100多小時打造「賈維斯」

佐克伯稱今年花了大約一百多個小時，利用閒暇時間，開發了「賈維斯」系統，現在已經建立好簡單的AI，可透過手機、電腦與「賈維斯」溝通，操控家中的電器、音樂及保全。「賈維斯」能用文字訊息或口語溝通聲控開關燈、依個人喜好播放音樂、自動辨識門口的訪客並發表通知、觀察女兒在家的動態，並在起床時自動播放中文課程等。

「賈維斯」智慧管家使用的人工智慧技術，包括自然語言處理、語音識別、物體及臉部辨識以及強化學習，以Python、PHP、Objective C語言編寫。

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

佐克伯於網誌中表示，原本預期透過這項挑戰，學習AI技術與工具，但過程中同時也更了解家庭自動化的概況，及親身接觸Facebook工程師使用的各種內部技術工具。文中他也分別就家庭系統連接、自然語言處理、視覺辨識、訊息機器人等方面，提出一些實作心得、目前限制與未來趨勢。

家庭物聯網目前的困難

佐克柏文章中提到，實作時由於不同設備系統都使用不同語言與協定，要先寫程式處理，才能著手建構AI。此外，目前多數電器也還沒有連網。要使「賈維斯」這樣的智慧管家能多方應用，需要更多設備連接，業界也需要開發通用的API與標準，使設備間能相互通訊。

eyJ0eXBlIjoiYWRzIiwibmFtZSI6IuW7o+WRiiIsInBsdWdpbiI6ZmFsc2UsImRhdGEiOm51bGx9

自然語言的複雜性

佐克柏讓「賈維斯」理解自然口語有兩步驟，首先要讓AI能以文字訊息進行溝通；接著利用語音轉文字技術，就能直接用語音溝通。

不過，人類語言其實相當複雜。除了利用關鍵字理解指令，佐克柏很快發現，AI還需進一步學習同義詞才能理解（如「家人房」（family room）和「客廳」（living room）兩個詞，在佐克柏家是指同樣的空間）。

對任何AI來說，環境脈絡線索也很重要。同樣一句「開燈」或「打開我的辦公室的空調」，由佐克柏或由太太Priscilla Chan說出口，可能是指完全不同的空間。

自然語言在播放音樂方面也很複雜，因為系統要處理大量關鍵字，指令範圍也更大。佐克柏舉了個有趣的例子：同樣是「play X」（「播放X」）的指令，「play someone like you」、「play someone like Adele」、「play Adele」，看似微小的差異，意思卻完全不同，分別是播放Adele的「someone like you」這首歌、請系統建議與Adele類似的音樂、以及建立一個Adele的歌曲列表來播放。透過正反饋系統，AI能夠學習區別差異。

eyJ0eXBlIjoiYWRzIiwibmFtZSI6IuW7o+WRiiIsInBsdWdpbiI6ZmFsc2UsImRhdGEiOm51bGx9

此外，佐克柏也提到，雖然語音識別系統近來已改進，但仍然不足以理解多人對話的語音。語音識別依賴聽與預測，所以結構化的語音仍比非結構化的對話更容易理解。

視覺與臉部辨識的應用

佐克柏在自家門口安裝數架攝影機，並建立簡單的伺服器，進行人臉偵測與辨識處理。識別身分後，會檢查列表，確認是不是預期的訪客，決定是否放行，並通知佐克柏。

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

電腦視覺也可以拿來判斷女兒何時醒來，就可以開始播放音樂或華語課程；也可以判斷人正在屋內何處，AI就能正確回應像「開燈」這樣缺乏環境線索的指令。AI系統擁有的線索資訊越多，整體就越聰明。從佐克柏的心得看來，視覺辨識對於提供語言表面的指令之外的環境線索相當有幫助。

文字訊息使用得比預期多

為了能從任何地方透過手機與「賈維斯」進行溝通，佐克柏利用自家的Messenger架構（messenger.com/platform），開發賈維斯對話機器人，發送文字或語音，就會立即轉發到伺服器處理、執行命令。

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

出乎佐克柏意料的是，相較於語音，使用文字訊息溝通的情況比預期多得多，主因是簡訊比較不會干擾旁人，「賈維斯」傳來的訊息也可以等想看時再看。

佐克柏提到，喜歡文字通訊大於語音通訊的偏好，符合在Messenger與WhatsApp觀察到的狀況，全世界的文字訊息比語音通訊量增長更快。未來AI產品不能僅專注於語音，還需要私人訊息介面。利用像Messenger的平台，也比從頭開發新的應用軟體更好。佐克柏的經驗認為，我們未來都會與像「賈維斯」這樣的機器人溝通。

「我們的內部工具跟基礎建設做得很棒！」

佐克伯看來相當自豪於Facebook軟體基礎工程和內部工具，並強調今年透過自己親身開發AI的經驗發現，Facebook程式碼資料庫組織極有條理、容易搜尋，無論是臉部識別、語音識別、對話機器人框架或iOS開發，以及各種開源資源工具，都使「賈維斯」的開發節省非常多時間，也逐一羅列Facebook所提供的各種資源。

eyJ0eXBlIjoiYWRzIiwibmFtZSI6IuW7o+WRiiIsInBsdWdpbiI6ZmFsc2UsImRhdGEiOm51bGx9

佐克伯考慮過開放「賈維斯」的程式碼，只是目前系統緊密綁定到自己的家庭、電器和網路配置，若將來建立更抽象一層的家庭自動化功能，也許就會釋出。

重點在於「教會AI自己學習新東西」

雖然這項挑戰將進入尾聲，佐克伯表示將會繼續改進「賈維斯」。佐克伯也提到，他的長遠目標是摸索如何教導人工智慧自行學習新技能，而不是必須教它執行特定任務。若多花一年時間在這個挑戰上，他會更聚焦在學習「學習」是如何運作的。他提到：

某種程度上，人工智慧比我們想的更近、也更遠。AI越來越接近能做到比多數人預期的更強大的事：駕駛汽車、治療疾病、發現行星、理解媒體。這些都將對世界產生巨大影響，但我們仍在找尋真正的智慧是什麼。

自然語言、臉部識別、語音識別等，其實都是相同的模式辨識技術的變體，也就是向電腦展示許多例子，以使其能準確識別，不過這些都還是專門用來解決特定問題，而不是通用的人工智慧系統。我們仍不清楚「學習」是如何運作的，以及如何建立一個可以自行學習新技能的系統。

今天佐克伯也接受媒體FastCompany獨家採訪，並公布一小段「賈維斯」智慧管家的影片。

佐克伯也宣布將在幾週內，分享他下一年度的個人挑戰。

所以，「賈維斯」的聲音聽起來怎麼樣？

可能有人還記得，前一陣子佐克伯在Facebook上問大家：賈維斯的聲音該用誰的好呢？還因此「釣出」飾演東尼·史塔克（賈維斯的主人）小羅勃·道尼（Robert Downey Jr.）來留言！因此佐克伯今天還賣了一個關子，表示明天他將會釋出賈維斯的影片，到時候大家就會知道賈維斯的聲音會是誰的了。

2016/12/21更新：佐克伯釋出賈維斯的影片，我們也知道是哪兩個人幫賈維斯配音了 XD

資料來源：馬克·佐克伯的Facebook、FastCompany