认识达内从这里开始

如果大家比较关键互联网行业的发展变化的话，相信大家应该知道有智能机器人已经获得了正式的公民资格。而大多数的网民反而担心的就是关于人工智能危害论是否是真的的问题。

今天，我们就一起来了解一下，为了能够使人工智能技术更加人性化的发展，都有哪些技术是可以使用的。

在解决和数学或物理相关的问题时，技术能够发挥相当大的作用。但在解决涉及到以人为中心的问题时，技术的可发挥余地就变得很小。在UltimateSoftware的高级策略总监ArmenBerjikly看来，自然语言处理(NLP)的进步会帮助技术更好的识别出人类的情感与同情心，从而来帮助人们更好地处理各种问题。

以目前的发展速度来看，科技似乎正承载着一项雄心勃勃的使命——解决人类最迫切的问题。

在某些方面，我们取得了很大的进步。比如可再生能源、疾病预防和灾后重建等领域，我们已经有了巨大的突破。但是，当涉及到应对以人为中心的挑战时——比如员工多样性、无意识偏见、员工和客户满意度——技术能发挥的余地就很少。

这是因为，像喷气推进或GPS这样的技术问题很大程度上是数学和物理相关的，这也是计算机(和程序员)擅长的地方。但解决员工参与这样的人事问题通常需要同理心，而这是出了名的难以捉摸。人类是情绪化的动物，尤其是在做决定的时候。通常情况下，我们先有一种感觉，然后运用逻辑来帮助证明我们的情绪反应，最后，我们采取行动。因此，任何帮助人们做出更好的决定，而不考虑情感因素的尝试，几乎都注定会失败。

然而，随着人工智能的最新进展，尤其是自然语言处理(NLP)，我们终于有了能理解人类情感复杂性和利用其力量的技术工具。这种方法对于我们如何设计系统有着重要的意义，它将会从更人性化的视角来解决问题。

为差异而编程

语言是极其复杂的。从一个人到另一个人，某个人经历或环境中出现的细微差别，就会对他们表达自己的方式产生影响。方言，性别，地点，甚至季节都可以改变我们用来表达想法的词语。

人们很善于发现这些细微的差别。然而，对于计算机来说，这是一个巨大的挑战。为了达到接近人类的理解水平，它们需要一套庞大而丰富的语言训练数据，涵盖了人口统计学、经历和背景等各不相同的无数个案例。

要想知道这在现实生活中是如何运作的，只需要想象这样的一个场景：在对于一个智能手机进行评论时，加州的一个青少年使用的词语是“lit”(意思是“兴奋”)，但在马萨诸塞州一个老年人的评论中可能是“屏幕亮度”的意思。

字里行间的阅读

这是第一次，我们能够教会计算机不仅理解人们所说的基本知识——通过识别单词或查找特定的短语，还能“读懂字里行间”，理解我们话语背后的真正意图和含义。当然，这是一项重要的技能，随着时间的推移，人们逐渐将其作为一种同理心的功能。

常见的“满意度调查”是一个典型的例子，体现出了技术在解决人们的感觉问题时的局限性。从原则上讲，它是一种了解人们对产品或服务的感受的有力工具。但在实践中，它是笨拙的、不准确的、早就应该重新制作了。

考虑一下在大多数商店收据上的调查提示：“请为你的体验从1到10打分，并谈谈原因。”相比之下，一个人在面对同样的情景时，可能只需问一句“你觉得体验怎么样?”然后从回答者所使用的语言和整体的语境中推断出“分数”。虽然人们不需要给出明确的评级，但机器可以做到。

照照镜子

除了帮助我们更好地了解彼此，NLP还能让我们更好地了解自己。语言是了解我们思想和情感的最详尽的窗口。当技术能够开始理解我们(而不是它想要我们成为什么样子)时，它就会成为一个真正的合作伙伴，帮助我们发现如何最好地成长和改进。

看看可怕的绩效评估和各种各样的偏见吧。当你在工作环境中询问人们是否会有偏见，他们一般会下意识极力否认。然而，对绩效评估的研究显示了普遍的、无意识的偏见。

来自我的团队的分析表明，当男性评价其他男性时，他们压倒性地使用了被动式的语言(“他们可以更积极主动”)。然而，当这些男性对女性进行评价时，他们经常使用相互指责的语言(“你应该注意细节”)。通过数据驱动的技术，我们能够进一步了解许多人在无意识情况下隐藏的偏见。幸运的是，人工智能可以让我们走上纠正这种偏见的道路，让它们引起我们的注意。

要解决世界上最具挑战性的“人的问题”，无论是通过开发更好的产品，还是在工作场所实现更好的理解和更公平，我们都需要技术来展现同理心。

作者：chiming

来源：36大数据

【免责声明】：本内容转载于网络，转载目的在于传递最新信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。