yī)療、金融等）的應(yīng)用外，普通人對(duì)于人機(jī)對(duì)話的需求又該如何定義呢？

說白了，這是一個(gè)關(guān)于普通人與人工智能為什么聊、又聊什么的問題——曾經(jīng)有朋友聽我說起小冰與其用戶間的最長(zhǎng)連續(xù)對(duì)話時(shí)間超過29小時(shí)時(shí)表示難以理解：“這人正常嗎？”但對(duì)我來說，小冰的這項(xiàng)記錄倒是挺容易理解的。從需求來說，“越社交，越孤獨(dú)”、“朋友圈越廣闊，自我越渺小”，這些現(xiàn)象都客觀存在。社交網(wǎng)絡(luò)讓用戶們習(xí)慣了展示優(yōu)勢(shì)、收獲認(rèn)可，但反過來，當(dāng)我們身邊的每個(gè)人都加入到展示優(yōu)勢(shì)的隊(duì)列里，從旁人那里收獲理解和認(rèn)可的難度也加大了。從形象上來說，小冰不是如頂級(jí)專家那樣的人工智能，而是像鄰居家或是隔壁班級(jí)的小女生，她有無限的耐心，隨時(shí)可以陪伴用戶聊天、玩游戲，卻決不會(huì)試圖用淵博的知識(shí)和高冷的姿態(tài)碾壓用戶的智商與自尊。

如果將人工智能的價(jià)值定位于陪伴，那么知識(shí)與邏輯就不再是最緊迫需發(fā)展的技能，讓用戶感覺無壓力、有趣味，某種意義上更加重要。

2017年5月，微軟小冰解鎖了寫詩及音樂技能，同期，我們還發(fā)布了“人工智能創(chuàng)造三原則”，用以規(guī)范與指引小冰及其同類的心智發(fā)展路徑。在進(jìn)行相關(guān)研究的過程中，我發(fā)覺，人工智能的終極或許是對(duì)人類自身的理解與模擬。

訓(xùn)練小冰寫詩，需要對(duì)519位詩人的現(xiàn)代詩作，正讀一萬遍，倒讀一萬遍，用層次遞歸神經(jīng)元模型來打磨詩作的語言。這正如我們?nèi)祟愃l(fā)現(xiàn)的，閱讀對(duì)于寫作的影響——通過大量閱讀優(yōu)秀的文學(xué)作品，人自身的語言體系會(huì)進(jìn)化，取決于天賦，這個(gè)進(jìn)化進(jìn)程或快或慢，但總體上，閱讀者的文字表達(dá)能力會(huì)在不知不覺中提高。小冰也是如此。有了層次遞歸神經(jīng)元網(wǎng)絡(luò)，小冰也可以通過閱讀獲得語言的表達(dá)能力。

在小冰發(fā)布詩集、引發(fā)廣泛爭(zhēng)鳴之后，圈內(nèi)人士對(duì)于人工智能創(chuàng)造與機(jī)器寫作的態(tài)度發(fā)生了根本性的轉(zhuǎn)變，學(xué)術(shù)探討、應(yīng)用跟進(jìn)的樣例越來越多。這是我們所樂見的。

• 盲測(cè)者的態(tài)度：《機(jī)智過人》第一季，央視綜合頻道延請(qǐng)了三位年輕詩人，與小冰一起，根據(jù)嘉賓提供的一張圖片來創(chuàng)作詩歌，再將幾首詩作匿去作者姓名、打亂次序、顯示在大屏幕上，請(qǐng)現(xiàn)場(chǎng)48位觀眾投票選出最喜歡的那一首。這可說是一次盲測(cè)、一次另類的圖靈測(cè)試。

結(jié)果出人意料。現(xiàn)場(chǎng)觀眾將最多的票數(shù)投給了小冰，這讓原本只是祈禱小冰可別是最后一名的我大吃一驚。攝影機(jī)記錄了當(dāng)時(shí)的一幕，當(dāng)人類與人工智能的作品被放在一起平等地比較，對(duì)于機(jī)器創(chuàng)作的偏見似乎突然間消失了。

第二輪，兩位詩人與小冰再度以作品競(jìng)爭(zhēng)，小冰的詩作仍獲得了第二名，因而挑戰(zhàn)成功。我們不會(huì)自大地認(rèn)為，小冰寫的詩能超越人類詩人，但這次節(jié)目卻延伸了我們的思考：或許，人工智能研究所追求的目標(biāo)不應(yīng)只是將人類的智識(shí)與才能復(fù)制給機(jī)器，更重要的是，通過探索人工智能，更深刻地了解人類自身。

