人工智能为何变成“人工智障”
近几年最为激烈精彩的2019年NBA总决赛在6月14日画下句号。赛季前从没有被看好在总冠军争夺行列的多伦多猛龙队，以大比分4：2战胜金州勇士队，获得了其建队二十四年以来的首座NBA总冠军奖杯。
当然，我今天不是来分析NBA比赛的。我想谈的是一个有关人工智能的一个小插曲。作为NBA的赞助商，vivo与腾讯体育合作了一个人工智能助手jovi智慧赛场的项目。根据报道，jovi不仅可以实时语音询比赛安排、战况，还能预测比赛结果。
不过，令人大跌眼镜的是，Jovi在六场NBA总决赛比赛结果的预测上，竟然场场翻车，全部预测错误，更是被网友戏称为“人工智障”。
预测NBA总决赛，人工智能Jovi为何表现的像“智障”?
一般来说，一个普通球迷，即使是不看比赛，凭借着对两队动态的了解，也不至于场场预测错误。
从腾讯体育的现场直播来看，Jovi的预测结果往往在第三节中段公布。而事实上，即使是没有大数据依据，只凭个人的比赛走势判断，到了比赛第三节中段，根据一些现场情况，也是能够容易猜对一些比赛的结果。
比如，我们可以猜上半场领先这个维度来猜测球队获胜情况，谁领先上半场谁就能赢得最终的比赛。依据这个维度，我们可以轻松猜中六场中的五场，只有第四场猛龙队在第三节单节打出了37：21这样的悬殊比分，导致从这个维度预测错误。
又比如我们可以从球星出场情况来猜测球队获胜情况。众所周知，杜兰特是勇士队最强的球员之一，其缺席对勇士队影响巨大。所以我们以杜兰特上不上场来主观的判断勇士队能不能获胜的话，那么也能预测六场中的五场。只有第二场，勇士队在当家球星杜兰特不在场的情况下，勇士队战胜了猛龙队。
还比如我们从主客场情况来判定谁能获胜。简单预测谁拥有主场优势谁就能赢得比赛。即使用这个非常不靠谱的维度去预测，我们也能够猜中一场。
那么，为何jovi在NBA总决赛面前表现的像个“智障”，竟然连一场也预测不对呢?
这里我们先不讨论技术部分，先来看看，决定一场NBA篮球比赛输赢的主要因素都有哪些?作为一名资深球迷，在我看来，一般决定NBA总决赛这样的高级别比赛的走向有几大重要因素：
1、关键球员的即兴发挥。
很多人都知道，NBA总决赛的冠军诞生之后，除了向冠军球队颁发总冠军奖杯之外，还会特别颁发一个FMBA(即总决赛MVP)，通常都会颁给获胜球队当中表现最好的哪位球员。今年的总决赛FMVP属于莱昂那德，6场总决赛场均贡献28.5分，总决赛最有价值球员当之无愧。
而在落败的勇士一边，最有可能问鼎FMVP的两名球员，杜兰特和克雷汤姆森，却因为伤病缺席了总决赛的六场中的五场和一场，其中今天表现最好的汤姆森在第三节后段受伤离场，直接导致了勇士队在主场的落败。可以说，今年勇士队的落败与其关键球员的伤病有最直接的关系。
2、裁判的判罚。
很多资深球迷都知道，NBA裁判裁判一次关键的判罚往往会决定一场比赛的胜负。NBA裁判经常有漏判，错判等情况发生。这主要是在NBA的比赛中，裁判的判罚往往有很多不确定性。
首先，裁判判罚带有主观性。因为裁判是人，所有往往会根据个人的主观判断作出判罚。特别是一些技术犯规，掌握尺度更是在裁判手中。比如在2007年4月15日马刺的一场比赛中，主裁判乔·克劳福德将在场边大笑的马刺大将、联盟超级球星邓肯判罚出场。这样的判罚令人匪夷所思。
不过，NBA资深球迷都知道邓肯的外号叫石佛，平时不苟言笑。因此，裁判可能认为邓肯在场边大笑是对自己判罚的权威的质疑和挑战，从中就可以看到裁判吹罚带有非常强的个人主观性。
其次，裁判判罚还有倾向性。比如有的裁判专门针对球队的当家球星。比如2017-2018年的总决赛裁判托尼-布罗瑟斯，他从1995年进入NBA吹罚比赛，职业生涯中的误判已超过2000次，是联盟中争议判罚最多的裁判之一。
值得一提的是，他曾在比赛中多次出现针对球队当家球星的不利判罚，与科比、詹姆斯、哈登、杜兰特、库里等多位球星有过不愉快经历，并被Reddit论坛网友评为联盟“年度眼瞎裁判”之一。
