作者丨MichelleZhou

翻譯丨李睿

策劃丨孫淑娟

【51CTO.com快譯】重復(fù)使用預(yù)先構(gòu)建的人工智能解決方案和組件以及無(wú)需編碼即可對(duì)其進(jìn)行自定義，最終將允許企業(yè)創(chuàng)建人工智能解決方案，而無(wú)需雇傭人工智能專業(yè)人士或采用成本昂貴的 IT 資源。

人工智能技術(shù)先驅(qū)、麻省理工學(xué)院教授 J.C.R. Licklider 于 1960 年在他撰寫(xiě)的一篇名為《人機(jī)共生》開(kāi)創(chuàng)性論文中對(duì)于未來(lái)世界進(jìn)行了設(shè)想：“在預(yù)期的共生伙伴關(guān)系中，人類將設(shè)定目標(biāo)、制定假設(shè)、確定標(biāo)準(zhǔn)，并進(jìn)行評(píng)估。計(jì)算機(jī)將完成程序化工作，為技術(shù)和科學(xué)思維中的洞察力和決策鋪平道路。”

在當(dāng)今世界，這種計(jì)算機(jī)被稱為“人工智能助理”。然而，開(kāi)發(fā)人工智能助理是一個(gè)復(fù)雜、耗時(shí)的過(guò)程，需要深厚的人工智能專業(yè)知識(shí)和復(fù)雜的編程技能，更不用說(shuō)收集、清理和注釋訓(xùn)練此類人工智能助理所需的大量數(shù)據(jù)的工作。因此，在不同的應(yīng)用程序和領(lǐng)域中重用人工智能助理的全部或部分內(nèi)容是非常必要的。

人工智能學(xué)習(xí)人類技能很難

訓(xùn)練人工智能助理很困難，因?yàn)榇祟惾斯ぶ悄苤肀仨毦邆湟欢ǖ娜祟惣寄埽拍芘c人類協(xié)作并幫助人類完成有意義的任務(wù)，例如確定醫(yī)療保健治療或提供職業(yè)指導(dǎo)。

人工智能必須學(xué)習(xí)人類語(yǔ)言

為了切實(shí)地幫助人類，人工智能助理必須掌握最重要的技能或許是人類語(yǔ)言，這樣人工智能才能與用戶交互、解釋他們的自然語(yǔ)言輸入，以及采用自然語(yǔ)言響應(yīng)他們的請(qǐng)求。然而，由于多種原因，教授機(jī)器學(xué)習(xí)人類語(yǔ)言并非易事。

首先，人類表達(dá)是高度多樣化和復(fù)雜的。如圖 1 所示，例如，在人工智能助理(也稱為人工智能聊天機(jī)器人或人工智能面試官)采用開(kāi)放式問(wèn)題面試求職者的應(yīng)用程序中，求職者對(duì)此類問(wèn)題的回答多樣化并且十分復(fù)雜。

圖 1. 一位人工智能助理在求職面試中提出一個(gè)開(kāi)放式問(wèn)題(“你在工作中面臨的最大挑戰(zhàn)是什么?”)。求職者的回答非常多樣化和復(fù)雜，這使得訓(xùn)練人工智能正確識(shí)別和響應(yīng)此類回答變得非常困難

其次，求職者可能會(huì)通過(guò)提出澄清性問(wèn)題或提供不相關(guān)的回答來(lái)偏離主題。下面的示例(圖 2)顯示了考生對(duì)上述同一問(wèn)題偏離主題的回答。人工智能助理必須正確識(shí)別和處理此類響應(yīng)，才能繼續(xù)對(duì)話。

圖 2. 人工智能助理必須識(shí)別并正確處理三種不同的用戶偏離主題回答，才能繼續(xù)對(duì)話

第三，用戶的表達(dá)可能模棱兩可或不完整(圖 3)。

圖 3. 顯示用戶對(duì)人工智能問(wèn)題的模棱兩可回答的示例

人工智能必須學(xué)習(xí)人類的軟技能

讓機(jī)器學(xué)習(xí)人類技能變得更加困難的是，人工智能還需要學(xué)習(xí)人類的軟技能才能成為人類的得力助手。就像具有軟技能的優(yōu)秀人類助手一樣，人工智能必須能夠讀取人類的情緒，并在敏感情況下具有同理心。

一般來(lái)說(shuō)，教授人工智能學(xué)習(xí)人類技能(語(yǔ)言技能和軟技能等)很困難的原因，主要有三個(gè)：

首先，它通常需要人工智能專業(yè)知識(shí)和 IT 編程技能來(lái)弄清楚需要哪些方法或算法以及如何實(shí)施這些方法來(lái)訓(xùn)練人工智能。

