有人选择看到这个世界的局限性，那就是死路一条。在这里，我们选择看到世界的可能性。
回顾《西部世界》的第一季，我不得不说，Lisa Joy 和 Jonathan Nolan 对人工智能细致入微的理解真是让人印象深刻。那些幻想、幕后故事甚至在其他接待员上训练接待员的想法都给了真正的人工智能研究一些启示。
建立一个西部世界的接待员有点像是把宜家的家具一点点拼装起来，然而在幻想上——这个方向并没有什么用。这里给出了 DIY 自己的西部世界机器人接待员的一些准则。
此外，我们说服了牛津大学和斯坦福大学的人工智能研究院和语义机器首席科学家 Daniel Klein 博士，请他谈了谈可以如何应对这些挑战。
第一步：买一个波士顿动力的机器人
波士顿动力公司最先进的机器人 Atlas 需要这么多的改进，我甚至不会考虑这是骗人的。Atlas 可以在各种不平的表面上走动，打开门，甚至在被击倒后站起来——但你肯定不会误认为这是人类。
机器人有 330 磅重，行走很笨拙，所以除非你只想建立一个有故障的皮克特警长并在某天打电话给他，否则你需要做一些大规模的改动。
对于初学者，你必须找到一种实现人类精细运动技能的方法。我们的面部有 43 块肌肉，以惊人的方式来帮助人们交流和传达情绪。不幸的是，增加更多人的特征也会带来问题——会让它看起来更加恐怖（参考「恐怖谷理论」）。
要打造一个真正的人类模拟，你必须要有正确的皮肤温度，你必须搞定那些小的细节，哪怕是汗水。握着未经打磨的接待员的粗糙冷冰冰的手，会毁了整个经历的瞬间。当然，我们得承认整个计划具有很大挑战性，但是我们至少知道目标在哪里。
第二步：归纳智能
人工智能需要大量的信息来完成一个单一的、明确的任务。我们用数据训练我们的机器数周，然后它们可以玩一个游戏或分类垃圾邮件。相比之下，即使只有有限的信息，人类也可以实现更多能力。
想象一下，你只是因为触摸炉子上的煎锅而烧伤了你的手。如果你的结论是煎锅会烧伤人，那你可能就是一个不成功的 DeepMind 实验。这里最明显的答案是炉子上的一个锅烧伤了你，因为它被加热过——而过多的热可能会烧伤我们。计算机可能会选择不再触摸任何煎锅——这可太愚蠢了。
Klein 教授解释说，解决这个问题有两种主要的方法。首先是从下到上，而另一个是从上到下。现在人工智能中的大部分工作是自下而上的。我们努力做更复杂的事情——比如从单词到句子到完全对话。
另一种方法是输入规则，让系统找出如何自己实现所需结果的细节。我们从底部比从顶部做了更多的进步。找出可以如何从上到下有效地工作，然后你会发现你在某家技术公司有了至少七位数的薪资。
第三步：看着人类寻找灵感
就像 Bernard 研究 Theresa 一样，我们可以从我们自己的物种收集很多。智力，无论是人的还是人工的，都需要信息和目标。我们可以模拟信息和目标与实用程序之间的相互作用。
在旧金山的卡布奇诺的成本是 5 美元，但它的效用考虑到你可以做的没有卡路里的价值（或缺乏），你花在咖啡和你的后咖啡因生产力上的时间。
从这里，建模决策就像为事物计算实用程序并询问哪个更高一样简单。引入一些博弈理论、一点理性选择，甚至一些行为经济学，你会越来越接近打造一个接待员的目标。
「数据、学习、记忆、计算和硬编码的目标能使智能有效，」Klein 教授说。「这对机器和人来说都是如此。人类的目标是短视的，我想让自己的生活中被满足，我们做出折中的决策，以最大限度地发挥这些功能。」
现在你开始怀疑自己也是一个接待员了吗？这只是个想法。我们努力模拟一切，特别是在更长的时间范围，因为世界是一个非常复杂和动态的系统——甚至对于我们最复杂的处理器来说也太复杂。
「我们的系统今天使用暴力来破解问题，」Klein 教授说。「人类会做更多的元计算（meta computation），思考要考虑什么。」
今天最先进的技术是使用强化学习帮助一台计算机赢得围棋比赛。我们捕捉各种走子策略的效用，消除低效率，这就是我们想要的。重要的是，在像围棋这样的游戏中的硬编码假设是我们想赢！这个开始的假设很好地连接到剧中「基石」背景故事的想法（注：是指故事中机器人接待员人格成立所设定的基础）。
第四步：让接待员和其它接待员对话
让接待员在空闲时间互相交谈是从机器学习角度培训他们的一个很好的方式。同样，一些科技公司今天也使用模拟训练数据来加快训练过程。
另一件要记住的是，真正的人类不断在即兴发挥。一个只是运行一个静态目标函数的接待员不是很有趣。如贝叶斯认知（Bayesian cognition）这样容易适应的东西，天生适合接待员。
「我们可以把数据变成行为，」Klein 教授说。「同样的算法可以可怕，也可以伟大，伟大的例子甚至更多。」
世界存在于一系列不断变化的状态中，并且良好的人工智能需要能够实时响应以更新其偏好。增加输入的数量增加了复杂性和混乱——这两件事虽然听起来可怕，但实际上是相当必要的。
第五步：不要忘记幻想（reveries）
最后但并非最不重要的：幻想（reveries）。他们从紧急行为（emergent behavior）和相变（phase transitions）的想法剥离，这是对人工智能空间中的研究人员的真正挑战。
Klein 教授解释说：「如果你建立一组能力，比如说 A、B 和 C，并添加一种方式，让它们进行交互，比如说相加（+），你可以生成 A + B、B + C、C + A 等等这些你之前不能生成东西。」
这也可以说是最小的记忆，看起来就像是无害的手势，但却可以破坏一个复杂的系统。
两主体主义（Bicameralism，与你说话的声音）已经被视为一种意识理论，但是这样的声音可能会强迫行为的涌现，这类似于幻想（reveries）。
「我们看到了病毒意识本质的主题，」Klein 教授补充说，「我们看到同样的事情与想法，一个模因（meme）是一个病毒的想法。
蝴蝶效应解释了蝴蝶翅膀这样轻微的事物可能会以不可预见的方式极大地改变任何复杂的系统——无论是海洋潮汐还是认知。
祝你在打造自己的西部世界接待员上好运。最后也祝人类好运，毕竟人类正变得越来越不重要了。
©本文由机器之心编译，机器之心系今日头条签约作者，本文首发于头条号，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者/实习生）：[email protected]
投稿或寻求报道：[email protected]
广告&商务合作：[email protected]