最后，裁判判罚还有目的性。常看NBA的朋友应该都知道，NBA裁判经常会出现找哨的情况，比如在上一次出现了一次错误的判罚对A队有利，下一次会吹罚一次对B队有利的判罚。以此作为平衡。
3、主场优势
主场优势在NBA季后赛的比赛当中非常重要，所以在常规赛当中很多球队力争排名上游就是为了获得一个主场优势。
主场到底有什么优势呢?《比赛中的行为经济学》的作者、芝加哥大学布斯商学院金融学教授托拜厄斯·莫斯科维茨就研究发现，主场作战会有几个优势，第一主场球迷的支持和欢呼，激发球员比赛活力。第二，对主场有利的赛程安排，客队要承受舟车劳顿之苦。第三，主场哨。就是前面提到的裁判判罚问题，对于经常出现的争议性判罚，发现裁判存在明显偏袒主队的倾向，特别是进攻队员在突破上篮时撞倒防守队员的情况。
4、教练的随机应变。
最后，比赛除了球员的发挥，当然还有主教练的随机应变和排兵布阵的作用。这也是为了主教练的年薪有的高达千万美元的原因。
综上分析可以看到，决定NBA比赛输赢的更多的是人为因素。而大数据可能根本无法预测人类在NBA总决赛这样的大舞台上的心理、身体乃至情绪的瞬时变化。
所以，我们可以给vivo的人工智能助手Jovi的翻车找几个客观理由，比如，NBA比赛的人为因素太多，Jovi还不懂人，又比如Jovi无法预测伤病，以及比赛结果太胶着。但是，我们回过头来也要问，是不是Jovi的算法模型也有问题呢?
Jovi不行，不代表人工智能和大数据对NBA比赛无用
当然，Jovi在预测NBA总决赛遭遇尴尬，并不意味着大数据、人工智能等技术在NBA比赛中一无是处。实际上，人工智能乃至大数据应用在如今的NBA当中使用十分常见。
根据了解，在篮球大数据相关的探索工作里面最常见的有两类工作：一种是通过对数据进行统计以及基于统计的数据对球员进行对比，除了最基础的数据，还会结合对比赛的理解和分析设计更复杂的数据来，更准确地解释和比较球员的某些方面的表现。
这个工作今天在直播当中已经非常常见，主持人和直播嘉宾能够随时拿到球员的现场及过往的数据做出分析点评。
另一种是寻找数据之间的相关性，探寻数据之间的联系，在经过更深入的工作之后，发现一些影响比赛的因素。比如通过寻找过去的数据和已知的MVP得主之间的关系，来预测未知的MVP得主的可能性。
而有关人工智能助力NBA实现改变的最具代表性的就是勇士队崛起。勇士队在2017年夺冠之后，就曾被媒体当作一个人工智能创造的奇迹故事被广为传颂。
根据报道，勇士队球队管理层从2009年开始，就委派了大数据工程师负责球队大改造，他们通过大数据制定出与一反几十年来NBA经验策略完全不一样的球队战略规划，同时比赛中利用实时数据即使调整比赛战术，从而帮助勇士队成就了五年三冠的王朝霸业。
但是，人工智能并不是万能的，面对伤病的困扰，以及实力强劲的猛龙队挑战，勇士队也不得不接受失败的结果。
并且回过头来看，拥有杜兰特、库里、克雷汤姆森、格林、伊戈达拉等全明星球员的勇士队在阵容上豪华程度已经远远超过其他球队，此外还有最佳教练科尔的调教，他们的王朝霸业更多的还是建立在这些人的天赋、努力和协作上，而并非全靠人工智能技术，人工智能技术在其中顶多是个辅助作用，媒体显然夸大了人工智能技术在其球队成功上的帮助作用。
总体来看，人工智能助手jovi在预测NBA比赛这件事儿上完败，一方面可能是其技术不完善不成熟所致，另一方面我们也可以看到人工智能技术发展的局限性，比如不能实时调整算法模型，又比如不能预测伤病发生等等。
最后需要强调的是，企业在面向大众进行人工智能技术实际应用时，一定要有充分的演练和把握，否则一旦出错，打击的是人们对于整个行业和新兴技术的信心。
大连妇科检查费用mobile.bohaink.com
人工智能变成“人工智障”，聊天机器人凉了
文 | 柯鸣
来源 | 智能相对论（aixdlun）
试想一下，一个静谧的午夜，你和家人正在熟睡，家中突然响起毛骨悚然的笑声，时远时近，这困扰了大人，惊吓了孩子。这些怪笑是Alexa发出来的。作为亚马逊的主推产品，Alexa的这次故障让许多用户陷入恐慌之中。
