美国DARPA：借助AI的力量，发掘世界中的因果联系

对于复杂因果关系最著名的描述就是蝴蝶效应，一只蝴蝶轻抖翅膀，世界那头就狂风暴雨。这个例子引人深思但却没有带来更深入的研究。我们真正需要的是对飓风的成因进行更详细的分析，弄清楚是哪只蝴蝶引起了飓风——或者在这只蝴蝶准备振翅而飞之前阻止它。这似乎是不可能的任务，但美国国防高级研究计划局(Defense Advanced Research Projects Agency，简称DARPA)认为，随着技术的发展，人工智能应该能够帮助人们实现这一目标。

DARPA针对这一研究目标开展了一个新项目，旨在创建一个机器学习系统,该系统可以筛选每天产生的无数事件和媒体片段，并识别其中任何连接或叙述的线索。它被称为KAIROS (Knowledge-directed Artificial Intelligence Reasoning Over Schemas) ，即知识导向的人工智能推理模式。

这里所提到的“模式”具有非常具体的含义。这是人类通过相互关联的小事件来理解周围世界基本过程的想法。例如，当你在商店购物时，你知道情景一般是这样的：你走进商店，选择一件商品，把它带到收银员面前，收银员进行结算，然后你以某种方式支付，最后离开商店。这种“购物”过程是我们所熟知的模式，当然，这其中也包含了各种各样的模式（选择商品；支付流程）或成为另一种模式（赠送礼物；家庭烹饪）的一部分。

尽管这些过程很容易浮现在我们的脑海中，但要以计算机系统能够理解的方式描述它们则非常困难。我们在长期生活的应用和理解中熟悉这些流程，但对于机器来说它们并非是显而易见、我们还不能通过一些预先定义的规则来抽取这些模式。而且，数据越多描述就越困难。购物的情形还比较简单，但如何分析和识别冷战或熊市这样大尺度的时间和空间模式呢？而这就是DARPA想要研究的内容。

DARPA的研究人员表示，发现跨越信息堆的相关联系及其所依据的静态元素过程需要时间信息和事件模式，这些内容很难通过当前可用的工具和系统大规模获取。而前文提到的KAIROS旨在开发一种半自动化系统，能够识别和绘制看似无关的事件或数据之间的相关性 ，以帮助我们了解或创建关于我们周围世界的通用描述。

具体来说，KAIROS的研究目标分为了两部分。首先系统主要利用大规模的数据来学习创建一系列模式，主要基于语言学推理和常识的因果关系来对各个子事件进行检测分类和聚类。这一阶段的目的在于通过大量普遍的、复杂的和特殊的过程来帮助系统生成一种可以同时描述简单和复杂事件的机制，将这些机制按照一定的序列组合就能够发掘出像时间线和关键角色一类重要的上下文信息。此外随着专业知识的加入还可以将其改造为适用于特殊目的的分析系统。

接下来系统将被用于分析复杂的现实世界数据，并尝试根据创建的模式提取事件和叙述。此时需要面对的是多媒体、多语言的信息，并从纷繁复杂的世界中抽取出复杂事件的蛛丝马迹。这一阶段需要系统识别出事件及其主体，同时还需要建立起他们之间的关系以便建立起事件发展的全貌，并拓展知识结构。

这一技术在军事和国防中的应用相当现实： 让我们想象一下，一个系统接收所有新闻和社交媒体的帖子，并通知其管理员可能发生的事件，比如未来会出现银行挤兑、政变，或是邪恶势力的抬头等。情报人员现正在尽力完成这项任务，但人类的参与肯定永远不会停止，不过他们很愿意其电脑伙伴为之代劳，并告诉他们：“有多个关于大型储备的报道以及关于化学战的文章正在广泛分享，这或许会引起有关恐怖袭击的谣言”、“社交平台上出现大量对于金融系统的不良言论，也许近期会发生系统性风险”。如果能够这样的系统在背后分析社会的运作和舆论的趋势，能够提前预知诸多风险，使得管理部门和政府可以及时防患于未然。

当然，就目前的技术看来这完全是理论上的设想。但这就是DARPA研究和开发的这一技术的原因，它存在意义就是将一系列天马行空的大胆理论变为照入现实的可行方案，或者即便最终以失败告终，也能得出无法实现这一技术的原因。鉴于目前大多数人工智能系统的局限性，现在我们很难直观地想象出DARPA正在构思的东西。但未来，基于全球信息系统的因果分析和推理系统将会在人工智能的帮助下逐渐成型。

那时的世界将会怎样？会成为更安全更自由的美好新世界，还是更多监管更多束缚的老大哥？书写未来的笔就握在你我手中。