你一定知道，AI 在下圍棋上已經(jīng)比人類厲害了。不過，絕大多數(shù)在完成特定任務(wù)上性能卓越的 AI，實(shí)際上只是面向單一任務(wù)進(jìn)行訓(xùn)練出來的而已，如果一個(gè) AI 的任務(wù)是下棋，它就只會一步一步下棋，你要是突然問他“怎么下才能贏？”它根本不知道，八成會宕機(jī)。

　　這就是你暫時(shí)不需要擔(dān)心 AI 終結(jié)人類的原因：它不會舉一反三，沒法解決一些在認(rèn)知上跨度比較大的任務(wù)。舉個(gè)例子，在《坦克大戰(zhàn)》里，勝利的方式是盡量保存更多的磚塊，吃掉增益，擊毀所有的敵方坦克，一個(gè)正常的人類玩家可能玩上一兩盤就明白了，而 AI 可能會把所有的磚塊全都打掉，輸?shù)舫汕先f盤游戲才能迎來第一盤勝利。

　　人很容易理解“保存磚塊只打坦克”這句話，但 AI 理解不了，它只會玩游戲，不會聽話。

　　想要實(shí)現(xiàn)強(qiáng)人工智能，甚至通用人工智能，這個(gè)問題遲早有一天要解決。PingWest品玩發(fā)現(xiàn)，近日百度發(fā)布的一篇論文顯示，該公司搭建了一個(gè) AI 系統(tǒng)，組合了計(jì)算機(jī)視覺和自然語言處理兩種技術(shù)，讓 AI 學(xué)會了“舉一反三”：在一個(gè)專門架設(shè)的游戲環(huán)境中，AI 控制的角色可以理解并執(zhí)行過去從未發(fā)出，也從未定義過的指令，且成功率達(dá)到了 90%。

　　研究團(tuán)隊(duì)由深度學(xué)習(xí)研究院杰出科學(xué)家徐偉帶領(lǐng)，采用的是監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)所組合的深度學(xué)習(xí)技術(shù)。研究人員設(shè)計(jì)了很簡單的游戲場景 XWORLD，在一個(gè) 8 x 8 的游戲空間，AI 控制一個(gè)主角，一些磚塊和可以“吃”的水果，位置均隨機(jī)。他們采用的訓(xùn)練房室很簡單，1）直接給出一句自然語言指令，比如“請前往蘋果的位置”，然后根據(jù) AI 的行為獎(jiǎng)罰；2）用自然語言向 AI 發(fā)問，比如“在北邊的水果是什么？”根據(jù)答案正確與否獎(jiǎng)罰。

　　至于地圖什么情況、哪些是磚塊哪些是水果、北是什么方向、蘋果長啥樣，AI 則是采用計(jì)算機(jī)視覺來進(jìn)行判斷的。很快研究人員就發(fā)現(xiàn)，AI 不需要以往那么多的訓(xùn)練次數(shù)，就可以實(shí)現(xiàn)舉一反三，準(zhǔn)確地執(zhí)行一些從未聽過的新指令，比如“請去到無花果的西邊”、“你可以去蘋果和香蕉的中間嗎？”、“請移動(dòng)到紅色/綠色的蘋果”，以及回答非指令問題，比如“靠南的水果是什么”（西瓜）。

　　如果你已經(jīng)學(xué)會了怎樣用水果刀削蘋果，那你幾乎不需要指導(dǎo)也能用水果刀削梨和火龍果。其實(shí)這就是舉一反三，因?yàn)橥ㄟ^將感官獲得的資訊進(jìn)行認(rèn)知整合（特別是語言方面），從而實(shí)現(xiàn)知識和經(jīng)驗(yàn)的遷移，對于人類而言是一件特別容易的事情。但在過去計(jì)算機(jī)一直無法實(shí)現(xiàn)，除非人類對“反三”中每一種可能出現(xiàn)的狀況都預(yù)先編程。

　　在徐偉團(tuán)隊(duì)論文描述的實(shí)驗(yàn)中，AI 系統(tǒng)能夠從訓(xùn)練指令中學(xué)習(xí)語法，處理和回答新的指令、問題，意味著計(jì)算機(jī)終于首次在某種特定的環(huán)境下獲得了舉一反三的能力。機(jī)器學(xué)習(xí)中，這種能力的術(shù)語叫做“零樣本學(xué)習(xí)”（zero-shot learning ability）。

　　對于這項(xiàng)技術(shù)，接下來百度還有新的打算。除了讓 AI 在 XWORLD 環(huán)境里增加新的功能，理解更多、更復(fù)雜的指令之外，徐偉團(tuán)隊(duì)還打算將它遷移到虛擬的三維空間中進(jìn)行訓(xùn)練，最終極目標(biāo)則是在實(shí)際環(huán)境中，讓人類教師用自然語言來訓(xùn)練機(jī)器人。

　　不管終極目標(biāo)能否實(shí)現(xiàn)，至少今天，在像人類一樣學(xué)習(xí)的道路上，機(jī)器又往前邁了一步。