DARPA的最新項目就旨在創(chuàng)建一個機(jī)器學(xué)習(xí)系統(tǒng)

一只蝴蝶扇動翅膀，引發(fā)了世界另一端的一場颶風(fēng)——這段關(guān)于復(fù)雜性因果關(guān)系的典型描述相信很多人都聽過，其中更深層次的意味是，我們?nèi)绾斡^察颶風(fēng)并找出這颶風(fēng)是由哪只蝴蝶引起的，如果可能的話我們就可以在它開始飛行之前就阻止它。

而 DARPA 認(rèn)為人工智能應(yīng)該能夠做到這一點。其中最關(guān)鍵的挑戰(zhàn)之一就是讓 AI 具備理解能力。

近日，DARPA 的最新項目就旨在創(chuàng)建一個機(jī)器學(xué)習(xí)系統(tǒng)，可以篩選每天產(chǎn)生的無數(shù)事件和媒體片段，并識別其中的任何聯(lián)系或敘事線索，它被稱為 KAIROS（Knowledge-directed Artificial Intelligence Reasoning Over Schemas）：基于圖式的知識導(dǎo)向人工智能推理系統(tǒng)。

圖丨 DARPA 的前總部位于阿靈頓的弗吉尼亞廣場附近。該機(jī)構(gòu)目前位于 North Randolph St. 675 號的一幢新大樓內(nèi)（來源：維基百科）

“圖式”在這里有非常具體的含義。這基于這樣一個理念：人類通過創(chuàng)造出許多由相互關(guān)聯(lián)的事件構(gòu)成的小故事來理解周圍的世界。例如，當(dāng)你去商店買東西的時候，你知道通常是你走進(jìn)商店，選擇一件商品，然后把它帶到收銀員那里，收銀員掃描了它，接著你以某種方式付款，然后離開了商店。這種“買東西”的過程就是一個我們都能識別出的圖式，當(dāng)然其中也可以包含一些子圖式 (比如選擇商品、付款流程)，這個圖式也可以從屬于另一個圖式 (比如送禮、家庭烹飪)。

盡管這些很容易在我們的腦海中想象出來，但要以計算機(jī)系統(tǒng)能夠理解的方式對它們進(jìn)行正式定義卻異常困難。通過長期的使用和理解，我們對它們已經(jīng)很熟悉了，但是這并不明顯，也不受規(guī)則的約束，就像蘋果如何以恒定的加速度從樹上掉下來一樣。

數(shù)據(jù)越多，定義起來就越困難。買東西相對來說比較簡單，但你如何建立一種認(rèn)知冷戰(zhàn)或熊市的圖式呢? 這就是 DARPA 想要研究的。

圖丨 Boyan Onyshkevych（來源：DARPA）

DARPA 項目經(jīng)理 Boyan Onyshkevych 在一份新聞稿中說：“要從海量信息和靜態(tài)元素之間發(fā)現(xiàn)相關(guān)聯(lián)系，需要時間信息和事件模式，而以目前可用的工具和系統(tǒng)很難大規(guī)模捕捉到這些信息?！?/p>

該機(jī)構(gòu)表示，KAIROS 旨在“開發(fā)出一種半自動化系統(tǒng)，能夠識別和繪制看似無關(guān)的事件或數(shù)據(jù)之間的相關(guān)性，幫助人們了解或創(chuàng)造有關(guān)我們周圍世界的廣泛敘事。”

那么如何達(dá)到這一目標(biāo)呢? 他們有一個大致的想法，但還正在尋找專業(yè)知識。他們指出，問題在于圖式目前必須由人類費力地定義和檢查。在這一點上，不妨親自檢查信息試試。KAIROS 的目標(biāo)是讓人工智能自己教會自己。

首先，系統(tǒng)將受限于獲取大量數(shù)據(jù)以構(gòu)建基本圖式庫。通過閱讀書籍、觀看新聞報道等，它應(yīng)該能夠創(chuàng)建一系列可疑圖式清單，如上所述。它甚至可能會得到一些更大、更模糊的圖式的暗示，而這些圖式是系統(tǒng)無法用它虛擬的手指去觸摸的——愛情、種族主義、收入差距等等——以及其他人如何適應(yīng)自己和對方。

接下來，它將被允許查看復(fù)雜的現(xiàn)實世界數(shù)據(jù)，并嘗試根據(jù)它創(chuàng)建的圖式提取事件和敘事。

在軍事和國防上的應(yīng)用前景是相當(dāng)明顯的：想象一下這樣一個系統(tǒng)，它能夠接收所有新聞和社交媒體的帖子，并通知系統(tǒng)管理員：也許可能會發(fā)生銀行擠兌、政變，或者從一個衰落的派別中發(fā)現(xiàn)一個崛起的新派別。情報官員正在盡力完成這項任務(wù)，幾乎可以肯定，人類的參與將永遠(yuǎn)不會停止, 但他們很可能會感激一個電腦同伴并說，“有很多關(guān)于儲備的報道，這些關(guān)于化學(xué)戰(zhàn)爭的文章被廣泛分享，這可能指向恐怖襲擊的謠言?！钡鹊取?/p>

當(dāng)然目前一切都是純理論的，但這正是 DARPA 研究它的原因：其存在的原因是將理論轉(zhuǎn)化為實踐，或者至少要找出為什么他們做不到這一點?？紤]到如今大多數(shù)人工智能系統(tǒng)都極其簡單，很難想象有哪個系統(tǒng)能像他們想要創(chuàng)造的那樣復(fù)雜。

有理解能力的人工智能一直是業(yè)內(nèi)關(guān)注的重要方向，目前已經(jīng)應(yīng)用到實際生活的人工智能技術(shù)絕大多數(shù)還是無理解能力的人工智能，例如在人類的語言上，現(xiàn)有的人工智能還不能夠很好地理解其中的智慧，而人類語言的重要性是不言而喻的。顯然，我們還有很長的路要走。