观点|张富峥：也许没有人比人工智能更懂你？
引用话剧《柔软》一句经典台词，“每个人都很孤独。在我们的一生中，遇到爱，遇到性，都不稀罕，稀罕的是遇到了解”，这里说的“了解”，并不仅仅是专属于文艺青年的诉求，而且在商业应用上也具有举足轻重的作用，比如品牌商的目标用户群体定位、个性化的购物体验、人力资源的管理等，都离不开对人的深入了解。
既然“了解”如此重要，那么，在那些细微的个人性格层面上，谁最了解你，是你的朋友、家人、心理学家，还是越来越聪明的人工智能？
电影《Her》讲述了在不远的未来，人与人工智能相爱的科幻爱情故事：主人公西奥多是一位信件撰稿人，心思细腻而深邃，能写出最感人心肺的信件。他刚结束了与妻子凯瑟琳的婚姻，还没走出心碎的阴影。一次偶然的机会让他接触到最新的人工智能系统OS1，它的化身萨蔓莎有着迷人的声线、心思细腻温柔体贴而又风趣幽默。西奥多与萨蔓莎很快发现他们是如此的投缘，而且存在双向的需求与欲望，人机友谊最终发展成为一段不被世俗理解的奇异爱情——这部电影把人与机器之间的情感交流描绘得惟妙惟肖，在令人惊叹的同时也抛出了一个问题：人工智能是否有可能更懂人心？
比如说，你是豪迈女汉子还是温婉小女子？对这世界充满好奇心、常常创造力井喷吗？是心思细腻、面面俱到，又或是常常心急如焚、怒发冲冠？是放荡不羁爱自由还是勤勉顾家重责任？……对你的了解应该从何做起、如何量度？
在心理学家眼中，精心设计的调查问卷也许是读懂人心最直接有效的方法。然而受限于成本、时间等诸多因素，调查问卷这一方式难以做到大规模的准确了解。进入互联网和大数据时代，用户的行为数据可被广泛收集，而用户的行为又是其内心活动的一个直接反应，那么，根据这些行为数据，用人工智能的方法能不能反向了解这些行为背后的人心？
剑桥大学和哥伦比亚大学的学者据此共同进行了一项研究，比较了人工智能与人类对于个体性格特点进行分析判断的能力。这项研究共收集了近十万名志愿者的信息。研究者要求志愿者填写有关大五人格模型（Big Five Personality）的个性调查问卷，进而得出志愿者在“开放性（openness）”、“尽责性（conscientiousness）”、“外向性（extraversion）”、“随和性（agreeableness）”和“情绪稳定性（neuroticism）”这五个维度上的个性特征。作为对照，研究者先邀请志愿者在脸书（Facebook）上的好友和家人填写调查问卷，了解这些人对志愿者个性的看法。同时，根据志愿者在脸书上的点赞（Like）行为，研究者用机器学习算法建模，形成人工智能对志愿者个性的判断。通过将志愿者的自我评定与人工智能及他人的判断进行比较，研究者首先检测自我评定与他人判断的一致性。由于他人的判断受人际关系的影响较大，因此研究者又进一步将“他人”细分为朋友、配偶、家人、同居者及同事。
如图所示，这个结果展现了人格判断的准确性与点赞数目之间的关系：其中红线代表人工智能对大五人格判断的平均准确性，他人判断的准确性也在这条红线上标出。由于该样本中的个体平均点赞数为227，由此得到人工智能方法在这个点赞数目下的平均准确性为0.56，接近配偶判断的准确性（0.58），远高于家人（0.5）和其他好友（0.49）。同时，随着点赞数目增加，人工智能方法的准确性也有所增强；当点赞数超过500，该判断准确性可达0.66。
这个结果非常有意思：人工智能只需利用人们在社交媒体上的“点赞”行为，就可以相当准确地对一个人的性格特点进行预测。只需要10个赞，人工智能对你的了解就超过你的同事；到70个赞就超过朋友或者室友，到150个赞就超过你的家人，若有300个赞，这时候人工智能对你的了解，就连你的配偶，也就是最熟悉你的人，也自叹弗如。
实际上，不仅点赞行为可以表明（或者说“泄露”）你的态度和偏好，今年我们的研究在此基础上更进一步，表明你在社交媒体上留下的各种足迹，比如发表的文字、照片、表情符以及社交关系等，都能用来预测个体的性格特征。
在这过程中我们还发现了一些有趣的现象：比如外向的人喜欢使用包含笑脸的头像，而内向的人往往在头像中遮挡了面部表情或者使用侧脸；充满想象力的人往往使用和朋友在一起的照片作为头像，而严谨一丝不苟的人的头像很多是自拍照……总体而言，我们的研究表明，单单利用头像这一信息，就能使个体性格预测的准确性到达0.6。如果使用机器学习中的集成学习技术，我们最终设计的人工智能方法能够综合利用社交媒体上的各种足迹，使个体性格预测的准确性到达0.75以上。
以上研究证明，借助人工智能的方法，机器确实有可能越来越了解人类。人工智能带来的不仅是一个梦，更是根据你的喜好、你的性格而精准构建的梦——别忘了，当你注视着电脑、手机，人工智能也在屏幕后面默默注视着你，你在互联网上留下的每一个足迹，都是与人工智能一次美丽的邂逅。
张富峥博士，微软亚洲研究院副研究员，从事人工智能和数据挖掘方面的研究。他的研究兴趣包括用户模型、推荐系统、深度学习、情感检测、社交网络、时空数据挖掘、普适计算、大规模系统等领域，并在这些领域的顶级会议和期刊上发表了20余篇论文，如KDD, WWW, Ubicomp, TIST等，曾获ICDM 2013最佳论文大奖。张富峥博士曾任WSDM、APWeb等国际会议和TKDE、TOIS、TIST等国际期刊的评审委员。
你也许还想看：