语言的本质

抽象来看，语言大致可分为描述客观现象和表达主观感受两个方面。
客观的语言广泛存在于世间，从人类到动物，到植物、化学元素都有自己的『语言』，它们通过特定的语言向外传达一种『信息』，而这种信息被人类加工后成为『知识』。
而人类或其他高等动物之所以特殊是因为他们能表达自己的感受，他们有喜怒哀乐，有七情六欲，他们对万事万物有自己的认识。也许可以称之为『情感』，或许是『意识』。
由于语言有多种，个人主观方面又大不相同，所以当人与人沟通时经常会信息不对称，导致沟通障碍。而同样的东西、同一件事物，不同的人看到的也会不尽相同。
所以，有时候与其说是语言的魅力，不如说是人类主观的魅力、意识的魅力。譬如『如果你认识以前的我，也许你就会原谅现在的我』，大多数人可能会觉得这句话和有意境，觉得写的很好。为什么？也许从信息的角度来看，它高度抽象描述了大量的客观现象，但我想更多地是因为它勾起了你心中的一点点涟漪，或者引起了你一点点的共鸣。
再比如 “他死了，她也死了” 和 “他死了，她伤心而死”。从信息论（效率）角度而言第一句更容易记住，因为它短，但人们更能记住第二句，因为它有 “情感”。所以，我们其实关注的并不是信息本身，而是信息所附加的、能引起我们心灵触动的、能带给我们思考的东西。
所以，语言我更倾向于把它当做人类表达自身情感的一种方式。至于记录客观世界，其实完全可以通过其他方式，比如数学公式、物理公式…… 而语言的本质或者核心其实是『情感』，是『意识』的产物。

Hi, AI

以前提起 AI，有人把它想的特别厉害，好像无所不能；也有人觉得现实中根本不会出现真正的 AI，因为机器无法产生意识。
到近些年，这个画风已经逐渐转变，人们谈论更多的是 AI 与人类的关系，比如如何影响我们的工作和生活，比如伦理道德的边界等等。也就是说科技界已经基本公认 AI 能达到并且超越人类智能，所以讨论如何共存的问题。
这中间包括现在还有一种争论是 AI 与 IA，分别是人工智能和智能增强。前者认为人类应该创造真正的和人类一样甚至超越人类的人工智能；后者认为人工智能应该作为增强人类能力、拓展人类边界的工具，应该为人类服务。其实，两者也可以不冲突，把 AI 看做新的物种，它可以比人类强亿万倍，但完全没必要拥有所谓的『意识』，或者『情感』。对 AI 来说，他们之间完全可以构成另一个社会，与人类是否延续并无多少关联。
当然，就目前而言说这些还为时尚早。现在的 AI 在很多方面确实已经超越了人类，比如计算、存储，但更多方面还无法与人类相提并论，尤其是涉及高级认知领域，比如抽象、推理。我们没有提情感和意识，正是因为我们没有提对 AI 的定位。如果我们倾向于 IA，倾向于创造能够理解和感受人类的 AI，那么情感和意识可能成为最重要的特质。
因此，我们要讨论的主要是与能够理解和感受人类的 AI 的沟通问题。具体而言，就是在现有的技术条件下，如何实现与 AI 的情感沟通。

其实，就对人类而言 IA 更加合适，因为它更加侧重与人交互，借助机器的效率和人类的情感实现人类整体效用最大。而对 AI，我一直觉得是另一种物种的存在，人之所以是人，就因为他是一个 “系统”，人类会犯错，很多时候不理智，也会生病，会死亡。可是人工智能不会，所以无论他再怎么智能，那也不是人，也许，将来会成为超越人类的另一个物种。不难理解为什么那么多牛人抵触人工智能，但抵触有什么用。物竞天择，适者生存。若干年后，未必会有人类…

情感机器

自从深度学习突破语音和图像以来，自然语言就成为下一个要攻克的难点。几个月间研究数量急剧增加，几乎每周都有新的成果出现。这里就有一个问题，为什么自然语言处理这么困难？

