人工智能如何帮助我们理解社交媒体

翻译 互联网数据官(iCDO)志愿者 齐云涧

如果你是X战警漫画系列的粉丝,你熟悉Cerebro,一个虚构的设备,可以进入人类的脑波,并有能力通过个人的想法和经验来识别突变体。如果Cerebro是真的,那将是可怕的一件事情?如果我们可以沉迷于全球范围的阅读?

虽然我们还没有发现那些能力 - 神经量子纠缠任何人? - 考虑到社交媒体帖子揭示了大约20亿个人的内部工作。四分之一的人们的最深刻的见解可用于分析。 我们所缺乏的是有效的方法来检测这些隐喻的脑波,并使它们有意义。

在许多方面,软件已经可以满足需求,特别是在表达个人声音方面。现在有工具可以快速展示消费者和企业之间的社交帖子和对话。这些工具使企业能够通过开放、真实的对话吸引客户群并了解他们的需求和关注。

然而,仍然有很多分析留下,特别是在总计。 作为一个行业,社交网络和工具表面意见很大程度上从房间里最响亮的声音。 我们不推论。 我们的技术收集人们明确说的话,而不发现为什么。 这是因为“为什么”的原因很难解开,因为他们往往不是自愿要求复杂的推理或危险的假设。

实际上,我们得到的是词和短语的趋势,而不是深刻的理解。展开正在被讨论的话题远不能准确定位特定的群体和人口统计特征对所述话题的感受和原因。对话和拥有它们的人是三维的,代表的不仅仅是单词的表达。

微妙之处在于,连接潜在的人、问题和因果基础的细节被最好的算法和最好的从业者错过了。例如,复杂的民意调查,专家和分析家没能预测最近的美国总统选举,现在正在加紧解释它。可能的答案隐藏在数十亿的社交帖子中?

想象一下,AI总是在听你说话。 一个数字研究助理,每秒不断地听到和理解成千上万的帖子,提供关键的概要。

人工智能能完成这项任务吗?

不是今天。

我们的AI系统抓住头条新闻,但他们只擅长狭窄领域的艰巨任务。Uber和其他授权的汽车通过感知环境足以使其下一个转弯或躲避行人,但他们永远也学不会长出翅膀飞行。谷歌创造了一台机器,可以在一个令人难以置信的复杂的游戏中击败一个高度熟练的人类玩家,但该机不能回答有关游戏的历史问题或独立学习玩另一个游戏。

今天的人工智能仍然是一个误称。牛津英语词典(通过谷歌)将智力定义为“获取和应用知识和技能的能力”,而AI还不存在。以麻省理工学院(MIT)数字经济的研究员和这个领域的思想领袖汤姆·达文波特(Tom Davenport)的话来说,“深度学习并不是深刻的学习”。或者引用另一位专家奥伦·埃佐尼(Allen Institute of AI)的话,“AI只是简单的、巨大规模的数学执行。”以我们对人类的期望,AI今天是一种方法,使计算机更有能力,但还没有智能。

然而,有一天,AI可能达到所需的自给自足的智力水平吗?

幸运的是,人工智能的研究是在正确的道路走向更深层次的理解。历史上的一个主要目标是使机器能够伪装成人类,通过图灵测试。我们现在以更困难的问题挑战这些研究人员,例如那些由一个新的测试为代表,Winograd模式的挑战。

Winograd模式是有趣的,因为它揭示了艺术的状态,证明我们没有像外行可能认为的那样远离真正的人工智能。要理解这个测试,让我们来看一个例子,今年的O ' reilly AI会议。

  • The large ball crashed right through the table because it was made of styrofoam.(大型球撞在桌子上,因为它是塑料做的。)
  • The large ball crashed right through the table because it was made of steel. (大型球撞在桌子上,因为它是用钢做的。)

在每个句子中,“it”这个词是指什么? 答案是大多数7岁的孩子可以集合的。 然而对于机器,回答是很难的。现在采取这个到每个发布的tweet之间的变化。

当人工智能更接近人类的深度学习和理解水平时,人工智能能够有效地理解人类大脑无法有效处理的数量庞大、复杂的数据集。

测试像Winograd模式可能推动人工智能期待更好的理解影响和联系。然而相当基本的语言理解是通往智慧和独立获取和应用信息的能力的前一步。

我们的基准只比图灵的测试略有提升。还有很多工作要做。

原文发布于微信公众号 - 互联网数据官(internetcdo)

原文发表时间:2017-02-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

大数据入门,你需要懂这四个常识

大数据分析的使用者有大数据分析专家,同时还有普通用户,但是他们二者对于大数据分析最基本的要求就是可视化分析,因为可视化分析能够直观的呈现大数据特点,同时能够非常...

863
来自专栏AI科技评论

学界丨当深度学习遇上敏捷开发,会发生怎样的“化学反应”?

说出来你可能不信,有一种从软件开发领域诞生的思维方式,自诞生以来就一直深远地影响着我们日常的工作和生活。这就是“敏捷方法”,即软件开发领域的“敏捷软件开发”(A...

3897
来自专栏新智元

【AI发展出人类无法理解的语言】Facebook关闭“失控” AI 项目

【新智元导读】 Facebook上个月引起广泛争议的“开发出人类无法理解”的沟通的智能对话机器人项目已经被关闭,因为研究者担心会“失控”。 根据digitalj...

3226
来自专栏人工智能头条

【MDCC 2016】微软亚洲工程院院长刘震:智能应用的普及化

2017
来自专栏灯塔大数据

荐读|工业大数据:面向产品全生命周期的深度集成

产品全生命周期管理( Product lifecycle management, PLM)是指管理产品从需求、设计、生产、运行、使用、维修、报废的全生命周期中的...

2914
来自专栏AI科技评论

业界丨人工智能重大进展!全球首个光电子神经网络问世

量子计算机能够处理当前数字计算机无法驾驭的复杂任务 据《纽约时报》报道,微软现在要花大量资金和资源来研究量子计算机。 量子计算机是一种遵循量子力学规律,进行高速...

3756
来自专栏西安软件开发

弈聪软件卓建超:大数据可视化分析技术决定大数据商业驱动力

传统企业在数字化转型中,大数据分析技术对数据有效的展示能够极大提高对信息的洞察力。目前虽然已有大量的大数据可视化工具可供使用且很多大数据企业也正在使用这些工具,...

1516
来自专栏灯塔大数据

大数据入门的四个必备常识

一、大数据分析的五个基本方面 1、可视化分析 大数据分析的使用者有大数据分析专家,同时还有普通用户,但是他们二者对于大数据分析最基本的要求就是可视化分析,因为...

36911
来自专栏大数据文摘

2016信息之美入选作品设计者自白:如何做好可视化“再”设计

2432
来自专栏量子位

亚马逊AI相机1600元开卖,搭载深度学习模型,具备编程能力

如果你不是极客,这款相机可能不太适合你,但如果你也想自己搞出一款AI摄像机,这款DeepLens可能会让你欢喜。

742

扫码关注云+社区

领取腾讯云代金券