扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！
jopen 8年前
<p style="text-align: center;"><a href="/misc/goto?guid=4958989923703836750" title="马克·扎克伯格"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/4bdbf4091a7177dea8e481368bc6a285.jpg" /></a></p> <p>非死book 创始人马克·扎克伯格是一个喜欢挑战自己的人。2015 年，他立志每周都读一本新书。而今年，他给自己的挑战更加有技术含量：搭建一个人工智能系统，就像《钢铁侠》里的 “Jarvis” 那样，理解语音/文字指令，去控制家里所有的电器……</p> <p>你猜怎么样？他还真完成了。今天扎克伯格专门发了一篇<a href="/misc/goto?guid=4958996805111427629">博文</a>，详细介绍 Jarvis 是怎样搭建起来的。</p> <p>这台 Jarvis “人工智能电脑”能做的事情，其实已经远超过市面上任何一个同类或类似产品：<strong>它支持文字和语音指令，能控制空调温度高低、调整灯光明暗，也能从网上搜歌自动播放，还能烤面包、给他家迷之画风的“野兽”自动喂食。</strong></p> <p style="text-align:center"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/d8bbecde790a0338d9adb70f91a38f65.jpg" /></p> <p>就是这坨跟墩布一样的东西……</p> <p>而且大家都知道，扎克伯格在时尚方面<a href="/misc/goto?guid=4958996805212161441">非常省事儿</a>，一年到头就是一件灰色的 T 恤——不知道的是他连“从衣柜里拿出 T 恤”的功夫都省了！因为他组装了一门大炮，用 Jarvis 控制，每天早上接收命令朝他打出一件新的灰色 T 恤……</p> <p style="text-align:center"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/bdd33c7d5873655957e1c857f9dd4232.jpg" /></p> <p><strong>最重要的是，Jarvis 可以在房子的任何一间屋子里接受指令，还能明白像“打开空调”这样一句指令，发出指令的人是谁，在哪间屋子，进而打开正确的空调！</strong></p> <p><strong>这太酷了！怎么做到的？</strong></p> <p>如下图：</p> <p style="text-align:center"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/684a96b49303dda31a3dd577edf99c1b.jpg" /></p> <p>看起来很复杂对不对？其实，如果我们将 Jarvis 看成一台电脑，就很好理解了：</p> <p>1）中间的蓝色方块是 Jarvis 服务器，可以理解为处理器+硬盘；</p> <p>2）右边的是操作界面，包括 Messenger 聊天机器人、iOS 语音控制应用等等，键盘、鼠标和显示器；</p> <p>3）下面的三块是运行在服务器里的几种技术，包括自然语言处理、语音识别、视觉和脸部识别以及强化学习 (reinforcement learning) 等，地位相当于电脑里运行的操作系统；</p> <p>4）左边的一大堆东西则是 Jarvis 可控制的电器种类，等于电脑上跑的程序。</p> <p>扎克伯格在博客里介绍，在构建 Jarvis 的“操作系统”过程中，自己用到了 Python、Objective C 和 PHP 等语言。</p> <p>具备了文字和语音识别、人脸识别的能力，Jarvis 现在能够控制扎克伯格家的灯光系统 (Creston)、恒温器（也即空调系统）、大门、连接流媒体音乐服务 Spotify 的 Sonos 音箱、Nest 网络摄像头（看他女儿麦克斯用的）等等。扎克伯格在博客里介绍，当自己为了 Jarvis 亲手开始写代码的时候，才发现用一个系统去控制这么多系统有多难：每个系统的语言都不一样，协议五花八门；有些电器已经联网了，有些则除了物理开关之外，根本没有控制的 interface……</p> <p>比方说，扎克伯格需要用文字指令控制烤面包机，首先需要一个能联网的烤面包机……但这样的烤面包机根本找不到。