你需要什么？人工智能可能很快就知道了

西方学院的Justin Li博士正致力于研究预测人类需要的算法; 人工智能是主动而非被动的。我们遇见他以了解更多信息。

我站在加利福尼亚州鹰岩的西方学院校园的未来派吉尔曼喷泉前。这一切看起来都很奇怪，很可能是因为它代表了

星际迷航III中

的星球火神

：寻找Spock

。这感觉相当贴切，因为我在这里采访Justin Li教授，他正在建立AI代理人，希望像Spock一样，与我们人类一起工作。

如果这听起来过于抽象，那么这就是现实生活中的情景。想象一下，你已经保存了数十年的数字日记。进入这个存储库，你已经抛弃了你所感受，完成，实现和思考的一切。你已经给了你的AI助手（让我们称之为“Spock 2.0”）访问所有内容并在后台安静地进行观察，编目，录制建议和做笔记。

然后有一天，你的专业成就越来越高，但在你的个人生活中，你开始约会一个新的人，你正在经历一些消极的情绪反馈循环。没有被查询（因为你的AI代理是预测性的，并且对你日记中正在展开的叙述做出反应），Spock 2.0可能会突然提出一些建议：

“我在你的思维过程中观察到一些不合逻辑的道路。如果我可以推断，你的日记显示了先前在X，Y和Z中经历过的元素，早在2007年，2009年和2017年。你是否与人类仅拥有相同的关系模式不同的名字？“ 翻译：你重复同样的错误吗？

你会看到Spock 2.0如何真正有用 - 或者如果你更喜欢戏剧和否认而非常烦人。

李博士的研究重点是对知识的战略性搜索，包括人类信息搜寻行为，认知架构中的记忆机制，语义网络中的推理以及记忆使用的强化学习。在他的办公室里，李博士有一堆记忆辅助工具，如果在深入的智力讨论中玩弄，可以鼓励创造神经通路。还有一个模型NASA火箭，他自己建造。

在我访问期间，我找到了记忆辅助工具并开始质疑他是否将“Spock 2.0”变为现实。以下是我们对话的编辑和简要摘录。

与训练人类像计算机一样行动相反，人工智能似乎比实际更具适应性？

为了清楚起见，我正在构建大脑的一部分，而不是人类将要查询的自然语言处理前端。我们没有大规模的系统，这些系统具有广泛使用的重要分类，代理人可以以“人类”的方式检索知识 - 我的意思是人类的方式。作为对立点，深度神经网络在图像识别方面做了惊人的工作，但这是我工作的不同范例。但是整合常识知识就是我正在做的事情。