目前，亚马逊方面并没有对此次故障的原因进行详尽解释，并且它强调这是在“极少数情况”下才会发生的。尽管网上反映的问题代表不了使用Echo的数千万用户，但可以看出亚马逊对此事的态度其实不以为意。
类似的情况，在聊天机器人身上已经不是第一次发生。两年前，微软在Twitter上的聊天机器人Tay变成了“种族主义者”，不到一年，它的后续产品Zo又再次出现问题。Zo认为古兰经里描述的内容“非常暴力”，并且它认为抓住本·拉登是“不止一个政府多年情报收集”的结果。
Zo发表的不宜言论
之前，Facebook也关闭了虚拟助理M，团队相关成员被派遣到其他部门任职。聊天机器人的发展，看起来道阻且长。
聊天机器人变成“人工智障”？
“和机器人有着最自然的对话，它将一切任务都执行得完美无瑕，我们可能都希望能生活在这样的世界里。这一路走来确实不容易，而且说实话我们已经发展得很快了。”Politibot的Suárez认为，“但不幸的是，我们还没有达到那个理想的生活状态，还要好几年，机器人才能好到普罗大众都能接受。”
然而，现实却远不及Suárez的预期，聊天机器人依然存在着众多问题。2016年，FacebookMessenger开放其程序接口后，收到的用户反馈很少。众多机构确实可以在短时间内拥有自己的智能聊天机器人，但当此类机器人无人类干预时，应答失败率高达70%，用户体验更是相当糟糕。
从“图灵测试”到Eliza的精神治疗，聊天机器人发展至今已经走过了近70年，在漫长的发展历程中，聊天机器人并未得到真正的普及，现今依然存在着诸多弊病。
是谁让聊天机器人变成了这样？智能相对论（ID:aixdlun）认为，是人类，更是机器本身。部分核心技术及适配性问题，依然是聊天机器人的阿喀琉斯之踵。
1.复杂语言识别困难
现在的聊天机器人，对话界面主要依赖于语音识别，从而根据用户命令做出便捷迅速的反应，比如“下午三点去参加会议”“今天的天气怎样”等。
语言作为一种主观性较强的表达方式，人们说话的规则可以说是千变万化的。这和电脑程序不同，人们表达不会完全受制于规则，能够自由的遣词造句，并以此来传递信息。除了地方方言外，每个人也会有自己独特的表达方式，例如心照不宣的“暗语”，或者某些特定的“梗”。这就需要聊天机器人“去陌生化”，结构化语言的系统将难以满足大量用户的需求，这对聊天机器人的系统提出了更高的要求。
以RichardS.Wallac设计的Alice聊天机器人为例，其在中文处理上就存在一些问题。这是因为汉语不像英语等语言，用空格或其他标记分词，这就加大了Alice对中文支持的难度。此外，其对于汉语分词采用的一般匹配法、词频统计法、同义句的处理等方面也存在着许多技术难题。
“人工智障”般的聊天机器人
2.个性化适配之痛
个性化适配的问题体现在两个方面，一方面人机信任是聊天机器人个性化发展的一个攻坚点。调查显示，许多公司领导对于聊天机器人处理待办事项是并不看好的，聊天机器人程序化的语言会让许多人觉得“乏味”“没有人气”，这也是公司助理一职并未被取代的原因。
另一方面，聊天机器人很容易对人的需求产生误读。比如对Siri发出“区块链”的指示，Siri提供的是关于区块链的百度百科，这与用户想要了解区块链的最新发展动态的初衷大相径庭。
目前聊天机器人语音识别主要基于语音识别的基本架构、声学模型、语言模型并进行解码，而真正通过用户画像来实现个性化适配的聊天机器人少之又少。其实，不同用户的性格、特点、知识层次都不相同。如果有预设的用户画像，那出现适配失误的可能性也会大大减小。
当前语音识别的通常模式
目前来看，机器学习能够做到的事情，大体主要还是字符识别（OCR）、语音识别、人脸识别这一类，这些称之为“识别系统”。这些系统的问题在于难以变通，简单的语音识别难以真正为用户提供较为复杂的辅助工作，线性的识别方式也难以适用于更开放的应用场景。
3.隐私安全终成隐忧