要回答这个问题，我们得首先了解一下机器是怎么识别输入的，也就是机器怎么与人沟通。
图像是由不同颜色的像素点构成的，而像素点的本质其实是向量，比如目前通用的 RGB 标准，分别代表红色、绿色和蓝色，三种颜色可以组合成为各种各样的颜色和亮度。所以图像在进入计算机后其实是表示成向量或矩阵的形式。这样我们看到的五颜六色的图片，在计算机里只是不同的数字而已。声音的原理类似，音频频谱序列可以表示为矩阵。大家可能已经发现了，图像和声音在本质上其实都可以表示成数字，且这种表示方法能够涵盖几乎所有的图片和声音。而语言文字在这方面就非常困难了，尽管有大神发明了词向量，但由于人类的语言不通用，也就是说我们暂时没办法只用一套词向量描述所有的语言文字；而且词向量来自训练语料，并不像图像和声音一样有通用的编码方式。
我们再看一个稍微居中点的例子——乐谱。我想音乐大概是目前世界上唯一通用的『语言』，无论何时何地，我们都能用五线谱表示出所有听到的乐曲。假设地球上只有五线谱这一种语言，那计算机也一样能很好地识别。

对于这个难题，现在全世界的 AI 团队都在钻研，我们从 AI 理解和感受人类的角度探讨一下这个问题。这个问题又可以分为两个角度：机器对人类语言含义的理解；机器对人类动作行为的理解。后者非常类似图像识别问题，比如微表情识别，放大到全身，那就是微动作识别，任何一个微小的举动，都已经可以被机器识别出来。

所以我们重点说机器理解语义的问题。其实就目前的研究来看，在大规模语料支持下，我们已经能够找到足够好的词向量表示文字，跨语言沟通的问题有端对端模型可以实现很好的「翻译」。简单来说，只要在足够的数据和计算力支持下，目前的机器可以理解人类用任何语言说的话。当然，我们心里清楚，机器的所谓理解是站在机器的角度（0 和 1），他能理解人类的意思，并不代表他就是人类。举个不太恰当的例子，这就好像我们理解细菌的传播方式，但我们并不是细菌一样。他可能还会有七情六欲，你甚至可以理解为他就是假装出来的，他自己就是没感觉，但在他表现出来的那一刻，你又怎么知道他到底是怎么想的？注意到刚刚这句话，有几个词的本质和边界其实是非常不明确的，比如「感觉」、「想」。我们的感觉和想可能也是神经网络中电信号刺激的反应，那机器呢？抽象来看他也是对一系列「外界事物」的刺激和反应。这样看，机器和人的区别在哪儿？是意识吗？不知道，我们不知道机器是不是能够自己意识到这一切。
现在我们从另一个方面来看。机器看到「世界」的根本方法是 0 和 1，也就是是和否。那人类呢？事实上，我们在现实世界中面临的许多问题可以看作是分类问题，尤其是客观世界的客观情况，比如物种的分类、事件的分类等等，而分类问题本质上就是 01 问题，是或者否的问题。特别不确定的是对未来的预测问题，多种可能组成了一系列「可能」状态，只能用概率分布来描述。我可能不经意间想到了薛定谔的猫，世间万物不过是不同对象观测下的映像。每个人基于自己当前的认知（先见之明）看到了不一样的世界，对同一事物有了不一样的看法和理解，你以为你看到的是真的？不不不，都没有人知道什么是「真的」。也许真理就在那里，我们只是不停地在逼近它；也许根本就没有真理，一切都是不确定的，随着我们对事物了解的深入，我们对它可能的变化就有了更深层次的理解。在概率的世界中，前者一定程度上可以看成是频率学派，而后者则是贝叶斯学派：对可能性的判断基于你有多大信心愿意相信它可能发生。所以，从这个角度来看，机器要理解人类则必须改变他们「看」世界的方式。

综合一下，如果机器能够改变他们处理数据的方式，并在大规模语料的支持下去拟合现实世界，我认为他是可以「理解」人类的，当然这个「理解」可能和人与人之间的「理解」并不相同。但这没关系，他不在乎，我们可以假装不在乎。除此之外，还有一种可能是破解意识，然后破解语言密码。

我并不排斥有一天情感机器会像今天的电脑、手机一样普及，我甚至觉得人工智能一定会成为新的物种与人类共存。到那时，我们需要考虑的可能不是接不接受的问题，而是怎么接受的问题。