外媒本周刊文，介紹了Facebook虛擬助手M過去兩年的發展。Facebook試圖開發最完美的的聊天機器人，不過M取得的進展也反映了當前人工智能面臨的局限。

以下為AI世代（微信號：tencentai）編譯整理的文章原文：

亞馬遜Alexa可以叫來Uber的車輛，Siri可以控制你家中的智能恒溫器。目前，這些服務每天吸引了數百萬用戶。不過，有大約1萬人知道，Facebook M才是最聰明的智能助手。這些人大多來自美國加州。

推薦并預訂摩洛哥一家浪漫的酒店，同時還要適合孩子？沒問題。查詢本地服務商修剪門前草坪的價格？也能做到。Facebook這一試驗性的智能助手被集成在Messenger應用中。M所做的并不是從數據庫中簡單地提取信息，而是理解復雜指令并采取行動，例如預訂電影票，或是聯系某家公司獲取信息。

M看起來如此智能，但實際上卻借助了作弊行為。M與Siri有類似之處。當你向M發送一條消息時，算法會試圖判斷你的需求是什么。如果算法未能成功，那么M并不會簡單地返回網頁搜索結果，或是說“對不起，我不理解這個問題”。相反，人工客服將會在你不知情的情況下悄悄介入，對需求做出回復，就像是計算機仍在繼續為你服務一樣。（Facebook拒絕透露，這些人工客服的總數。）

這樣的設計導致Facebook很難將M推廣至全部12億Messenger用戶。因此2015年，Facebook只向數千名用戶提供了M，并將M定位為半公開的研發項目。將人工服務和算法結合在一起將幫助Facebook觀察，用戶對無所不能的虛擬助手將會有何反應，此外算法也可以不斷向人類“訓練師”學習。

埃里克斯·勒布倫（Alex LeBrun）是這一項目的啟動者。他表示：“這個領域的所有人都夢想開發出非常、非常智能的虛擬助手。”M為實現這個目標打開了一條路。

目前，在兩年之后，Facebook的這一研究項目可以算得上很成功。用戶喜歡M，而軟件也被證明可以向人類訓練師學習。不過，Facebook仍然無法面向Messenger的其余99.9%用戶提供M，這方面的進展要遠遠比預期中更慢。

勒布倫表示：“我們知道這是艱巨的挑戰，但最終比我想象中更艱巨。無論是學習速度，還是自動化的發展，這些都要比我們期望中更慢。”M的故事再次表明，近年來人工智能取得了多大的進展，以及未來還有多長的路要走。

M：“登月”的縮寫

人類似乎非常喜歡與機器交談。全球首個聊天機器人Eliza誕生于1964年，開發者是麻省理工學院教授約瑟夫·魏岑鮑姆（Joseph Weizenbaum）。這個聊天機器人能掃描一行行文字，并對特別的關鍵詞做出回應，非常適合承擔臨床醫生的工作。不過令魏岑鮑姆感到困擾的是，包括他的秘書在內，許多試用過的用戶都會被其折服，即使他們知道Eliza實際上一無所知。他隨后表示：“我沒有意識到，對普通人來說，短時間接觸到簡單的計算機程序也會引起明顯的妄想癥。”

相對于讓聊天機器人喋喋不休地說話，讓它們幫你完成工作要更困難。當虛擬助手被要求完成某項工作時，模棱兩可或雞同鴨講的回復沒有意義。當前的軟件不善于理解人類語言和世界，因此類似Siri和Alex的虛擬助手只能通過編程去掌握特定的技能。

因此，市面上的虛擬助手所能完成的工作很有限。去年底，有觀點認為，聊天機器人將會像移動應用一樣改變人類與計算機的交互方式，而這樣的概念吸引了微軟、Facebook和某些科技行業投資者的興趣。但實際上，基于以上原因，實現這一目標還非常困難。移動服務Burner CEO格雷格·科恩（Greg Cohen）表示：“當前的聊天機器人令人絕望。對行業觀察家來說，聊天機器人被過分炒作，但發展情況不佳。”Burner幫助Airbnb平臺的房主創建簡單的聊天機器人，回答顧客的常見問題。

在開發M之前，勒布倫曾花了10年多的時間開發傳統上狹義的聊天機器人。不過，他希望聊天機器人還能做到更多。他于2015年初加入Facebook，當時Facebook收購了他與其他人共同創立的Wit.ai。Wit.ai幫助企業開發聊天機器人，提供客戶支持等服務。在此之前，勒布倫曾將自己的聊天機器人公司出售給語音識別巨頭Nuance。

勒布倫表示：“市面上的每一款聊天機器人，包括我開發的這個，都以規則為基礎。你會知道，未來某天，你將觸及天花板，無法再繼續前進。我們的孩子并不使用規則或腳本，未來他們會比你更聰明。”

