|
多人交流时会发生什么情况？ 在对话中，欧博我们无法假设所有参与者都能完全了解彼此的知识水平或意图。当多人合作时，我们不仅得模拟每个人的计划，还要研究他们彼此之间的互动方式以及不同计划之间的关联性。我的工作包括开发这些模型，并且以这些理论模型为设计灵感，皇冠界定必须构建哪些系统结构组件。例如，我和斯坦福医学院一位儿科医师合作的一个项目涉及身患复杂疾病的儿童。这些孩子可能有 12 或 15 个以上的护理人员，但这些护理人员对彼此工作内容知之甚少。如今的电子健康记录系统无法帮助他们在护理时协调分工。我们以多智能体系统合作理论为分析依据，观察护理人员与患者以及家长们的合作方式，DG游戏找出有所欠缺的部分，并思考我们能设计出什么样的系统，帮助他们像团队一样更有效地共事。我们发现应当确保所有参与者了解需要共同达成什么目标。另外，他们的信息交流方式也有待改进。 “我相信人工智能一定有机会改变世界。” 在人工智能领域，许多十分重要的技术概念其实早在 20 世纪 60 年代便已出现，例如神经网络与文本挖掘。但当时的计算机性能还不够强大，因此无法实现这些概念。如今，欧博代理得益于电子游戏以及高性能图形处理器的发展，机器的运算能力大大加强。这使得从事机器学习的研究人员能开发出深度学习的技术，这些技术涉及神经网络的多个层次，为人工智能诸多领域带来重大转变。然而，单凭深度学习还远远不够。还有许多视觉与自然语言问题有待解决，但这一技术的确极大地拓展了人工智能系统的应用潜能。 为实现真正“自然”的人机对话，还要克服哪些挑战？优质数据是一大难题。尽管我们手中的数据量在短短几年之内大幅增加，但它们并非都是我们所需要的数据。若想了解自然语言，我们必须研究真实的对话。Twitter 并不是合适的数据来源，因为它不同于真实的对话场景；我们与 Siri 等个人助理系统之间的基本互动活动也并非真实的人际交流。想要得到真实有效的数据很难，这其中还存在一些道德问题，因为研究真实对话之前应征得对话者的同意。此外，确保数据搜集范围涵盖了各类人群也绝非易事。我们不能像传统的心理学研究那样单独搜集大二学生的数据，也不能只搜集社交媒体用户或讲英语人群的数据。甚至在一国之内还有各种方言与不同文化，这些都影响着人们的对话结构。 (责任编辑：) |