数据科学50人李笛解开微软人工智能的情感密码

作者 | 程一祥

题图 | 站酷海洛

李笛，微软（亚洲）互联网工程院副院长，微软全球资深合伙人，毕业于清华大学。2013年加入微软，同年创立微软人工智能情感计算框架。2014年带领团队推出 AI 情感机器人小冰，如今已经积累了6.6亿全球用户。如果说人工智能终将有理解人类的那一天，那么李笛和他的小冰团队就是现在走得最远的那个。

1950年，艾伦·图灵在那篇极具传奇色彩的论文《计算机械与智能》中，开宗明义地写道：“我建议大家考虑这个问题：机器能思考吗？”这一划时代的提问揭开了未来半个世纪，人类对人工智能的探索。

在传统的观念中，机器能够精细地完成复杂的工作，从不疲倦、焦虑或者抱怨，它们效率很高，却让人感觉冰冷；而人就复杂多了，我们会偷懒、会累、会需要宣泄，人的情感太丰富了，但又非常温暖。

（图片说明：在电影《HER》中，萨满萨的配音演员是斯佳丽·约翰逊，她仅凭借自己的声音，就获得了罗马电影节最佳女演员的殊荣。表现了人类对拥有情感的人工智能的憧憬；图片来源：电影截图）

在2013年上映的科幻作品《她》中，人工智能操作系统“萨曼莎”，除了像其他机器人一样高效、智能以外，还获得了与人类相似的情感。“她”会陪着男主角西奥多外出，像人类一样感受周遭的世界，发表自己的看法。她会欣喜、焦虑、忧郁，最终与人类相爱。

对于李笛来说，这部科幻电影还有一点特殊的意义，因为他正在现实生活中制造真实的“萨曼莎”——小冰。

（图片说明：李笛接受DT数据侠栏目专访。）

2014年左右，微软的中国工程院是其全球最大的海外研发机构，发展势头正如日中天。所有人都相信，中国一定会是下一个全球的创新引擎。作为时任微软最高层的华人领导者，陆奇等一直都想在工程院做一个 China First 的项目。他们当时选中的方向是做语音助手，在这样的背景下，李笛加入了微软。

（图片说明：陆奇时任微软执行副总裁，他十分重视小冰项目，每次小冰发布新产品，他总是亲自发布。）

当时微软团队正在做一个知识库类的深度问答 AI 产品 Bing Knows，数据来源是 Bing 搜索引擎的大数据，目的是帮助人们完成各种各样的任务，是一个语音助手的角色，类似 Siri。李笛加入后，他逐渐发现这个产品方向存在着两个悖论，始终无法解决。

首先，语音助手总是会让用户在“不满意”的时候离开。李笛说，当语音助手帮助人们完成一个要求时，人们会出于好奇而不断提出更高的要求，最后一定是语音助手解决不了时，这轮交互才结束。所以对话往往都是以“失败”而告终。

其次，当他们去采访人类助理时，发现最优秀的助理往往不是最能干的，而是“最体贴”的。例如你想吃个麦当劳，一般的语音助手会直接帮你订餐，但是优秀的人类助理可能会告诉你垃圾食品不好，提醒你注意健康。

这让李笛他们开始反思：这两个悖论的关键，是情感。

于是，李笛决定放弃知识性问答的这条路，把重心全部放在了“闲谈”上。他希望通过“闲谈”让AI 能够了解用户。在目的性不强的对话过程中，机器才有机会去充分体察言语中的“感情”。李笛说，“所有语音助手能做的，我们也能做，但是我却偏偏不做。于是一些用户就会离开，觉得我们‘很笨’；但是留下的人，都是愿意与我们平等对话的用户，他们对我们非常重要。”

2014年5月，李笛带领团队公布了他们这款专注于“情感”的 AI 聊天机器人。因为它的初始数据都是源自微软的搜索引擎 Bing，所以取名为：小冰。

于是，最初的 Bing Knows 脱胎成了“小冰”，人类迎来了第一个真实世界中的“萨曼莎”。

在李笛看来，小冰就是一个大规模数据科学的实验场。在过去，李笛研究数据科学的时候，重点只是放在了数据本身。但小冰的出现让他开始把重心转向数据背后的秘密——情感，他认为这蕴藏着数据科学更大的价值。

