一只蝴蝶扇動翅膀，引發了世界另一端的一場颶風——這段關于復雜性因果關系的典型描述相信很多人都聽過，其中更深層次的意味是，我們如何觀察颶風并找出這颶風是由哪只蝴蝶引起的，如果可能的話我們就可以在它開始飛行之前就阻止它。

而 DARPA 認為人工智能應該能夠做到這一點。其中最關鍵的挑戰之一就是讓 AI 具備理解能力。

近日，DARPA 的最新項目就旨在創建一個機器學習系統，可以篩選每天產生的無數事件和媒體片段，并識別其中的任何聯系或敘事線索，它被稱為 KAIROS（Knowledge-directed Artificial Intelligence Reasoning Over Schemas）：基于圖式的知識導向人工智能推理系統。

圖丨 DARPA 的前總部位于阿靈頓的弗吉尼亞廣場附近。該機構目前位于 North Randolph St. 675 號的一幢新大樓內（來源：維基百科）

“圖式”在這里有非常具體的含義。這基于這樣一個理念：人類通過創造出許多由相互關聯的事件構成的小故事來理解周圍的世界。例如，當你去商店買東西的時候，你知道通常是你走進商店，選擇一件商品，然后把它帶到收銀員那里，收銀員掃描了它，接著你以某種方式付款，然后離開了商店。這種“買東西”的過程就是一個我們都能識別出的圖式，當然其中也可以包含一些子圖式 (比如選擇商品、付款流程)，這個圖式也可以從屬于另一個圖式 (比如送禮、家庭烹飪)。

盡管這些很容易在我們的腦海中想象出來，但要以計算機系統能夠理解的方式對它們進行正式定義卻異常困難。通過長期的使用和理解，我們對它們已經很熟悉了，但是這并不明顯，也不受規則的約束，就像蘋果如何以恒定的加速度從樹上掉下來一樣。

數據越多，定義起來就越困難。買東西相對來說比較簡單，但你如何建立一種認知冷戰或熊市的圖式呢? 這就是 DARPA 想要研究的。

圖丨 Boyan Onyshkevych（來源：DARPA）

DARPA 項目經理 Boyan Onyshkevych 在一份新聞稿中說：“要從海量信息和靜態元素之間發現相關聯系，需要時間信息和事件模式，而以目前可用的工具和系統很難大規模捕捉到這些信息。”

該機構表示，KAIROS 旨在“開發出一種半自動化系統，能夠識別和繪制看似無關的事件或數據之間的相關性，幫助人們了解或創造有關我們周圍世界的廣泛敘事。”

那么如何達到這一目標呢? 他們有一個大致的想法，但還正在尋找專業知識。他們指出，問題在于圖式目前必須由人類費力地定義和檢查。在這一點上，不妨親自檢查信息試試。KAIROS 的目標是讓人工智能自己教會自己。

首先，系統將受限于獲取大量數據以構建基本圖式庫。通過閱讀書籍、觀看新聞報道等，它應該能夠創建一系列可疑圖式清單，如上所述。它甚至可能會得到一些更大、更模糊的圖式的暗示，而這些圖式是系統無法用它虛擬的手指去觸摸的——愛情、種族主義、收入差距等等——以及其他人如何適應自己和對方。

接下來，它將被允許查看復雜的現實世界數據，并嘗試根據它創建的圖式提取事件和敘事。

在軍事和國防上的應用前景是相當明顯的：想象一下這樣一個系統，它能夠接收所有新聞和社交媒體的帖子，并通知系統管理員：也許可能會發生銀行擠兌、政變，或者從一個衰落的派別中發現一個崛起的新派別。情報官員正在盡力完成這項任務，幾乎可以肯定，人類的參與將永遠不會停止, 但他們很可能會感激一個電腦同伴并說，“有很多關于儲備的報道，這些關于化學戰爭的文章被廣泛分享，這可能指向恐怖襲擊的謠言。”等等。

當然目前一切都是純理論的，但這正是 DARPA 研究它的原因：其存在的原因是將理論轉化為實踐，或者至少要找出為什么他們做不到這一點。考慮到如今大多數人工智能系統都極其簡單，很難想象有哪個系統能像他們想要創造的那樣復雜。

有理解能力的人工智能一直是業內關注的重要方向，目前已經應用到實際生活的人工智能技術絕大多數還是無理解能力的人工智能，例如在人類的語言上，現有的人工智能還不能夠很好地理解其中的智慧，而人類語言的重要性是不言而喻的。顯然，我們還有很長的路要走。