編者按：如今世界的變化速度之快，簡直要趕上科幻小說了。 自動駕駛汽車迅速發(fā)展，衛(wèi)星在周圍小行星上尋找鉑金礦，AR 游戲讓死宅們走向公園（抓精靈）……

這些科技究竟能讓未來的我們進入天堂還是跌入地獄，也許取決于我們是否能科技提升全人類的生存質(zhì)量。而教育領(lǐng)域也是一樣。

sinoustimes

在人工智能（AI）領(lǐng)域，也有著這么一家為全人類教育事業(yè)著想的企業(yè)：Value Spring Technology，簡稱 VST。他們正在發(fā)明一個名叫“Ali”的人工智能教師，可以用自然語言來輔導(dǎo)全世界不同年齡段孩子們?nèi)魏胃信d趣的話題。而讓他們能夠?qū)崿F(xiàn)這一終極目標(biāo)的工具，就是它們開發(fā)的 enterpriseMind 平臺。

與其他幾乎所有 AI 都不同的是，這個平臺可以理解語言的內(nèi)涵并重寫自己的程序，也許真真正正的人工智能將從這里產(chǎn)生。

為了展示 enterpriseMind 平臺和“Ali助教”的潛力，Ali的第一個大項目是幫助輔導(dǎo) Enterprise in Space 項目的同學(xué)們工作，這個項目是將一個3D打印的航天器發(fā)射到地球軌道，并完成全世界超過 100 個學(xué)生團隊的實驗項目。

在采訪中，VST 公司團隊介紹了 Ali 的工作過程、它與其他已有的 AI 軟件的不同之處、以及它是如何在學(xué)生對整個學(xué)習(xí)生涯進行輔導(dǎo)的。

enterpriseMind 是如何工作的？

1984年，VST公司的創(chuàng)始人兼 enterpriseMind平臺發(fā)明人 William Doyle，注冊了他的第一個 AI 軟件專利，用來模仿人類思維活動。

這個AI專利基于一種可以從非結(jié)構(gòu)語句中解碼字句意義的“含義引擎（meaning engine）”，為數(shù)據(jù)引擎和保險承銷領(lǐng)域編寫軟件。它能收集各個保險公司承銷政策的數(shù)據(jù)，然后根據(jù)數(shù)據(jù)分析，為公司經(jīng)營編寫程序。

30 年后，經(jīng)過幾代 AI 專家及 IBM 工程師的不懈努力，Doyle 的這個 AI 專利成為了enterpriseMind 平臺和 VST 公司的基礎(chǔ)，并最終成為了吸引 IBM Watson 的認(rèn)知計算系統(tǒng)技術(shù)?，F(xiàn)在，Watson已經(jīng)開始發(fā)展 AI 認(rèn)知計算語言，VST 也正在 enterpriseMind 平臺上建造 AI 的自然語言界面。

要理解 Doyle 的 AI 是如何工作的，我們可能需要更多的心理學(xué)課程而不是計算機課程，因為 enterpriseMind平臺是基于實際人類認(rèn)知規(guī)則而建立的。

在心理學(xué)中，記憶理論模型有兩種方式，程序性記憶和陳述性記憶。

程序性記憶中包含著你如何完成工作的信息。如果你是個數(shù)據(jù)架構(gòu)師，程序性記憶會告訴你如何設(shè)計一個數(shù)據(jù)庫。所以，我們的 AI 中存儲有程序性記憶和知識。

另一種記憶是陳述性記憶，它又包括兩種：

• 情景記憶（比如，生活中的事件——早晨起床、喝咖啡、開電話會議等）

• 語義記憶，包括單詞概念、句子和故事。

VST 的 AI 如何利用三種基礎(chǔ)意義來理解長故事中的概念含義

Doyle 補充說：“我們認(rèn)為，認(rèn)知取決于單詞、句子、故事，以及這些元素相互作用組成程序性知識。我們的人工智能現(xiàn)在可以做一些程序性的事情，比如設(shè)計數(shù)據(jù)庫、編寫軟件代碼。并且，它還可以理解意義、進行記憶，學(xué)習(xí)并對客戶數(shù)據(jù)進行分類?！?/p>