例如，為了訓(xùn)練人工智能正確響應(yīng)用戶對(duì)開(kāi)放式問(wèn)題的高度多樣化和復(fù)雜的響應(yīng)，如圖 1 和圖 2 所示，必須知道可以使用哪些自然語(yǔ)言理解 (NLU) 技術(shù)(例如可以使用數(shù)據(jù)驅(qū)動(dòng)的神經(jīng)方法)或機(jī)器學(xué)習(xí)方法(例如監(jiān)督或無(wú)監(jiān)督學(xué)習(xí))。而且，必須編寫(xiě)代碼來(lái)收集數(shù)據(jù)，使用這些數(shù)據(jù)來(lái)訓(xùn)練各種 NLU 模型，并連接不同的訓(xùn)練模型。正如人工智能專家 Ziang Xiao 等人在這篇研究論文中所解釋的那樣，整個(gè)過(guò)程非常復(fù)雜，需要大量人工智能專業(yè)知識(shí)和編程技能。即使使用現(xiàn)成的機(jī)器學(xué)習(xí)方法也是如此。

其次，為了訓(xùn)練人工智能模型，必須有足夠的訓(xùn)練數(shù)據(jù)。通過(guò)上面的例子，Ziang Xiao 等人為每個(gè)開(kāi)放式問(wèn)題收集了數(shù)以萬(wàn)計(jì)的用戶回答，以訓(xùn)練人工智能助理在面試對(duì)話中使用此類問(wèn)題。

第三，正如在研究中所描述的那樣，從頭開(kāi)始訓(xùn)練人工智能助理通常是一個(gè)反復(fù)且耗時(shí)的過(guò)程。這個(gè)過(guò)程包括收集數(shù)據(jù)、清理和注釋數(shù)據(jù)、訓(xùn)練模型和測(cè)試訓(xùn)練模型。如果訓(xùn)練后的模型表現(xiàn)不佳，則需要重復(fù)整個(gè)過(guò)程，直到訓(xùn)練后的模型合格為止。

然而，大多數(shù)組織沒(méi)有內(nèi)部人工智能專業(yè)知識(shí)或復(fù)雜的 IT 團(tuán)隊(duì)，更不用說(shuō)訓(xùn)練人工智能助理所需的大量訓(xùn)練數(shù)據(jù)。這將使此類組織很難采用人工智能解決方案，從而造成潛在的人工智能鴻溝。

多級(jí)可重用、基于模型的認(rèn)知人工智能

為了讓人工智能得以廣泛的應(yīng)用，一種解決方案是預(yù)訓(xùn)練人工智能模型，這些模型可以直接重用或快速定制以適應(yīng)不同的應(yīng)用程序。與其完全從頭開(kāi)始構(gòu)建模型，不如將其從預(yù)制部件拼湊起來(lái)會(huì)更容易、更快捷，就像采用發(fā)動(dòng)機(jī)、車輪、制動(dòng)器和其他組件組裝汽車一樣。

在構(gòu)建人工智能助理的背景下，圖 4 顯示了一個(gè)基于模型的認(rèn)知人工智能架構(gòu)，其中三層人工智能組件相互疊加。每一層的人工智能組件都可以預(yù)先訓(xùn)練或預(yù)先構(gòu)建，然后重用或輕松定制以支持不同的人工智能應(yīng)用程序。

圖 4. 基于模型的認(rèn)知人工智能架構(gòu)，在多個(gè)層次中具有可重用的人工智能

重用預(yù)訓(xùn)練的人工智能模型和引擎(人工智能助理的基礎(chǔ))

包括人工智能助理在內(nèi)的任何人工智能系統(tǒng)都建立在人工智能 / 機(jī)器學(xué)習(xí)模型之上。根據(jù)模型的用途或訓(xùn)練方式，它們可分為兩大類：

• 可用于不同人工智能應(yīng)用程序的通用人工智能模型;
• 經(jīng)過(guò)訓(xùn)練的專用人工智能模型或引擎特定的人工智能應(yīng)用。會(huì)話代理是通用人工智能的一個(gè)例子，而物理機(jī)器人是專用人工智能的一個(gè)例子。

