麻省理工那帮极客搞出的聊天机器人，真的只是用来聊天的吗？

最近跟几个搞技术的朋友吃饭，聊着聊着就扯到了麻省理工学院（MIT），有人说，那儿就是个“黑科技”批发市场，时不时就给你整出点颠覆想象的东西，他们AI实验室鼓捣出来的聊天机器人，又在圈子里悄悄溅起了水花，但说实话，我第一次听说的时候，心里直犯嘀咕：这年头聊天机器人还稀奇吗？满大街都是，从陪你解闷的到帮你订外卖的，花样百出，MIT这帮大神，难道就为了做个更会“唠嗑”的？

好奇心驱使下，我扒拉了不少资料，还托关系问了个在相关领域读博的朋友，聊完才发现，自己当初的想法有点“外行看热闹”了，MIT AI Lab的东西，往往内核和咱们常见的商用产品，走的不是一条路，他们似乎没那么急着把它包装成一个立马能赚钱、能推广的应用，用我那位朋友有点拗口的话说：“他们的工作更偏向于探索‘边界’，以及智能体与人类协作的‘根本性交互模式’。” 说白了，就是研究一些更底层、更基础的问题。

举个例子，咱们平时用的很多聊天机器人，目标很明确：准确理解指令，快速完成任务，或者尽可能像人一样对话，效果好不好，看的是任务完成率和用户满意度，但MIT这个项目，听说花了大量精力在让机器人处理“模糊性”和“上下文连贯性”上，什么意思呢？就是它不光要听懂你这句话，还得能联系起你之前说过的话，甚至能捕捉到你字面意思之外的“潜台词”和“情绪倾向”,这可不是简单地扩大数据库就能解决的。

我朋友给我打了个比方，比如你对它说：“刚才说的那个方案，我觉得有点‘重’。” 普通的机器人可能会追问：“您是指方案篇幅长，还是实施成本高？” 这已经算不错的了，但MIT的模型可能在训练中，被灌输了更多去关联“重”这个形容词在你整个对话历史中出现的语境，如果你之前提到过团队人手不足、时间紧张，它或许会理解成“执行压力大”，并在此基础上回应，这种理解，带点“揣摩”的味道，试图逼近人类之间那种心照不宣的交流状态，朋友也赶紧补了一句：“这还远达不到完美，只是研究方向上有这个侧重。”

我隐约感觉到，这个项目特别看重“学习”的过程，而且是一种与人类互动中的、持续性的微调，不是一次性用海量数据训练完就定型了，而是在与不同人的对话中，去适应不同的语言风格和知识背景，这让我想起实验室文化里常说的“快速迭代”，只不过这次迭代的参与者，加上了真实的人类用户，这种设计思路，使得它更像一个“对话伙伴”，而不是一个“问答工具”，它的目标可能不是给你一个百分百正确的标准答案，而是在交流中帮你梳理思路，甚至激发新的想法,有点像和一个知识渊博且极有耐心的同事头脑风暴。

这种研究导向的产物，现阶段肯定有不少“毛病”，反应速度可能不如那些优化到极致的商用模型快，在需要绝对精确答案的领域（比如法律条文查询）可能反而会显得犹豫或不准确，它有时候的回应，可能会因为过度解读上下文而显得“想太多”，但反过来看，这些“不完美”的地方，恰恰暴露了当前人工智能在试图理解人类复杂沟通时面临的真实困境，MIT的团队，或许正是通过观察这些“不完美”,来定位下一个需要攻克的技术难点。

回过头来看，麻省理工学院AI实验室开发的这个聊天机器人，与其说它是一个“产品”，不如说它是一个“实验平台”，一个“探针”，它探向的，是人机交互中那些尚未被明确定义、却又至关重要的灰色地带——比如信任如何建立，共识如何达成，创意如何碰撞，它可能不会很快出现在你的手机应用商店里，但它探索出的某些思路、解决某些难题的方法，很可能在未来某天，悄无声息地渗透进我们日常使用的各种工具中，让它们变得更“善解人意”，更“聪明”。

下次再听到某某顶尖实验室又发布了什么模型，或许我们可以先别急着用“能不能用”、“好不好用”的尺子去衡量，它们的存在，就是为了拓展“可用”与“好用”的边界，就像第一个蹒跚学步的机器人，它的意义不在于走得有多稳，而在于它证明了“行走”这件事，存在着另一种可能，MIT的这个聊天机器人，大概也在做着类似的事情——它不是在证明机器能对话，而是在试探，机器的对话，究竟可以有多“深”，这其中的差别，细品之下,还挺有意思的。

（免费申请加入）AI工具导航网

相关标签： # 麻省理工学院AI实验室开发的聊天机器人