動物的智慧將幫助人工智能技術變得更聰明。
我們和動物相處時，總會時不時和它們說說話，這種交流讓人類和動物的感情更深，我們甚至想要做出翻譯機器去理解它們的語言，但更進一步的，你有沒有想過，有一天我們可以理解甚至預測它們的行為？
最近，來自華盛頓大學和艾倫人工智能研究所的團隊就合力開發(fā)了新的神經(jīng)網(wǎng)絡模型，利用AI技術來嘗試理解和預測狗狗行為，并取得了一些突破。通過這種方法，也許將來的某一天，我們和動物之間真的可以更深入的交流。
首先要了解，這項研究的目的是什么？
人類長期以來和寵物建立起了良好的伙伴關系，不論是汪星人或者喵星人，相處的時間越長，我們越能發(fā)現(xiàn)寵物的一些習性變化，它們能夠明白我們的指令，但我們卻并不是真正了解它們，所以假如能夠明白它們的行為，并做出預測，那就意味著任何動物都有可能用這種方式建立聯(lián)系，于是就有了這項研究，科學家先從和人類最親近的寵物——狗來進行。
了解狗狗的第一步，是收集它們每一天的活動數(shù)據(jù)。研究人員在狗狗身上安裝了GoPro相機用于記錄狗狗的行為，并且通過在四條腿和尾巴上安裝的傳感器來傳遞運動數(shù)據(jù)。
由此，科學家得到了兩種數(shù)據(jù)，第一種是狗狗眼中的世界，第二種是狗狗自身的運動狀態(tài)，，通過這兩種方式疊加在一起，就捕捉到了較豐富的數(shù)據(jù)，值得一提的是，通過在四條腿和尾巴上安裝的傳感器的方式還原狗狗的運動行為，這種方式和好萊塢特效大片中的動作捕捉技術（CGI）如出一轍。
有了較為全面的數(shù)據(jù)，要想理解并且預測狗狗的行為就需要數(shù)據(jù)模型進行分析。根據(jù)論文介紹，研究人員采用了一種深度學習方式，通過對狗狗的肢體動作內容和在GoPro上記錄的內容進行比對分析，由此產(chǎn)生出神經(jīng)網(wǎng)絡可以知曉狗狗在什么樣的動作下看到了什么，并有可能對其行為進行預測。
舉例來說，當狗狗在家門口聽到聲音，并看到主人，它接下來的動作通常是跑到主人身邊，然后回頭跑進家里，而遇到陌生人則不會有這樣的反應，因此一旦能夠捕捉到其中的差別，我們就知道狗狗到底看到了什么，這就是通過預測能夠帶來的影響。
需要指出的是，盡管通過大量的數(shù)據(jù)輸入進神經(jīng)網(wǎng)絡，我們可以能夠對狗狗的行為做出一定的理解和預測，但也未必能夠做到十全十美，就像人一樣，動物的行為也有習慣性和隨機性，我們對于隨機性仍舊無法預測，比如狗狗可能會突然奔跑起來追逐路邊的蝴蝶，而當產(chǎn)生這種行為時，我們卻不能反過來推測說它真的看到了蝴蝶。
如論文第一作者 Kiana Ehsani 所說，AI系統(tǒng)的預測能力可以很準確，比如狗狗看到樓梯，它會選擇爬上去，但除此之外還會有其它無法預測的元素，因此要想百分百預測它的行為還是有挑戰(zhàn)的。
不過你以為研究到這一步就結束了嗎？這項研究其實還揭示了另外一個重要的結論——我們能向狗學習AI技術。
從寵物狗說起，當它們看到不同的物體時，身體的反應是不同的，如論文所說“狗清楚地表現(xiàn)出視覺智能，能識別食物、障礙物、人類以及動物?！边@種不同反應我們在現(xiàn)實生活中也很常見，而既然狗能夠這么聰明地識別出不同目標，那么科學家猜測，神經(jīng)網(wǎng)絡也能夠被訓練成同樣聰明。
事實證明，這種猜測是可能實現(xiàn)的，在后續(xù)實驗中，探究人員進一步嘗試把神經(jīng)網(wǎng)絡訓練的“像狗一樣”，并讓其在不同場景中識別物體，進一步發(fā)現(xiàn)，通過這種學習方式，深度神經(jīng)網(wǎng)絡可以識別出室內或者室外等不同場景，并且能夠理解怎樣在不同場景下行走，路線怎樣更合理，這對于研究者來說是一大驚喜。
Ehsani 表示，過去訓練機器懂得如何智能識別物體是一項艱難的任務，因為它需要大量先驗知識，這對于機器來說學習起來相當耗費時間，如今寵物狗知道這些規(guī)則，那么人們將不必再從基礎來訓練神經(jīng)網(wǎng)絡，通過觀察寵物狗的行為就能掌握這些規(guī)則，換句話說，我們讓AI從狗身上學到了規(guī)則。
這種學習當然也是存在風險的，因為我們需要讓AI理解一些先驗知識和規(guī)則，但不是讓AI變成狗的意識，因此在其學習過程中需要對基本規(guī)則進行限定，并非一股腦管輸進去，但不得不說，這種方式有很多好處，比如狗狗天然知道路上的汽車需要躲避，而訓練神經(jīng)網(wǎng)絡讓它明白這樣的道理在過去并不容易。
通過了解寵物狗和學習它們的行為，我們有理由猜測在未來某一天，我們真的能夠理解它們的行為，而更令人振奮的是，如果AI能夠通過這種方式加強訓練，我們期待中的更聰明的人工智能，距離我們也不太遙遠。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
