微軟CEO談人工智能、算法責(zé)任以及Tay黑化的教訓(xùn)

　　在納德拉設(shè)想的未來中，聊天機器人將大行其道。

　　微軟正迅速轉(zhuǎn)型，自我定位為人工智能的領(lǐng)導(dǎo)者。

　　周一(9月26日)，該公司首席執(zhí)行官薩蒂亞·納德拉(Satya Nadella)站在舞臺上發(fā)表了年內(nèi)關(guān)于人工智能(AI)的第二場主題演講。

　　從云計算服務(wù)到Microsoft Word，他重申了微軟要在旗下各項業(yè)務(wù)中注入某種人工智能技術(shù)的承諾。

　　在納德拉走下舞臺之后，筆者獲得了這次采訪機會，他向我們介紹了微軟在開發(fā)人工智能助手方面的進展情況。

　　今年早些時候，你開始談到我們需要打造透明的AI、道德的AI以及負(fù)責(zé)任的AI。自那以后你都做了哪些工作，具體是什么?

　　納德拉：我想，我做的第一件事情，甚至于在微軟的內(nèi)部，就是提出原則以及喚起開發(fā)者的意識，正如我們對用戶界面所做的那樣。

　　我們打造的機器智能是在幫助人類嗎，是在增強人類嗎?

　　微軟開發(fā)的所有AI產(chǎn)品，在我第一次拿到手時，首先都會問：

　　它增強了什么?

　　做了哪些賦權(quán)?

　　用了哪些我們可以在算法上負(fù)起責(zé)任的訓(xùn)練方法?

　　這些都是可以具體落實的要求。不過，我并不想簡單地把這些要求當(dāng)成某種業(yè)績指標(biāo)類的東西。

　　落實這些要求，關(guān)鍵在于設(shè)計上的敏感性，在于我們的開發(fā)人員、我們的設(shè)計師以及我們的產(chǎn)品選擇。

　　一家公司想要提供優(yōu)秀的用戶體驗，都要提到設(shè)計原則，那么對于優(yōu)秀的人工智能，它的設(shè)計原則是什么呢?

　　這個問題，極大地吸引我去思考：

　　當(dāng)你在訓(xùn)練一個深度神經(jīng)網(wǎng)絡(luò)時，負(fù)起算法責(zé)任(algorithmic accountability)意味著什么?

　　當(dāng)你們在做圖像識別那樣的技術(shù)時，開發(fā)者依賴于你們的服務(wù)，如果某個地方出了錯，那可能在他們那里造成不良影響。對于客戶和最終用戶，你們是否有必要提供一種開放性?

　　納德拉：我們無法知道所有的用例。

　　人們將會使用這些認(rèn)知性API，不管是圖像識別還是語音識別，那取決于他們正在做的事情。

　　我們不會成為“檢查員”或者編輯。

　　就以圖像識別為例。

　　如果我們的圖像識別API本身就存在一些偏見——那可能是因為缺乏數(shù)據(jù)，或者是特征選擇出了問題，又或者是我們構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)偏離了設(shè)計——我完全認(rèn)為，我們必須負(fù)起責(zé)任，就像我們?yōu)槟切┸浖┒磽?dān)負(fù)責(zé)任一樣。

　　因為，說到底，雖然我們談?wù)撝斯ぶ悄?，但人工智能賴以工作的參?shù)最終還是由人類工程師定義的。

　　并不是說我們想要所有事情時時刻刻都做到完美，但如果有人發(fā)現(xiàn)某個地方存在錯誤，那么我們就會對它進行重新訓(xùn)練。

　　再來談?wù)劻奶鞕C器人，我們可以讓一個聊天機器人大體上理解用戶在說什么，但語言生成仍然是一個很大的研究課題。我們?nèi)绾尾拍茏屃奶鞕C器人說的話聽上去更智能呢?

