神经科学与人工智能的关系（观点如何让机器听懂我们在说什么）
神经科学与人工智能的关系（观点如何让机器听懂我们在说什么）加州伯克利的博士后研究人员 Arjen Stolk和他的荷兰同事认为，机器没有发展到可以分享交流对象对人、地点和形式——通常包括较长的社会历史背景——的理解，但这才是人类交流的关键。没有这一共通的语境，计算机就会对谈话内容迷惑不解。一些神经科学家注意到，今天的计算机还没有真正了解人类所言，因为它们不像人类那样，能将对话的语境考虑在内。如果你认为计算机正迅速接近真实的人类交流水平，那么，请三思。计算机，比如Siri，常会迷惑不解，因为它们是根据单词统计规律性来判断词意。一位研究人员发明了一种玩家只能进行非口头交流的沟通游戏，并通过游戏准确定位出相互理解发生的大脑区域，研究发现，计算机判断词意的方法和人类不同，对人类来说，交流的语境（文本）要比单词和信号重要的多。游戏中，玩家们试着在彼此不交谈甚至不互看情况下交流游戏规则，神经科学家借此成功识别出负责相互理解的大脑区域。从苹果Siri到本田As
来自ScienceDaily
作者：Arjen Stolk Lennart Verhagen Ivan Toni
机器之心编译出品
参与：微胖
如果你认为计算机正迅速接近真实的人类交流水平，那么，请三思。计算机，比如Siri，常会迷惑不解，因为它们是根据单词统计规律性来判断词意。一位研究人员发明了一种玩家只能进行非口头交流的沟通游戏，并通过游戏准确定位出相互理解发生的大脑区域，研究发现，计算机判断词意的方法和人类不同，对人类来说，交流的语境（文本）要比单词和信号重要的多。
游戏中，玩家们试着在彼此不交谈甚至不互看情况下交流游戏规则，神经科学家借此成功识别出负责相互理解的大脑区域。
从苹果Siri到本田Asimo，机器似乎越来越善于与人类交流
一些神经科学家注意到，今天的计算机还没有真正了解人类所言，因为它们不像人类那样，能将对话的语境考虑在内。
加州伯克利的博士后研究人员 Arjen Stolk和他的荷兰同事认为，机器没有发展到可以分享交流对象对人、地点和形式——通常包括较长的社会历史背景——的理解，但这才是人类交流的关键。没有这一共通的语境，计算机就会对谈话内容迷惑不解。
Stolk说，人们倾向认为人类交流是一种语言符号或手势的交流，但是他们忘了大多数交流与社会背景有关，和交流对象有关。
就拿bank这个单词来说，如果你拿着一张信用卡， 它就是银行的意思，但是你拿的钓鱼竿，就是河岸的意思。没有这个语境，用手指比划V既可能是胜利的意思，也可能表示数字2。
Stolk说，这些微妙的东西对于相互理解至关重要，可能比计算机和许多神经科学家关注的信号和语言更为重要。实际上，没有共同理解的语言、语句和符号，我们也能相互理解。婴儿和父母，更别提语言不通的陌生人，仅用手势即可实现全程有效交流，只要他们有一个共享的语境，哪怕这个语境短时间内才建立起来。
Stolk对大脑扫描后发现，人类通过独特的计算和神经机制实现非口头相互理解，因此，他认为科学家和工程师应该更多关注相互理解的语境。
伯克利心理学教授Robert Knight认为，无需语言，人类如何交流？这一研究改变了我们对这问题的理解，为我们理解正常的社会交流提供了新的理论和经验基础，也为我们理解和治疗神经和神经发育障碍方面的社交障碍提供了新的可能。
Stolk和他的同事讨论了概念一致性对相互理解的重要性，发表在了1月11日的《Trends in Cognitive Sciences》上。
大脑扫描精确定位「意识相遇」的地方
为了探索大脑如何实现互相理解，Stolk创造了一种游戏，游戏要求双方玩家完全靠游戏活动来交流游戏规则，玩家之间不交谈甚至也不看对方，杜绝言语或手势的影响。然后，他让玩家们接受fMRI扫描 观察他们非口头交流时的大脑情况。
他发现，在试着交流游戏规则时，玩家大脑的同一区域——位于人们还不甚了解的右侧颞叶变得活跃起来。关键是，右侧颞叶的颞上回在游戏过程中一直保持稳定的基础活动，但是，当一个玩家了解了另一个玩家试图传达的意思时，就会变得更加活跃。较之左半球，大脑右半球与抽象思维与社会互动更为相关。
他说，当你建立起某种意思共识，右侧颞叶这些区域的活动就会增多，但是，当你交流信号时，并不会发生这种情况。游戏人员越理解对方的意思，这一区域就会越活跃。
这意味着两位玩家都在同一大脑区域搭建相似的概念性框架，经常相互测试以却定他们概念的一致性，仅当新信息改变那种相互理解时才予以更新。作者在2014年的Proceedings of the National Academy of Sciences上报告了这项研究成果。
机器人的统计推理
与此相反，机器人和计算机正好以词意的统计分析为基础。如果经常用bank指代取钱的地方，那么，这个意思就是一场对话中的预设意思，即使当时你们是在谈论钓鱼。
他说，苹果Siri 关注的是统计规律性，但是，对话并不是个统计规律性问题。统计规律性不是大脑的沟通方式。为了和我们交流，计算机需要一种认知结构，这个结构能持续捕捉和更新与交流对象共享的概念空间。
理论上，这样一个动态概念性框架会帮助计算机解决人类信号的复杂模糊性问题，包括利用几年前储存下来的信息。
Stolk的研究已经精确找到对相互理解非常重要的其他大脑区域，在2014年的研究中，他使用脑部刺激扰乱颞叶后置部分，发现它对整合信号与以往互动带来的知识非常重要。后来有研究又发现，大脑额叶受损的病人不再能根据既有的有关交流对象的信息做出是否沟通的决定。这两个实验都解释了为什么这类病人在日常社交中显得笨拙。
Stolk计划未来和Knight合作的研究会使用调整好的志愿者大脑真实表面的大脑映射，所谓的脑皮层电图。
Stolk说他写了篇新文章，希望将交流方面的研究提升到一个新的水平，关注概念上的一致性。
他指出，绝大多数认知神经科学家关注的是信号本身，语句，手势以及他们的统计关联，忽视了我们交流时会用到的潜在概念能力以及日常生活的灵活多变。语言很有帮助，但是，它只是交流的工具，不是交流本身。关注语言，你或许正在关注工具，而不是潜在机制，我们大脑拥有的帮助相互理解的认知结构。
论文的合作者包括Ivan Toni（荷兰拉德伯德大学的大脑、认知和行为Donders研究所）以及Lennart Verhagen（牛津大学）。
©本文由机器之心原创编译，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者/实习生）：hr@almosthuman.cn
投稿或寻求报道：editor@almosthuman.cn
广告&商务合作：bd@almosthuman.cn
机器之心是Comet Labs旗下的前沿科技媒体。Comet Labs是由联想之星发起、独立运作的全球人工智能和智能机器加速投资平台，携手全球领先的产业公司和投资机构，帮助创业者解决产业对接、用户拓展、全球市场、技术整合、资金等关键问题。旗下业务还包括：Comet旧金山加速器、Comet北京加速器、Comet垂直行业加速器。
↓↓↓点击「阅读原文」查看机器之心网站，获取更多精彩内容。
