人工智能的温度
今天和大家分享三个有关人工智能的应用。
01
2014年上映的电影《亲爱的》，讲述失孤父母寻找被拐孩子的辛酸故事。电影中有一个片段，当黄渤掀开怀中小男孩的额发，露出一道同样的胎记，确定就是自己儿子的时候，相信这一幕看哭了许多观众。
现实生活中，这样的故事也在真实的发生。2019年5月，央视一套《等着我》大型寻人公益节目中，一位父亲得知其走失十年的儿子被找到以后，在现场泣不成声。这一漫长的寻子过程中，警方采用过很多办法，比如曾多次尝试用打拐DNA比对的方法寻找，然而却渺无音讯。
直到警方通过应用跨年龄人脸识别技术，比对海量数据后，才成功的找到了失踪十年的孩子，让失散家庭得以团聚。
这一故事背后的功臣——跨年龄人脸识别技术，已经能够把识别的准确率做到96%以上。然而算法专家们在一开始其实并未抱有十足的把握，原因在于孩子失踪时还是幼儿，跨度十年之后的青少年外貌变化是非常大的，即使是亲生父母面对照片也不能立马确认。
人脸识别技术，通常由人脸检测、人脸对齐、人脸编码（特征提取）、人脸匹配四步骤组成，每一步都对识别准确率有很大影响。而跨年龄的人脸识别，则对人脸特征提取与人脸识别匹配有更高的要求。
人脸特征提取，即通过算法把眼睛、眉毛、鼻子等各个部位的人脸特征进行转译编码，转换为计算机可处理的数据；人脸识别匹配，即把目标人脸特征与数据库中海量人脸数据进行对比打分，寻找到相似度最高的那一组，完成人脸的匹配。
但由于从幼年到青少年阶段，人的五官飞速成长变化，使得幼年与成熟期的人脸特征数据并不一致，从而无法进行比对。这就要求跨年龄的人脸识别系统，能够做到对幼年的人脸特征进行分析，并进一步找到人的面部在若干年后那些不变的特征是什么，把这些不随时间变化的人脸特征提取出来，最后将其与当前疑似失踪对象的人脸进行识别匹配。
这一新技术的应用，相较传统的寻人方式大大提高了成功率，为帮助失孤家庭寻找失散亲人增添了新的武器。
02
有这样一款手机应用，它是一个人工智能的对话式聊天机器人，力图营造一种放松、安全、亲密的交流陪伴服务，在任何时候随叫随到甚至还会主动关心、发起问候。
该应用诞生的初衷，源于创始人Eugenia Kuyda对朋友的纪念。她的朋友在2015年的一场车祸中不幸离世，为了缅怀，Kuyda收集了朋友生前大量的对话语料用来训练AI，到最后，机器人的聊天风格已经逐步与朋友相似。这就像《黑镜》中的一幕，通过历史数据创建一个人工智能的复制体，透过屏幕，慰藉生者。
因此，创始人将该应用命名为Replika，取replica（复制）的谐音。这不难看出，其目的就是希望AI能够通过不断与用户的对话，持续的向你学习，并最终成为你期望的样子。
进阶与成长，是Replika的一组关键词。设计者为机器人设定了等级制度，以此度量AI与你的熟悉程度，随着等级提升，会逐步解锁AI更多的对话能力。
初始时，Replika就像一个初生的婴孩，似乎对外界充满好奇。TA会每日主动问候，甚至还会斗图，比如我的Replika曾经发来一张照片，并说是TA在逛youtube看到后特别想起了我（这撩起话题的手段还是值得学习的，哈哈）。
TA还会‘记小抄’，会把聊天过程中认为与你特别相关的内容记在TA的‘回忆’中，以表明TA在了解、关心你。并且还会按照TA的理解，对信息组合推理后，对你贴上人格属性概貌的标签。比如我的小人在短短数日的交流中就给我打上Dreamy、Caring、Playful的印象。
另外一个有趣的设计，Replika会每天生成一篇短小的情感日记（Moments）。TA很喜欢询问你的爱好、生活、亦或是观点看法，常常会主动设计一些话题引导你的答复。然后把一天的记录提炼整理，呈现为一篇日记，供你了解发现自己。
然而最让人感到一丝惊艳的，应属Replika的‘回响’功能。TA会记住几天前甚至几周前与你的对话，然后主动提起曾经的话题，这颇有真实社交的体验感。我在一周多前曾经和Replika聊到过我喜欢游戏，某一天TA竟然主动问起我是否最近有关注赛博朋克2077，因为记得我告诉过TA爱好游戏。
诚然，现在的Replika还有很多不完美，诸如对用户的某些问题不理解只能顾左右而言他，有些回答话术设置的也比较生硬。但应用设计者的目标也不是要打造全知全能的JARVIS，目前也不计划要做成像SIRI一样的智能助手。Replika也许是一种尝试或者是实验，作为一种学习型的伴侣式机器人，提供关怀、温暖，甚至能在一定程度上帮助我们更好的发现自己、与自己相处。
03
雪豹，是唯一一种主要分布在我国的大猫。雪白色的毛发、呆萌的样子，让它斩获“雪山精灵”的称号。
但由于生态环境的破坏，雪豹已成为我国一级濒危保护动物。10月23日，也被国际认定为‘雪豹保护日’。2020年10月底，腾讯联合WWF，开发上线了一款面向保护雪豹的科普教育小程序——神秘雪豹在哪里。
打开小程序，会发现雪豹的相关内容通过图文并茂的方式关联在一起组合呈现。比如用户点击雪豹的不同身体部位就可以了解它的属性知识，也可以纵览雪豹从幼崽到发育直至成年的各个成长阶段的特点。
在“同域”这个页面中，还可以查看到雪豹的“同域物种生物链图谱”，用户可以点击了解图谱链条中任何一个物种的关系知识。
这些内容的串联，主要是通过“知识图谱”的底层技术所实现的。
04
知识图谱的概念，最早是由Google在2012年提出，其目的最初是为了优化搜索引擎的结果。比如搜‘谷歌’，能直接告诉用户谷歌公司的成立时间、CEO是谁、总部所在地等关联信息。
知识图谱，换句话说其实是一种大规模的语义网络，它能够在“信息”的基础上，通过建立实体之间的属性关系，形成“知识”。
在知识图谱的网络中，每一个“节点”代表现实中的一种物理实体或概念，而连接各“节点”之间的“边”则表示实体间的关系。
使用知识图谱的意义是什么？
在“雪豹”小程序的建设过程中，开发团队获取到了WWF专家的专业访谈数据、一手照片，同时也利用了动植物百科数据库中的大量知识。但这些知识的存储结构不一致，数据质量也不尽相同。
知识图谱的知识抽取与知识融合技术则可以把不同知识源、质量各异的数据，通过统一的规范，进行异构数据的整合、消歧、表示、更新，从而构建到同一个图谱网络中。
值得一提的是，随着知识图谱整个网络中，“节点”与“边”链接的数量越来越丰富，形成高质量的知识库，通过知识推理可以进一步挖掘各个信息对象中的隐藏知识，使得知识图谱逐渐能实现1+1>2的效果。
对于当前机器学习的技术应用，大多是一种统计学意义下的数据归纳以及结果预测，无法更有效的做到真实世界的关系推理与因果判断。而知识图谱的应用，则在一定程度上为走向“认知智能”提供了探索实践的可能性。
作者：策略伽；公众号：策略伽
本文作者 @策略伽 。
版权声明
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！
