大公网

大公财经 > 科技 > 数码家电 > 正文

热闻

  • 图片

Siri开发团队打造新一代智能助手:或未卜先知

丹克尔将Bright称为是“认知桌面”(cognitive desktop),以及“一个能真正理解用户行为的桌面,不仅仅是为一个人,还为了周围整个群体。根据丹克尔在现场演示的Bright初始功能,这项技术应该会缓解用户的一切工作压力,从安排任务时间到网上搜索信息。

  导语:国外媒体近日撰文称,曾经打造出苹果公司智能语音助手Siri的研发团队,如今又面向办公人员开发一款名为“Bright”的新应用,未来有一天,它可能会具有某种“未卜先知”的能力,在用户提问之前,就已知道他们需要哪方面信息。

  以下为文章全文:

  预测能力显著提升

  在硅谷一个庞大的建筑群内,有一条长长的走廊,走廊的尽头是一个黑暗的小房间,四周到处是平板显示屏和摄像头,它们正监视着格利特·丹克尔(Grit Denker)的一举一动。丹克尔是非盈利研发机构SRI的高级计算机科学家,她正在房间里演示Bright——这个智能助手将来有一天会具有未卜先知的能力:用户还没有提出问题,它就已知道用户需要哪方面信息。

  一开始,Bright主要用于减少用户在高度压力、数据密集型的工作环境下的认知超载(cognitive overload),这些工作环境包括应急处理以及网络安全等。例如,通过快速提供重要的感染信息,Bright可以帮助网络管理人员及时阻止病毒的扩散,或者让911接线员向事故现场人员进行正确的指导。

  同诞生自SRI的诸多技术一样,如Siri等数字个人助理,Bright最终也会应用于智能手机和笔记本电脑上。它可能以某种软件的面貌出现,当用户准备坐下来看电视时,会自动弹出他们最喜欢的节目列表,或者从网上自动搜索与用户最新研究项目有关的信息。

  Google Now之类的助理应用也试图自动为用户提供他们需要的信息。举例说,一旦发现用户在公交车站等车,它就会向他们的智能手机 发送相应的公交时刻表。Bright的目标是,开发出能广泛应用于办公环境下的更先进、更强大的功能。但Bright和类似研究项目面临的最大挑战是:如何从相对较少的样本数据里提取有价值的信息。

  实时记录用户行为

  SRI总部设在加州门罗帕克,由斯坦福大学在1946年创立,最初是个研究机构,从1970年开始独立运营,迄今开发出了多款重要科技设备,如电脑鼠标、LCD,甚至是互联网的雏形ARPAnet。近年来,SRI在人工智能领域颇有建树,比如Siri就脱胎于该机构为美国国防高级研究计划署(DARPA)打造的“CALO”项目。

  丹克尔将Bright称为是“认知桌面”(cognitive desktop),以及“一个能真正理解用户行为的桌面,不仅仅是为一个人,还为了周围整个群体。”在当前设置下,有三台桌面电脑始终盯着丹克尔;一台呈现她目光所及的地方,还有一台将她的一举一动实时记录下来,第三台看上去与我们经常用到的台式机非常相似。

  例如,当丹克尔通过她前面的桌面电脑打开富国银行邀请会面的一封电子邮件,Bright就会借助于左边桌面电脑监控她的一举一动,将所有细节记录下来,如如何打开邮件,花多长时间阅读邮件,怎样关闭邮件等等。

  根据丹克尔在现场演示的Bright初始功能,这项技术应该会缓解用户的一切工作压力,从安排任务时间到网上搜索信息。丹克尔解释说,她的团队正试图采用现有电脑技术,通过预想接下来需要的具体信息,以及提前测试不同活动以加快反应时间,提升整个系统的效率。

  丹克尔表示,Bright利用相同的创意,预测用户的下一步动作,所以它还需要额外的设备来监控用户。例如,一台可以追踪手指活动的触控显示屏。

  抓取有价值信息

  虽然Bright开发的初衷是为了应对网络安全和应急处理,但这款应用也适用于其他类型的用户。例如,Bright在校园里可以确定哪个学生成绩不佳,然后自我调节以更好地满足他或她的需要。

  然而,Bright未来还有很长的路要走。这套系统目前专注于“认知索引”,即将各种线索整合在一起,从中找出最为重要的线索。Bright的开发团队还需要进一步提升Bright的功能,令其可以预测用户兴趣爱好,自动执行任务。此外,在正式推出之前,Bright还需要了解用户通过电脑学习的能力。

  SRI信息与计算科学部门副总裁、CALO项目首席科学家比尔·马克(Bill Mark)表示,了解用户行为并非易事。马克将这一过程称为是“小数据问题”,因为相对于从海量数据提取有用信息的“大数据”项目来说,Bright之类的系统则需要从数量更少的数据样本中找出行为模式,这显然是一个非常棘手的挑战。

  马克指出,由于数据集有限,加上用户行为往往会发生改变,在这种情况下,分析出某种模式的算法的难度非常大:“我们没有更多的数据可供参考,而这些机器学习算法却需要海量数据来找出某种模式。”

  未来面临诸多挑战

  除此之外,Bright还面临着其他大量挑战。哈佛大学计算机科学助理教授克日什托夫·加若斯(Krzysztof Gajos)指出,在创建智能交互系统的过程中,一个挑战是如何分辨出强制任务和自愿任务的区别,前者如办公室里的工作,后者如玩游戏。

  加若斯曾在CALO项目团队工作过一年。他表示,在办公相关任务中,很难以让用户觉得可以自控的方式,设计出一种自动化程序。加若斯说,“如果你回过头来看一看微软Clippy之类的系统,就会发现有些系统根本做不到这一点。即便失败次数并不多,但仍然会让人十分懊恼,最终掩盖了这套系统或许能为许多用户带来的益处。”

  • 责任编辑:房小葵

人参与 条评论

标签:

微博关注:

大公网

  • 打印

数码频道

更多
参与互动
关注方式:
打开微信朋友们扫一扫关注