Facebook 的“M”通过后退一步推进 AI

一则或许对你有用的小广告

欢迎加入小哈的星球 ,你将获得:专属的项目实战 / Java 学习路线 / 一对一提问 / 学习打卡/ 赠书活动

目前,正在 星球 内带小伙伴们做第一个项目:全栈前后端分离博客项目,采用技术栈 Spring Boot + Mybatis Plus + Vue 3.x + Vite 4手把手,前端 + 后端全栈开发,从 0 到 1 讲解每个功能点开发步骤,1v1 答疑,陪伴式直到项目上线,目前已更新了 204 小节,累计 32w+ 字,讲解图:1416 张,还在持续爆肝中,后续还会上新更多项目,目标是将 Java 领域典型的项目都整上,如秒杀系统、在线商城、IM 即时通讯、权限管理等等,已有 870+ 小伙伴加入,欢迎点击围观

上周,Facebook 在旧金山湾区的数百部手机上推出了虚拟助手。是什么让它的 AI(称为“M”)与 Siri 之类的不同?它并没有消除人为因素。

其他人工智能,如 IBM 的沃森,试图在几乎没有人为干预的情况下思考人类的思维方式。 Facebook 的 M 建立在其 Messenger 应用程序之上,与人类团队“协同”工作。 Facebook 收购了创业公司 Wit.ai 来构建这个工具。

“人工智能试图做所有事情,”Wit.ai 的创始人亚历克斯勒布伦告诉 连线 。 “但人工智能是受人监督的。”

虽然 M 能够回答向它提出的大多数问题并执行各种各样的任务,但它的知识网络存在空白,这就是它的人类团队发挥作用的地方。当用户向 M 提出问题时,软件将问题和建议的答案发送给团队成员,然后团队成员检查是否还需要什么才能完全回答问题。在助手上工作的血肉之躯团队正在通过直接将信息提供给每个未知数据来训练和提高其(她的?他的?)知识。

M 并没有引入花哨的新技术,而是致力于完善已经尝试和测试过的技术。 Lebrun 于 2013 年创立了 Wit.ai,首先构建人工智能,通过语音识别(包括自然语言)帮助 AT&T 等公司的客户满足他们的需求。该软件被证明更轻巧,因为它不依赖于数据库。

M 使用条件随机场和最大熵分类器作为其技术核心的一部分。通过与人类合作以获得正确答案,它开发了一个神经网络来学习如何为未来类似性质的问题搜索正确答案。这样的系统被描述为深度学习,或“一种通过分析庞大机器网络中的大量信息来掌握任务的人工智能形式”。

“这是引导的好方法。有了几千个数据点,你就可以开始构建模型了,”Lebrun 说。 “然后,使用这个模型,你可以获得更多数据,一旦你拥有大约一百万个数据点,你就可以去找 [Facebook 计算机科学家] Yann 并进行一些深度学习。”

要阅读完整的 Wired.com 文章,请单击 此处