但是這些是如何編譯到人工智能算法中的呢？雖然 enterpriseMind 是基于人類認(rèn)知原理設(shè)計的，但是畢竟還是要將這些規(guī)則在某種程度上轉(zhuǎn)化成計算機科學(xué)。

為了使 AI 像人類一樣思考并完成某項特定的工作， VST 公司為 AI 編寫特定軟件。比如在設(shè)計復(fù)雜的數(shù)據(jù)庫時，程序令 AI 按照數(shù)據(jù)工程師建造數(shù)據(jù)庫的步驟來進行設(shè)計工作，這樣就構(gòu)成了AI的程序性記憶。

Doyle 說道：“我們通過采訪數(shù)據(jù)工程師們，了解他們?nèi)绾喂ぷ鳎热?，如何設(shè)計數(shù)據(jù)庫？如何寫代碼？如何整合兩個數(shù)據(jù)庫？我們收集了這些信息，并構(gòu)建出我們對于數(shù)據(jù)工程師工作的模型?！?/p>

圖中為 VST 數(shù)據(jù)工程師軟件界面，顯示出數(shù)據(jù)工程師與AI的交互方法

“run”的 129 種含義

接下來更重要的一步是，AI 需要對新遇到的數(shù)據(jù)做出真實反應(yīng)。VST 的認(rèn)知計算軟件可以理解單詞、句子、故事之間的關(guān)系，這正是將 VST 的技術(shù)與其他人工智能技術(shù)區(qū)別開來的關(guān)鍵所在。

Doyle解釋說：“人們使用的語言本身是模糊的。一個單詞‘run’，看起來非常簡單，卻也有129種不同的含義，單詞‘party’也有9種不同的含義。平均而言，每個英文單詞至少有7種含義。這種模棱兩可常常隱藏在我們這些自然語言使用者口中，因為我們實際上并不會感到含義模糊。人們通過句子、短語等語言單位的意義來消除模糊含義，我們正是基于這一過程來建造 enterpriseMind 平臺。如果不能人為消除模糊語義，就無法實現(xiàn)語言功能。”

當(dāng)大多數(shù)AI還依賴于在內(nèi)容中尋找關(guān)鍵詞，再根據(jù)關(guān)鍵詞來運行腳本時，enterpriseMind 已經(jīng)可以推測內(nèi)容含義了。

這就是為什么當(dāng)你向Siri提出一個問題時，她一般會推送出與問題關(guān)鍵字相關(guān)的搜索結(jié)果。當(dāng)問題還是“今天天氣如何？”時，這種策略還行得通，但是當(dāng)問題更復(fù)雜一些時，比如“地球到火星距離多遠(yuǎn)？”，這種答案可能就牛頭不對馬嘴了。

與Siri和Google Search不同，VST 的人工智能解釋是，“地球與火星的距離是不固定的，與行星繞太陽的旋轉(zhuǎn)有關(guān)。”

 對該問題一般的搜索結(jié)果其實并沒有理解“火星”的含義，他們將“火星與地球的距離”視為與“最近的星巴克在哪”一樣的問題。但是我們都知道，火星可不能和星巴克混為一談。

軟件發(fā)展部門副主席 Allan Elkowitz 詳細(xì)解釋了 VST 技術(shù)與市場上其他人工智能的區(qū)別：

“我們與其他只是讀取既定腳本的人工智能不同的地方在于，enterpriseMind 能夠理解文字或語言的內(nèi)在含義。一段語句實際是一個有很多列的結(jié)構(gòu)數(shù)據(jù)庫，我們可以在機器智能中運行這個數(shù)據(jù)庫，從而確定每一列的意義。如果你想要合并兩個保險公司，它們分別有一個不同的數(shù)據(jù)庫，兩庫中對同一事物定義為不同的名字，那么我們可以在兩庫中互譯，然后將它們合成一個數(shù)據(jù)庫?！?/p>

Doyle 用紐約時報一篇討論 1993 年世貿(mào)中心爆炸事件的文章舉例。將這篇文章輸入到軟件中，AI 可以通過對每個單詞以及它們與文章關(guān)系的檢查，把文章劃分為幾個相關(guān)的概念，比如“爆炸嫌疑人”、“襲擊受害者”，然后，AI可以從文中找到“誰是嫌疑人”的答案。

