你可能認為人類最有能力理解彼此。畢竟，談話的另一方是另一個人類。

但事實證明，精心設計的軟件實際上可以幫助我們更好地了解彼此。想想被診斷患有自閉癥的人。

總部位于劍橋的兩家公司 Affectiva 和 Brain Power 已經開發了應用程序，通過使用簡化的表情符號，幫助自閉癥患者認識到周圍人的情緒狀態，以便他們能夠適當地調整自己的行為。

他們的系統通過谷歌眼鏡分析視頻，并將適當的表情疊加在一個人的臉上，幫助佩戴者最準確地理解與他們交流的人的情緒狀態。

這是一個正在運行中的系統：人工智能研究的最初目標之一就是機器翻譯，也就是把一種人類語言翻譯成另一種語言。

這個領域最困難的挑戰是同步實時翻譯：當一個人用一種語言說話時，系統會自動及時輸出另一種語言的翻譯，這樣兩個人就可以進行自然的對話。

這種類型的翻譯非常具有挑戰性，就算是專業的聯合國翻譯人員一次只能工作20分鐘，然后他們就會被一個隊友接替。

2018年10月，百度發布了同步翻譯系統 STACL (即帶有預期和可控延遲的同步翻譯系統) 。

鑒于技術挑戰是如此之大，人工智能社區朝著這個目標正在取得堅實的進展，這令人印象深刻。

為了跟上說話者的步伐，機器學習系統實際上會生成多個預測，預測說話者開始說話時每個句子將如何結束。這有點像谷歌在你的瀏覽器的搜索欄中的自動完成功能。

系統需要為一個句子創建和翻譯不同的可能結尾，因為如果不這樣做，它就會落后于說話者。

想象一下，在我們走進的每個會議室或打開的每個瀏覽器窗口的每次網絡呼叫中嵌入實時翻譯，我們可以更好地理解每個呼叫。

下面是最后一個例子，說明如何更好地理解對方，這可能是我在整個演講中最喜歡的例子。

有一個叫做Crisis Text Line的非營利組織，它通過短信向處于危機中的人們提供咨詢。

上一代人在面臨危機時可能會撥打熱線電話，而現在這一代人則更喜歡發短信。

當Crisis Text Line啟動時，他們要求訓練有素的顧問列出50個觸發詞，這些詞可以用來預測高風險短信發送者。

他們生成的單詞通常和你想象的一樣:比如“死”、“割”、“自殺”和“殺”。在這項服務運行了一段時間之后，這家公司應用機器學習技術，看看是否還有其他單詞可以從列表中添加或刪除，結果非常令人驚訝。

你知道布洛芬這個單詞預測自殺的可能性，是自殺這個詞的14倍嗎？哭喪的表情是是自殺這個詞的11倍嗎？

斯坦福大學的研究人員，接著提取了最有效的咨詢師的的最佳實踐。

他們發現有效的技術之一是創造力：成功的咨詢師以創造性的方式回應，而不是使用過于籠統或“模板化”的回應。

在危機咨詢的極端情況下，機器學習幫助我們更好地了解彼此。