能掌握全球大小事的AI？這家研究機(jī)構(gòu)要開發(fā)具有理解能力的AI

迅速理解現(xiàn)實(shí)世界事件對(duì)于為國(guó)家安全工作提供信息而言至關(guān)重要。美國(guó)國(guó)防部下屬研究機(jī)構(gòu)顯然已經(jīng)意識(shí)到這一點(diǎn)，并開始探索運(yùn)用AI來(lái)掌握世界大小事件的可能。

一只蝴蝶扇動(dòng)翅膀，引發(fā)了世界另一頭的一場(chǎng)颶風(fēng)這是一段關(guān)于復(fù)雜因果關(guān)系的典型描述。就這一事件而言，我們?cè)撊绾斡^察颶風(fēng)、以及如何找出這颶風(fēng)是由哪只蝴蝶引起的？如果可能的話，我們是不是可以在這只蝴蝶開始飛行之前就阻止它？

這些自然界或人類社會(huì)中值得注意的變化不僅可以對(duì)事件本身產(chǎn)生重大影響，也可能構(gòu)成產(chǎn)生更廣泛影響的因果鏈的一部分。許多事件不是簡(jiǎn)單的單一事件，而是由眾多輔助元素組成的復(fù)雜現(xiàn)象，它們由包括從參與者到時(shí)間線的大量附屬元素組成。

然而，非結(jié)構(gòu)性多媒體信息大量出現(xiàn)而且越來(lái)越多，這阻礙了人們對(duì)這些事件及其基本組成要素的發(fā)現(xiàn)與理解。

根據(jù)美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DARPA）官網(wǎng)一份聲明稱，該研究機(jī)構(gòu)創(chuàng)建了基于圖式的知識(shí)導(dǎo)向人工智能推理系統(tǒng)（Knowledge-directed Artificial Intelligence Reasoning Over Schemas, KAIROS）項(xiàng)目，旨在對(duì)復(fù)雜的現(xiàn)實(shí)世界事件進(jìn)行語(yǔ)境和時(shí)間推理，從而生成對(duì)這些事件的可操作理解并預(yù)測(cè)它們將如何展開。

具體看，該項(xiàng)目將開發(fā)一個(gè)半自動(dòng)化的機(jī)器學(xué)習(xí)系統(tǒng)，可以篩選每天產(chǎn)生的無(wú)數(shù)事件和媒體片段、從中辨別和繪制任何聯(lián)系或敘事相關(guān)性的線索，協(xié)助用戶對(duì)周圍的世界信息達(dá)成廣泛理解。

從DARPA公開的網(wǎng)站信息來(lái)看，KAIROS的研究目標(biāo)將分兩個(gè)階段進(jìn)行：

第一階段將側(cè)重于通過基于語(yǔ)言推理和常識(shí)推理檢測(cè)、分類和集中子事件，從大量數(shù)據(jù)中創(chuàng)建圖式庫(kù)。接受此挑戰(zhàn)的研究人員將應(yīng)用泛化、組合和專業(yè)化流程來(lái)幫助生成描述簡(jiǎn)單和復(fù)雜事件的圖式，將多個(gè)圖式排序在一起以理解關(guān)鍵語(yǔ)境元素（如角色和時(shí)間線），并應(yīng)用特定域知識(shí)來(lái)定制分析以針對(duì)特別需要。

第二階段將側(cè)重于將第一階段創(chuàng)建的圖式庫(kù)應(yīng)用于多媒體、多語(yǔ)言信息，以發(fā)現(xiàn)和提取復(fù)雜事件。這個(gè)階段需要AI識(shí)別事件、實(shí)體、以及它們之間的關(guān)系，以幫助構(gòu)建和擴(kuò)展知識(shí)庫(kù)。

最大的挑戰(zhàn)：讓AI具備理解能力

使用圖式來(lái)幫助繪制信息之間的相關(guān)性并不是一個(gè)新概念。早在1923年，認(rèn)知科學(xué)家Jean Piaget就對(duì)其下過最初的定義：圖式是指人類通過創(chuàng)造出許多由相互關(guān)聯(lián)的事件構(gòu)成的小故事來(lái)理解周圍的世界。

例如，當(dāng)你去商店買東西的時(shí)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(gè)我們都能識(shí)別出的圖式，其由一組動(dòng)作（支付）、角色（買方和賣方）和時(shí)間約束（物品被掃描然后支付）來(lái)定義；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(gè)圖式也可以從屬于另一個(gè)圖式 (比如送禮、家庭烹飪)。

盡管這些圖式很容易在我們的腦海中想象出來(lái)，但要以計(jì)算機(jī)系統(tǒng)能夠理解的方式對(duì)它們進(jìn)行正式定義卻十分困難，因?yàn)檫@并不顯而易見、也不受規(guī)則的約束。而且，數(shù)據(jù)越多，定義起來(lái)就越困難。買東西還是一個(gè)相對(duì)來(lái)說比較簡(jiǎn)單的圖式，但如何建立一種認(rèn)知冷戰(zhàn)或熊市的圖式呢?

因此，這種基于圖式的AI功能最關(guān)鍵的挑戰(zhàn)之一就是讓AI具備理解能力。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，然而目前已經(jīng)應(yīng)用到實(shí)際生活的人工智能技術(shù)絕大多數(shù)還是無(wú)理解能力的人工智能。

DARPA信息創(chuàng)新辦公室（I2O）項(xiàng)目經(jīng)理Boyan Onyshkevych在新聞稿中對(duì)此表示：“要從大量信息中的時(shí)間、事件模式等靜態(tài)元素來(lái)找出相關(guān)聯(lián)的過程，以目前可用的工具和系統(tǒng)來(lái)說非常困難?！?/p>