库兹韦尔在Google到底负责什么？从帮你回邮件，到理解人类语言

李杉 编译自 Wired 量子位 报道 | 公众号 QbitAI

雷·库兹韦尔（Ray Kurzweil）近些年为人熟知的身份，是“未来学家”。

提到他，人们可能会想起“奇点”：他最广为人知的理念，就是未来某一时刻，超级智能机器将会超越、改变人类；除此之外，人们可能还会想到他对长生不老的乐观预测。

大部分人都快要忘了，他还是Google员工，至于他在Google具体是做什么的，更是没几个人能说出来。

2012年，Google联合创始人拉里·佩奇把他招募到麾下，不过他在Google的职责和“未来学家”的身份没有太大关系，而是“做涉及机器学习和语言处理的新项目”、“把自然语言理解带给Google”。

库兹韦尔@Google

现在，69岁的库兹韦尔在Google带领一个大约35人的团队，用他们编写的代码帮你回邮件。

也就是Gmail的智能回复（Smart Reply）功能。

这个Gmail移动App里的功能可以自动推荐3封回复邮件，供用户点击选取，在发送之前还可以对内容进行编辑。他们今年5月面向英语用户推出了完整服务，上周还将其提供给西班牙语用户。

虽然回复非常简单，比如“周一就干”、“哇！太好了！”、“下周再说”。但这些推荐的确很有用。库兹韦尔说：“这是人工智能与人类智能密切合作的典范。”

库兹韦尔说，他的工作才刚刚开始。他的团队正在尝试让智能回复给出更加细致的建议。点击“继续”按钮，或许就可以对“我肯定愿意参加你的聚会！”进行扩展，例如增加“我能带点什么吗？”这样的内容。

他希望在你输入文字的过程中让人工智能随时做出贡献，就像一个无处不在的智能版Google搜索自动完成工具一样。“利用编写文档或邮件过程中使用的技术，也可以针对如何写句子给出建议。”

展望未来，这些想法最终都将变得微不足道。

他表示，智能回复只是他们主要项目的第一个可以看到的部分：这是一套可以理解语言含义的系统。

这个项目的开发代号是Kona，他们希望开发出语言能力与你我比肩的软件。“我不能说现在达到人类水平，但我认为会达到。”他说。

你应该相信他吗？这要取决于你是否相信库兹韦尔已经破解了人类智能运作方式的谜团。

志趣相投？

Google联合创始人拉里·佩奇（Larry Page）在2011年至2013年二次出任CEO期间管理了一些出人意料的项目，其中包括大举收购机器人公司，组建了一个希望实现长生不老的部门，以及已经夭折的Google驳船。

2012年聘用库兹韦尔，也算得上是这些令人费解的决定中的一个。

该公司已经拥有一批最具影响力的机器学习和人工智能学者，而且还在快速扩张技术团队，开发各种机器学习系统来支持新产品。库兹韦尔曾经出版过很多预测未来的书籍，他说你有朝一日可以将自己的意识上传到网络空间，但他似乎并不擅长开人工智能系统。

库兹韦尔表示，正是自己的一本书让他得以加盟Google。佩奇当时给他打电话，探讨了那时即将出版的《如何创造思维》（How to Create a Mind）一书中的内容。这本2012年出版的书籍阐述了库兹韦尔关于新皮质运作方式的理论——作为大脑的外层，这里正是人类智能所在的地方。

“他们招我的目的就是将这个论点带到Google。”库兹韦尔说，“我将这种模型应用到机器学习，使之非常擅长理解语言。”

库兹韦尔的论点是，新皮质由许多重复单元构成，每一个都有能力识别信息模式，然后堆叠成层级结构。他表示，这让很多不那么聪明的模块可以共同展示出抽象和推理能力，而这恰恰是人类智能的独特之处。

这种模式尚未被研究人类大脑的学者普遍接受。当认知科学教授加里·马库斯（Gary Marcus）看过《如何创造思维》一书时，他发现这番理论不仅不是原创，而且停留在经验主义的范畴。库兹韦尔表示，这本书提取了他从14岁以来逐渐形成的关于大脑的思考。他对马库斯的说法持不同意见。

“其实出现了很多神经系统科学证据来支持我的论点。”他说。他表示，自己的智能层级理论成为Kona系统的指导思想，而且已经应用在智能回复功能中。

重新开始

虽然库兹韦尔团队开发的代码为智能回复提供支持，但这项功能并不是他们开发的。它的发明人是Gmail产品团队和Google Brain人工智能实验室的工程师和研究员。

Google的图片搜索和语音识别服务都早就用上了神经网络，他们还证明了只要有充足的样例，这项技术就可以用来自动回复电子邮件。

2015年末，这套系统被添加到Gmail的一款移动客户端Inbox里。大约6个月后，通过Inbox应用发送的邮件中，约有10%使用智能回复功能。

然后，库兹韦尔的团队帮助把智能回复功能部署到更常用的Gmail应用中。

Google的服务器很充足，但电费是一笔不小的开销，而最初的智能回复功能需要消耗大量计算资源。它使用一种具备短期记忆的神经网络，使之可以理解单词排列的顺序。这项技术很擅长理解句子含义——已经应用到Google翻译中——但的确要耗费很多计算资源。

“库兹韦尔化”的智能回复也使用神经网络，但他们并不关心单词顺序，因此运行成本更低。

这个程序会一次性把电子邮件正文和主题中的单词分解成数字。它还有神经网络堆叠成两层结构。底层负责吸收电子邮件的文本，顶层则负责合成结果——从2.9万条预先写好的选项中选择最合适的内容，这些内容都是通过对Gmail用户最常用的短语进行分析后形成的。

在今年5月发表的论文中，库兹韦尔和他的同事表示，他们的系统只是用了很少的计算资源就实现了同样的流行度。

上面提到的论文：Efficient Natural Language Response Suggestion for Smart Reply 地址：https://arxiv.org/abs/1705.00652

有待证实

智能回复或许令人印象深刻，但要证明自己的软件更擅长理解语言，库兹韦尔的团队仍有很多工作要做。

特拉维夫巴伊兰大学的自然语言处理专家Yoav Goldberg表示，Google针对智能回复系统发表的论文只是阐述了了不起的工程实力，而不是科学突破。

为了把机器学习应用到生活的方方面面，Google每天都在做这样的事情。“对多数问题来说，我们需要的是使用既定技术开发良好的解决方案，而不是突破性的新方法。”他说。

库兹韦尔在他团队的系统与人脑之间进行的类比究竟是否正确，目前还难以判断。

的确有一个相似成分组成的层级结构将数据进行抽象化处理，从而制定决策。然而，可以用这样的方式描述任何一个使用人工神经网络的机器学习系统，但其中却没有任何一个真的很像大脑。“我发现这种类比很不严谨，实际上毫无意义。”Goldberg说。

不过，库兹韦尔似乎很淡定，他坚信自己的理念是正确的。“使用的数学方法不同，但我认为新皮层的运作就是遵循着同样的概念。”他说，“根据我们的测试，这的确抓住了语言的关键。”

他承诺，还有更多基于Kona的应用正在开发之中，今后也将出现在Google产品中。

在被问及对未来的展望时，他给出了一个令人兴奋的预测：“我几十年来始终如一的预测是，到2029年，电脑对语言的理解力将达到人类的水平。”

倘若真的实现，库兹韦尔的代码所能完成的任务绝不仅仅是撰写电子邮件这么简单。