對(duì)于復(fù)雜因果關(guān)系最著名的描述就是蝴蝶效應(yīng)，一只蝴蝶輕抖翅膀，世界那頭就狂風(fēng)暴雨。這個(gè)例子引人深思但卻沒(méi)有帶來(lái)更深入的研究。我們真正需要的是對(duì)颶風(fēng)的成因進(jìn)行更詳細(xì)的分析，弄清楚是哪只蝴蝶引起了颶風(fēng)——或者在這只蝴蝶準(zhǔn)備振翅而飛之前阻止它。這似乎是不可能的任務(wù)，但美國(guó)國(guó)防高級(jí)研究計(jì)劃局(Defense Advanced Research Projects Agency，簡(jiǎn)稱DARPA)認(rèn)為，隨著技術(shù)的發(fā)展，人工智能應(yīng)該能夠幫助人們實(shí)現(xiàn)這一目標(biāo)。

KAIROS

DARPA針對(duì)這一研究目標(biāo)開(kāi)展了一個(gè)新項(xiàng)目，旨在創(chuàng)建一個(gè)機(jī)器學(xué)習(xí)系統(tǒng),該系統(tǒng)可以篩選每天產(chǎn)生的無(wú)數(shù)事件和媒體片段，并識(shí)別其中任何連接或敘述的線索。它被稱為KAIROS (Knowledge-directed Artificial Intelligence Reasoning Over Schemas) ，即知識(shí)導(dǎo)向的人工智能推理模式。

這里所提到的“模式”具有非常具體的含義。這是人類通過(guò)相互關(guān)聯(lián)的小事件來(lái)理解周?chē)澜缁具^(guò)程的想法。例如，當(dāng)你在商店購(gòu)物時(shí)，你知道情景一般是這樣的：你走進(jìn)商店，選擇一件商品，把它帶到收銀員面前，收銀員進(jìn)行結(jié)算，然后你以某種方式支付，最后離開(kāi)商店。這種“購(gòu)物”過(guò)程是我們所熟知的模式，當(dāng)然，這其中也包含了各種各樣的模式（選擇商品；支付流程）或成為另一種模式（贈(zèng)送禮物；家庭烹飪）的一部分。

盡管這些過(guò)程很容易浮現(xiàn)在我們的腦海中，但要以計(jì)算機(jī)系統(tǒng)能夠理解的方式描述它們則非常困難。我們?cè)陂L(zhǎng)期生活的應(yīng)用和理解中熟悉這些流程，但對(duì)于機(jī)器來(lái)說(shuō)它們并非是顯而易見(jiàn)、我們還不能通過(guò)一些預(yù)先定義的規(guī)則來(lái)抽取這些模式。而且，數(shù)據(jù)越多描述就越困難。購(gòu)物的情形還比較簡(jiǎn)單，但如何分析和識(shí)別冷戰(zhàn)或熊市這樣大尺度的時(shí)間和空間模式呢？

而這就是DARPA想要研究的內(nèi)容。DARPA的研究人員表示，發(fā)現(xiàn)跨越信息堆的相關(guān)聯(lián)系及其所依據(jù)的靜態(tài)元素過(guò)程需要時(shí)間信息和事件模式，這些內(nèi)容很難通過(guò)當(dāng)前可用的工具和系統(tǒng)大規(guī)模獲取。而前文提到的KAIROS旨在開(kāi)發(fā)一種半自動(dòng)化系統(tǒng)，能夠識(shí)別和繪制看似無(wú)關(guān)的事件或數(shù)據(jù)之間的相關(guān)性 ，以幫助我們了解或創(chuàng)建關(guān)于我們周?chē)澜绲耐ㄓ妹枋觥?/p>

具體來(lái)說(shuō)，KAIROS的研究目標(biāo)分為了兩部分。首先系統(tǒng)主要利用大規(guī)模的數(shù)據(jù)來(lái)學(xué)習(xí)創(chuàng)建一系列模式，主要基于語(yǔ)言學(xué)推理和常識(shí)的因果關(guān)系來(lái)對(duì)各個(gè)子事件進(jìn)行檢測(cè)分類和聚類。這一階段的目的在于通過(guò)大量普遍的、復(fù)雜的和特殊的過(guò)程來(lái)幫助系統(tǒng)生成一種可以同時(shí)描述簡(jiǎn)單和復(fù)雜事件的機(jī)制，將這些機(jī)制按照一定的序列組合就能夠發(fā)掘出像時(shí)間線和關(guān)鍵角色一類重要的上下文信息。此外隨著專業(yè)知識(shí)的加入還可以將其改造為適用于特殊目的的分析系統(tǒng)。

接下來(lái)系統(tǒng)將被用于分析復(fù)雜的現(xiàn)實(shí)世界數(shù)據(jù)，并嘗試根據(jù)創(chuàng)建的模式提取事件和敘述。此時(shí)需要面對(duì)的是多媒體、多語(yǔ)言的信息，并從紛繁復(fù)雜的世界中抽取出復(fù)雜事件的蛛絲馬跡。這一階段需要系統(tǒng)識(shí)別出事件及其主體，同時(shí)還需要建立起他們之間的關(guān)系以便建立起事件發(fā)展的全貌，并拓展知識(shí)結(jié)構(gòu)。

應(yīng)用前景

這一技術(shù)在軍事和國(guó)防中的應(yīng)用相當(dāng)現(xiàn)實(shí)： 讓我們想象一下，一個(gè)系統(tǒng)接收所有新聞和社交媒體的帖子，并通知其管理員可能發(fā)生的事件，比如未來(lái)會(huì)出現(xiàn)銀行擠兌、政變，或是邪惡勢(shì)力的抬頭等。情報(bào)人員現(xiàn)正在盡力完成這項(xiàng)任務(wù)，但人類的參與肯定永遠(yuǎn)不會(huì)停止，不過(guò)他們很愿意其電腦伙伴為之代勞，并告訴他們：“有多個(gè)關(guān)于大型儲(chǔ)備的報(bào)道以及關(guān)于化學(xué)戰(zhàn)的文章正在廣泛分享，這或許會(huì)引起有關(guān)恐怖襲擊的謠言”、“社交平臺(tái)上出現(xiàn)大量對(duì)于金融系統(tǒng)的不良言論，也許近期會(huì)發(fā)生系統(tǒng)性風(fēng)險(xiǎn)”。如果能夠這樣的系統(tǒng)在背后分析社會(huì)的運(yùn)作和輿論的趨勢(shì)，能夠提前預(yù)知諸多風(fēng)險(xiǎn)，使得管理部門(mén)和政府可以及時(shí)防患于未然。

當(dāng)然，就目前的技術(shù)看來(lái)這完全是理論上的設(shè)想。但這就是DARPA研究和開(kāi)發(fā)的這一技術(shù)的原因，它存在意義就是將一系列天馬行空的大膽理論變?yōu)檎杖氍F(xiàn)實(shí)的可行方案，或者即便最終以失敗告終，也能得出無(wú)法實(shí)現(xiàn)這一技術(shù)的原因。鑒于目前大多數(shù)人工智能系統(tǒng)的局限性，現(xiàn)在我們很難直觀地想象出DARPA正在構(gòu)思的東西。但未來(lái)，基于全球信息系統(tǒng)的因果分析和推理系統(tǒng)將會(huì)在人工智能的幫助下逐漸成型。那時(shí)的世界將會(huì)怎樣？會(huì)成為更安全更自由的美好新世界，還是更多監(jiān)管更多束縛的老大哥？書(shū)寫(xiě)未來(lái)的筆就握在你我手中。