人工智能或機(jī)器學(xué)習(xí)模型包括數(shù)據(jù)驅(qū)動(dòng)的神經(jīng)(學(xué)習(xí)模型或符號(hào)模型。例如，BERT 和 GPT-3 是通用的、數(shù)據(jù)驅(qū)動(dòng)的模型，通常在維基百科等大量公共數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練。它們可以在人工智能應(yīng)用程序中重復(fù)使用來(lái)處理自然語(yǔ)言表達(dá)。相比之下，諸如有限狀態(tài)機(jī)之類的符號(hào)人工智能模型可以用作句法解析器，以識(shí)別和提取更精確的信息片段，例如，特定概念(實(shí)體)，例如來(lái)自用戶輸入的日期或名稱。

出于多種原因，通用人工智能模型通常不足以為特定的人工智能應(yīng)用程序提供動(dòng)力。首先，由于此類模型是在通用數(shù)據(jù)上訓(xùn)練的，因此它們可能無(wú)法解釋特定領(lǐng)域的信息。如圖 5 所示，預(yù)訓(xùn)練的通用人工智能語(yǔ)言模型可能“認(rèn)為”表達(dá)式 B 更類似于表達(dá)式 A，而人類會(huì)識(shí)別出 B 實(shí)際上更類似于表達(dá)式 C。

圖 5. 顯示預(yù)訓(xùn)練語(yǔ)言模型缺失的示例。在這種情況下，在通用數(shù)據(jù)上預(yù)訓(xùn)練的語(yǔ)言模型將表達(dá)式 B 解釋為與表達(dá)式 A 更相似，將其解釋為與表達(dá)式 C 更相似

此外，通用人工智能模型本身不支持特定任務(wù)，例如管理對(duì)話或從對(duì)話中推斷用戶的需求和愿望。因此，必須構(gòu)建專用人工智能模型來(lái)支持特定應(yīng)用程序。

以聊天機(jī)器人形式的認(rèn)知人工智能助理的創(chuàng)建為例。認(rèn)知人工智能助理建立在通用人工智能模型之上，由三個(gè)額外的認(rèn)知人工智能引擎提供支持，以確保與用戶進(jìn)行有效和高效的交互。特別是，主動(dòng)聆聽(tīng)對(duì)話引擎使人工智能助理能夠正確解釋用戶的輸入，包括場(chǎng)景中不完整和模棱兩可的表達(dá)(圖 6a)。它還使人工智能助理能夠處理任意用戶中斷，并維護(hù)對(duì)話場(chǎng)景以完成任務(wù)(圖 6b)。

圖 6a. 示例展示了認(rèn)知人工智能對(duì)話引擎如何處理不同響應(yīng)場(chǎng)景中的相同用戶輸入

圖 6b. 展示了認(rèn)知人工智能對(duì)話引擎如何處理對(duì)話中的用戶中斷并能夠維護(hù)場(chǎng)景和聊天流的一個(gè)示例

雖然對(duì)話引擎確保了富有成效的互動(dòng)，但個(gè)人洞察推理引擎則可以更深入地了解每個(gè)用戶，并實(shí)現(xiàn)更深入的個(gè)性化參與。作為個(gè)人學(xué)習(xí)伙伴或個(gè)人健康助理的人工智能助理可以鼓勵(lì)其用戶根據(jù)他們獨(dú)特的個(gè)性特征堅(jiān)持學(xué)習(xí)或研究課程，這是他們的獨(dú)特之處(圖 7)。

此外，對(duì)話特定的語(yǔ)言引擎可以幫助人工智能助理在對(duì)話過(guò)程中更好地解讀用戶表達(dá)。例如，情感分析引擎可以自動(dòng)檢測(cè)用戶輸入中表達(dá)的情感，而問(wèn)題檢測(cè)引擎可以識(shí)別用戶輸入是問(wèn)題還是需要人工智能助理做出響應(yīng)的請(qǐng)求。

構(gòu)建在這里描述的任何人工智能模型或引擎都需要巨大的技能和努力。因此，非常需要使此類模型和引擎可重復(fù)使用。通過(guò)精心設(shè)計(jì)和實(shí)施，討論過(guò)的所有認(rèn)知人工智能引擎都可以重用。例如，主動(dòng)傾聽(tīng)對(duì)話引擎可以用對(duì)話數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，以檢測(cè)不同的對(duì)話場(chǎng)景(例如用戶正在找借口或澄清問(wèn)題)。該引擎可以預(yù)先構(gòu)建優(yōu)化邏輯，在處理用戶中斷時(shí)始終嘗試平衡用戶體驗(yàn)和任務(wù)完成。

