動物的智慧將幫助人工智能技術變得更聰明。

我們和動物相處時，總會時不時和它們說說話，這種交流讓人類和動物的感情更深，我們甚至想要做出翻譯機器去理解它們的語言，但更進一步的，你有沒有想過，有一天我們可以理解甚至預測它們的行為？

最近，來自華盛頓大學和艾倫人工智能研究所的團隊就合力開發了新的神經網絡模型，利用 AI 技術來嘗試理解和預測狗狗行為，并取得了一些突破。通過這種方法，也許將來的某一天，我們和動物之間真的可以更深入的交流。

首先要了解，這項研究的目的是什么？

人類長期以來和寵物建立起了良好的伙伴關系，不論是汪星人或者喵星人，相處的時間越長，我們越能發現寵物的一些習性變化，它們能夠明白我們的指令，但我們卻并不是真正了解它們，所以假如能夠明白它們的行為，并做出預測，那就意味著任何動物都有可能用這種方式建立聯系，于是就有了這項研究，科學家先從和人類最親近的寵物——狗來進行。

了解狗狗的第一步，是收集它們每一天的活動數據。研究人員在狗狗身上安裝了 GoPro 相機用于記錄狗狗的行為，并且通過在四條腿和尾巴上安裝的傳感器來傳遞運動數據。

由此，科學家得到了兩種數據，第一種是狗狗眼中的世界，第二種是狗狗自身的運動狀態，，通過這兩種方式疊加在一起，就捕捉到了較豐富的數據，值得一提的是，通過在四條腿和尾巴上安裝的傳感器的方式還原狗狗的運動行為，這種方式和好萊塢特效大片中的動作捕捉技術（CGI）如出一轍。

有了較為全面的數據，要想理解并且預測狗狗的行為就需要數據模型進行分析。根據論文介紹，研究人員采用了一種深度學習方式，通過對狗狗的肢體動作內容和在 GoPro 上記錄的內容進行比對分析，由此產生出神經網絡可以知曉狗狗在什么樣的動作下看到了什么，并有可能對其行為進行預測。

舉例來說，當狗狗在家門口聽到聲音，并看到主人，它接下來的動作通常是跑到主人身邊，然后回頭跑進家里，而遇到陌生人則不會有這樣的反應，因此一旦能夠捕捉到其中的差別，我們就知道狗狗到底看到了什么，這就是通過預測能夠帶來的影響。

需要指出的是，盡管通過大量的數據輸入進神經網絡，我們可以能夠對狗狗的行為做出一定的理解和預測，但也未必能夠做到十全十美，就像人一樣，動物的行為也有習慣性和隨機性，我們對于隨機性仍舊無法預測，比如狗狗可能會突然奔跑起來追逐路邊的蝴蝶，而當產生這種行為時，我們卻不能反過來推測說它真的看到了蝴蝶。

如論文第一作者 Kiana Ehsani 所說，AI 系統的預測能力可以很準確，比如狗狗看到樓梯，它會選擇爬上去，但除此之外還會有其它無法預測的元素，因此要想百分百預測它的行為還是有挑戰的。

不過你以為研究到這一步就結束了嗎？這項研究其實還揭示了另外一個重要的結論——我們能向狗學習 AI 技術。

從寵物狗說起，當它們看到不同的物體時，身體的反應是不同的，如論文所說“狗清楚地表現出視覺智能，能識別食物、障礙物、人類以及動物。”這種不同反應我們在現實生活中也很常見，而既然狗能夠這么聰明地識別出不同目標，那么科學家猜測，神經網絡也能夠被訓練成同樣聰明。

事實證明，這種猜測是可能實現的，在后續實驗中，探究人員進一步嘗試把神經網絡訓練的“像狗一樣”，并讓其在不同場景中識別物體，進一步發現，通過這種學習方式，深度神經網絡可以識別出室內或者室外等不同場景，并且能夠理解怎樣在不同場景下行走，路線怎樣更合理，這對于研究者來說是一大驚喜。

Ehsani 表示，過去訓練機器懂得如何智能識別物體是一項艱難的任務，因為它需要大量先驗知識，這對于機器來說學習起來相當耗費時間，如今寵物狗知道這些規則，那么人們將不必再從基礎來訓練神經網絡，通過觀察寵物狗的行為就能掌握這些規則，換句話說，我們讓 AI 從狗身上學到了規則。

這種學習當然也是存在風險的，因為我們需要讓 AI 理解一些先驗知識和規則，但不是讓 AI 變成狗的意識，因此在其學習過程中需要對基本規則進行限定，并非一股腦管輸進去，但不得不說，這種方式有很多好處，比如狗狗天然知道路上的汽車需要躲避，而訓練神經網絡讓它明白這樣的道理在過去并不容易。

通過了解寵物狗和學習它們的行為，我們有理由猜測在未來某一天，我們真的能夠理解它們的行為，而更令人振奮的是，如果 AI 能夠通過這種方式加強訓練，我們期待中的更聰明的人工智能，距離我們也不太遙遠。