編者按：2016 年 11 月 23 日，科大訊飛舉行了年度發(fā)布會(huì)。在會(huì)上，中國(guó)工程院院士、歐亞科學(xué)院院士、中國(guó)人工智能學(xué)會(huì)理事長(zhǎng)李德毅作了主題為「交互認(rèn)知」的演講。雷鋒網(wǎng)進(jìn)行了編輯和整理（有刪減）：

計(jì)算機(jī)界對(duì)計(jì)算認(rèn)知了解的太多，但對(duì)交互認(rèn)知了解的還不夠。

今天我想講一講交互認(rèn)知。為什么要研究交互認(rèn)知？我們還是從圖靈測(cè)試談起。圖靈測(cè)試本質(zhì)上就是一個(gè)交互測(cè)試。

自閉癥是交互認(rèn)知障礙的一種典型疾病，自閉癥就是在交互上遇到了很多困難。如果現(xiàn)在我們把人換成一個(gè)聊天機(jī)器人，把這臺(tái)機(jī)器換成一個(gè)自閉癥患者。我想問(wèn)：測(cè)試者還能區(qū)分誰(shuí)是人誰(shuí)是機(jī)器人嗎？這就是圖靈測(cè)試的瑕疵。

我們看看這樣一個(gè)對(duì)話(huà)：你今天吃的是什么？

同樣的問(wèn)題，機(jī)器人回答的不一樣。一開(kāi)始它很有禮貌回答：蛋炒飯。后來(lái)它就開(kāi)始解釋。如果你還一再的問(wèn)它：你今天吃的是什么？它就說(shuō)：「你丫有病啊！」

這體現(xiàn)了聊天人的性格，修養(yǎng)和幽默。這就叫做不確定性的交互，我們需要的不是一個(gè)「問(wèn)題-回答」系統(tǒng)，需要一個(gè)活生生的聊天機(jī)器人。因此我們看到聊天總是在特定的語(yǔ)境和語(yǔ)義下發(fā)生的。

在過(guò)去的半個(gè)世紀(jì)的自然語(yǔ)言理解當(dāng)中，我們對(duì)此是不是關(guān)注了太多的語(yǔ)法和語(yǔ)構(gòu)、或是語(yǔ)境和語(yǔ)用、或者是語(yǔ)言交互中的不確定性？

我們要研究交互，交互認(rèn)知的外在表現(xiàn)：如何聽(tīng)說(shuō)、如何看、如何感覺(jué)。聽(tīng)說(shuō)是語(yǔ)言交互，看是圖像交互，聽(tīng)是體覺(jué)交互。腦認(rèn)知的內(nèi)涵應(yīng)該是三個(gè)：記憶認(rèn)知、計(jì)算認(rèn)知和交互認(rèn)知，而不是一個(gè)。

我們認(rèn)為研究交互和記憶是有道理的。語(yǔ)言可理解為對(duì)交互認(rèn)知的語(yǔ)義標(biāo)注，圖像可理解為對(duì)交互認(rèn)知的情感標(biāo)注，體覺(jué)可稱(chēng)之為肢體語(yǔ)言。交互認(rèn)知的度量可用情商和智商表示。

有一個(gè)著名的艾伯特定律告訴我們，語(yǔ)義的作用只占 7%，語(yǔ)言的作用占 38%，面部表情和記憶的作用要占到 55%。能不能把這些情感通過(guò)語(yǔ)音表現(xiàn)出來(lái)？為什么不做這樣的情感研究？語(yǔ)音語(yǔ)調(diào)是情感的流露，是言外之意。

因此，我們強(qiáng)調(diào)做一個(gè)好的機(jī)器人，首先要有交互能力。

交互認(rèn)知的不確定性包括：交互觸發(fā)的瞬間性、交互方式的隨意性、交互內(nèi)容的未知性。這就要求我們把不確定性人工智能研究好。不確定性人工智能要在看似瞬間性隨意性和未知性中，發(fā)現(xiàn)交互認(rèn)知的基本規(guī)律性，又能體現(xiàn)不確定性的魅力。

與聽(tīng)覺(jué)，觸覺(jué)等相比，視覺(jué)主導(dǎo)著我們的情感知覺(jué)，并影響我們的思維方式。因此，生物視覺(jué)圖像交互的情感表達(dá)，成為交互認(rèn)知的核心。

