人工智能飛速進(jìn)步，為何聽不懂人話？

約翰PAVLU

思維，AI難以突破的界限

人工智能語音技術(shù)，可能是繼互聯(lián)網(wǎng)后最重要的發(fā)明，作家詹姆斯·弗拉霍斯在他的最新著作《跟我講話：人工智能語音技術(shù)如何改變我們的生活》中說：“語言，是人類與人工智能交互的最理想模式，無論是復(fù)雜的計(jì)算機(jī)編程語言，還是觸摸屏與鼠標(biāo)，都比不上利用語音進(jìn)行人機(jī)交互。對于我們來說，語音交互是最簡捷、清晰、沒有技能門檻的模式?！?/p>

物聯(lián)網(wǎng)加語音交互加智能設(shè)備，共同構(gòu)建了未來人類生活的日常場景。在現(xiàn)實(shí)生活中，人類已經(jīng)越來越習(xí)慣用語言指揮人工智能為自身服務(wù)：通過向智能家居設(shè)備下達(dá)語音指令，獲取影音娛樂、天氣資訊和交通狀況;上班通勤途中，我們通過車載語音助手規(guī)劃行車路線，在網(wǎng)購剁手中直接和人工智能語音客服溝通。

去年雙11，淘寶天貓平臺98%以上的電話客服由語音AI提供，日均達(dá)到6億余次。知名咨詢公司高德納曾在去年作出預(yù)計(jì)，10年后，人類每天與智能設(shè)備進(jìn)行的語言交流總量可能將占據(jù)我們?nèi)粘ＵZ言交流的三分之一。

不過，我們已經(jīng)遠(yuǎn)遠(yuǎn)不滿足于這種簡單的淺層交流?！白寵C(jī)器聽懂人類以自身語言習(xí)慣發(fā)出的指令”，無疑是人工智能研究界意圖攻克的“最后堡壘”。而這個(gè)技術(shù)突破的“難點(diǎn)”似乎近在眼前。

2017年，華盛頓大學(xué)及谷歌旗下人工智能公司DeepMind合作，推出一項(xiàng)名為“GLUE”的閱讀理解語言能力測試，機(jī)器的測試成績慘不忍睹，似乎人工智能主導(dǎo)的自然語言處理系統(tǒng)完全無法理解人類語言的豐富性。然而就在當(dāng)年10月，谷歌推出了一種新語言訓(xùn)練模型，綽號為BERT，僅用六個(gè)月的時(shí)間就把測試成績從D-提升到了B-。隨后，微軟和阿里巴巴不斷地修正BERT模型、相互超越，在GLUE排行榜上輪換頭名。

現(xiàn)在，在GLUE閱讀能力測試中，人類已經(jīng)無法與AI抗衡。到了這個(gè)階段，研發(fā)人工智能語言模型極為燒錢，訓(xùn)練一個(gè)BERT模型租用云算力的費(fèi)用大概是7000美元，而（自回歸語言模型）GPT-3所需要的算力是前者的1900多倍，它所依托的數(shù)據(jù)庫，是一個(gè)單詞總數(shù)達(dá)到3000億，來自互聯(lián)網(wǎng)各類平臺的人類語言資訊庫，費(fèi)用大概是千萬美元級。所以，如果沒有微軟當(dāng)年投資給OpenAI的十億美元，我們恐怕也無法再讀到GPT-3“寫作”的友好宣言。

人工智能能夠愉快地勝任客服、播音員、同聲翻譯，甚至新聞通稿撰寫者，并不意味著它能夠和人類一樣思維，能和人類展開“合情合理”的自由對話，甚至情感互動。

人工智能與語言處理

人工智能已經(jīng)能在國際象棋、電子游戲和模擬空戰(zhàn)中輕松戰(zhàn)勝人類，為何在對話中依舊如此笨拙？加州大學(xué)伯克利分校的斯圖爾特·羅素教授在剛出版的《人類相容：人工智能與控制問題》一書中給出了一個(gè)答案：人工智能已經(jīng)非?！奥斆鳌保–lever），但還不夠聰慧（Smart），前者得益于強(qiáng)大的芯片計(jì)算能力和數(shù)據(jù)庫，而要實(shí)現(xiàn)后者，則要依靠邏輯推理能力，乃至基于“常識”的判斷，而這些依舊是人類獨(dú)有，機(jī)器無法逾越的能力門檻。

具體到人工智能對于語言的處理上，羅素提出了一個(gè)有趣的比喻——“中文房間”：一個(gè)不懂中文，但學(xué)習(xí)能力超強(qiáng)的人坐在一間充斥著中文語法書的房間里，每當(dāng)門外塞進(jìn)一張寫著中文問題的紙條，他就通過查閱語法書，在另一張紙條寫上一個(gè)自己力所能及的中文回答送出去。

