从电子宠物到机器人：人类与机器能擦出不一般友谊吗？

你是怎么和别人成为朋友的？你是慢慢地去了解对方，还是一认识就想要去了解对方？我们是否喜欢和已经成为我们生活一部分的人保持朋友关系，还是说我们想让他们离开呢？

　　当我上大学的时候，我在Facebook上交了个朋友，她的名字叫克莱尔，我们经常一起讨论科幻电影。虽然现在我们失去了联系，但我怀念我们在这个某个特定话题上建立起来的友谊。

　　在我正在进行的一项研究中，这项研究是为了了解人工智能驱动的产品设计，我发现，通过社会心理学的视角来了解这个世界，为我们提供了一种非常有趣的方式。

　　十个人可以阅读同样的问题，并以不同的方式回答他们。

　　目前还没有确切的算法来解释人们如何交友。它实际上就是指两个人性格合得来并一起度过很多美好的时间。通常，他们的互动反映了他们一起体验过的经历。

　　我们生活的时代不仅是个性化，而且是一种非常激进的、令人沮丧的形式。无论我们走到哪里，无论是在亚马逊上购物，还是在Netflix上看电影，个性化都是一项重要的、神奇的组件，有望提升我们的体验。

　　我发现这种个性化的趋势源自于我们渴望自己复杂的需要被人理解。人类是一个非常社会化的物种。在某种程度上，我们不得不思考——我们为什么不利用我们对人格心理学的了解，利用它来研发一些应用软件，这些软件不仅仅享有个性化的功能，还能成为我们的朋友呢？

　　这就引出了一个问题，即我们与当前使用的应用建立了什么样的联系。一旦这些应用变得更智能，开发出更先进的沟通技巧，未来我们会与人工智能机器人建立什么样的关系？

　　虽然这是一个非常开放的哲学问题，但我试图把它归结为一个具体的技术问题。但为此，我不得不考虑更深层次的问题。

软件何时和我们成为朋友？

　　还记得电子宠物吗？它们是你一直随身携带的数码宠物。这只数码宠物会觉得饥饿，也能感受到幸福，还有一个生命周期。它们的设计方式让用户出于情感投入了大量的资金。

　　电子宠物是人们建立从无到有的关系中最好的一个例子。软件确实有“友谊”的先例。我们以前试过解决这个问题。

　　我喜欢科幻电影的原因可能和其他人喜欢科幻惊悚小说的原因大不相同。当我们想要生成绝对准确的建议时，协同过滤可能是一个巨大的缺陷。但点对点（ P2P）的建议呢？

　　克莱尔和我都是科幻迷，老实说，我更喜欢看她推荐的电影，而不是Netflix如今推荐的电影。 克莱尔对我的选择有什么看法，恰巧主流个性化算法并不具备呢？好吧，就我所知，我们花了好几个小时一起讨论多部科幻电影。

　　她喜欢外星人电影，而我不喜欢。我甚至会喜欢像Her and Limitless这样的科幻电影，但她不喜欢。我们都喜欢超级英雄小说。我们都讨厌《危机边缘》。

　　回顾过去，我意识到我们已经在最好的神经网络中建立了我们的共同偏好——我们的大脑。我们为彼此准备的模型甚至可能比我们为自己准备的模型更完善。

　　这就是为什么建议的力量在点对点推荐中发挥得很好。你的好朋友有时比你自己更了解你。

通过友谊互相学习

　　在思考这个问题一段时间后，我找到了一个可行的解决办法。词条特征向量是一个很好的解决办法，它是指使用自然语言文本，并建立每个单词的矢量形式。

　　从理论上讲，你可以汇总语料库中的所有单词，生成整个语料库的矢量表示。

　　这听起来令人困惑吗？让我试着用更简单的术语来解释这个词。你的词汇里有三个词[攻击（attack）、防御（defend）、质问(assail)]，你可以用这三个词组成很多句子。

　　进攻（attack）和质问（assail）是近义词。而进攻（attack）是防守（defend）的反义词。不进行攻击（assail）是为了防御（defend），等等。

　　现在，当我们用这些信息生成词向量时，我们可以看到，攻击（attack）和质问（assail）彼此更近，而防御（defend）则离它们更远。

　　在神经网络的帮助下，单词矢量是一种进行自然语言处理的有效方法。我可以做一个性格测试，甚至用像格斯测试那样的方式来得到一个代表个人性格的自然语言文本。

　　我甚至可以尝试从我在Facebook上的短信和状态更新中得出相同的结论。在这个问题中，代表个性是一个已知的未知问题。

　　我所需要的只是有关电影的矢量表示，而“友谊算法”也可以理解这种矢量表示。

友谊的功能

　　第二个已知的未知问题是神奇的友谊功能本身。在机器人的眼中，友谊和互相理解是指什么？它会是一种训练人的神经网络，是为了满足他们的个性化需求，还是将个性化作为用户输入的科幻电影的通用模式？要想明白这一点，我们必须探索我们自己眼中的友谊的含义。

　　是出于自己的感情吗？这是取决于我们需要被理解吗？还是两者皆有？

超越个性化的友谊

　　尽管我尝试编写代码并找出一个模型，但我仍然没有取得太多的进展。我真的很想创建出这个模型，并展示类似人类的上下文关系的工作个性化模型，而这个模型是基于机器人建立的。

　　我试了一个星期，结果没有取得任何进展，这是我在尝试之前所意料之中的问题。虽然我现在还不能创建一个模型，但未来的研究人员可能会成功。

　　如果你在人工智能领域工作，这将是一个充满活力的领域。你只会被你的想象力、创造力、当然还有你手头的数据所束缚。虽然有些想法听起来很荒谬，有些听起来甚至很危险，但我认为在这种开发智力的健身课上，你能举起多少重量是有好处的。

　　你和我不只是局限于我们使用的工具。在人工智能时代，任何你能想到的东西都可以通过正确的数据集实现。我们不应该在追求人工智能的过程中引入“主从二分法”，而是应该选择制造出具备情感和能成为朋友的机器。