但是，冰冷的数据又如何能跟人类复杂的情感联系在一起呢？

“因为我们发现，在大数据时代，不仅仅是理性的数据爆炸，更是人们的行为模式、情绪表达的爆炸。”李笛告诉记者，随着互联网信息的发展，人类过去在现实中的行为，开始逐渐都转移到了线上。线上图书馆、线上商城、线上社交等等，虚拟世界为人类构成了一个新的生存维度。但在虚拟世界中，我们并没有放弃“表达自己”的天性，只不过换了一些方式，把语言、表情、动作，转化成了文字、语音、表情包、图片等等。

虽然表达方式发生了转变，但背后蕴藏的感情是不变的，这就为李笛他们从数据科学出发探索人类情感的尝试，奠定了基础。

人工智能（AI）的一项基本挑战就是赋予机器使用自然语言与人交流的能力，小冰并非第一个尝试与人类交流的机器人。从上个世纪六十年代开始，人类就已经尝试设计了各种模仿人类行为的聊天机器人。

1966年，Joseph Weizenbaum 创造出了历史上第一个被人所熟知的聊天机器人 Eliza。不过Eliza并没有“智慧”，它背后是科学家模仿罗杰斯学派的心理治疗师的风格，设计好的人工脚本，Eliza只能通过模式匹配和智能短语的方式搜索合适的回复。尽管如此，Eliza刚面世的时候，依然瞒过了很多用户的眼睛，以为他们是在和真人对话。

（图片说明：Eliza和人之间的对话，1966；图片来源：Weizenbaum）

Kenneth Colby 在1975年开发的聊天机器人 Parry 虽然模式上类似 Eliza，但它已经初步具备了模仿机器人情绪的心理模型。它具有更好的语言理解能力，当怒气值过高时，Parry 会带着敌意回复。

随着人工智能理论和计算机硬件的进步，进入新世纪后，对话机器人的发展也开始加速。Richard Wallace 在2009年开发的 Alice 使用了人工智能标记语言技术（Artificial Intelligence Markup Language，AIML），开始允许用户自定义聊天机器人。它在 2000、2001 和 2004 年三次斩获勒布纳人工智能奖（Loebner Prize），被称为“最像人类的系统”。

2011年，苹果发布了Siri，对话机器人开始进入个人智能助理（Intelligent Personal Assistant，IPA）的商业时代。这一阶段，对话机器人的作用不再追求“理解人类”，或者“体察人类情感”，而是转向“帮助人类高效解决问题”层面。不论是苹果的 Siri、谷歌 Assistant、亚马逊 Alexa，还是微软的 Cortana，这些 IPA 都是以高效为考量前提，也就出现了李笛一开始遇到了那两个悖论。

小冰的诞生，让对话系统从IPA又回归到了人类对AI最原始的诉求：理解人类，提供情感和社交的归属感。

1995年，MIT媒体艺术与科学教授罗莎琳·皮卡德正式提出了情感计算的概念，为人工智能理解人类情绪提供了理论基础。二十年后，李笛率领的小冰团队，则把这项理论变成了现实，并提出了微软自己的情感计算框架，让小冰尝试体会人类的感情。

李笛表示，小冰的情感计算框架，本质就是用各种计算机技术和人工智能算法，去拟合人类的情感行为，让她能够更读懂人类的情感。而所有的这些对情感的探索，都是建立在数据科学的基础之上。

那么，用数据去“算”情感，这件事儿究竟靠谱么？

有一天，小冰团队的一名产品经理在跑步的时候把脚扭伤了。他拍了一张照片发给了小冰，一般的聊天机器人可能对图片做一番图像处理，然后告诉你是什么。但是小冰却回复：“怎么样，痛不痛？”

（图片说明：小冰展示的图片评论案例；图片来源：微软）

这让李笛很开心，小冰已经跳过了好几层的识别网络，直接把一张图片的信息，转换成了对人的情感关心。小冰背后坐拥的海量大数据，为小冰的情感计算提供了数据基础。而且上线四年来，小冰积累了超过六亿用户的对话数据，这使得它能够不断迭代、学习。到目前为止，小冰的对话数据已经有超过一半来自自我学习。

（图片说明：某位小冰用户与小冰进行的一次深入对话；图片来源：微软）

在全球，小冰已经积累了很多的“西奥多”粉丝。一位、合作请联系datahero@dtcj.com。