同樣，結(jié)合項(xiàng)目反應(yīng)理論 (IRT) 和大數(shù)據(jù)分析，個(gè)人洞察引擎可以根據(jù)個(gè)人數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，這些數(shù)據(jù)體現(xiàn)了他們的溝通模式與其獨(dú)特特征(例如，社交行為或現(xiàn)實(shí)世界的工作之間的關(guān)系表現(xiàn))。然后，只要對(duì)話是用自然語(yǔ)言進(jìn)行的，就可以重用該引擎來(lái)推斷任何對(duì)話中的個(gè)人見(jiàn)解。

重用預(yù)建的人工智能功能單元(人工智能助理的功能)

通用人工智能模型和特定人工智能引擎可以為人工智能助理提供基礎(chǔ)智能，而完整的人工智能解決方案需要完成特定任務(wù)或提供特定服務(wù)。例如，當(dāng)人工智能面試官就特定主題(如圖 1 所示)與求職者交談時(shí)，其目標(biāo)是從求職者那里獲取有關(guān)該主題的相關(guān)信息，并使用收集到的信息來(lái)評(píng)估求職者是否適合某個(gè)工作角色。

因此，需要各種人工智能功能單元來(lái)支持特定的任務(wù)或服務(wù)。在認(rèn)知人工智能助理的背景下，一種服務(wù)是與用戶交互并滿足他們的需求(例如完成交易)。例如，可以構(gòu)建特定主題的人工智能通信單元，每個(gè)單元都可以讓人工智能助理與用戶就特定主題進(jìn)行交流。因此，對(duì)話庫(kù)將包含多個(gè)人工智能通信單元，每個(gè)單元都支持特定任務(wù)。

圖 7 顯示了一個(gè)示例人工智能通信單元，它使人工智能助理能夠與用戶(例如求職者)就特定主題進(jìn)行對(duì)話。

圖 7. 以人工智能通信單元為例，它使人工智能助理能夠與其用戶討論特定主題。它包括多個(gè)條件操作(響應(yīng))，人工智能助理可以根據(jù)用戶在討論期間的操作來(lái)執(zhí)行這些操作。在這里可以檢測(cè)用戶動(dòng)作，并且能夠使用預(yù)訓(xùn)練的語(yǔ)言模型(例如架構(gòu)底部?jī)蓪犹岬降哪Ｐ?生成人工智能動(dòng)作

在基于模型的架構(gòu)中，可以對(duì)人工智能功能單元進(jìn)行預(yù)訓(xùn)練以直接重用。它們也可以通過(guò)合并新的條件和相應(yīng)的動(dòng)作來(lái)組合或擴(kuò)展。

重復(fù)使用預(yù)先構(gòu)建的人工智能解決方案(人工智能助理)

基于模型的認(rèn)知人工智能架構(gòu)的頂層是一組端到端的人工智能解決方案模板。在制作認(rèn)知人工智能助理的背景下，這個(gè)頂層由各種人工智能助理模板組成。這些模板預(yù)先定義了人工智能助理要執(zhí)行的特定任務(wù)流，以及在交互過(guò)程中支持人工智能功能的相關(guān)知識(shí)庫(kù)。例如，人工智能求職面試模板包括一組人工智能助理與求職者交談的面試問(wèn)題，以及用于回答與工作相關(guān)的常見(jiàn)問(wèn)題解答的知識(shí)庫(kù)。類似地，人工智能個(gè)人健康管理員模板可以概述人工智能助理需要執(zhí)行的一組任務(wù)，例如檢查健康狀況以及提供護(hù)理說(shuō)明或提醒。

這樣的模板可以直接重用以創(chuàng)建人工智能助理，還可以快速定制以滿足特定需求。

可重用的人工智能支持無(wú)代碼人工智能

在創(chuàng)建人工智能解決方案時(shí)，可重用的人工智能組件或系統(tǒng)不僅可以節(jié)省時(shí)間和精力，還可以快速、無(wú)代碼地定制可重用的組件。由于每個(gè)人工智能解決方案都可能需要進(jìn)行某些定制，因此無(wú)代碼人工智能進(jìn)一步促進(jìn)人工智能的應(yīng)用，并加快了人工智能系統(tǒng)的上市時(shí)間。以下是幾個(gè)無(wú)需編碼即可自定義可重用人工智能組件的示例。

人工智能解決方案模板無(wú)代碼定制

假設(shè)人力資源招聘人員希望創(chuàng)建人工智能面試官。招聘人員可以重復(fù)使用人工智能面試官模板，即編輯模板中的面試問(wèn)題或與工作相關(guān)的常見(jiàn)問(wèn)題解答以構(gòu)建自定義人工智能面試官(圖 8a)。模板重用和無(wú)代碼定制極大地簡(jiǎn)化了端到端人工智能解決方案的創(chuàng)建，特別是對(duì)于不知道如何編碼或缺乏深厚 IT 技能的工作人員來(lái)說(shuō)。

