【AI 世代编者按】外媒本周刊文，介绍了 Facebook 虚拟助手M过去两年的发展。Facebook 试图开发最完美的的聊天机器人，不过M取得的进展也反映了当前人工智能面临的局限。
以下为 AI 世代（微信号：tencentai）编译整理的文章原文：
亚马逊 Alexa 可以叫来 Uber 的车辆，Siri 可以控制你家中的智能恒温器。目前，这些服务每天吸引了数百万用户。不过，有大约 1 万人知道，Facebook M 才是最聪明的智能助手。这些人大多来自美国加州。
推荐并预订摩洛哥一家浪漫的酒店，同时还要适合孩子？没问题。查询本地服务商修剪门前草坪的价格？也能做到。Facebook 这一试验性的智能助手被集成在 Messenger 应用中。M所做的并不是从数据库中简单地提取信息，而是理解复杂指令并采取行动，例如预订电影票，或是联系某家公司获取信息。
M 看起来如此智能，但实际上却借助了作弊行为。M与 Siri 有类似之处。当你向M发送一条消息时，算法会试图判断你的需求是什么。如果算法未能成功，那么M并不会简单地返回网页搜索结果，或是说“对不起，我不理解这个问题”。相反，人工客服将会在你不知情的情况下悄悄介入，对需求做出回复，就像是计算机仍在继续为你服务一样。（Facebook 拒绝透露，这些人工客服的总数。）
这样的设计导致 Facebook 很难将M推广至全部 12 亿 Messenger 用户。因此 2015 年，Facebook 只向数千名用户提供了M，并将M定位为半公开的研发项目。将人工服务和算法结合在一起将帮助 Facebook 观察，用户对无所不能的虚拟助手将会有何反应，此外算法也可以不断向人类“训练师”学习。
埃里克斯·勒布伦（Alex LeBrun）是这一项目的启动者。他表示：“这个领域的所有人都梦想开发出非常、非常智能的虚拟助手。”M为实现这个目标打开了一条路。
目前，在两年之后，Facebook 的这一研究项目可以算得上很成功。用户喜欢M，而软件也被证明可以向人类训练师学习。不过，Facebook 仍然无法面向 Messenger 的其余 99.9% 用户提供M，这方面的进展要远远比预期中更慢。
勒布伦表示：“我们知道这是艰巨的挑战，但最终比我想象中更艰巨。无论是学习速度，还是自动化的发展，这些都要比我们期望中更慢。”M的故事再次表明，近年来人工智能取得了多大的进展，以及未来还有多长的路要走。
M：“登月”的缩写
人类似乎非常喜欢与机器交谈。全球首个聊天机器人 Eliza 诞生于 1964 年，开发者是麻省理工学院教授约瑟夫·魏岑鲍姆（Joseph Weizenbaum）。这个聊天机器人能扫描一行行文字，并对特别的关键词做出回应，非常适合承担临床医生的工作。不过令魏岑鲍姆感到困扰的是，包括他的秘书在内，许多试用过的用户都会被其折服，即使他们知道 Eliza 实际上一无所知。他随后表示：“我没有意识到，对普通人来说，短时间接触到简单的计算机程序也会引起明显的妄想症。”
相对于让聊天机器人喋喋不休地说话，让它们帮你完成工作要更困难。当虚拟助手被要求完成某项工作时，模棱两可或鸡同鸭讲的回复没有意义。当前的软件不善于理解人类语言和世界，因此类似 Siri 和 Alex 的虚拟助手只能通过编程去掌握特定的技能。
因此，市面上的虚拟助手所能完成的工作很有限。去年底，有观点认为，聊天机器人将会像移动应用一样改变人类与计算机的交互方式，而这样的概念吸引了微软、Facebook 和某些科技行业投资者的兴趣。但实际上，基于以上原因，实现这一目标还非常困难。移动服务 Burner CEO 格雷格·科恩（Greg Cohen）表示：“当前的聊天机器人令人绝望。对行业观察家来说，聊天机器人被过分炒作，但发展情况不佳。”Burner 帮助 Airbnb 平台的房主创建简单的聊天机器人，回答顾客的常见问题。
在开发M之前，勒布伦曾花了 10 年多的时间开发传统上狭义的聊天机器人。不过，他希望聊天机器人还能做到更多。他于 2015 年初加入 Facebook，当时 Facebook 收购了他与其他人共同创立的 Wit.ai。Wit.ai 帮助企业开发聊天机器人，提供客户支持等服务。在此之前，勒布伦曾将自己的聊天机器人公司出售给语音识别巨头 Nuance。
