网易首页 > 网易科技 > 网易科技 > 正文

智能菌第18期 | 理解不了他她它?懵圈的人工智能助理何去何从

2017-03-10 07:32:43 来源: 智能菌
0
分享到:
T + -

undefined

编者按:网易智能频道推出话题栏目《智能菌》专注人工智能引发的社会热点每周三、五推出。本文为第18转载请联系我们获得授权公众号Smartman163)。

出品 | 网易智能

策划 | 定西

编译 | 晗冰

近几年,我们已经看到各种智能化的数字助理。先是苹果于2011推出了大名鼎鼎的Siri语音服务。谷歌也不甘落后,在苹果公司推出人工智能助手不到一年后,谷歌就紧接着上线了Google Now,其能够根据位置、电子邮件收件箱以及交通数据预先向用户发送通知服务。

而其他科技巨头也纷纷不甘落后。微软公布了自家的智能助理Cortana,亚马逊也上线了Alexa,都是通过语音与用户交互完成任务。科技界外也对此兴致勃勃。在今年的国际消费电子展上,现代和丰田都发布了自家的车上助理,为车内成员提供更好的用户体验。

undefined

诚然,这些应用背后的技术越来越先进,但站在用户的角度,其对于数字助理仍不满意,特别是对其智能化程度还有所期望。

事实上,在大数据的推动作用下,自然语言处理已经取得了巨大的进步,但机器对人类自然语言的准确理解依旧是遥遥无期。威诺格拉德模式挑战赛( Winograd Schema Challenge)是图灵测试的一个变种,旨在判定AI系统的常识推理能力。这种挑战赛以斯坦福计算机科学家Terry Winograd命名,其创造了挑战中使用机器消除语言歧义的第一个问题:“市议会拒绝对示威者许可,因为他们害怕暴力。”这里的“他们是指议会议员还是示威者”,如果不是“害怕”一词而是“倡导”一词又该如何理解?这会相应改变“他们”一词的指向。

为什么?因为对我们来说,很清楚就知道议员会更害怕暴力,而示威者更有可能主张暴力。这些相关信息对于消除“他们”一词的歧义至关重要,但这对于人工智能来说依旧非常困难。

首届威诺格拉德模式挑战赛于去年7月进行,获胜的机器算法仅仅是“比随机更好一点”。

表达与理解

在诸如情感分析以及机器翻译等自然语言处理中,有一种表达自然语言中词义的技术非常有效,这种表达就是所谓的词向量(word embeddings)技术,这种方法通过数学方法对机器进行数百万样本单词训练,从而最终准确展现出语句的原本意思。其方法主要基于收集各个单词之间的关系。举例说明,通过确保各个向量之间的特定数学关系,比如王=男人、女人=女王,从而使机器自己能够理解诸如王是男人而女王是女人。

这种向量化表达方式正是谷歌翻译系统的核心,而谷歌的翻译系统可以进一步表达整个句子而非单词。据报道称,谷歌翻译系统能够将错误率降低55%到58%,并且还能够对相互没有训练集的两种语言进行互译。但人工智能研究员Oren Etzioni还是这样嘲笑,当人工智能不能够确定句子中的“它”指的是什么时,很难让人相信它能控制全世界。

undefined

当然,人工智能不经过训练依然可以对句子中的每个词进行准确的翻译,但它还是不能确定语句中的“它”是指什么。那么问题来了,怎么才能让人工智能真正理解?

自然语言的意义只是间接获得

当我们理解了人工智能如何通过词向量技术进行工作时,也可以想当然认为机器理解了语句意义,也就是真正理解了人类语言。但事实并非如此,人工智能的准确表示源自于对语言势力的学习。但对于人类来说,我们的语言是意思驱动的,因此我们的语言也自然地反映出我们的意思。但是学习这种语言的人工智能系统并没有直接获得实际意思。

undefined

对于诸如机器翻译这样的自然语言处理任务来说,没有直接获取真实意思并不那么重要。因为即便不理解语句中的“它”指的是何物,也并不会对翻译准确性产生多大影响。但当尝试构建对话式人工智能时就大不一样了:

undefined

与智能助理交互范例

这就是导致了在智能助理与人类的对话中,经常因为所问非所答而让人抓狂。据报道,目前智能助理的错误率是70%,这意味着在没有人类帮助的情况下智能助理仅仅能成功完成30%的请求。根据统计,有40%的用户在尝试过一次智能助理之后就再也不愿继续使用。

因为理解词义特别是语句中代词的指代是非常重要的对话技能。但是,目前来看,就算是最为成熟的词向量技术,其训练内容还无法消除这些单词的歧义。因为能够消除歧义的信息往往来自于整个社会,如何收集处理这些必要信息依旧是一个悬而未决的难题。

在一定范围内工作

很多智者也在研究人工智能中自然语言的理解问题。在去年的人工智能会议NIPS上,OpenAI的研究人员发表了名为A Paradigm for Situated and Goal-Driven Language Learning的重要研究成果。这种方法认识到了通过与世界交互从而学习语义的重要性。值得提及的是,他们的样本系统向 斯坦福科学家Terry Winograd的SHRDLU系统致敬。因为Terry Winograd的SHRDLU系统是一个早期的对话系统,对其处理相应的陈述和疑问有所限制。

undefined

Terry Winograd 的SHRDLU系统

对于想要构建会话式人工智能的开发者来说,这样的限制绝对是有必要的。亚马逊的Lex和IBM的对话服务都允许开发人员在对他们应用的功能指定限制。开发人员可以自定义应用程序可以执行的功能,并将这些功能映射到用户可能提出的请求上。

真正解决自然语言理解问题或许需要十几年或者更长的时间。但是在不解决自然语言理解问题(这可能需要几十年或更长时间)的情况下,也有些方法可以增强这种会话人工智能的体验。比如在车载助理中,前一个命令还是“关闭挡风玻璃刮水器”,用户接着就提出“现在打开它”的命令时,智能助理还不能理解是什么意思。这也从一个侧面说明了有时候这种会话人工智能连无歧义的代词都不能理解,而这种问题当前技术完全能够解决。

从本质上讲,了解当前关于人工智能和机器学习技术领域,什么是可能、什么是不可能对任何想要使用该技术的人都非常重要。如果你对人工智能目前的能力没有足够的怀疑,或将会浪费大量的时间和金钱来,最终却一无所获。但从另一个角度讲,如果你过于怀疑,也许你会失去错失关于人工智能的盈利机会。

undefined

编后:《智能菌》将一如既往的为大家提供新鲜AI话题的深度分析,期待你的关注。

人工智能真的能理解我们的语言吗?欢迎跟帖留言,我们会从跟帖中选出一部分网友,赠送网易精美台历/笔记本/跟帖本。

【声明:本文为网易智能工作室独家稿件,转载请在文首注明来源“智能菌”、作者及本文链接,违者必究】

undefined

关注网易智能菌(微信公众号:smartman163),获取专业人工智能资讯与AI报告。

丁广胜 本文来源:智能菌 责任编辑:阮羽_NT3199
分享到:
跟贴0
参与0
发贴
为您推荐
  • 推荐
  • 娱乐
  • 体育
  • 财经
  • 时尚
  • 科技
  • 军事
  • 汽车
+ 加载更多新闻
×

中外专家称赞中国生态建设成就:国际社会有目共

热点新闻

猜你喜欢

阅读下一篇

返回网易首页返回科技首页
用微信扫描二维码
分享至好友和朋友圈
x