曾为硅谷最重大的一些技术突破做出贡献的实验室Parc的研究人员，刚刚接受了一个尤为棘手的挑战：教智能机器用人类的语言解释它们的思考方式。

该项目是得到美国国防高等研究计划署资助的几个项目之一，目的是找出人工智能领域最困难的问题之一的答案。

深度学习系统已经表明，它们可以在识别图像或者驾驶汽车方面与人类比肩，这种最先进的机器学习类型是最近AI领域多项突破的核心。但即使专家也无法确切说明它们是如何给出答案的。

“你实际上是在和一个外星人交谈，”主持该项目的研究人员马克?斯泰菲克说，“这是一种不同的思维方式。”

人们难以精确理解机器深度学习所使用的人工神经网络是如何做出判断的，这可能会拖延AI的应用。Darpa对所谓的“可解释的AI”的追求反映出美国军方的需求——充分信任未来的战场机器人系统。

企业和寻求应用高级AI的其他各方都面临类似的难题。如果医生能够理解AI系统是如何提出建议的，他们可能已经在更大范围内使用AI系统了，Darpa主管该领域工作的项目经理戴维?冈宁说。

“现在，我认为这种AI技术正在逐渐占领这个世界，将需要这个，”冈宁说。AI系统是通过大数据集来训练的，这会帮助它们建立一种可以在之后用于真实世界的“理解”。但无法预见的情况可能会暴露出训练期间没有出现的缺陷。去年一名特斯拉车主在其特斯拉汽车的“自动辅助驾驶”软件未能在阳光下发现一辆白色卡车后死于撞车事故，就是一个例证。

“你怎么能知道训练中有漏洞？”斯泰菲克说，“没有任何建立信任的过程。这是一个巨大的黑箱——它无法与你交谈。”

尝试教AI用人类的方式表达自己，是Darpa已经在美国资助的逾10个让AI更可解释的项目之一。

该研究预计将一直持续到2021年中，届时该研究可能会被植入目前海军正在测试的机器人舰船所使用的系统中。就如Darpa早期对互联网研究的资助一样，该项目有可能对这类技术的应用方式产生更广泛的影响。

Parc项目正以人的方式来询问AI的思维过程。研究人员的目的是利用教师来训练AI系统，像教人类学生一样，从简单的概念开始，然后建立更深的知识。斯泰菲克说，教师和机器之间共享对世界的理解或者本体论，将提供人与机器交流沟通所需要的共同认知。

斯泰菲克补充道，这种寻找更好的人机沟通方式的策略可能很适合未来的“混合劳动力”，那时会有许多人与AI一同工作。对智能机器的信任将来自于一种认知：机器也像人类学生一样，经历了同样严格的教学。

冈宁说，尽管这提出了人工智能更好地被人类理解的一种方法，但如果要解释深度学习中最先进的过程，这种方法可能会被证明依然存在局限性。他补充道，这个体系将受限于人类教师能够给机器的训练量。

Darpa资助的其他研究项目正使用深度学习系统来解释其他深度学习系统。“我们应该使用AI的办法来让其他AI方法更加可解释，”西雅图艾伦人工智能研究所的奥伦?埃齐奥尼说。