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(fā)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(tài)，以便他們能夠適當?shù)卣{整自己的行為。

他們的系統(tǒng)通過谷歌眼鏡分析視頻，并將適當?shù)谋砬榀B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(tài)。

這是一個正在運行中的系統(tǒng)：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(zhàn)是同步實時翻譯：當一個人用一種語言說話時，系統(tǒng)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(zhàn)性，就算是專業(yè)的聯(lián)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(fā)布了同步翻譯系統(tǒng) STACL (即帶有預期和可控延遲的同步翻譯系統(tǒng)) 。

鑒于技術挑戰(zhàn)是如此之大，人工智能社區(qū)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(tǒng)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(tǒng)需要為一個句子創(chuàng)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(wǎng)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(xiàn)在這一代人則更喜歡發(fā)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(fā)詞，這些詞可以用來預測高風險短信發(fā)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(fā)現(xiàn)有效的技術之一是創(chuàng)造力：成功的咨詢師以創(chuàng)造性的方式回應，而不是使用過于籠統(tǒng)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。