这AI故事讲述者在5次中有3次在讲故事时成功瞒过人类

最近开发的神经网络能够在模仿人类故事的方法中为一系列图像添加字幕。AI不是简单地识别和描述对象，而是推断图片中发生的事情。它非常擅长这件事情。

来自UC Santa Barbara的研究团队开发了人工智能来判断是否可以使用神经网络从图像中推断出新颖的抽象故事。

研究人员开发的神经网络被称为Adversarial REward Learning（AREL）框架。与类似的人工智能相比，它的不同之处在于它不依赖于自动评估系统，因此避免了克隆（和反刍）人类的影响。

训练一个神经网络来提出真正有意义的抽象故事并不是一件容易的事，但是AREL已经向前迈进了一步。它不仅可以编写自己的故事，而且这些故事足以令人信服地欺骗人们让人们觉得这是人写的故事。

为了测试AREL，该团队雇佣了亚马逊的机械土耳其人进行了两项单独的测试。首先是图灵测试，它简单地要求土耳其工人确定一个故事是由一个人还是一台计算机创造的。

根据这项研究，AREL五次通过了图灵测试。

在另一项测试中，研究人员让Turk的工作人员在AREL编造的故事和之前的艺术人工智能(AI)的故事中进行选择哪个是人类的故事。将近一半的时间，人类工人选择了AREL。

这对一个讲故事的人工智能的影响是令人兴奋的。当开发人员弄清楚如何使神经网络生成的输出与人类思维更一致时，我们将开始看到普通语言处理器具有深远的优势。

例如，体育裁判可以用人工智能替换或扩充，以理解和解释一系列事件。我们真的需要支付188322美元来确定Tom Brady 是否在作弊吗?

一旦人工智能足够强大到能够解释它的决策，就会有理由相信，通过实时地讲述“故事”，比如“66号，防御，越位，这出戏会导致5码的五码”。先重复一遍:“我们不需要人们去做那些基于规则的工作，而这些工作只需要一个代理人去观察和报告。”

虽然AREL还没有完全准备好，但这项研究只是为未来努力创造一个更好的神经网络打下了基础。研究人员表示:

我们相信，在叙事段落生成任务中仍有很多改进空间，比如如何更好地模拟人类的想象，创造出更生动、更多样化的故事。

但最终，除非有一个未被发现的死胡同，像AREL这样的神经网络将会变得成熟，并获得一种社会智力水平，这一水平将会普遍地与普通人类相媲美。

如果这个人工智能现在能欺骗一半的人，想象一下五年后它会做什么。