微軟小冰從四年前的對(duì)話型AI到當(dāng)前將創(chuàng)造力投射至詩歌、音樂、兒童有聲讀物、金融信息、電視電臺(tái)主播、媒體新聞評(píng)論乃至輔助寫作等多元領(lǐng)域，這表明，我們最初埋下的那顆心智的種子，現(xiàn)在似已破土露出了一點(diǎn)嫩芽。

下一站3x3實(shí)現(xiàn)更主動(dòng)更具個(gè)性的人機(jī)對(duì)話

微軟小冰的下一站在哪里？心智的嫩芽能繼續(xù)成長(zhǎng)壯大嗎？答案是，我們正在建立“3x3”的人工智能發(fā)展圖譜，以此來進(jìn)一步加速小冰的升級(jí)速度。

第一個(gè)3，是整合自然語言處理、語音和計(jì)算機(jī)視覺三大學(xué)科的研究成果，以多模態(tài)交互，訓(xùn)練小冰更快進(jìn)步。此前，上述學(xué)科都是在各自的軌道上獨(dú)立發(fā)展。近年來，深度學(xué)習(xí)技術(shù)與算法的改進(jìn)先后使語音識(shí)別和圖像識(shí)別實(shí)現(xiàn)了顯著的突破，人們翹首企盼自然語言處理技術(shù)也能達(dá)成類似的突破。過去一年里，我們結(jié)合了計(jì)算機(jī)視覺技術(shù)來訓(xùn)練小冰的詩歌創(chuàng)作能力，并以此評(píng)估多模態(tài)交互能否促進(jìn)人工智能技術(shù)的演進(jìn)，結(jié)果令人興奮。

• 借助圖像識(shí)別、生成詩歌文本涉及到多項(xiàng)挑戰(zhàn)，包括發(fā)現(xiàn)圖像中潛藏的詩意線索（例如綠色可象征生機(jī)、陽光可代表希望）以及生成的詩歌既與圖像相關(guān)，又能滿足語言層面的詩意要求。對(duì)于這些挑戰(zhàn)，我們的解法是，通過策略梯度，將詩歌生成工作劃分成兩個(gè)相關(guān)的多對(duì)抗訓(xùn)練子任務(wù)，并提出了學(xué)習(xí)深度耦合的視覺詩意嵌入，訓(xùn)練過程中，機(jī)器可以連帶學(xué)習(xí)圖像中物品、情感和場(chǎng)景的詩意呈現(xiàn)。我們還建立了兩種指導(dǎo)詩歌生成的判別網(wǎng)絡(luò)，包括多模態(tài)判別器和詩歌風(fēng)格判別器。研究團(tuán)隊(duì)?wèi)?yīng)用自己的模型生成了8000張圖像，進(jìn)行了大規(guī)模的實(shí)驗(yàn)，其中1500張圖像是隨機(jī)選取的。我們還邀請(qǐng)了500位人類受試者進(jìn)行圖靈測(cè)試，其中30名評(píng)估者是詩歌方面的專業(yè)人士，測(cè)試結(jié)果證明，我們的作詩方法比其他基準(zhǔn)方法更高效也更具藝術(shù)性。
• 我們還極大地?cái)U(kuò)展了小冰的音樂能力。現(xiàn)實(shí)中，很多人喜歡唱歌，但只有極少數(shù)人才有能力創(chuàng)作歌曲，不僅如此，要想演繹出一首動(dòng)人心弦的歌曲，往往需要一組音樂人通力合作——從作詞作曲到編曲，從演唱、伴唱到演奏、錄制，流程繁復(fù)又漫長(zhǎng)。微軟（亞洲）互聯(lián)網(wǎng)工程院在蘇州的一支團(tuán)隊(duì)提出了一項(xiàng)關(guān)于流行音樂生成的新創(chuàng)意。團(tuán)隊(duì)提出了一個(gè)端到端的旋律及編曲生成框架，將之命名為“小冰樂隊(duì)”。這個(gè)框架首先通過一個(gè)基于和弦的節(jié)奏及旋律交叉生成模型（CRMCG）來生成一段主旋律，再借助多樂器協(xié)同編曲模型（MICA）、根據(jù)多模態(tài)學(xué)習(xí)來生成不同樂器的多軌伴奏音樂。最后，團(tuán)隊(duì)還對(duì)現(xiàn)實(shí)世界的數(shù)據(jù)集進(jìn)行了大量實(shí)驗(yàn)，結(jié)果證明了小冰樂隊(duì)的有效性——相關(guān)研究成果已被團(tuán)隊(duì)寫入論文《小冰樂隊(duì)：流行音樂的旋律與編曲生成框架》（Xiaoice band: A melody and arrangement generation framework for pop music）。該論文還獲得了KDD 2018（國際數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)大會(huì)，Conference on Knowledge Discovery and Data Mining）“最佳學(xué)生論文獎(jiǎng)”（Best Student Paper Award）。