最后，他不知道从哪儿翻出来一个上世纪 50 年代的面包机，然后自己给它装了一个能联网的开关。</p> <p>包括这个面包机和前面提到的 T 恤大炮……开发 Jarvis 对扎克伯格的硬件开发知识也带来了不小的挑战。</p> <p style="text-align:center"><img alt="zuck-jarvis-gif" src="https://simg.open-open.com/show/f22c48df630958e2716c4a50605cc378.gif" /></p> <p style="text-align:center">自然语言处理</p> <p>Jarvis 的语言理解能力是分两阶段实现的。</p> <p>首先，扎克伯格要让 Jarvis 能理解文字，比如“卧室”、“灯光”、“开”和“关”等常用的关键词，以及能在听到过去没听到过的词，比如 Spotify 上的歌名或音乐人的时候，能够根据语境去对应的服务/设备上搜索并完成任务。</p> <p style="text-align:center"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/bca4bda8bc2021ab8f8ec2c02b3e547c.jpg" /></p> <p>第二阶段则是开发一个语音转文字的系统。</p> <p>那么，Jarvis 的自然语言处理能力现在到了什么水平呢？扎克伯格介绍，它的上下文语境结合能力已经达到了自己可以接受的标准。比如，当他对 Jarvis 发出“打开我办公室的空调”指令时，系统能够正确地打开他的空调，而不是妻子普利西拉的空调；再比如，扎克伯格告诉 Jarvis “给我来点音乐，”结果 Sonos 开始播放的音乐太劲爆，他又告诉 Jarvis “这个感觉不对，给我点轻松的。”Jarvis 能理解语境函数是“放音乐”，变量是“音乐”，值是“轻”，进而正确完成任务。</p> <p>扎克伯格说，和特定的指令和问法相比，他跟妻子现在越来越多地使用开放式的指令，“我知道的商业产品里面，没有能做到这一点的。这里的机会很大。”他写道。</p> <p><strong>视觉和脸部识别</strong></p> <p>扎克伯格为 Jarvis 开发的机器视觉功能，主要有这么几个任务：</p> <p>首先，也是最重要的任务，是识别访客。扎克伯格在自家门口装了几个不同的摄像头，从各个角度拍摄门口画面。当访客来到时，系统首先识别到门口有人便激活识别程序，捕捉访客的人脸细节，进而通过 非死book 人脸数据库识别访客是谁。然后，Jarvis 会根据扎克伯格的日程和访客列表确认这个人是否在列表上，确认后便会打开门，并告知扎克伯格客人已经来了。</p> <p style="text-align:center"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/9591778441132056db85bd339ef0806b.jpg" /></p> <p>视觉识别功能的另一个重要任务，是为 Jarvis 处理其他任务提供上下文语境。比如当扎克伯格说“调高音响的音量”，Jarvis 需要通过摄像头观察哪个房间里有人——甚至更精确一些，扎克伯格在哪个房间里而不是正在睡觉的麦克斯在哪个房间，然后完成任务。</p> <p><strong>交互界面</strong></p> <p>扎克伯格自己用 iPhone，在家里的每个房间都放了一台手机，上面都安装了自己开发的 Jarvis 语音控制程序。这个程序随时保持聆听（就像 Google Now 和新版 Siri 一样）这样，他可以在每个房间里都用语音随时控制 Jarvis。</p> <p style="text-align:center"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/bccbe38b98f97461b1ca13aaff575ca1.jpg" /></p> <p>当说话不方便的时候， 非死book Messenger 是最适合的文字对话控制界面。这主要是因为 非死book 在今年推出了 Bot Framework，极大地方便了开发者在 Messenger 上开发聊天机器人。</p> <p>Jarvis 聊天机器人会把每一条指令发送到后端的 Jarvis 服务器。如果指令是语音，服务器则会用语音识别功能翻译成文字然后处理。聊天机器人还承担了整个 Jarvis 通知系统的工作，比如当家里没人有访客来到时，系统会拍下门口画面通过 Messenger 发送给扎克伯格。