能掌握全球大小事的AI？這家研究機構(gòu)要開發(fā)具有理解能力的AI

迅速理解現(xiàn)實世界事件對于為國家安全工作提供信息而言至關重要。美國國防部下屬研究機構(gòu)顯然已經(jīng)意識到這一點，并開始探索運用AI來掌握世界大小事件的可能。

一只蝴蝶扇動翅膀，引發(fā)了世界另一頭的一場颶風這是一段關于復雜因果關系的典型描述。就這一事件而言，我們該如何觀察颶風、以及如何找出這颶風是由哪只蝴蝶引起的？如果可能的話，我們是不是可以在這只蝴蝶開始飛行之前就阻止它？

這些自然界或人類社會中值得注意的變化不僅可以對事件本身產(chǎn)生重大影響，也可能構(gòu)成產(chǎn)生更廣泛影響的因果鏈的一部分。許多事件不是簡單的單一事件，而是由眾多輔助元素組成的復雜現(xiàn)象，它們由包括從參與者到時間線的大量附屬元素組成。

然而，非結(jié)構(gòu)性多媒體信息大量出現(xiàn)而且越來越多，這阻礙了人們對這些事件及其基本組成要素的發(fā)現(xiàn)與理解。

根據(jù)美國國防高級研究計劃局（DARPA）官網(wǎng)一份聲明稱，該研究機構(gòu)創(chuàng)建了基于圖式的知識導向人工智能推理系統(tǒng)（Knowledge-directed Artificial Intelligence Reasoning Over Schemas, KAIROS）項目，旨在對復雜的現(xiàn)實世界事件進行語境和時間推理，從而生成對這些事件的可操作理解并預測它們將如何展開。

具體看，該項目將開發(fā)一個半自動化的機器學習系統(tǒng)，可以篩選每天產(chǎn)生的無數(shù)事件和媒體片段、從中辨別和繪制任何聯(lián)系或敘事相關性的線索，協(xié)助用戶對周圍的世界信息達成廣泛理解。

從DARPA公開的網(wǎng)站信息來看，KAIROS的研究目標將分兩個階段進行：

第一階段將側(cè)重于通過基于語言推理和常識推理檢測、分類和集中子事件，從大量數(shù)據(jù)中創(chuàng)建圖式庫。接受此挑戰(zhàn)的研究人員將應用泛化、組合和專業(yè)化流程來幫助生成描述簡單和復雜事件的圖式，將多個圖式排序在一起以理解關鍵語境元素（如角色和時間線），并應用特定域知識來定制分析以針對特別需要。

第二階段將側(cè)重于將第一階段創(chuàng)建的圖式庫應用于多媒體、多語言信息，以發(fā)現(xiàn)和提取復雜事件。這個階段需要AI識別事件、實體、以及它們之間的關系，以幫助構(gòu)建和擴展知識庫。

最大的挑戰(zhàn)：讓AI具備理解能力

使用圖式來幫助繪制信息之間的相關性并不是一個新概念。早在1923年，認知科學家Jean Piaget就對其下過最初的定義：圖式是指人類通過創(chuàng)造出許多由相互關聯(lián)的事件構(gòu)成的小故事來理解周圍的世界。

例如，當你去商店買東西的時候，你知道通常是你走進商店，選擇一件商品，然后把它帶到收銀員那里，收銀員掃描了它，接著你以某種方式付款，然后離開了商店。這種“買東西”的過程就是一個我們都能識別出的圖式，其由一組動作（支付）、角色（買方和賣方）和時間約束（物品被掃描然后支付）來定義；當然其中也可以包含一些子圖式 (比如選擇商品、付款流程)，這個圖式也可以從屬于另一個圖式 (比如送禮、家庭烹飪)。

盡管這些圖式很容易在我們的腦海中想象出來，但要以計算機系統(tǒng)能夠理解的方式對它們進行正式定義卻十分困難，因為這并不顯而易見、也不受規(guī)則的約束。而且，數(shù)據(jù)越多，定義起來就越困難。買東西還是一個相對來說比較簡單的圖式，但如何建立一種認知冷戰(zhàn)或熊市的圖式呢?

因此，這種基于圖式的AI功能最關鍵的挑戰(zhàn)之一就是讓AI具備理解能力。有理解能力的人工智能一直是業(yè)內(nèi)關注的重要方向，然而目前已經(jīng)應用到實際生活的人工智能技術絕大多數(shù)還是無理解能力的人工智能。

DARPA信息創(chuàng)新辦公室（I2O）項目經(jīng)理Boyan Onyshkevych在新聞稿中對此表示：“要從大量信息中的時間、事件模式等靜態(tài)元素來找出相關聯(lián)的過程，以目前可用的工具和系統(tǒng)來說非常困難。”