人工助理Clara:人类与人工智能如何互帮互助

Clara是一个人工智能助理,目前它采用的方式是系统与人类相结合。wired这篇文章的作者通过邮件采访了Clara的创始人Maran Nelson,并介绍了这种类型的人工助理与其他类型的区别。

Clara的创造者将其视为「第一个可以感受人类的智能化自然语言界面——你可以依赖的虚拟助手」。经过数月的内测之后,从2015年9月开始,Clara已经可以在全世界广泛使用了。我第一次注意到Clara是在一年以前,那时,科技网站Techcrunch报道了该工具背后的公司Clara Labs已经从大名鼎鼎的风投红杉资本(Sequoia Capital)获得一些投资。

但问题是如何才能达到这样的一个境界——机器可以做任何事情,且都能做得很好。

我通过邮件咨询了这家年轻的硅谷初创公司,但是该公司的创始人Maran Nelson告诉我该公司还没有准备好面对媒体。上周她给我回了信息,并邀请我进行注册。这是一个非常有趣的事情,部分原因是它展现了现代人工智能成长所遭遇的痛苦。你也可以从其他同类产品中体会到这一点,例如Apple的Siri,或者Facebook正在美国旧金山湾区小部分用户中进行测试的数字助手。人工智能已经走过了漫长的道路,但是它仍然需要人类的帮助。

正如所展示的那样,Clara可以通过邮件协调会议,以及管理你的在线日程。当你试图和某人约定一个电话会议时,你可以将邮件抄送给Clara,该工具就可以帮助你安排一个对所有人都合适的时间,并通过邮件发送日程邀请。你也可以让它在你的日程中加入一个会议。Diede van Lamoen每星期都要进行无数的电话会议,和全世界的人们进行交谈,他已经使用这个工具超过一年的时间,而且他说这帮他节省了大量的时间。「这就是一个上天赐予的礼物,我几乎可以将所有的日程安排外包给Clara。」

对于我来说,这款产品非常好,但我并不知道它究竟帮我节省了多少时间。虽然偶尔它也有搞砸的时候,但是这对于任何数字助手来说都必不可免,连人类自身也有搞砸的时候。曾经有一段时间,Clara甚至弄错了我的时区,但是很显然那是我的问题,因为我注册的时候选择了错误的时区。Clara这位数字助手不仅仅为人类服务。Clara还由人类驱动,至少部分由人类驱动——也就是那些真人助理。

「为什么这个人……?」

该公司的网站说Clara是「由机器智能驱动,并由行政助理训练」。Nelson认为人类(在世界各地工作的独立承包人)不仅仅训练这样的系统,在某些特定情况下也会控制该系统。Nelson说,当你给Clara发送邮件的时候,该系统会分析该邮件,然后生成一个响应,然后它会将该分析发送给一个人,从而获得许可。如果任务超出了机器的能力范围,人类将会接管这部分工作,例如承包人将会给你发送一份长长的邮件。

有一次,当Nelson和我试图安排一个会议时,Clara提供了一个时间,但是这个时间并不合理。之后,Nelson无意间给我发了封邮件,主题就是她曾经努力想要解决这个问题。这里就体现出了人类的参与。

「为什么这个人提供的时间不是明天?这真的不合理。」她给技术支持人员写道。

「这是cra-60,Clara错误——对客户指令产生疏忽。现在在错误提示窗口中报告。」该技术人员写道,在确认其名字和「教练」的名字之前为承包人提供了在线处理方案。

因此我们可以看到,尽管一切看起来都很好,但是也显示出了建立数字助手的困难——并且通常需要人类的介入。Siri并不是由人类驱动的,但是它却持续不断地以人类永远不会采用的方式犯错。Clara是由人类驱动的,因此它会以人类犯错的方式犯错。人类或者人工智能都不尽完美,至少目前还不完美。「人工智能比你过去在科幻小说中看到的增长得更多。」Nelson说。

问题是如何达到达到这样的一个境界——机器可以做任何事情,且都能做得很好。理念不同时或许有不同的认识。X.ai是纽约的一家初创公司,提供一个像Clara一样的数字助手。据该公司CEO Dennis Mortensen介绍,它可以帮助你安排会议,而和Clara不同的是,目前它仅仅由人工智能进行操作。Mortensen相信干脆彻底地做一件事是最好的选择。如果你过分依赖人类,那么人工智能达到其潜能的速度就更慢。

「这和自动驾驶汽车的方法类似。在我们的系统中,人类并不需要参与其中。这样会增加你收集的数据、以及你训练系统所需的数据质量,」他说。换句话说,除非自己尝试,否则该系统并不能真正学习它所需要完成的事情。如果你并不给予它协助,你才能更好地决定它需要怎样才能提高。

人类的要求

尽管如此,在建立任何人工智能的过程中,或多或少都需要人类的参与。X.ai开始时也采用了一些人类训练。Google、Facebook和Microsoft使用「深度学习」神经网络(模仿人类大脑的机器网络)来辨别图片、分辨语音、语言翻译等,而且他们的工作非常出色。但是在一开始,他们也需要一些人类训练。如果你想要一个可以教会自己辨识一张猫的图片的机器,人类必须首先向它展示猫到底长什么样子——那就是标记一堆照片,然后把它们输入到神经网络中。通过这种新型M数字助手,Facebook正在试图将该处理过程提升到一个新的高度。

当你向M发送一个请求(无论是让它讲一个笑话,还是计划一次假期),人工智能系统都会生成一个回复。但是之后,和Clara一样,它会将这个回复发送给一个人,这个人会同意这项回复、或者对回复进行修改,或者完成那些机器不可能完成的任务,从而对这份回复进行扩充。然而,Facebook的计划并不仅仅是为了更好地训练当前系统(使用的是相对简单的人工智能技术),而是能够更好地收集人类所做所有事情的数据:访问的网站、拨打的电话、在电话中都说了些什么。在接下来的数年,Facebook可以将这些数据输入神经网络,从而使得机器也可以教会他们自己来完成这些相同的任务。

想要把这变成现实还有很长的路要走。但是有迹象表明这是可以成功的。最近Google人工智能工程师建造了一种聊天机器人,这种机器人可以分析大量的老电影的对白,并且教会自己进行关于生命、宇宙和其他的事物谈话,效果相当不错。

那么Clara究竟要如何适应真实世界呢?从表面看,Clara似乎严重依赖人类,但是Nelson认为,随着时间的推移,这一切都会发生改变。「Clara的一个强项是在系统和人类之间有一个非常强大的反馈回路。」她说。

这是解决问题的一种方式。其他的一些服务,例如Magic和Operator则仅仅围绕人类建立,而没有人工智能,因此他们可以解决更多的任务。在某些方面,人类的比人工智能做得更好。

但是在另外的方面,人们就不一定有人工智能做得好。采用人类完成大量在线服务从后勤方面看是非常艰巨的任务,且随着服务的扩大,将会变得越来越困难。最终,我们希望达到这样的一个点,即机器助手可以完成地非常好,以至于不再需要人类的参与。但是这是一条漫长而艰辛的征程。

机器之心,最专业的前沿科技媒体和产业服务平台,每日提供优质产业资讯与深度思考,欢迎关注微信公众号「机器之心」(almosthuman2014),或登录机器之心网站www.almosthuman.cn查看更多精彩内容。