机器学习帮助我们更好地理解彼此

　　你可能认为人类有能力理解彼此。毕竟，谈话的另一方是另一个人类。

　　但事实证明，精心设计的软件实际上可以帮助我们更好地了解彼此。想想被诊断患有自闭症的人。

　　总部位于剑桥的两家公司 Affectiva 和 Brain Power 已经开发了应用程序，通过使用简化的表情符号，帮助自闭症患者认识到周围人的情绪状态，以便他们能够适当地调整自己的行为。

　　他们的系统通过谷歌眼镜分析视频，并将适当的表情叠加在一个人的脸上，帮助佩戴者准确地理解与他们交流的人的情绪状态。

　　这是一个正在运行中的系统：人工智能研究的初目标之一就是机器翻译，也就是把一种人类语言翻译成另一种语言。

　　这个领域困难的挑战是同步实时翻译：当一个人用一种语言说话时，系统会自动及时输出另一种语言的翻译，这样两个人就可以进行自然的对话。

　　这种类型的翻译非常具有挑战性，就算是专业的联合国翻译人员一次只能工作20分钟，然后他们就会被一个队友接替。

　　2018年10月，百度发布了同步翻译系统 STACL (即带有预期和可控延迟的同步翻译系统) 。鉴于技术挑战是如此之大，人工智能社区朝着这个目标正在取得坚实的进展，这令人印象深刻。

　　为了跟上说话者的步伐，机器学习系统实际上会生成多个预测，预测说话者开始说话时每个句子将如何结束。这有点像谷歌在你的浏览器的搜索栏中的自动完成功能。

　　系统需要为一个句子创建和翻译不同的可能结尾，因为如果不这样做，它就会落后于说话者。

　　想象一下，在我们走进的每个会议室或打开的每个浏览器窗口的每次网络呼叫中嵌入实时翻译，我们可以更好地理解每个呼叫。下面是后一个例子，说明如何更好地理解对方，这可能是我在整个演讲中喜欢的例子。

　　有一个叫做Crisis Text Line的非营利组织，它通过短信向处于危机中的人们提供咨询。

　　当Crisis Text Line启动时，他们要求训练有素的顾问列出50个触发词，这些词可以用来预测高风险短信发送者。

　　他们生成的单词通常和你想象的一样: 比如“死”、“割”、“自杀”和“杀”。在这项服务运行了一段时间之后，这家公司应用机器学习技术，看看是否还有其他单词可以从列表中添加或删除，结果非常令人惊讶。

　　你知道布洛芬这个单词预测自杀的可能性，是自杀这个词的14倍吗？ 哭丧的表情是是自杀这个词的11倍吗？斯坦福大学的研究人员，接着提取了有效的咨询师的的实践。

　　他们发现有效的技术之一是创造力：成功的咨询师以创造性的方式回应，而不是使用过于笼统或“模板化”的回应。

　　在危机咨询的极端情况下，机器学习帮助我们更好地了解彼此。