為 AI 載入知識

在AI能夠完成復(fù)雜任務(wù)，如數(shù)據(jù)庫建造、保險服務(wù)或教育之前，我們必須為程序提供大量相對應(yīng)的知識。拿保險舉例，該公司的AI明白什么是“保險”、“政策”、“第一時間損失通知”，就VST 團隊所知，enterpriseMind 是唯一一個能實現(xiàn)該功能的技術(shù)平臺。

最終，AI 可以寫出自己的軟件程序。換句話說就是可以進行機器學(xué)習(xí)。當(dāng)遇到新信息時，平臺可以重寫代碼來適應(yīng)這些新數(shù)據(jù)，添加新的規(guī)則和例外情況。 

有了AI 理解含義用的知識圖書館和可以解碼理解信息的意義引擎，加上自我學(xué)習(xí)和自寫程序的能力，人工智能在未來就可以自動完成復(fù)雜的人類工作，比如處理大量復(fù)雜數(shù)據(jù)，這可以極大地解放數(shù)據(jù)工程師和保險精算師的計算工作，使得他們更專注于其他重要事務(wù)。

目前，VST 的人工智能技術(shù)正應(yīng)用在保險承保和風(fēng)險分析領(lǐng)域、創(chuàng)造并管理數(shù)據(jù)模型領(lǐng)域、以及監(jiān)測和管理基礎(chǔ)設(shè)施數(shù)據(jù)領(lǐng)域。但是想讓 AI 成為助教，VST 還需要為程序加入自然語言界面，以便于老師和學(xué)生能與它像人類一樣對話。

教學(xué)和語言的動態(tài)性

EIS是一個全球在線教育機構(gòu)，為全世界學(xué)生提供免費的前沿領(lǐng)域的教學(xué)資源和課程。它正在與VST合作發(fā)展人工智能個人助教 Ali，幫助全世界的老師和學(xué)生教學(xué)與學(xué)習(xí)。

Doyle指出：“對于像 Ali 這樣的人工智能來說，與人類用自然語言交流的關(guān)鍵在于，她需要自己為自己編程。在人類認(rèn)知中其實并沒有什么魔法，在 Ali 身上也沒有，只是一種不同的編程方式。模仿自主人類的人工智能Ali，在與人類對話時能改變自己的軟件程序，學(xué)習(xí)知識，擁有情景體驗……總之，在與人類對話和學(xué)習(xí)中她無法對時間進行預(yù)測，她只能為自己寫腳本、寫軟件，編造對話?！?/p>

“人類的對話是動態(tài)性的，是自發(fā)地產(chǎn)生語句，做出判斷和選擇。與其他軟件程序不同，人類沒有固定腳本的對話。這也正是我們發(fā)展的人工智能的獨特之處?！?/strong>

Ali 將通過 IBM Watson 的各種內(nèi)容分析API應(yīng)用程序編程接口（如文字到演講、演講到文字、WatsonSPSS 機器學(xué)習(xí)基礎(chǔ)），來學(xué)習(xí)自然語言。VST 的合伙人兼 COO Taffy Holliday 說：“這些 API 讓 Ali 變成一個云端助教。我們利用 IBM Watson平臺的工具，在它們的基礎(chǔ)上工作，同時，也將超越它們。我們也與 IBM 工程師合作開發(fā)云數(shù)據(jù)中心，這樣全世界各地的學(xué)生都可以連接到 Ali。”

圖中展示了 VST 的意義引擎是如何在 Watson 中將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)的

Doyle說，大約 80% 的商業(yè)分析依賴于非結(jié)構(gòu)化數(shù)據(jù)的分析

教 Ali 如何當(dāng)老師

為了實現(xiàn) enterpriseMind 平臺的教育功能，VST 團隊并不會對原有的數(shù)據(jù)庫運行模式加以設(shè)定，他們將要設(shè)定的是老師教學(xué)學(xué)生學(xué)習(xí)的模式。