</p> <p><strong>扎克伯格的开发感悟</strong></p> <p>完成了 Jarvis 1.0 的搭建工作之后，扎克伯格获得了很多人生感悟。他说，</p> <blockquote> <p>作为 非死book 的 CEO，我几乎没什么时间在内部环境提交代码，但我一直没有停止编程，主要都在 Jarvis 上。我知道自己今年会学到很多关于人工智能的知识，但我没有意料的是，Jarvis 让我找回了在 非死book 当工程师的感觉……</p> </blockquote> <p>对于语音的看法：</p> <blockquote> <p>不光是语音，几乎绝大部分的机器学习系统，现在的处境都是更多用于解决特定的问题（并不具备解决普遍问题的能力。）</p> </blockquote> <p>这和从业者对人工智能的认知一样，和普罗大众的认知恰好相反。其实，人类距离强人工智能，或者 General AI 还很远。大部分人工智能系统都是解决特定任务的。</p> <p>关于 Messenger 聊天机器人，他认为：</p> <blockquote> <p>在 Messenger 上开发机器人比开发一个单独应用容易太多了。它自动就帮你解决了很多问题，比如 iOS 和 Android 跨平台，文字和图片内容理解，可靠的通知，以及权限管理等等。</p> </blockquote> <p>更喜欢文字还是语音？这个答案很有趣：</p> <blockquote> <p>和一个系统说话，比和系统打字更容易提高感情的投入。</p> </blockquote> <p>简单来说，你会期待对方是“人”。</p> <blockquote> <p>我发现我发文字比自己想象的更频繁。原因很多，比如当你周围有人的时候发语音指令还是一件挺尴尬的事情。我也更愿意接受文字的回答，这样我可以选择什么时候看。其实整个 Messenger 平台上也是一样，文字信息数量的增速比语音信息快得多。这让我产生了一种认知：未来的人工智能系统不能只有语音控制，也要有一个单独的文字对话界面。</p> </blockquote> <p>关于整个系统：</p> <blockquote> <p>想要让这样一个系统工作起来，我们需要更多的联网设备。不仅如此，行业也需要通用的 API 和标准，让每一台设备都能和彼此沟通。</p> </blockquote> <p>关于 非死book 的工程环境：</p> <blockquote> <p>我发现，我们自己给的 iOS 和语音识别工程师提供的工具链真是太强大了。</p> <p>我用到了 Messenger Bot Framework，非死book 自己开源的 Nuclide 开发包和 Buck build 系统让开发更快更容易，FastText 文本分类系统等等。如果你对人工智能开发感兴趣，FAIR（非死book 人工智能研究院）的 GitHub 页面值得一看。</p> <p>非死book 的核心价值观有一条就是快速行动 (move fast)。对于任何科技公司而言，使用内部开发工具快速开发都十分重要。在这点上，我很感谢我们的内部架构和工具团队。</p> </blockquote> <p><strong>接下来，Jarvis 会怎样进化？</strong></p> <p>小扎说，尽管他的 2016 挑战结束了，Jarvis 还有很多提升的空间。</p> <p>扎克伯格的下一个首要任务是开发 Jarvis 语音 Android 应用，让他的家人能在更多房间里发出语音指令和控制更多的电器。他还说，要让 Jarvis 学着做饭，“估计比 T 恤大炮难的多。”</p> <p>长期来看，扎克伯格想提升 Jarvis 的学习能力，达到能够自学的水平。</p> <p>当然，扎克伯格也在考虑通过什么方式能让 Jarvis 为更多人所用。简单的开源肯定不行，因为现在的系统和代码和扎克伯格家的系统绑定的太深了。“如果我能开发一个抽象的控制层，也许我会把它开源的。当然，它会变成一个新产品也说不定。”扎克伯格在博客里写道。</p> <p style="text-align:center"><img alt="扎克伯格把钢铁侠的智能助手造出来了，说句话就能控制整个豪宅！" src="https://simg.open-open.com/show/91f61812ddf6827b18fa253914931505.jpg" /></p> <p style="text-align:center">图片：马克·扎克伯格、《快公司》</p> <p>来自: <a href="/misc/goto?guid=4958996805298155460" id="link_source2">www.pingwest.com</a></p>