參考消息網(wǎng)7月28日?qǐng)?bào)道 據(jù)美國《發(fā)現(xiàn)》月刊網(wǎng)站7月25日?qǐng)?bào)道，迄今，大多數(shù)人與機(jī)器人的邂逅是在科幻小說里（除了能在大學(xué)校園送餐或給你做杯拿鐵的機(jī)器人）。但在不太遙遠(yuǎn)的未來，與機(jī)器人互動(dòng)將在現(xiàn)實(shí)世界變得更加普遍。到那時(shí)，機(jī)器人將需要社交技能與人類進(jìn)行得體的互動(dòng)。

　　然而，令人驚訝的是，在確保機(jī)器人能夠社交方面，即使在基本層面上，卻幾乎沒有做什么工作。麻省理工學(xué)院（MIT）的一個(gè)研究團(tuán)隊(duì)接受了這一挑戰(zhàn)：科學(xué)家制定了一個(gè)機(jī)器人技術(shù)框架，其中包括社交互動(dòng)，從而使機(jī)器人能夠知道人類如何幫助或阻礙其他人類同胞。

　　MIT計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室的信息實(shí)驗(yàn)室負(fù)責(zé)人、研究報(bào)告作者之一鮑里斯·卡茨在一份新聞稿中說：“機(jī)器人很快就會(huì)生活在我們的世界里，而且真的需要學(xué)習(xí)如何以人類的方式與我們交流。機(jī)器人需要知道，什么時(shí)候該提供幫助，什么時(shí)候該看看可以做些什么來防止某些事情的發(fā)生。”

　　在科學(xué)家的新框架里，人們定義了三種類型的機(jī)器人：0級(jí)機(jī)器人僅有物理目標(biāo)，無法進(jìn)行社交推理；1級(jí)機(jī)器人既有物理目標(biāo)又有社交目標(biāo)，但假定其他機(jī)器人只有物理目標(biāo)；2級(jí)機(jī)器人有物理和社交目標(biāo)，而且假定其他機(jī)器人也兩者兼有。科學(xué)家們推測，這些高級(jí)機(jī)器人已經(jīng)可以與其他機(jī)器人很好地協(xié)同工作——并且也可以與人類很好地協(xié)同工作。

　　為測試這一框架，研究人員創(chuàng)造了一個(gè)模擬環(huán)境，一個(gè)機(jī)器人觀察另一個(gè)機(jī)器人，猜測另一個(gè)機(jī)器人的目標(biāo)，然后根據(jù)自己的目標(biāo)，要么選擇幫助，要么選擇阻礙另一個(gè)機(jī)器人。

　　研究團(tuán)隊(duì)創(chuàng)造了98種不同的場景，在這些場景中，虛擬機(jī)器人根據(jù)對(duì)另一個(gè)機(jī)器人目標(biāo)的猜測來相互幫助或阻礙，然后將這些目標(biāo)與自己的目標(biāo)相融合。后來，當(dāng)人類觀看機(jī)器人互動(dòng)的視頻時(shí)——這被描繪為一系列計(jì)算機(jī)動(dòng)畫，他們對(duì)機(jī)器人目標(biāo)的預(yù)測與機(jī)器人對(duì)彼此的預(yù)測基本相符。

　　卡茨說，這項(xiàng)實(shí)驗(yàn)是朝著教機(jī)器人識(shí)別人類目標(biāo)并與人類互動(dòng)邁出的雖小但重要的一步。卡茨在新聞稿中說：“這是非常早期的工作，我們只觸及了皮毛，但我感覺這是第一次非常認(rèn)真的嘗試，旨在了解人類和機(jī)器社交互動(dòng)的意義。”

　　除了訓(xùn)練機(jī)器人，這項(xiàng)研究最終可能有超越人工智能的應(yīng)用。研究報(bào)告的作者之一、MIT大腦、思維和機(jī)器研究中心的研究員安德烈·巴爾布指出，無法量化社交互動(dòng)在許多科學(xué)領(lǐng)域造成了問題。

　　例如，與我們能夠輕松地準(zhǔn)確測量血壓或膽固醇的方法不同，沒有定量的方法來確定患者的抑郁程度，也無法精確評(píng)估患者在自閉癥譜系上的位置。但巴爾布說，由于至少在某種程度上，抑郁癥和孤獨(dú)癥都涉及社交障礙，像這樣的計(jì)算模型可以為評(píng)估人類社交表現(xiàn)提供客觀的基準(zhǔn)，并可能使開發(fā)和測試這些疾病的藥物更容易。

　　在訓(xùn)練人工智能時(shí)，一個(gè)有據(jù)可查的問題是，通過簡單地給模型提供大量數(shù)據(jù)，就可以訓(xùn)練出非常強(qiáng)大的人工智能，但這也往往會(huì)產(chǎn)生性別歧視和種族歧視的人工智能。這個(gè)MIT研究團(tuán)隊(duì)認(rèn)為，他們的方法可能是避免這個(gè)問題的一個(gè)途徑。巴爾布說：“孩子們?cè)陔x開家人時(shí)并沒有他們父母的膚色優(yōu)于其他人的想法，這完全是因?yàn)樗麄?5%的數(shù)據(jù)來自具有這種膚色的人，但這正是這些大型模型得出的結(jié)論。”

　　通過學(xué)習(xí)估計(jì)他人的目標(biāo)和需求，而不是僅僅根據(jù)海量數(shù)據(jù)做出聯(lián)想和推斷，這種訓(xùn)練機(jī)器人的新方法可能最終創(chuàng)造出與人類利益更契合的人工智能。