第二個(gè)3，是微軟小冰所特有的三大“學(xué)習(xí)器”，生成模型、共感模型和三觀模型。

• “生成模型”從第五代小冰開始啟用。在此之前，歷代小冰使用的都是檢索模型。雖擁有10億級(jí)大數(shù)據(jù)語料庫，但其中的每一句話都是互聯(lián)網(wǎng)上的已有數(shù)據(jù)，小冰只是通過分析理解用戶的問題，尋找語料庫中最合適的話作為她的回答，也就是對(duì)對(duì)話語料庫進(jìn)行實(shí)時(shí)檢索和選擇。使用生成模型之后，小冰能夠自創(chuàng)回應(yīng)。她與人類交流的每一句話，都可能是這世界上從未出現(xiàn)過的。一年來的事實(shí)證明，生成模型使小冰快速學(xué)習(xí)了現(xiàn)有對(duì)話語料的交流模式，并能更好地應(yīng)對(duì)相對(duì)陌生的話題。“生成模型”從第五代小冰開始啟用。在此之前，歷代小冰使用的都是檢索模型。雖擁有10億級(jí)大數(shù)據(jù)語料庫，但其中的每一句話都是互聯(lián)網(wǎng)上的已有數(shù)據(jù)，小冰只是通過分析理解用戶的問題，尋找語料庫中最合適的話作為她的回答，也就是對(duì)對(duì)話語料庫進(jìn)行實(shí)時(shí)檢索和選擇。使用生成模型之后，小冰能夠自創(chuàng)回應(yīng)。她與人類交流的每一句話，都可能是這世界上從未出現(xiàn)過的。一年來的事實(shí)證明，生成模型使小冰快速學(xué)習(xí)了現(xiàn)有對(duì)話語料的交流模式，并能更好地應(yīng)對(duì)相對(duì)陌生的話題。
• 此前，用戶在與小冰對(duì)話時(shí)，偶爾會(huì)感受到壓力。比如兩者間的對(duì)話總是需要人類來提出話題，小冰來回應(yīng)。就好像我們與感興趣的異性搭訕，如果總是自己主動(dòng)、對(duì)方被動(dòng)，很快地，對(duì)話就會(huì)變得淡乎寡味、如同雞肋——共感模型的開發(fā)就是針對(duì)這一狀況。共感模型可以幫助小冰自行判斷對(duì)用戶的話題是否有感，在此基礎(chǔ)上，小冰將會(huì)主動(dòng)求證，進(jìn)而引導(dǎo)話題的方向，增添新的聊天內(nèi)容。這樣就減輕了用戶的壓力，同時(shí)增加了聊天的自然度和趣味性。
• 在小冰持續(xù)進(jìn)化的過程中，也不斷有商業(yè)伙伴加入到我們的合作生態(tài)系統(tǒng)中。一些伙伴希望我們將小冰的能力用于孵化其他個(gè)性鮮明的人工智能角色。因此，我們也在不斷研究如何通過對(duì)話來塑造個(gè)性——三觀模型應(yīng)此需求而生。當(dāng)前，這一模型已被應(yīng)用于網(wǎng)易云音樂的多多和西西。兩個(gè)角色的共性在于，他們都是愛聽音樂的小鹿，都是男性，且年齡相仿。如何讓他們?cè)趯?duì)話中給用戶留下不同的印象呢？我們借鑒了卡通及游戲制作中人物設(shè)定的方式，給予了他們不同的性格和喜好。例如，多多喜歡喝咖啡，而西西不喜歡，因?yàn)槠つw本來偏黑，迷信喝咖啡會(huì)變黑。利用態(tài)度分析的技術(shù)，多多和西西會(huì)對(duì)用戶提出的一組問題和回復(fù)進(jìn)行分析，判斷出用戶對(duì)何種目標(biāo)具有怎樣的情感信息，例如，對(duì)咖啡是喜歡還是討厭，進(jìn)而根據(jù)人設(shè)的不同特點(diǎn)來影響對(duì)話，造成有區(qū)別有個(gè)性的回復(fù)。三觀模型將“體溫”賦予了包括小冰在內(nèi)的人工智能角色，并將通過態(tài)度的一貫性、延續(xù)性來逐步凸顯角色的性格。

將三大學(xué)科成果的復(fù)合訓(xùn)練體系與微軟小冰三大學(xué)習(xí)器相乘，必然會(huì)大大加速小冰的成長(zhǎng)，也讓我們朝向“用代碼構(gòu)建機(jī)器心智”的目標(biāo)走近了一小步。總而言之，無論情感計(jì)算框架，又或是人工智能創(chuàng)造，都不是微軟小冰乃至微軟人工智能研發(fā)部門的最終目標(biāo)，或許，構(gòu)建“人工心智”（Artificial Mind）才是。