爆炸AI技术的Alphago与李世石的“人工智能”世纪大战早已过去三年，与三年前Alphago大胜李九段时人们惊叹“人工智能即将替代人类”比起，2019年的人们在面临AI时则更加淡然，与之对应的现实是，近三年来人工智能技术虽已获得难以置信成就，但未有确实瓦解“人工”的现实。AI的“人工不智能”之受困2018年5月，谷歌在其I／O开发者大会上，展出了令人印象深刻印象的Duplex人工智能语音技术，当时谷歌现场展示了Duplex语音AI购票剪发服务，在与理发店交流过程中Duplex的那一声“嗯哼”堪称技惊四座、精彩全球，随后谷歌董事长自豪的向世界宣告：在电话购票领域，Duplex早已通过了图灵测试。然而，事情当然没那么非常简单，在《纽约时报》记者的测试中找到，在顺利购票的4次中，有三次是由人工伪装成Duplex已完成的，随后谷歌官方声明，目前通过Duplex电话的电话中，大约有25％由人类几乎操作者，在其他非人工操作者的情况下，有15％的调用受到了人为介入。
即使人工智能技术强劲如谷歌，也依然努不过AI语音交互的“智能之坑”。而实质上，知名的图灵测试，也有其特定历史环境下的局限性。
在图灵测试中，意味着通过AI否展现出的像个人类的辨别无法有效地得出结论AI否知道具备智能，而要想要AI瓦解“人工”烙印确实构建智能，就必需确实穿过那条人与AI之间的边界。在电影《机械姬》中，人工智能Ava在利用Caleb的感情超过协助自己顺利受困则是“确实顺利的图灵测试”的刻画，影片中，人工智能Ava的缔造者Nathen确实目的正是期望Ava通过“性魅力、对人性的操控、同理心”等人类情感特征的综合利用而构建受困，因而，Ava的受困也是“图灵测试的终极版”。
虽然比起机械姬Ava，谷歌人工智能Duplex的完成度变得“相形见绌”，但作为人工智能尤为最重要的底层技术之一，AI语音交互技术近年来的发展获得了一系列变革，并随着智能手机、智能音箱等硬件设备转入千家万户。实质上，AI语音交互的基础是基于深度自学算法对语言系统的深度构建，因而要求其具备显著的“双边效应”，一方面，AI语音交互的完成度越高，其用户数量快速增长就越慢；另一方面，用户数量与用于成倍的快速增长反作用于AI语音交互的深度自学训练，从而构建更高的完成度。AI语音交互的“动态规划”法则在互联网江湖（ITVIPTI）显然，语言交互的过程的本质，是数据在“动态规划”逻辑下对数据特征的准确给定。
在数学领域，动态规划（dynamicprogramming）是运筹学的一个分支，是解法决策过程（decisionprocess）线性规划的数学方法。在AI语音交互上，构建交互的过程可以看作是一个对语音输入数据对系统“拟合解法”的数据给定过程。从技术包含上来看，AI语音交互技术大体可分成三个层面：“交互层、算法层、数据层”。
在一个原始的AI语音交互过程中，由语音辨识对系统技术为核心，构建交互层AI与人的交互触达，然后由算法层展开“动态规划”解析，将原始语义下的文字数据报废为特定的“数据包”，并由算法将“数据包”与有数“语言系统数据”展开准确给定，从而构建AI对语义的解读并得出对系统。非常简单来说，这就像你拿着一只印着小猫图案的黄色铅笔并且想一只某种程度的铅笔，你必须去一个具有各种各样笔的文具店，因而你必须用“动态规划”思维将这只独有的铅笔“合并出去”，具体它的种类以及特征：首先，它是铅笔、其次它是黄色的，最后它印着小猫图案。
然后根据这些特征通过检验（算法）去寻找文具店中某种程度的铅笔。（与有数“语言系统数据”展开准确给定）但就目前的技术条件下，想构建语言数据的100％准确给定必须一些“先决条件”。