最近，Facebook被曝史上最大数据泄露案，特朗普被指利用AI竞选成功，这也让更多的聊天机器人用户对自身的隐私感到担忧。“Alexa发笑”事件中，亚马逊对于事件原因闪烁其词，似乎用户数据已经进入了“围墙花园”的模式。语音分析和人工智能软件存在于一个黑匣子中，而这些软件只有硅谷的开发人员才能真正理解。很难想象，如果将一切的智能家居与聊天机器人连接起来时，涉及到的数据、信息都存储在一个用户无法拥有也无法控制的计算机上，这是一件多么可怕的事。
作为语音识别领域的领军人物，微软于2016年也仅仅将错误率控制在5.8%左右。可是随着人工智能进一步拓展到金融、医疗等领域，1%的错误率导致的可能就是财产的损失和生命的安全。
微软语音识别错误率（2016年）
此外，配套设施的不完善难以让聊天机器人发展成了一个严密的体系，这使得初次试水的用户对此颇有微词。聊天机器人何时能够完善到能够大范围普及，这也是开发聊天机器人的公司需要认真思考的问题。
聊天机器人或许需要“洗心革面”
曾经火遍全球的索菲娅机器人，前段时间也摊上大事了。YanLeCun（机器人专家）指出索菲娅与人类堪称完美的聊天对话其实是一场彻头彻尾的骗局，以目前人工智能的技术来看，此种对话是不可能实现的。
而在2018年年初，Facebook关闭了虚拟助理M，成了压死骆驼的最后一根稻草。许多互联网公司对聊天机器人已经不感兴趣了，聊天机器人的发展也走进了死胡同。智能相对论（ID:aixdlun）认为，可以从三个方面“洗心革面”。
1.塑造聊天机器人的“独立三观”
能够独立表达喜欢、不喜欢和偏好的性格，在聊天的过程中展示出诚实和值得信任等可贵品质，是塑造聊天机器人“独立三观”的重要体现。正如聊天机器人被引入日常生活，我们还能训练机器人去识别我们的语言，挖掘我们的喜好，甚至还能分析我们的口音，推测我们的情绪。
有一个典型的例子：通过自然语言和情感分析，Quartz公司尝试着让Quartzy来指导特定用户做面包。Quartzy会以一种友好且有趣的方式和用户聊聊“怎么做一个免揉面包”，一旦用户完成了第一个步骤，Quartzy会在大概12小时后，用FacebookMessenger给用户“叮”一个通知，提醒用户完成后续的步骤。这是聊天机器人独立三观的一个体现，当然希望以后这样的尝试会更加普及。
2.从“鹦鹉学舌”到“乌鸦喝水”
“鹦鹉学舌”是人类语言的模仿行为，由数据驱动的聊天机器人也可以探索出类似的方式。而“乌鸦喝水”则是一个完全自主行为，其含括了感知、认知、推理、学习和执行，这是聊天机器人朝想象力、创造力更高层次的进阶。目前，要真正实现聊天机器人的“乌鸦喝水”，主要从这两个方面来努力：
一方面，让人工智能在自动学习中“更聪明”。伊恩·古德费洛做过一个实验，用两个神经网络进行数字版的“猫鼠游戏”——一个负责“造假”，一个负责“验真”，从而在对抗中不断提高。首先，依据“见过”的图片生成新图片，让聊天机器人总结规律、发挥想象力和创造力；其次，判别某张图片是否是真实事物，这就要靠聊天机器人通过训练积累“经验”。
另一方面，建立更加丰富的知识图谱。知识图谱的建立需要从静态和动态两个方面出发，真正将聊天对话场景从垂直领域拓展到开放领域。同时，构建知识图谱的重点在于语义理解、知识表示、QA、智能对话和用户建模。
3.找到更多远的盈利模式聊天机器人作为一个虚拟助理，其存在的目的是为了给人类提供便利。聊天机器人主要分为两种：单纯聊天的机器人以及垂直领域的定制机器人，如小i机器人就衍生出了全渠道、跨领域智能客服机器人、智能呼叫中心解决方案、智能营销解决方案、智能语音交互解决方案等多个发展方向。当下，聊天机器人主要利用于内置商业场景中，如用机器客服代替人工客服。
事实上，目前业内对聊天机器人盈利模式的探索还远远不够。作为人工智能产品的重要代表，其在聊天机器人+原生内容、利用聊天机器人做联盟网络营销、用聊天机器人做用户调研等方面是大有可为的。这显然不仅仅是聊天机器人或者个别互联网公司的任务，也是整个行业的义务。
智能相对论（微信id:aixdlun）：深挖人工智能这口井，评出咸淡，讲出黑白，道出深浅。重点关注领域：AI+医疗、机器人、智能驾驶、AI+硬件、物联网、AI+金融、AI+安全、AR/VR、开发者以及背后的芯片、算法、人机交互等。