亚当·切耶(Adam Cheyer)有一个梦想–考虑到他将自己的前两家公司卖给了史蒂夫·乔布斯(Steve Jobs)和三星(Samsung)，因此不放弃雄心壮志是明智的。

Cheyer是Siri的共同创建者，Siri是苹果公司于2010年购买的开创性智能个人助理技术。他还是Viv的共同创始人，该公司创建了三星收购的下一代人工智能辅助系统。在2016年。尽管他在AI领域有远见卓识，但Cheyer对于他的行业现状并不满意。

Cheyer的梦想是，人工智能驱动的助手对世界而言将变得与互联网或移动技术一样重要。在周四于旧金山举行的Re-Work深度学习峰会上的一次露面中，Cheyer对虚拟助手尚未达到同样重要的水平感到沮丧。

Cheyer抱怨说：“每天有数十亿的查询流经助手，但这并不重要。” “作为一个社区，我们需要达到这一水平，或者至少要努力。”

Cheyer的恳求象征着当今AI和机器学习生态系统所面临的难题。它是一项功能强大的技术，具有越来越多的有趣用例，但在全球范围内是否必不可少?还没有关闭-至少还没有。

在深度学习峰会上的两天中，与会者获得了证据，尽管在机器学习算法的开发方面取得了进展，但虚拟个人助手和AI其他方面的影响仍然远远超出了预期。

正如Autodesk Inc.的对话工程师Nikhil Mane在一次会议上对与会者说的那样：“如果您想正确地做到这一点，那么失败一定可以。”

助手仍不完美

虚拟助手的普及率令人印象深刻，预计将有超过一半的智能手机采用该技术。但是，笨拙的界面以及难以完全掌握对话语音的能力仍然阻碍了虚拟助手的发展。

Cheyer指出，辅助技术仍然很难处理第三方集成。他举了一个例子，用户可以口头检查一下是否可以买到戏票，但随后他们不得不掏腰包并使用其他应用来购买。

切尔说：“基本上，第三方是二等公民。” “它必须感觉像一种体验。”

尽管许多研究人员在会议上提供了大量证据，证明语音识别技术已经取得了进步，但机器听到的声音与他们真正理解的声音之间仍然存在差距。

Google LLC对话设计拓展负责人Cathy Pearl花费了大量时间测试助手及其理解水平。她举了一个例子，其中一位同事保留了语音转文本计算机程序并开始播放小号。计算机不仅将新的声音解释为音乐，还从字面上翻译了它所听到的“呜呜呜呜”。

在另一个示例中，Pearl问一个助手明天她当地的图书馆什么时候开放。谷歌研究人员从工作时间而不是工作时间中获得了她所在地区“顶级”图书馆的清单，这证明了许多虚拟助手程序固有的偏向于从流行网站上挖掘数据。

Pearl说：“这些计算机实际上并没有太多常识。” “这是人的天性。我们喜欢感到被理解。”

对抗网络的进展

尽管Cheyer和Pearl等行业领导者感到沮丧，但在某些情况下AI和机器学习显然具有真正的影响。

Google Brain的资深研究人员Ian Goodfellow(右图)因其在生成对抗性网络或GAN方面的开创性工作而在AI社区中脱颖而出。他将两个神经网络相互对抗的概念引起了机器学习领域的极大关注，“ GANfather”在会议上提供了进一步的进展证据。

Goodfellow展示了视频片段，展示了机器如何使用GAN来解释和处理一个人的舞步，并将它们完美地配音到另一个人的视频图像上。它还提出了一种希望，该技术可以为“假新闻”的定义赋予全新的含义。

最近，一组研究人员使用GAN来自动生成 可以3D打印的牙冠设计，并在数小时而不是数周内将其应用于患者。目前，该概念正在南加州的一小部分医生中进行测试。

“我们实际上可以使用生成模型在现实世界中生成有用的对象，”古德费洛对聚会说。

视觉识别的进步也为视障者打开了新的大门。Seeing AI提供了一个基于AI的智能手机摄像头应用程序，该应用程序允许视障人士以前所未有的方式看到周围的世界。

该应用程序现在可以识别和显示货币面额，房间中的人的描述及其与用户的距离，手写，店面名称，数字以及铝罐是可乐还是百事可乐。以AI为中心的应用程序使用了志愿者提交的数百万张照片作为培训数据。

Seeing AI应用程序的创始人，Aira Corp的人工智能和研究负责人Anirudh Koul(左)说：“我们的网络已经开始变得更加强大。”

Beta项目显示出希望

研究人员还在研究处于beta测试模式的新智能技术，随着时间的推移，这种技术可能会变得越来越重要。Google正在通过一种名为“响应式搜索广告”的开发中的新工具，将机器学习功能置于广告商手中。

广告客户可以为一个促销创建多达15个不同的标题和多达四个描述，然后将整个打包广告提交给Google。然后，这家搜索巨头使用其机器学习算法测试不同的组合，以确定最有可能获得最佳点击结果的版本。

另一位Google研究人员 Zornitsa Kozareva率先开展了一个将机器学习模型直接放置在设备上的项目。Kozareva以前曾在Amazon.com Inc.的Alexa上进行过开发，一直在开创设备上神经网络的使用，而Google已发布了一个名为Learn2Compress的机器学习套件， 以促进移动模型的发展。

一种潜在的应用是家用微波炉将配备自然语言处理功能和足够的智能，以在用户命令将其加热意大利面时立即知道该怎么做。“我们正在努力突破界限，”科扎雷娃说。

AI的承诺是，有了足够的数据，我们就可以在不完美的世界中提高完美水平。问题是，多少数据和机器学习最终将有所作为?

加州大学伯克利分校信息学院的博士后学者约书亚·克罗尔(Joshua Kroll)在周五的演讲中警告说：“当您收集数据时，并不能完全反映世界 。” 亚当·切耶(Adam Cheyer)仍然相信助手将成为下一个全球变革性技术，但是他的梦想距离实现还很遥远。