為了將教學(xué)過程模式化，EIS教育機構(gòu)令 Doyle 和他的知識工程師學(xué)習(xí)了他們精選的全球各種專業(yè)名師的10分鐘課程。在學(xué)習(xí)了不同老師針對不同學(xué)生在同一內(nèi)容的教學(xué)后，Doyle 相信，VST 團隊可以做出一個有效的模型，體現(xiàn)出知識的交流過程，以及師生間應(yīng)有的程序化任務(wù)。然后，Ali 可以面向世界，給學(xué)生們當(dāng)老師，在教學(xué)過程中繼續(xù)學(xué)習(xí)并不斷改進她的程序。

Elkowitz 把這個過程描述為：“我們吸取老師的教學(xué)內(nèi)容，并將其變成成功的模板。當(dāng)其他問題提出時（這個問題可能還沒有答案），Ali會遵循這個模板過程進行思考：這里有個問題——問題內(nèi)容是這樣的——我對此應(yīng)該知道這些——我應(yīng)該去哪里尋找答案——我找到了答案——我將答案反饋給學(xué)生。”

另外，Ali 還會借助于其他機器學(xué)習(xí)算法，對用戶的外貌或聲音數(shù)據(jù)進行處理，從而對提供相應(yīng)課程。根據(jù)不同學(xué)生的學(xué)習(xí)方式，找到最適合的方式來滿足學(xué)生需求。

EIS 項目經(jīng)理 Alice Hoffman 補充道：“對于有殘疾的孩子，Ali 意義重大。Ali 助教會不厭其煩地用不同的方式對殘疾孩子教授同樣的內(nèi)容，直到他們完全理解。這對于盲人及聾啞人孩子來說，非常適合。”

更好的 AI 思維，只為更好的人類

VST 將與 EIS 一起在未來的幾周內(nèi)訓(xùn)練 Ali 成為助教，名師課程的內(nèi)容也會隨之輸入進程序內(nèi)來幫助訓(xùn)練Ali。為了查看Ali是如何處理數(shù)據(jù)的，VST 團隊在程序中加入了插件，可以顯示出 Ali 的“知識地圖”，通過這個地圖，我們可以直觀地看到 Ali 如何形成單詞和語句。如果工程師發(fā)現(xiàn) Ali 的錯誤，也可以通過地圖來追溯錯誤的來源。

事實上，這個地圖就是對 Ali 大腦的一個監(jiān)控。如果可能的話，我們也可以將人類的大腦與 Ali 的大腦相比較。Doyle想要利用 fMRIs 技術(shù)來對人工智能和人類的大腦進行比較。

加州大學(xué)的心理學(xué)家 Jack Gallant 曾利用 fMIRs 技術(shù)展示出人類在聽取單詞時大腦特定區(qū)域的血量增加。Doyle 想做的是，利用 fMRIs 監(jiān)測老師教學(xué)時和學(xué)生學(xué)習(xí)時的大腦血量情況。在理想情況下，這些數(shù)據(jù)應(yīng)該能幫助 Ali 建立對單詞、句子、故事更好的認(rèn)知，讓 Ali 的大腦像真正的人類一樣工作。

如果 Ali 最終取得成功，那么就意味著全世界數(shù)以億計的孩子們可以在沒有任何教育基礎(chǔ)設(shè)施的環(huán)境下?lián)碛幸粋€私人老師。如果2020年前全世界的互聯(lián)網(wǎng)真正連成一體時，那么這些學(xué)生就可以在圖書館或者只是使用父母的智能手機，就可以和 Ali 一起學(xué)習(xí)。

當(dāng)然，非虛擬環(huán)境下，Ali 也為學(xué)生和老師帶來很多好處。這位“助教”將把老師從無休止的解決問題中解放出來，學(xué)生們可以自行選擇喜歡的課程內(nèi)容，課程深度和教學(xué)方式。學(xué)生也無需背著重重的課本，在臺燈下苦讀，所有的一切都在 Ali 的程序里面，隨手可得。

via engineering

推薦閱讀：

IBM為教師打造機器人助手，全面優(yōu)化遠(yuǎn)程課堂體驗

在線教育初創(chuàng)公司Udacity創(chuàng)始人Sebastian Thrun談人工智能，不會顛覆教育，卻能幫助老師

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。