M最初只被提供給Facebook員工，隨后開放給了加州部分Messenger的重度用戶。很快，算法就被證明可以學會人工的某些操作。

Facebook的人工智能研究部門使用M去測試被稱作記憶網絡的新學習軟件。這一新軟件擅長回答關于簡單故事的問題。軟件能利用存儲模塊摘取關鍵信息供隨后使用。而谷歌(微博)也在測試這樣的設計，優化軟件的推導能力。

1964年時，魏岑鮑姆曾提出，這樣的設計能令Eliza更智能。在幾周時間里，M就出現了明顯的變化。勒布倫還記得，他在感謝M為自己訂電影票之后，M的反應令他非常驚訝。當時M自動回復：“不客氣，享受這場電影吧。”M學會了記憶曾經協助過的任務及當時的環境。勒布倫表示：“我們大吃一驚，沒有人寫程序去實現這樣的功能。”

記憶網絡隨后還幫助M獲得了更大的進步。例如，如果某人要求M去訂花并配送，那么M會自動利用請求中的關鍵信息，包括金額和地址，根據在線花店的信息去生成推薦。人工訓練師隨后決定，將哪一選擇推薦給用戶。

此外，M高效的表現也吸引了用戶更大的興趣。對于Siri和Alexa等完全自動化、功能有限的虛擬助手，用戶通常只會使用其中最可靠的功能。而對于M，情況并不是這樣。

勒布倫表示：“最開始，人們嘗試去問明天的天氣，隨后他們會問：‘是否有意大利餐廳有位子？’再然后，他們會咨詢關于移民和婚禮籌備的問題。我們知道這樣做可能很危險，這要比我們預期中問題的范圍更廣。”

對于困難的問題，人工訓練師會盡最大可能為用戶服務。不過有時，他們也會直接拒絕用戶的問題。M會自動拒絕大部分復雜的用戶問題，而用戶問題的多樣化也導致算法很難完全承擔起人工訓練師的工作。近期，深度學習技術正推動機器學習變得更強大（記憶網絡就是這樣的應用案例）。然而，學會在數據量很少的情況下處理多種復雜的場景也并非深度學習擅長的領域。勒布倫表示：“這非常聰明，能學會執行復雜的任務，但也需要大量數據。”

漫長的征途

由于進展比預期中更慢，Facebook正在重新考慮這一項目。上周，一個名為M Suggestion的功能出現在Messenger中。這類似于某些功能簡單的聊天機器人，而這正是M試圖取代的目標。M Suggesttion會關注你和好友的聊天，從中發現線索，判斷你是否想要做某些操作，例如從Uber叫車或是向他人轉賬。M Suggestion提供了一個按鈕，只需一次點擊即可實現這些操作。

Wit.ai的另一名聯合創始人、目前供職于Facebook并負責M項目的勞倫特·蘭多斯基（Laurent Landowski）表示：“我決定找到一種應用場景，加速向用戶輸出價值。”（勒布倫今年1月返回了老家法國，加入了Facebook在巴黎的人工智能研究實驗室。）

最初依賴人工的M依然存在，并繼續向那些幸運的用戶提供豐富的服務。Facebook表示，將致力于這一項目，而當前人工智能的發展狀況很不錯，值得長期投資。卡耐基梅隆大學教授賈斯汀·卡塞爾（Justine Cassell）表示，過去幾年，深度學習顛覆了以往的語言處理技術，以及對相關軟件的期望。她表示：“我們正處于這些新機器學習算法的黃金時代。”實際上，谷歌翻譯的準確率近期已接近人類水平。

不過這并不意味著，僅僅通過觀察人類的活動，軟件就能學會執行復雜的任務。卡塞爾表示：“我并不認為我們已經有充分了解。”不過Facebook的研究員表示，有許多概念有待探索。

其中之一是讓M的自動化部分學會判斷用戶返回的消息是正面還是負面。這種機制與人類訓練寵物類似。如果不僅僅是模仿人類訓練師的做法，那么M的發展速度可能會更快。為了促進更廣泛的研究，Facebook團隊發布了工具，幫助其他人測試并比較無預定腳本的助理機器人。通過M Suggestion，新技術目前也可以在更大范圍內得到測試。

勒布倫和蘭多斯基認為，在將M推廣至大眾用戶的過程中，他們仍處于正軌。蘭多斯基表示：“某些時候我們說，這需要3年或5年，但或許會是10年或更長時間。”

勒布倫表示：“這非常難，我們逐步取得進展，但我認為，我們擁有需要的一切。”他可能是對的。不過可以想象，在1964年看到Eliza時，很多人也有類似的期待。