圖靈測(cè)試有一個(gè)漏洞。如果被測(cè)試的一方支支吾吾保持沉默或主動(dòng)插話(huà)介入，就可能顛覆測(cè)試者的主導(dǎo)地位，也很難區(qū)分到底對(duì)方是人還是機(jī)器人，再次暴露出圖靈測(cè)試的瑕疵。圖靈測(cè)試原本是測(cè)試對(duì)方是否具有人的智能。如果圖靈測(cè)試的漏洞被多次利用，圖靈測(cè)試就轉(zhuǎn)化為比拼測(cè)試雙方誰(shuí)更睿智的問(wèn)題，不在乎雙方是生物人還是機(jī)器人。

因?yàn)檫@個(gè)漏洞，我們開(kāi)始研究交互認(rèn)知，研究如何突破圖靈測(cè)試的漏洞。

對(duì)話(huà)是最直接最便捷的交互，是幾乎所有服務(wù)機(jī)器人的必備，可否把對(duì)話(huà)機(jī)器人作為研究交互認(rèn)知的突破口？

聊天是淺層次，短時(shí)長(zhǎng)的對(duì)話(huà)，也是最通用的對(duì)話(huà)，聊天也許是在講廢話(huà)，但可帶來(lái)親和感，在社交生活中不可或缺，不會(huì)聊天的對(duì)話(huà)機(jī)器人太乏味。所以，交互認(rèn)知可從研發(fā)「互聯(lián)網(wǎng)+對(duì)話(huà)機(jī)器人」開(kāi)始。

• 從對(duì)話(huà)的語(yǔ)境和語(yǔ)用入手；

• 優(yōu)先考慮情感交互；

• 強(qiáng)調(diào)純凈感，交互感和構(gòu)想感；

• 關(guān)注交互認(rèn)知環(huán)境中的選擇性注意；

• 研究不確定性交互認(rèn)知中的客觀性，普遍性和積極意義，尋找不確定性中的基本確定性。

對(duì)話(huà)是所有服務(wù)機(jī)器人繞不過(guò)去的坎。對(duì)話(huà)機(jī)器人自身是活生生的認(rèn)知主體，不是一個(gè)刻板的「問(wèn)題——回答」系統(tǒng)。充滿(mǎn)不確定性和變通，有情感和語(yǔ)言交互能力。我們需要聊天的機(jī)器人。利用云模型的不確定性研發(fā)對(duì)話(huà)機(jī)器人。

對(duì)話(huà)機(jī)器人的形式化約束有：

• 特定的對(duì)話(huà)背景；

• 對(duì)話(huà)雙方是有個(gè)性的機(jī)器人；

• 用動(dòng)畫(huà)體現(xiàn)情感交互語(yǔ)音交互和文字交互，話(huà)題情感性格等不確定性。

隨著對(duì)話(huà)的深入，不確定性會(huì)大幅度降低。所以我們提出不要老是關(guān)注語(yǔ)義和語(yǔ)構(gòu)，我們現(xiàn)在要關(guān)注應(yīng)用和語(yǔ)境。在這種情況下，我們要研發(fā)對(duì)話(huà)引擎。

• 基于檢索搜索引擎生成可選到答句集；

• 借用機(jī)器翻譯技術(shù)潤(rùn)色答句，保持個(gè)性。

重視語(yǔ)境和語(yǔ)用

有社交的技巧背后是與特定的語(yǔ)用相關(guān)。舉個(gè)例子，一大早睡覺(jué)被吵醒，聽(tīng)到樓下有人大喊：

「打死，打死，往死里打！」

「反了，反了，反了你?！?/p>

怎么去理解這個(gè)語(yǔ)義？到窗戶(hù)一看，原來(lái)是正在指揮倒車(chē)。所以我說(shuō)要研究語(yǔ)用和語(yǔ)境，重視語(yǔ)境和語(yǔ)用。不要老是停留在語(yǔ)義和語(yǔ)構(gòu)里。說(shuō)話(huà)人的身份、年齡、對(duì)話(huà)和時(shí)間與用語(yǔ)語(yǔ)調(diào)、用語(yǔ)習(xí)慣，都很重要。

對(duì)話(huà)一般是兩個(gè)人的，實(shí)際上，還要研究三人對(duì)話(huà)多人對(duì)話(huà)和復(fù)雜系統(tǒng)涌現(xiàn)中的交互認(rèn)知。

