M是基于该公司即时消息应用Facebook Messenger开发的，在今天早上亮相，被推送到旧金山湾区数百名毫无心理准备的用户的手机上。这是Facebook为应对Siri以及Google Now和微软Cortana等类似产品而推出的一项服务。但是，它可以处理更广泛的任务——至少Facebook是这样说的。你可以问M各种各样的问题，比如：“你能帮我预订晚餐吗？”、“你能帮我规划我的下一个假期吗？”它会一一执行这些命令。

这是因为，Facebook设计了这一工具，以便让人工智能技术与人类相配合，对这些问题做出回应。Wit.ai创始人亚历克斯•勒布伦（Alex Lebrun）说：“人工智能试图做一切的事情，但人工智能是由人类控制的。”为了帮助开发这种智能手机工具，Facebook收购了Wit.ai。

在这个由人工智能驱动的私人助理的广阔世界里，M似乎是Facebook回归本源之举。当Facebook面向公众测试M这个工具时，我们并不清楚这种人机合作能否跟上时代的步伐，覆盖比以前任何时候都多的受众。但若以一种违反直觉的方式来看，M可能是向真正的人工智能迈近了一步。

Facebook开发“M”背后的想法是，人类不仅会回答人工智能所不能回答的问题，而且从长远来看，人类也会帮助改善人工智能技术。大家明白，当前人工智能技术至少还需要人类帮助进行训练。如果你想要获得一套系统，希望可以在YouTube视频中自动识别猫咪，人类必须首先将猫咪的样子展示给这个系统看。

此外，人类必须给各种各样猫咪的照片打标签，还必须提供相关数据。通过人类员工对M提供帮助，Facebook正以异常复杂的方式做着此类事情。“正因为如此，我们建立了一支如此庞大的团队，”勒布伦说。“我们需要的数据是不存在的。”在回答你的问题时，这些人类员工将提供相关数据，为一种更为复杂的数字助理提供帮助，而这种数字助理是基于一种称为“深度学习”的人工智技术开发。

这一过程可能需要多年时间。但是，人工智能的发展方向就是这样的。x.ai创始人兼CEO丹尼斯•莫滕森（Dennis Mortensen）说，“人类层面的人工智能是可以进行相当高深的哲学讨论。这种事情是不会很快发生的。”x.ai是一家提供在线个人助理服务的创业公司，这种服务会自动为客户安排会议时间。

颇具讽刺意味的是，Wit.ai提供的仍是相当过时的人工智能技术。Wit.ai的技术基于两种算法开发，一是“条件随机域”（conditional random fields），二是“最大熵分类器”（maximum entropy classifiers）。这两种算法已经为科技行业服务十多年了。不过，它们也为M项目寻找一种更先进的人工智能提供了一个跳板。

勒布伦在2013年创办了Wit.ai，此前他开发了一种数字服务，帮助AT&T等移动运营商用于与客户沟通。Wit.ai基本上提供了一种可帮助软件程序人员开发Siri式系统的服务，这些系统可以识别语音，并在一定程度上理解自然语言。Wit.ai的服务的确是基于过时的算法所打造，但它可以逐渐学着识别语音，同时又不需要像苹果和谷歌那样，收集海量的语音数据。Wit.ai服务需要更少的数据，而且只要整合了许多开发者搜集的语音样本，就可以在实践中使用。

负责Messenger业务的Facebook副总裁戴维•马库斯（David Marcus）曾想方设法将这项消息服务推向更多的领域，从而给Facebook做出营收贡献。于是，马库斯找到了勒布伦和他的公司。今年1月份，Facebook收购了Wit.ai这家仅有10个人的创业公司，但具体的交易金额不详。

马库斯表示，凭借这一交易，Facebook将“这个世界上最擅长人与人工智能交互的团队之一”收入麾下。但据勒布伦透露，Wit.ai当时并不清楚他们会参与开发什么样的人与人工智能交互产品。大约3个月以后，马库斯、勒布伦及Wit.ai团队的剩余人员最终敲定，基于Messenger开发一项虚拟助手服务，但它不会是另一个“Siri”。

首先，这项服务主要是通过文字而非声音沟通。其次，它会回答各种各样更为复杂的问题。勒布伦表示：“如今，你已经有了大量人工智能产品，如 Siri、谷歌Now和微软Cortana，但它们的应用范围很有限。由于人工智能的这种限制，你只能在有限的场合使用。我们希望从一开始就能做更加雄心勃勃的事情，给人们他们真正想要的答案。”也就是说，这个团队需要的不仅仅是人工智能。

