在智能设备走进千家万户的今天，Siri和Google Assistant已经能够根据用户要求安排会议，但他们当前还不具备判断事项优先级的社会智能。近期研究成果表示，人工智能（AI）的发展可能会因为缺乏社会智能而遇到障碍。
3月10日，朱松纯团队在《CAAI人工智能研究（英文）》上发表综述论文，呼吁对人工社会智能（Artificial Social Intelligence，简称ASI）领域的关注。
“人工智能改变了我们的社会和日常生活，”论文第一作者、北京通用人工智能研究院（BIGAI）通用人工智能国家重点实验室的范丽凤博士表示，“未来人工智能面临的下一个重要挑战是什么？我们认为人工社会智能（ASI）是下一个重要的前沿领域。”
研究人员认为，ASI由多个子领域组成，包括社会感知、心智理论（理解自己以及周围人类的心理状态的能力）和社会互动。范丽凤指出，运用认知科学和计算建模来确定人工智能系统与人类社会智能之间的差距，以及当前的问题和未来的方向，将使领域得到将更好的发展。
“相比于我们的物理智能，ASI独特而具有挑战性，它高度依赖于环境，”范丽凤说。“在这项研究中，语境的含义可以大到人群的文化背景和一般常识，也可以小到两个朋友的共同经历。这种跨度带来的挑战性，使得标准算法无法解决现实环境中的ASI问题，这些问题通常是复杂的、模糊的、动态的、随机的、部分可观察的和多智能体的。”
因此，实现ASI需要更为全面的方法，这是由于针对特定局部组件进行改进，往往不能如愿提升ASI的整体性能，这与当下的人工智能系统不同。ASI需要能够解析人类在社会活动中表达的潜在信息，如翻白眼或打哈欠，以理解对方的心理状态，比如想法和意图，从而合作完成既定任务。
 “多学科研究为ASI的研究提供了信息和灵感，研究人类社会智能有助于我们深入了解开发具有类人特征的ASI所需的基本原理、纲要、参照系统以及测试基准，”范丽凤说，“我们专注于社会智能的三个最重要的方面，他们彼此密不可分：社会感知、心智理论和社会互动，因为它们都基于完善的认知科学理论，是在这些领域开发计算模型的现成工具。”
范丽凤认为，最好的方法是全面、整体地模仿人类与他人以及周围环境的互动模式。这需要一个开放交互式环境，以及思考如何更好地将类人偏差引入到ASI模型中。
“为了加速ASI的未来发展，我们建议采取全面的、系统的方法，让模型像人类一样进行多种方式的学习，如终身学习、多任务学习、单样本/小样本学习、元学习等，”范丽凤说，“我们需要定义新的问题，创建新的环境和数据集，建立新的评价方式，并建立新的计算模型。最终目标是让人工智能拥有高水平的ASI，并借助人工社会智能提升人类福祉。”
本文作者还包括北京通用人工智能研究院徐满杰、曹智昊和朱松纯教授；以及北京大学人工智能研究所朱毅鑫教授。
这项研究得到了科技部科技创新2030项目和北京科技新星计划的资助。
以上内容根据本刊编辑部对作者团队进行的访谈撰写，并经过作者团队审阅。