2006 年，我們研究過(guò)掌聲之間的交互。人們有過(guò)這樣不常有的生活經(jīng)歷：音樂(lè)廳音樂(lè)廳里有一個(gè)精彩的節(jié)目結(jié)束后，觀眾會(huì)爆發(fā)出雷鳴般的掌聲在很短的時(shí)間內(nèi)，這種嘈雜的掌聲會(huì)突然轉(zhuǎn)變成有節(jié)奏的掌聲，似乎有一股神秘的力量驅(qū)使觀眾一致的鼓掌，這是一個(gè)典型的復(fù)雜系統(tǒng)交互認(rèn)知導(dǎo)致的自組織同步現(xiàn)象。

一個(gè)值得警示的現(xiàn)象：如果連淺層次、短時(shí)長(zhǎng)的對(duì)話(huà)機(jī)器人的交互認(rèn)知都做不好，如果機(jī)器人不具備最基本的語(yǔ)音交互，圖像交互和體感交互能力，中國(guó)的服務(wù)機(jī)器人產(chǎn)業(yè)就跳不出同質(zhì)化，玩具化低端化的怪圈。高開(kāi)低走，只能把服務(wù)機(jī)器人行業(yè)推入血腥的紅海。

交互認(rèn)知的本質(zhì)：協(xié)商和學(xué)習(xí)

協(xié)商包括：協(xié)商達(dá)成共識(shí)、協(xié)商達(dá)成一定程度的共識(shí)以及沒(méi)有共識(shí)，但知曉了對(duì)方的認(rèn)知力與下一次交互。共識(shí)是交互認(rèn)知的結(jié)果，是認(rèn)知主體，任何一方單獨(dú)進(jìn)行計(jì)算或推理，無(wú)法得出的新的認(rèn)知，是計(jì)算認(rèn)知記憶認(rèn)知替代不了的。

學(xué)習(xí)包括：一方可從另一方獲得新的認(rèn)知、學(xué)習(xí)是相互的。人類(lèi)社交活動(dòng)中的交互認(rèn)知，以及人和自然自然人機(jī)器人之間的交互認(rèn)知，大大擴(kuò)展了三個(gè)人一群人，乃至整個(gè)人類(lèi)的智能。

案例一：

機(jī)器人來(lái)到一扇門(mén)前問(wèn)，這門(mén)怎么開(kāi)？

作為物聯(lián)網(wǎng)的終端門(mén)答：我是一個(gè)滑動(dòng)門(mén)。

案例二：智能駕駛中的交互認(rèn)知

智能駕駛中的交互認(rèn)知非常重要。

比如無(wú)人車(chē)上路，老百姓覺(jué)得它是幽靈，不敢乘坐，因?yàn)樗鼪](méi)有交互。駕駛員的環(huán)境和周邊車(chē)輛群體的交互認(rèn)知。每一個(gè)司機(jī)都認(rèn)為是最合理的，在客觀上就會(huì)造成一個(gè)交通擁堵。這就是交互認(rèn)知的結(jié)果。

再比如，兩輛人駕車(chē)和多輛帶有自動(dòng)駕駛模式的車(chē)混合行駛，由于自動(dòng)駕駛模式缺少交互認(rèn)知能力，受到人駕車(chē)干擾，預(yù)設(shè)的自動(dòng)駕駛門(mén)檻立馬崩潰，幾乎全部轉(zhuǎn)為人工駕駛。所以我把它叫做：自動(dòng)駕駛亦或是個(gè)陷阱。

怎么辦？我們要讓智能車(chē)成為可交互的輪式機(jī)器人：它是一個(gè)認(rèn)知主體，有一個(gè)駕駛腦，同時(shí)我們還允許雙駕雙控。我們?cè)试S駕駛位上，可以有駕駛員或者可空缺。

與程序調(diào)試，試驗(yàn)和維護(hù)人員、與乘客、與執(zhí)勤交警有交互，如果這樣的車(chē)不能做到與人之間的交互，那怎么能成一個(gè)產(chǎn)品？所以要讓智能車(chē)成為可交互的輪式機(jī)器人。交互認(rèn)知是非常重要的。

移動(dòng)互聯(lián)網(wǎng)的終端已經(jīng)從 PC 轉(zhuǎn)變?yōu)槭謾C(jī)，進(jìn)而轉(zhuǎn)變?yōu)闄C(jī)器人，在機(jī)器人聯(lián)網(wǎng)的時(shí)代，人工智能是否應(yīng)該更多地關(guān)注交互認(rèn)知？研究人與人、人與機(jī)器人、機(jī)器人與機(jī)器人或者混合的認(rèn)知主體之間的交互認(rèn)知。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。