　　納德拉：這個問題可以分為多個層次。

　　教導(dǎo)計算機學(xué)會人類語言是我們的終極任務(wù)之一。

　　因此，對我來說，事情要一步一步地來做。在AI學(xué)會自由運用人類語言之前，首先要讓它理解你來我往的對話。

　　只不過，實現(xiàn)語言生成是一個通用人工智能(AGI)問題;它并不是一個應(yīng)用人工智能問題。

　　你必須掌握一種通用人工智能和通用學(xué)習(xí)模型，它要能充分理解人類知識和詞匯中一切事物的語義。

　　只要是會遇到歧義和錯誤，就需要思考如何讓人類介入進來，以及如何升格到由人來做出選擇。在我看來，這就是人工智能產(chǎn)品最講究的地方。

　　如果有一定比例會出現(xiàn)歧義和錯誤，那你就必須要有處理異常情況的能力。

　　可是這首先要能夠檢測出那個異常來。

　　幸運的是，在人工智能中，你擁有信心和概率分布的支持。

　　所以，你必須利用所有這一切讓人類介入進來。

　　就拿客戶支持來說，我們不認(rèn)為虛擬助理能夠回答所有問題。

　　這種事可能需要升格到讓人類客服代表進行處理，這時候聊天機器人就從主角變成了配角。

　　客服代表回答問題，然后虛擬助理藉由強化學(xué)習(xí)從中汲取經(jīng)驗教訓(xùn)。

　　所以，那樣的過程將會幫助我們做得越來越好。

　　但是，要做到這一點，我們需要在通用學(xué)習(xí)技術(shù)上取得突破性進展。

　　當(dāng)人們都在努力爭取實現(xiàn)這些突破時，你如何保持對聊天機器人這種技術(shù)的興趣?你怎樣屏蔽掉輿論炒作帶來的干擾?”

　　納德拉：這就是所謂的產(chǎn)品選擇，它是一點點的藝術(shù)，加一點點的設(shè)計，再加上一大堆的人工智能能力，但這就是我們學(xué)到的東西。

　　我的意思是，即便是通過微軟小娜(Cortana)，我們也解決了很多難題，并且意識到很多人喜歡聽小娜講笑話。

　　于是我們想：“哇哦，那很酷，讓我們?yōu)橛脩糇龀鲞@項功能吧?！?/p>

　　這不僅僅在于技術(shù)，而是我們必須找到技術(shù)與設(shè)計之間的那個能夠讓它們共同發(fā)展的黃金回路。

　　你是否認(rèn)為存在一種讓所有業(yè)務(wù)都擁有聊天機器人的設(shè)計?它是否適用于每一項業(yè)務(wù)?

　　納德拉：我想我們會找到答案的。

　　我的確認(rèn)為，有些特定的業(yè)務(wù)和特定的業(yè)務(wù)流程，比如買保險，是非常適合聊天機器人的，可以通過設(shè)計實現(xiàn)。

　　事實上，監(jiān)管要求是這樣的，當(dāng)你購買保險時，使用聊天機器人的效果要比自己通過移動應(yīng)用或網(wǎng)站摸索好得多。所以，那至少可以算作一個用例。

　　我們正從這些開發(fā)者身上學(xué)到很多東西。

　　什么時候保護人工智能免受攻擊或反向工程變成了一個問題?

　　納德拉：如今這已經(jīng)是一個問題。

　　我從(聊天機器人)Tay身上得到的最大收獲之一就是，你需要打造出能夠抵御惡意攻擊的人工智能。

　　觀察Twitter上發(fā)生的事情，那很有趣，但舉例來說，我們在中國沒有遇到同樣的事情。

　　聊天機器人在中國進行的社交對話是不同的，如果你把它置于美國的語料庫當(dāng)中，結(jié)果就不一樣了。

　　當(dāng)然，Tay還遇到了集中攻擊。

　　就像如今開發(fā)軟件要能經(jīng)受住DDOS攻擊，你也要能夠經(jīng)受住語料庫攻擊——這種攻擊試圖污染語料庫，對AI進行誤導(dǎo)，從而讓AI學(xué)習(xí)模型選中錯誤的東西。

　　我們正想方設(shè)法應(yīng)對這些挑戰(zhàn)。

　　我們(開發(fā)Tay)是作為一個學(xué)習(xí)模型的原型產(chǎn)品。

　　如今，考慮到現(xiàn)有的媒體新聞周期，原型和正式發(fā)布的版本之間已經(jīng)區(qū)別不大。

　　當(dāng)然，這是有意為之;如果你以一種公開的方式做這件事，毋庸置疑大家都能看到。在某些層面上，結(jié)果令人震驚。

　　但與此同時，我們并沒有說自己想要推出某個完美無缺的東西。

　　它不像Windows 10的發(fā)布，它屬于那種研究項目，而不是用來賺錢的產(chǎn)品。

　　而且，盡管有那種種“反應(yīng)”，它確實幫到了我們，也起到了很好的號召作用，讓我們更好地為自己所談?wù)摰脑O(shè)計原則打好基礎(chǔ)，負(fù)起更大的算法責(zé)任，思考質(zhì)量保證意味著什么?以及思考你是基于公開語料庫發(fā)布產(chǎn)品，還是先發(fā)布到一個不同的語料庫中并進行觀察?

　　這些都是我們正在學(xué)習(xí)和改進的技術(shù)。