圖 8a. 人工智能面試官模板的無(wú)代碼定制，因此人工智能可以詢問(wèn)人力資源招聘人員設(shè)計(jì)的特定問(wèn)題。在這里，招聘人員添加了“你最喜歡目前工作中的什么?”這個(gè)問(wèn)題，現(xiàn)有的人工智能通信單元將自動(dòng)處理有關(guān)此主題的討論

人工智能功能單元無(wú)代碼定制

繼續(xù)以上面的例子為例，假設(shè)招聘人員希望人工智能面試官問(wèn)求職者這個(gè)問(wèn)題 “你最喜歡目前工作中的什么?”，如果應(yīng)聘者的回答是“與客戶互動(dòng)”，那么招聘人員希望人工智能面試官提出一個(gè)后續(xù)問(wèn)題，“你能舉一個(gè)喜歡與客戶互動(dòng)的例子嗎?”

由于沒(méi)有任何預(yù)先構(gòu)建的人工智能通信單元處理這種特定情況，招聘人員將需要自定義人工智能通信。如圖 8b 所示，招聘人員可以通過(guò)指示用戶響應(yīng)和相應(yīng)的人工智能面試官操作，包括后續(xù)問(wèn)題來(lái)輕松做到這一點(diǎn)。同樣，所有定制都可以在沒(méi)有編碼的情況下完成。

圖 8b. 人工智能通信單元的無(wú)代碼定制。在這里，如果用戶在“你最喜歡目前工作中的什么?”問(wèn)題的回答類似于“客戶交互”，則人工智能面試官會(huì)回答并提出后續(xù)問(wèn)題

上述示例展示了可重用人工智能模板或組件的無(wú)代碼定制如何讓任何非 IT 人員快速創(chuàng)建定制的人工智能解決方案。

無(wú)代碼、可重用人工智能的未來(lái)發(fā)展方向

無(wú)代碼、可重復(fù)使用的人工智能使強(qiáng)大的人工智能解決方案的創(chuàng)建和采用民主化，無(wú)需雇傭人工智能專業(yè)人員或采用成本昂貴的 IT 資源。為了使無(wú)代碼、可重用的人工智能成為開(kāi)發(fā)和采用人工智能解決方案的主要模式，必須在多個(gè)領(lǐng)域取得進(jìn)展。

第一個(gè)領(lǐng)域是使可重復(fù)使用的人工智能組件和系統(tǒng)變得可解釋。為了幫助非 IT 人員重用預(yù)先訓(xùn)練或預(yù)先構(gòu)建人工智能組件和解決方案，至關(guān)重要的是打開(kāi)“黑盒”并解釋每個(gè)組件或解決方案內(nèi)部的內(nèi)容，包括優(yōu)缺點(diǎn)?？山忉尩目芍赜萌斯ぶ悄懿粌H可以幫助人類更好地理解和利用現(xiàn)有的人工智能組件和系統(tǒng)，還可以幫助避免潛在的人工智能陷阱。例如，人力資源招聘人員在使用這種人工智能能力來(lái)推斷求職者的見(jiàn)解之前，了解如何推斷個(gè)人見(jiàn)解會(huì)很有幫助。

第二個(gè)方面是支持自動(dòng)人工智能調(diào)試。隨著人工智能解決方案變得越來(lái)越復(fù)雜，在多樣化和復(fù)雜的情況下很難人工檢查潛在的人工智能行為。非 IT 用戶尤其需要幫助來(lái)評(píng)估人工智能解決方案(例如人工智能助理)并在正式部署之前對(duì)其進(jìn)行改進(jìn)。盡管有一些關(guān)于分析人工智能助理的初步研究，但未來(lái)還需要做更多的研究。 

第三個(gè)領(lǐng)域是確保負(fù)責(zé)任地使用人工智能，特別是考慮到人工智能的民主化。例如，如果有人可以簡(jiǎn)單地重用人工智能功能單元來(lái)從用戶那里獲取敏感信息，那么誰(shuí)來(lái)保護(hù)用戶及其敏感信息，如何進(jìn)行保護(hù)?除了測(cè)量準(zhǔn)確性和穩(wěn)健性等典型的人工智能性能之外，還需要采用新的措施和使用指南，以確保創(chuàng)建和部署值得信賴和安全的人工智能解決方案。

原文標(biāo)題：How no-code, reusable AI will bridge the AI divide，作者：Michelle Zhou

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請(qǐng)注明原文譯者和出處為51CTO.com】