交互层构建100％准确率的语音辨识准确率是确保整个语音交互会经常出现语义“解读”偏差的最重要前提，而要构建语音诸法的精准必需建构原始的“语句数据库”，然后通过大量的辨识训练提高其准确度。其次，在构建准确语音辨识后，必须算法对其展开“数据包”并且构建对“语言系统数据库”展开较慢检索，从而给定到适当的“对系统方案”，而由于有所不同的语义要求了有所不同的语音交互场景，因此必须涵括完全所有语音交互场景的“算法仓”，同时每个算法必需符合对于精度和效率的双重市场需求。在数据层，“语言系统”数据库的完备程度轻某种程度上要求了整个语言交互系统的完成度。无论是“交互层”还是“算法层”都必须“语言系统大数据”的全面参予，因而，建构完备的“语言系统”数据是整个AI语音交互系统的核心，也是技术上可玩性最低的一环。
然而，现实中在语音辨识领域，目前只有科大讯飞的语音辨识技术超过了98％的准确率，在整个语音互相交换言和领域，也意味着只有谷歌的Duplex通过了图灵测试，而要想要确实构建语音交互的人工智能，依然必须AI底层技术革新的推展。进阶AI语音交互与“数据纳什平衡博弈论”目前，无论是苹果的Siri还是微软公司的小娜，在语音交互中均未构建基于时间线对语境的解读。而就2018年5月谷歌开发者大会上Duplex的展现出来看，谷歌人工智能语音辨识技术在语境的“解读”上早已获得了一些进展。
互联网江湖团队（ITVIP1）指出，在进阶的语音交互过程中，除了遵循“动态规划”原则构建对语言数据的检索外，基于“语言系统”对输出数据的对系统则是一场算法驱动下数据与数据的“纳什平衡博弈论。”所谓“纳什平衡”，实质上是一种策略人组，在该策略人组上，即在博弈论的双方中，一方的策略不会随着另一方的策略变动展开策略人组的调整，以超过一种战略上的“平衡态势”，而这种“平衡态势”被称作“纳什平衡”。在进阶AI语音交互中，AI算法基于时间线对语义的“解读”过程，可以看作是对于语言输出数据端的变化，已完成AI算法末端适当的策略转换的过程，从而构成“数据纳什平衡”。纳什平衡的构成必须以既定的“目标收益”为前提，而在AI语音交互中，这种“目标收益”实质上就是“在时间线的上对于语境的解读”。
“数据纳什平衡”下的进阶AI语音交互虽然从理论上可以构建AI对特定语境下的解读，但这样的AI仍不需要算数的上确实的人工智能，确实意义上的人工智能某种程度是“具备人类语言特征”的AI，而是确实不具备人类思维能力以及行为能力的AI系统。因此，从这个意义上来讲，确实的人工智能不仅具备“人类思维”的软件范式，也必须在物理上的“拟人化”，使之不具备作为“人”行动能力。而想构建确实的人工智能，不仅必须AI技术的“人化”也必须工程上的“人类化”。
因而，电影《机械姬》以及《机械公敌》中的人工智能形态才是极致的人工智能，从某意义上来讲，这样的人工智以及沦为了一种由“人工”建构的硅基生命，而某种程度是非常简单的“人工智能”了。尾声：AI天花板展现，人工智能还有多近？当下AI技术的蓬勃发展，源自深度自学算法领域获得的突破性进展，因而从这个意义上来讲，如今AI技术实质上是计算出来形式的革新。也就是说，捆绑人工智能的外衣，如今的AI未确实意义上构建“人工智能”，更好的还是一种用作大数据分析与检索的工具，实质上，当下AI的价值也在于对数据的高效给定和应用于。
另一方面，虽然AI技术在产业应用于上仍有极大的空间，但深度自学算法的“工具式”人工智能的天花板早已看清，算法驱动下的AI技术早已抵达瓶颈。或许，《机械姬》中对于人工智能的幻想在本世纪末也不一定需要构建，而对于“人工智能政治宣传人类”的不安也极为“杞人忧天”，相对于人工智能时代的来临，也许我们更加应当注目如今AI技术对于当下的转变，而AI语音交互作为AI技术应用于的前沿阵地，任何的技术以及应用于层面的进展都更加有一点我们去注目。
科技自媒体刘志刚，订阅者号：互联网江湖，刊登保有作者版权信息，违者必究。
本文来源：4001百老汇官网-www.spoondrift504.com