我们和植物相处时，总会时不时和它们说说话，这种交流让人类和植物的感情更深，我们甚至想要做出翻译机器去了解它们的言语，但更进一步的，你有没有想过，有一天我们可以了解甚至预测它们的行为？最近，来自华盛顿大学和艾伦人工智能研讨所的团队就合力开发了新的神经网络模型，应用 AI 技术来尝试了解和预测狗狗行为，并获得了一些突破。通过这种办法，也许未来的某一天，我们和植物之间真的可以更深化的交流。首先要理解，这项研讨的目的是什么？人类临时以来和宠物树立起了良好的同伴关系，不管是汪星人或许喵星人，相处的时间越长，我们越能发现宠物的一些习性变化，它们可以明白我们的指令，但我们却并不是真正理解它们，所以假设可以明白它们的行为，并做出预测，那就意味着任何植物都有能够用这种方式树立联络，于是就有了这项研讨，迷信家先从和人类最亲近的宠物——狗来停止。理解狗狗的第一步，是收集它们每一天的活动数据。研讨人员在狗狗身上装置了 GoPro 相机用于记载狗狗的行为，并且通过在四条腿和尾巴上装置的传感器来传递运动数据。由此，迷信家失掉了两种数据，第一种是狗狗眼中的世界，第二种是狗狗本身的运动形态，通过这两种方式叠加在一同，就捕获到了较丰厚的数据，值得一提的是，通过在四条腿和尾巴上装置的传感器的方式复原狗狗的运动行为，这种方式和好莱坞特效大片中的举措捕获技术（CGI）如出一辙。有了较为片面的数据，要想了解并且预测狗狗的行为就需求数据模型停止剖析。依据论文引见，研讨人员采用了一种深度学习方式，通过对狗狗的肢体举措内容和在 GoPro 上记载的内容停止比对剖析，由此发生入迷经网络可以知晓狗狗在什么样的举措下看到了什么，并有能够对其行为停止预测。举例来说，当狗狗在家门口听到声响，并看到主人，它接上去的举措通常是跑到主人身边，然后回头跑进家里，而遇到生疏人则不会有这样的反响，因而一旦可以捕获到其中的差异，我们就知道狗狗究竟看到了什么，这就是通过预测可以带来的影响。需求指出的是，虽然通过少量的数据输入进神经网络，我们可以可以对狗狗的行为做出一定的了解和预测，但也未必可以做到十全十美，就像人一样，植物的行为也有习气性和随机性，我们关于随机性依旧无法预测，比方狗狗能够会突然奔跑起来追逐路边的蝴蝶，而当发生这种行为时，我们却不能反过去推测说它真的看到了蝴蝶。如论文第一作者 Kiana Ehsani 所说，AI 系统的预测才能可以很精确，比方狗狗看到楼梯，它会选择爬上去，但除此之外还会有其它无法预测的元素，因而要想百分百预测它的行为还是有挑战的。不过你以为研讨到这一步就完毕了吗？这项研讨其实还提醒了另外一个重要的结论——我们能向狗学习 AI 技术。从宠物狗说起，当它们看到不同的物体时，身体的反响是不同的，如论文所说「狗清楚地表现出视觉智能，能识别食物、障碍物、人类以及植物。」这种不同反响我们在理想生活中也很罕见，而既然狗可以这么聪明地识别出不同目的，那么迷信家猜想，神经网络也可以被训练成同样聪明。现实证明，这种猜想是能够实现的，在后续实验中，探究人员进一步尝试把神经网络训练的「像狗一样」，并让其在不同场景中识别物体，进一步发现，通过这种学习方式，深度神经网络可以识别出室内或许室外等不同场景，并且可以了解怎样在不同场景下行走，道路怎样更合理，这关于研讨者来说是一大惊喜。Ehsani 表示，过来训练机器懂得如何智能识别物体是一项困难的义务，由于它需求少量先验知识，这关于机器来说学习起来相当消耗时间，如今宠物狗知道这些规则，那么人们将不用再从根底来训练神经网络，通过察看宠物狗的行为就能掌握这些规则，换句话说，我们让 AI 从狗身上学到了规则。这种学习当然也是存在风险的，由于我们需求让 AI 了解一些先验知识和规则，但不是让 AI 变成狗的认识，因而在其学习进程中需求对根本规则停止限定，并非一股脑管输出来，但不得不说，这种方式有很多益处，比方狗狗天然知路途上的汽车需求规避，而训练神经网络让它明白这样的道理在过来并不容易。通过理解宠物狗和学习它们的行为，我们有理由猜想在未来某一天，我们真的可以了解它们的行为，而更令人振奋的是，假如 AI 可以通过这种方式增强训练，我们等待中的更聪明的人工智能，间隔我们也不太悠远。*本文作者谁是大英雄，由新芽NewSeed协作同伴微信大众号：极客公园授权发布，转载请联络原出处。如内容、图牛头梗介绍片有任何版权成绩，请联络新芽NewSeed处置。