0
| 本文作者： 奕欣 | 2017-02-05 15:04 | 專題：AAAI 2017 |
美國西部時間 2 月 4 日早上，AAAI 大會已經悄然揭開帷幕。與其說今天是開幕的第一天，不如說是大會的「預熱」環節。大部分主要的演講及論文展示將在接下來幾天陸續呈現，而今天進行的主要議程分為兩大部分，一個是以學生群體分享為主的 Student Activities，另一個則是話題更為細分的 Workshop 環節。雷鋒網此前報道中也有提及 Workshop 是人工智能的研究風向標，可以從話題中一窺產業界與學術界之間的聯系。
今天共有八個持續一整天的 Workshop，包括 AI 道德倫理、人機合作學習、AI 游戲、human－aware AI 等議題。其中，IBM 作為 human－aware AI workshop 的組織方，也于今天邀請了數名在該領域有所建樹的學者發表演講，并于其間穿插本次入選 AAAI 的論文展示。
隨著 AI 技術及系統的發展，人工智能與人類的交互問題日益突出。也就是說，人類實際上將和人工智能一同合作，對數據進行理解并作出決策。而這也是 Human－aware AI 的主要體現——即在增強智能中培養機器理解人類的能力，并與人類產生更好的交互。本次 workshop 主席、IBM Watson 研究中心的 Kartik Talamadupula 向雷鋒網介紹，籌辦這次研討會的目的旨在聯合學界人士齊聚一堂，「human－aware AI 是人工智能的一個重要且前沿的分支，我們希望召集對這一領域感興趣的研究者們一同參與討論，并在本次 workshop 中了解目前研究中的不足。」
在 workshop 伊始，南加州大學的計算機科學及空間科學研究教授 Craig Knoblock 就拋出了一個疑問：什么樣的人工智能才能算具有了 human－aware 的能力？他舉了一個例子，則一項能夠根據在線網站資源構建圖表的技術。這項技術的成功之處在于能夠為感興趣的用戶提供簡單而直觀的手段達成一些看似困難的目標。Knoblock 向雷鋒網表示，「我們在數據分析的過程中會發現目前的自動（生成）技術能夠達到 80%－90％的準確度，但實際上這樣的精確度很難為人所接受。不過為何我依然受邀在這個環節上進行分享呢？因為解決上述問題的核心，就在于要了解人所不能及的地方，并利用機器的能力把它放大。實際上嚴格意義來說，這些系統大概并不能稱為『human－aware AI』，但我們能夠讓它以自然的方式與人類實現交互。我們剛剛提及的例子，就是一個很好的證明。」
而作為東道主，IBM 又是如何看待 human－aware 這個話題的呢？IBM Waston 研究中心的 Murray Campbell 發表了他的研究成果。他的研究主要集中在討論對話在增強學習方面所扮演的角色。Murray Campbell 指出，隨著人工智能領域研究的發展以及相關應用的實現，AI 與人越來越趨向于一起協同工作，而非像傳統方法上那樣作為人類的工具使用。而這一種協同工作的方式，已經在很多領域獲得了實際應用。之所以在這個領域上深入研究不斷突破限制，是因為基于研究發現，人與 AI 的協同工作相比于兩者各行其道時有著更加優秀的性能表現，因此能在各種任務中帶來諸多益處。而這種協同工作的基礎，依賴于 dialog 機制。實際上這種機制已經被證明是一種解決人類與系統之間交流問題行之有效的手段，在當有足夠的時間進行決策，足夠的復雜度和重要性進行判斷，人類的目的及偏好已獲取等條件下時，dialog 就能在增強智能中發揮作用。
另一方面，人類與系統之間的溝通與交流，是 human－aware AI 領域的一個關鍵。但在實現這種機制時，依然存在一些亟待解決的技術瓶頸，比如計算機網絡的設計，腳本化方法難以拓展（諸如像深度學習，深度 RL，對抗學習等方法）、模型的評估與測量、情感的表達與偵測、在特定知識領域中可拓展的交互以及合理性。不過在學習中，Campbell 認為系統的表現會變得更好，比如增加與人類的互動，以獲得足夠的信息。在這里他引用了 Facebook bAbi task 中的一個例子：
1. Emma is in the garden.
2. Hannah is in the garden.
3. Hannah picks up the gift.
4. Hannah goes to the kitchen.
Question: Where is the gift?
根據四句話的信息，系統會通過分析上述文本了解禮物所在的位置；而如果把第四句話的 Hannah 去掉，改為「Someone goes to the kitchen」，那么系統遇到同樣的問題，它會向人類再次詢問，以獲得足夠的信息來回答此問題。
最后 Campbell 指出，AI 將會在可見的未來中扮演重要的角色，而 dialog 可能會是解決這種系統中溝通機制的最優手段，這方面的研究也會面對一定的挑戰性。
既然是一個涉及人類交互的話題，IBM 又是如何看待人工智能的倫理道德問題呢？IBM Watson 研究中心的 Francesca Rossi 向我們分享了她的觀點。最近不斷增加的 AI 應用，主要得益于機器學習技術提供的增強感知能力，并在解決一些全球問題上表現出了巨大潛力。比如說，AI 可以幫助治愈疾病、解決全球性的問題，管理全球經濟，并給許多部門帶來革命性的改變，如教育、零售、金融和制造業。而 Rossi 提出的一個核心觀點是機器在學習的過程中會涉及到倫理道德問題，因為人類在決策的過程中可能存在偏差，因此機器在倫理道德上更具有優勢，但在這個過程中存在三個問題。
首先是人類難以量化道德準則，其次是類似道德這樣的常識實際上很難用機器能理解的語言說明；最后一點在于如何在系統和人之間建立信任機制。以自動駕駛為例，機器如何在“保障行人安全”和“保證速度”之間保持平衡？
而除了在對話領域， human－aware 又能產生怎樣的社會效益呢？南加州大學的 Milind Tambe 對此作了更為具體的分享。洛杉磯有著 4 萬流浪人士與 6000 多名無家可歸的青少年，因此造成了很大的艾滋病傳播隱患。為了對此作出評估并制定決策，Milind Tambe 和他的研究團隊進行了一項長期的研究。這項使用了社交網絡聚類分析，對社交網絡進行剖析，識別出網絡中特定的不同群體，并識別出當中最具有影響力的人（peer leader），通過他來對整個群體施加影響力，從而對他們進行定向的艾滋病防治宣傳，甚至引導他們采取治療手段。Tambe 向雷鋒網表示，由于社交網絡的復雜程度可能會導致 np hard 問題，因此團隊引入了人工智能進行分析。而在此研究過程中，團隊面臨的主要挑戰來自于社交網絡的狀態與結構的不確定性。
雷鋒網此前也對 IBM Watson 的認知計算進行過不少報道，它也已經在很多領域實現了「感知人類」的能力。實際上，「 human－aware 」的本質在于利用機器學習手段，讓機器更好地理解人類并幫助人類，這也是人類最希望人工智能實現的。在明天的 AI in Practice 環節中，除了 IBM 外，包括 Google、Amazon、Facebook 在內的公司都將在 AAAI 2017 上發表對人工智能的主題演講，雷鋒網會進行持續關注與報道，敬請期待。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
