DARPA的最新项目就旨在创建一个机器学习系统

一只蝴蝶扇动翅膀，引发了世界另一端的一场飓风——这段关于复杂性因果关系的典型描述相信很多人都听过，其中更深层次的意味是，我们如何观察飓风并找出这飓风是由哪只蝴蝶引起的，如果可能的话我们就可以在它开始飞行之前就阻止它。

而 DARPA 认为人工智能应该能够做到这一点。其中最关键的挑战之一就是让 AI 具备理解能力。

近日，DARPA 的最新项目就旨在创建一个机器学习系统，可以筛选每天产生的无数事件和媒体片段，并识别其中的任何联系或叙事线索，它被称为 KAIROS（Knowledge-directed Artificial Intelligence Reasoning Over Schemas）：基于图式的知识导向人工智能推理系统。

图丨 DARPA 的前总部位于阿灵顿的弗吉尼亚广场附近。该机构目前位于 North Randolph St. 675 号的一幢新大楼内（来源：维基百科）

“图式”在这里有非常具体的含义。这基于这样一个理念：人类通过创造出许多由相互关联的事件构成的小故事来理解周围的世界。例如，当你去商店买东西的时候，你知道通常是你走进商店，选择一件商品，然后把它带到收银员那里，收银员扫描了它，接着你以某种方式付款，然后离开了商店。这种“买东西”的过程就是一个我们都能识别出的图式，当然其中也可以包含一些子图式 (比如选择商品、付款流程)，这个图式也可以从属于另一个图式 (比如送礼、家庭烹饪)。

尽管这些很容易在我们的脑海中想象出来，但要以计算机系统能够理解的方式对它们进行正式定义却异常困难。通过长期的使用和理解，我们对它们已经很熟悉了，但是这并不明显，也不受规则的约束，就像苹果如何以恒定的加速度从树上掉下来一样。

数据越多，定义起来就越困难。买东西相对来说比较简单，但你如何建立一种认知冷战或熊市的图式呢? 这就是 DARPA 想要研究的。

图丨 Boyan Onyshkevych（来源：DARPA）

DARPA 项目经理 Boyan Onyshkevych 在一份新闻稿中说：“要从海量信息和静态元素之间发现相关联系，需要时间信息和事件模式，而以目前可用的工具和系统很难大规模捕捉到这些信息。”

该机构表示，KAIROS 旨在“开发出一种半自动化系统，能够识别和绘制看似无关的事件或数据之间的相关性，帮助人们了解或创造有关我们周围世界的广泛叙事。”

那么如何达到这一目标呢? 他们有一个大致的想法，但还正在寻找专业知识。他们指出，问题在于图式目前必须由人类费力地定义和检查。在这一点上，不妨亲自检查信息试试。KAIROS 的目标是让人工智能自己教会自己。

首先，系统将受限于获取大量数据以构建基本图式库。通过阅读书籍、观看新闻报道等，它应该能够创建一系列可疑图式清单，如上所述。它甚至可能会得到一些更大、更模糊的图式的暗示，而这些图式是系统无法用它虚拟的手指去触摸的——爱情、种族主义、收入差距等等——以及其他人如何适应自己和对方。

接下来，它将被允许查看复杂的现实世界数据，并尝试根据它创建的图式提取事件和叙事。

在军事和国防上的应用前景是相当明显的：想象一下这样一个系统，它能够接收所有新闻和社交媒体的帖子，并通知系统管理员：也许可能会发生银行挤兑、政变，或者从一个衰落的派别中发现一个崛起的新派别。情报官员正在尽力完成这项任务，几乎可以肯定，人类的参与将永远不会停止, 但他们很可能会感激一个电脑同伴并说，“有很多关于储备的报道，这些关于化学战争的文章被广泛分享，这可能指向恐怖袭击的谣言。”等等。

当然目前一切都是纯理论的，但这正是 DARPA 研究它的原因：其存在的原因是将理论转化为实践，或者至少要找出为什么他们做不到这一点。考虑到如今大多数人工智能系统都极其简单，很难想象有哪个系统能像他们想要创造的那样复杂。

有理解能力的人工智能一直是业内关注的重要方向，目前已经应用到实际生活的人工智能技术绝大多数还是无理解能力的人工智能，例如在人类的语言上，现有的人工智能还不能够很好地理解其中的智慧，而人类语言的重要性是不言而喻的。显然，我们还有很长的路要走。