当你向M提出问题，这项人工智能技术会试着理解问题，并做出回答。但是，系统不会将答案发给用户，而是先发给人类“培训师”——也就是类似客服的技术人员，他们与Wit.ai团队一起工作，办公地都在Facebook位于加州门洛帕克的新总部。这些培训人员会决定是否还需要做其他的工作，然后再向用户提供他们正在寻找的答案。

据勒布伦介绍，M可以从事大量相对比较简单的任务，如讲个笑话。M会对网络段子API进行排序，如果它提供的段子很有趣，训练师就会批准。至于相对更为复杂的任务，如在机动车管理处（DMV）的网站上进行驾照考试预约，人类本身还要做大量繁重的工作。他们会给机动车管理处打电话确认信息。

在从事此类复杂的任务时，人类“培训师”会针对特殊问题的回答方式生成一个路线图。“培训师所做的每一件事情，我们都会记录下来，”勒布伦说道。这其中包括他们访问的网站，他们在给机动车管理处打电话时说的话，以及回复M用户信息时输入的内容等等。将来，这些数据将有助于开发一个基于深度学习的更先进的系统，一种全新的人工智能技术，可以通过分析一个巨大的机器网络中的大量信息来操控很多任务。基本上，这些网络模拟了人类大脑中的神经元网络。

当Facebook用户提出问题时（最上面），M的人工智能引擎便会分析他说了什么（中间），然后把分析结果发给Facebook的人类“训练师”，后者再对用户的问题作出回复（最下面）。

这些类似于神经的网络已证明它们在识别图像、辨认语音、锁定广告，甚至教机器人拧开瓶盖等方面是非常有效的。在聘请了纽约大学计算机科学研究人员亚恩•勒库恩（Yann LeCun）之后，Facebook最终在这个重要性日益凸显的领域确立了主导地位。该公司现在可以使用类似于神经元的网络，识别贴到社交网络上的照片信息，并能够确定你在信息流（News Feed）中想看什么新闻。Facebook还计划借助M的力量进一步推进这项技术的发展。

为什么不从一开始就用神经网络来打造M呢？如果没有合适的数据，神经网络就不能提供比Siri更为强大的服务，而Wit.ai的技术则可以在数据相对很少的情况下，打造更为强大的服务。“这是一个很好的引导方法。有了几千个数据点之后，你就可以创建一个模型了，”勒布伦说道，“然后，通过这个模型，你又可以获取更多的数据。你的数据点一旦达到100万，就可以去找勒库恩，就深度学习进行深入交流了。”

就像勒布伦所说的，这是一个雄心勃勃的计划。他说，即使把多个神经网络融合起来，Facebook也要在接下来的几年里继续使用人类训练师。随着M的不断进步，它会需要更多的数据以继续改善。“你知道的越多，发现自己不懂的也越多，”勒布伦说道。“M能做的越多，等它完成的复杂任务也越多。”

至少，这是Facebook的如意算盘。M今天刚刚发布，我们还不知道这项服务未来会如何。随着Facebook把M介绍给越来越多的用户，那么它需要的培训师也将越来越多。勒布伦预计，随着用户数量的不断增加，培训师的数量也会直线上升，但由此带来的压力也会是巨大的。Facebook Messenger的用户数量已经超过7亿。“这很不简单了，”勒布伦说。

与此同时，即使Facebook能使这个系统不断运行下去，M的发展也不可能像勒布伦和该公司预测的那样快。莫滕森说，实际上，让人类与人工智能携手工作的话，可能会降低工作效率。

莫滕森还以自动驾驶汽车为例，解释这种短板。开发自动驾驶汽车的一种方法是：在人类司机开车的过程中，慢慢加入自动化工具。但是，如果你让车自己行驶的话，也许它的系统发展得会更快——无论它的装备有多么差劲。对于最终成果来说，那些小型自动化工具可能不是最关键的。它们可能搜集的是你不需要的信息。

但同时，莫滕森也像勒布伦和Facebook一样，强调了数据对于人工智能发展的重要性。他说，如果M项目进展顺利的话——合适的引导、记录以及对培训师的行为进行分类——这些人确实能够提供一条捷径。莫滕森说，Facebook必须关注人类在未来如何可以改善这一系统，而不仅仅是现在。那不是一件容易的事情。不过，Facebook在这方面比大多数公司都做得好。（编译/清辰）