聯邦立法者想要涉足人工智能領域，從而掌握發言權。研究人員現在打算利用電視節目來提高人工智能系統的預測能力。近日，谷歌表示，它將在中國開設一家人工智能研究機構。隨著2017年接近尾聲，相關新聞頭條不斷涌現且人工智能無孔不入，所有這些都表明人們對人工智能仍表現出濃厚的興趣。

同時，以近期的發展趨勢來看，隨著機器逐步深入人類生活，2018年一定是人工智能產生重大飛躍的一年。

利爾曼博士對此非常贊同，她是愛丁堡大學博士后研究員，愛丁堡大學參與利用熱門犯罪系列節目“犯罪現場調查”來訓練人工智能系統的項目——具體涉及與節目內容相關的視頻、音頻以及文本，從而訓練人工智能系統掌握準確識別劇集中“壞人形象”的本領。

利爾曼博士向BGR解釋說，研究人員想了解，如果數據充足，人工智能系統能否在接受訓練之后解決人類所面臨的難題。結果如何呢？計算機掌握了在每距一集結束還有60%的時間內找出犯罪嫌疑人，而觀看該節目的人找出犯罪嫌疑人的成功率只有85%。

利爾曼說，對于像她這樣的研究人員來說，那些研究結果則非常樂觀。這些研究成果發表于10月底出版的學術期刊《計算語言學協會的交易》上。研究團隊希望能夠拋磚引玉，帶動學術界同仁在他們的研究成果基礎上進一步發展。

“在這篇論文中，”該團隊寫道，“我們認為，作為理想的實驗平臺，以《犯罪現場調查》為代表的犯罪劇可以模擬現實世界的自然語言認識以及與之相關的復雜推理。”據利爾曼的說法可知，該團隊也對“犯罪現場調查”系列訓練人工智能系統所獲得的成果感到非常滿意。

我們拒絕猜測埃隆·馬斯克對這此問題的看法，更不會懷疑用腳本犯罪劇來訓練超級智能會造就邪惡的超級人工智能。以嚴肅的角度來說，這一實驗由于其本身的新穎性而產生大量的重點關注以及相關的電視節目。這也為團隊帶來了一些相對理性的思考，即當我們進入新的一年，面對大量關于人工智能及未來世界的頭條新聞時，這些問題也不應忽視。

就像利爾曼的團隊只是通過為系統提供大量數據一樣，此類實驗根本無法達到完美的精確度或幾近完美。

利爾曼說：“我不同意那種看法，提供更多的數據就能夠通過提高預測準確性從而幫助解決整個問題。”“我認為，我們需要認真思考，應該讓模型獲取一些其他的信息。”人類掌握如此多的世界知識，以至于很難用一種詳盡的方式在機器上進行編碼。我認為我們需要為模型提供更好的背景知識和更佳的推理策略。我認為僅僅是把非結構化的數據扔給模型，并不會給我們帶來更多益處。能夠提供的幫助可能不會太大。”

值得關注的是，研究人員在此種觀點下會取得何種研究進展。這也是為何人工智能話題將成為2018年的一大亮點。

聯邦政府可能也會助其一臂之力，來自華盛頓州的民主黨參議員瑪麗亞·坎特韋爾已經起草了一份法案，該法案建議設立一個專門研究人工智能的委員會。該委員會成員將由商務部任命，并將向內閣成員就人工智能提供建議。

即將出臺的法案如此措辭：“對美國國會而言，理解并為正在迅速發展的人工智能作出支持，對美國經濟繁榮以及社會穩定至關重要;人工智能的發展可以為信息經濟提供動力，激勵理性決策，并幫助解決在法案頒布之日起無法解決的疑難問題，從而極大地造福社會。”

所以我們的人工智能發展至此。國會希望對人工智能有所定義，并幫助政府為其所用并從中受益。研究人員利用電視節目來展示他們是如何訓練人工智能系統的。至少可以說，我們可以對2018年有所期待。