想想就有点小激动

斯嘉丽·约翰逊在电影 Her 中用声音出演的智能系统萨曼莎，也许代表了人类对人工智能最美的想象：她了解你的每一段过去、将你的生活安排得井井有序，还能和你聊天、分享音乐、甚至打情骂俏，并且带着充满魅惑的沙哑嗓音。

十年内，你的电脑也许就能和你调情了

目前，在人工智能领域主要存在两个问题：自然语言的处理、逻辑思维的跳跃能力。但 Google 在深度学习领域近来取得的巨大进步，也许能提前将这个场景带进现实。

近日，多伦多大学计算机教授 Geoff Hinton 接受卫报的采访时提到，Google 正在开发一套新的算法能让计算机可以像人类一样思考，拥有“常识”和“思维”。该算法名为 Thought Vectors，将语言进行数字化处理，将人类的“思维”编码成数字序列。

以机器翻译作为例，原本 Google Translate 主要通过机器学习进行工作，科学家们将数据库中大量翻译过的文档放入系统，通过分析和比对这些数据，Google 就“学会”了如何将一种语言匹配到另一种。但 Thought Vectors 则能让机器从根本上理解语言的真实意义。

这项技术是这样工作的：每个单词都可以转化为一组数字或者矩阵（vector），这些数字或矩阵可以定义其在意义空间或者云中的位置。一个句子可以看作是位于这些单词之间的通道，相应的，一个句子也可以简化为属于自己的数字序列或者意义矩阵。也就是说，这种算法能将“思维”变成两种语言之间的桥梁，“思维”能进入一种语言的意义空间之中，然后通过另一种通道翻译成另一种语言。

但关键在于如何确定单词该对应的数字。

一开始的时候，这些单词将被随机分布在意义空间中，然后该算法对这些翻译后的句子组成的的数据集进行训练。在刚开始时，这个算法呈现出来的翻译效果十分差，但随着反馈机制的运行（通过不断回馈误差信号），每个单词所对应的位置将不断被修改，不断逼近句子所代表的真正意义，不断接近人类使用某个词语时的本意。

尽管有人认为所谓的“思维”是不可能被精确地数字化的，但 Hinton 只要不断对这项技术进行挖掘精细化，人工智能起码能达到人类进行基本推理的能力，或者说，他们会拥有常识。

人工智能的先驱：Geoff Hinton

Hinton 的自信源于他在深度学习上 30 多年的耕耘。

上世纪 80 年代，Hinton 就是人工智能技术的先驱，曾参与一个使用计算机的软硬件来模拟大脑的研究。自那时起，在处理计算机视觉和自然语言方面，以模拟人脑为原理的神经网络是一种最有前景的方法。

然而在早期的神经网络试验中，需要人为给计算机设计特征，例如在识别垃圾邮件时，研究人员要把贴着“垃圾邮件”或“非垃圾邮件”标签的资料输入到系统中。但 Hinton 与他的团队开创性地开发了一种被称为“Back Propagation”（反向传播算法）的反馈机制，允许系统更加有效地从错误中学习以及自己定义特征。

但这种方法所需要的资源和案例数量是极为惊人的，因此在 2013 年，当 Google 向 Hinton 伸出橄榄枝：“我们很喜欢这东西，你想不想在比别人大 100 倍的模型上试验一下？”时，Hinton 便来到 Google，使用深度学习技术改进语音识别、图像标记和其他在线工具，希望将深度学习技术在更实用的领域发光发彩。

其他科技公司也没闲着

近年来，各大科技公司在人工智能领域投入颇多，通过各种方法招募人才。

Facebook 也在前年 9 月建立了自己的深度学习团队，招募了知名的深度学习科学家——纽约大学的 Yann LeCun，将进一步探索定向广告和人脸识别技术。而曾经在 Google 领导 Google Brain 项目的斯坦福教授吴恩达，在去年也加入了百度的硅谷实验室，担任首席科学家。

而 Google 在今年也收购了三家相关的公司：机器人公司“波士顿动力”（Boston Dynamics）、赢得去年的 DAPRA 机器人挑战赛的日本初创公司 SCHAFT、神秘的英国人工智能公司 DeepMind。对于 Google 来说，在人工智能领域的突破不仅能应用在搜索领域，在广告系统、无人驾驶汽车、疾病监测等项目也能大展拳脚。

尽管不少人对人工智能都持警惕的态度，但 Hinton 教授认为和电脑交朋友是一件很棒的事情（就像在电影 Her 中一样）。你打开电脑不仅仅为了查找信息，而是因为和电脑聊天会很开心，用不着十年，你的电脑就会开始明白你说的话，也许还能和你调调情，开开政治玩笑。