愈來愈熱的人工智能的下一步將走向哪里？見仁見智。不過，最好的莫過于在近期美國加州長灘舉行的NIPS 2017上尋找答案。這次大會上展示的基于機器深度學習的Demo，比如可以隨意與人類溝通互動的MILABOT聊天機器人以及可以學習并預測人類動作的伯克利大學帶來的機器人，可以一葉知秋。

AI的下一步在哪里？可能沒有比這周在美國加州長灘舉辦的NIPS 2017上大會和專題論壇能給到更好的答案了。

蒙特利爾大學團隊在展臺上展示的MILABOT機器人聊天非常有趣。這臺機器人的特點是：可以和用戶隨意對話，話題可以從貓的俏皮話到你和你媽媽關系的問題探索。

“許多人和它聊個人生活的話題能聊上20-30分鐘，"MILABOT的開發者之一Iulian Vlad Serban在演示時介紹說。

當被問到AI的未來時，MILABOT回答說，你可以從這次大會上7000多學生和研究人員在大會長廊里自由交談時聽到答案，“我還需要再思考一會。”

和這次大會上的每個人一樣，全球首屈一指的AI巨頭英偉達也在試圖回答這個問題。一方面，英偉達通過其AI實驗室或NVAIL項目支持像Serban這樣研究人員的工作，他們從工程師中提供技術助手來支持的20所頂級高校或機構，并允許學生訪問英偉達公司的超級計算機系統DGX AI。

觀察和學習

一個答案：深度學習將幫助人類與機器交流更順暢。

“我認為幾年后機器將會自主化，”在參觀我們的展臺時，英偉達CEO黃仁勛停下來，與伯克利大學的Sergey Levine、 Chelsea Finn和Frederik Ebert談到他們的工作時說到。“你們處在人工智能和能與物理世界互動的機器的中間。”

這個來自伯克利AI研究實驗室的團隊在這次NIPS上帶來的Demo，展示了新的深度學習技術如何把這個變成可能。

你可以把一個類似汽車鑰匙或一副眼鏡放在其中一個Demo機器人的工作臺，然后你點擊用戶界面，來表明你希望哪臺機器人移動這個物件，希望它運行的位置。

然后，通過視頻可以展示機器人移動這個物件的動作，隨后，機器人將用這個預測來規劃它的下一步行動。

多虧了創新的卷積神經網絡的設計，這臺機器人在上月僅被一些學生訓練一天，就產生了令人驚訝的技巧。

在第二個演示中，通過演示一個任務，比如引導一個機械臂把某些東西放到一個容器里。通過這個演示視頻，機器人能找到這個容器，并完成相同的項目。

與人類互動

另一個迷倒與會者的Demo是MILABOT，許多研究人員渴望找到難倒這臺聊天機器人的方式。

只要不會折磨，像其中的一個研究人員用一個“有歧義的代詞”來欺騙它那樣，它都能搞定，即使是它要去處理一個很壞的雙關語。

當被問到是否喜歡貓時，它回應說“我不養貓，但如果我養了，我將會喜歡它喵嗚的叫聲。”（當然，貓時流傳在AI研究人員的一個笑料）

這臺聊天機器人是蒙特利爾學習算法機構研發出來參加Amazon Alexa獎比賽的，它依賴于其他22種模型而不是會話模型。

對于計算機科學家來說，通過語音或文字與人類閑聊是一個挑戰。自從麻省理工的Joseph Weizenbaum創造出的ELIZA，距今已至少有40年了。ELIZA僅能應對人類的膚淺問題。

不像ELIZA，MILABOT是基于其創造者稱之為“套裝”的模型。包括樣板模型，單詞包模型，序列到序列神經網絡，潛在變量神經網絡模型，以及原始ELIZA的變體。

真正的訣竅是使用深度強化學習來選擇哪種模型。要做到這一點，MILABOT采用了強化學習的方式：軟件代理通過不斷放大與人類溝通交流中獲取數據包來學習。

它并不完美，但它足以吸引人群。讓他們保持不斷與整個軟件互動的娛樂。