训练人工智能系统，和驯兽很像。
用动物做类比能帮普通人理解人工智能中很多复杂的方面，也能帮我们思考怎样让这些系统学新技能最好，最重要的是，还可以引导我们去考虑AI的局限性。
一位名叫Heather Roff的美女姐姐说。
△ Heather Roff
Heather是牛津大学政治及国际关系学院高级研究员，曾经做过驯兽师，现在正在研究人类如何运用AI。
她最近写了篇《理解动物能如何帮我们充分利用人工智能》，向AI科学家们传授了两点人生经验：
1. 给吃瓜群众讲AI，要靠和动物类比
普通人想让技术人员解释一下AI是什么，得到的答案多半会是“我们是怎么做AI的”。
讲深度学习，就说这种技术依靠多层神经网络来学习，需要处理海量信息，接下来难免讲到神经网络的算法、神经元之间复杂的连接方式。这时，吃瓜群众极有可能睡着：他只想知道这东西能干什么，怎么学会干这些的。
总把AI讲得像外星人一样，对科普没什么帮助；和我们训练过的小动物做个类比，倒是正合适。
Heather举了个用增强学习方法来训狗的例子。当狗正确地听从命令坐下，就表扬它、给它奖励，长此以往，它就学会了命令-行为-奖励这三者之间的联系。
训练AI系统也是一样，在深度增强学习中，人类设计、设置一个系统，预想一下他们想让系统学什么，给它信息，看它的行为然后给它反馈，比如说看到期望的行为就表扬它一下。
AI和狗，还有更深层次的相似性。
人类在训狗时，不会指望狗理解“爱”、“好”这种复杂的概念，只希望它掌握一种行为方式。同样，我们也可以让AI系统学会在公共道路上移动汽车，但指望它们去“解决”电车难题之类的道德问题，就想太多了。
2. 把AI当成狗，对研究也有帮助
当AI研究者教系统学新技能的时候，把这个过程看作训狗也有助于找到潜在的问题或并发症。
比如说，我想让狗听到“sit”就坐下，但是刚好在训练的时候，我一说sit烤箱的报警器响起来。结果，狗训练好了，听见“sit”会坐下，但是烤箱的报警器一响，它也会坐下。这就叫“意外强化（accidental reinforcement）”。
训练AI的时候也会发生类似的情况，所以，AI的研究人员们不仅要关注他们在训练过程中给AI系统的指令，也要注意AI在周围环境中可能观察到了什么。当然，烤箱报警器只是一个简单的例子，真实世界中的情况会比这复杂得多。
找到了AI系统被“意外强化”的原因，除了能帮我们预见错误，还能告诉我们怎样重新训练最有效。
最后，让我们回味一下《连线》杂志去年某篇封面文章的网络版标题：
Soon We Won’t Program Computers. We’ll Train Them Like Dogs.