勒布伦表示：“市面上的每一款聊天机器人，包括我开发的这个，都以规则为基础。你会知道，未来某天，你将触及天花板，无法再继续前进。我们的孩子并不使用规则或脚本，未来他们会比你更聪明。”
M 最初只被提供给 Facebook 员工，随后开放给了加州部分 Messenger 的重度用户。很快，算法就被证明可以学会人工的某些操作。
Facebook 的人工智能研究部门使用M去测试被称作记忆网络的新学习软件。这一新软件擅长回答关于简单故事的问题。软件能利用存储模块摘取关键信息供随后使用。而谷歌也在测试这样的设计，优化软件的推导能力。
1964 年时，魏岑鲍姆曾提出，这样的设计能令 Eliza 更智能。在几周时间里，M就出现了明显的变化。勒布伦还记得，他在感谢M为自己订电影票之后，M的反应令他非常惊讶。当时M自动回复：“不客气，享受这场电影吧。”M学会了记忆曾经协助过的任务及当时的环境。勒布伦表示：“我们大吃一惊，没有人写程序去实现这样的功能。”
记忆网络随后还帮助M获得了更大的进步。例如，如果某人要求M去订花并配送，那么M会自动利用请求中的关键信息，包括金额和地址，根据在线花店的信息去生成推荐。人工训练师随后决定，将哪一选择推荐给用户。
此外，M高效的表现也吸引了用户更大的兴趣。对于 Siri 和 Alexa 等完全自动化、功能有限的虚拟助手，用户通常只会使用其中最可靠的功能。而对于M，情况并不是这样。
勒布伦表示：“最开始，人们尝试去问明天的天气，随后他们会问：‘是否有意大利餐厅有位子？’再然后，他们会咨询关于移民和婚礼筹备的问题。我们知道这样做可能很危险，这要比我们预期中问题的范围更广。”
对于困难的问题，人工训练师会尽最大可能为用户服务。不过有时，他们也会直接拒绝用户的问题。M会自动拒绝大部分复杂的用户问题，而用户问题的多样化也导致算法很难完全承担起人工训练师的工作。近期，深度学习技术正推动机器学习变得更强大（记忆网络就是这样的应用案例）。然而，学会在数据量很少的情况下处理多种复杂的场景也并非深度学习擅长的领域。勒布伦表示：“这非常聪明，能学会执行复杂的任务，但也需要大量数据。”
漫长的征途
由于进展比预期中更慢，Facebook 正在重新考虑这一项目。上周，一个名为 M Suggestion 的功能出现在 Messenger 中。这类似于某些功能简单的聊天机器人，而这正是M试图取代的目标。M Suggesttion 会关注你和好友的聊天，从中发现线索，判断你是否想要做某些操作，例如从 Uber 叫车或是向他人转账。M Suggestion 提供了一个按钮，只需一次点击即可实现这些操作。
Wit.ai 的另一名联合创始人、目前供职于 Facebook 并负责M项目的劳伦特·兰多斯基（Laurent Landowski）表示：“我决定找到一种应用场景，加速向用户输出价值。”（勒布伦今年 1 月返回了老家法国，加入了 Facebook 在巴黎的人工智能研究实验室。）
最初依赖人工的M依然存在，并继续向那些幸运的用户提供丰富的服务。Facebook 表示，将致力于这一项目，而当前人工智能的发展状况很不错，值得长期投资。卡耐基梅隆大学教授贾斯汀·卡塞尔（Justine Cassell）表示，过去几年，深度学习颠覆了以往的语言处理技术，以及对相关软件的期望。她表示：“我们正处于这些新机器学习算法的黄金时代。”实际上，谷歌翻译的准确率近期已接近人类水平。
不过这并不意味着，仅仅通过观察人类的活动，软件就能学会执行复杂的任务。卡塞尔表示：“我并不认为我们已经有充分了解。”不过 Facebook 的研究员表示，有许多概念有待探索。
其中之一是让M的自动化部分学会判断用户返回的消息是正面还是负面。这种机制与人类训练宠物类似。如果不仅仅是模仿人类训练师的做法，那么M的发展速度可能会更快。为了促进更广泛的研究，Facebook 团队发布了工具，帮助其他人测试并比较无预定脚本的助理机器人。通过 M Suggestion，新技术目前也可以在更大范围内得到测试。
勒布伦和兰多斯基认为，在将M推广至大众用户的过程中，他们仍处于正轨。兰多斯基表示：“某些时候我们说，这需要 3 年或 5 年，但或许会是 10 年或更长时间。”
勒布伦表示：“这非常难，我们逐步取得进展，但我认为，我们拥有需要的一切。”他可能是对的。不过可以想象，在 1964 年看到 Eliza 时，很多人也有类似的期待。（编译/昱烨）