看到這里，大家可能已經(jīng)明白，這個(gè)“不懂中文的人”，就是人工智能，而“中文”則象征一切人類的日常語言和常識，語法書則是人工智能科研人員利用計(jì)算機(jī)語言所搭建的學(xué)習(xí)框架和邏輯。

一個(gè)幫助人工智能理解人類語言結(jié)構(gòu)的樹形結(jié)構(gòu)案例，動詞詞組、名詞詞組和介詞詞組被拆分，單詞則按照邏輯聯(lián)系強(qiáng)弱進(jìn)行再分組。如果要想讓人工智能用“人類思維模式”來理解語言，現(xiàn)有的初步解決方案是在機(jī)器學(xué)習(xí)中，加強(qiáng)語言結(jié)構(gòu)中某些元素的權(quán)重，比如突出“主語”、“動詞謂語”和“賓語”，讓單詞之間的邏輯關(guān)系呈“樹形”分布，有些單詞之間的聯(lián)系強(qiáng)，有些則弱，從而使得人工智能能夠很好地學(xué)習(xí)上下文理解，以及辨識出兩個(gè)相隔很遠(yuǎn)的單詞之間的關(guān)系。

按照這種訓(xùn)練模式，位于舊金山的人工智能語音技術(shù)公司Primer研發(fā)的自然語言處理技術(shù)（NLP）模型，已經(jīng)可以撰寫出非?！皹?biāo)題黨”的新聞專欄標(biāo)題和簡單報(bào)道，甚至可以對復(fù)雜的電影劇本加以總結(jié)。

不過，研究人員還不知足，畢竟新聞報(bào)道和劇本的敘事結(jié)構(gòu)是線性的，包含元素的因果關(guān)系相對明確，非常符合AI的分析認(rèn)知模式。于是，他們決定挑戰(zhàn)一下，試圖了解這個(gè)語言模型是否能夠理解詩歌，就輸入了T·S艾略特的《J·阿爾弗瑞德·普魯弗洛克的情歌》，結(jié)果令人尷尬：人工智能無法做出總結(jié)，只能勉強(qiáng)摘出整首詩歌中最具現(xiàn)實(shí)性場景的一句作為答案：“在客廳里女士們來回地走，談著畫家米開朗基羅?！?/p>

在索邦大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)研究專家菲利普·艾斯林看來，問題的核心在于人工智能無法擁有人類最寶貴的想象力，因而并不能真正理解它自己所生產(chǎn)的語言內(nèi)容，更遑論評估其價(jià)值。一些人工智能語言專家說，人工智能所面臨的“終極圖靈測試”，很可能是人工智能是否能理解幽默并講出一個(gè)人類覺得好笑的笑話，因?yàn)槔斫庥哪瑫r(shí)需要了解場景、參與者的身份、情緒、語言的各種非常規(guī)運(yùn)用，以及人類的行為準(zhǔn)則和價(jià)值判斷。

深度符號學(xué)習(xí)尚待時(shí)日

與此同時(shí)，華盛頓大學(xué)艾倫人工智能研究所研究員崔藝珍教授開發(fā)了另一種方法，將深度學(xué)習(xí)與符號學(xué)習(xí)相結(jié)合，以便讓人工智能運(yùn)用人類的邏輯來理解語言。

所謂的“符號學(xué)習(xí)”，即是一種最古老的人工智能學(xué)習(xí)模式，目的在于讓人工智能的“思維決策”過程如同人類，逐步認(rèn)識各類概念的特征，并學(xué)會處理它們之間的歸屬關(guān)系。這種學(xué)習(xí)方法的優(yōu)點(diǎn)，在于不必像深度學(xué)習(xí)那樣，必須建立龐大的“數(shù)據(jù)庫”，而AI的整個(gè)決策過程，也將變得“透明可見”，有利于我們進(jìn)行調(diào)整和優(yōu)化。

但缺點(diǎn)是，人類必須像編纂字典一樣，為人工智能編寫海量的標(biāo)簽庫，并在這些概念之間建立復(fù)雜的邏輯關(guān)系，并“翻譯”為計(jì)算機(jī)能理解的語言。一想到諸如 “鈍角”、“翅膀”、“摩擦”、“貓”、“下墜”這樣的基本概念，都必須逐一“教給”電腦，更遑論其他復(fù)雜的概念與變化，我們肯定會感到頭疼，不過它誘人的前景，確實(shí)令人難以拒絕。

為了達(dá)到這個(gè)終極目的，崔藝珍和她的同事們，建立了一個(gè)自己的人工智能語言學(xué)習(xí)框架COMET，同時(shí)在不斷地編寫為COMET準(zhǔn)備的常識知識庫“Atomics”，里面已經(jīng)擁有上千萬個(gè)詞條知識概念與因果關(guān)系描述。這種巨大的努力和付出已經(jīng)初見成效：加里·馬庫斯曾向GPT-2提了一個(gè)問題：“如果將一根點(diǎn)燃的火柴放入一個(gè)堆滿了木柴和引火物的火爐，那么會發(fā)生什么？”不出所料GPT-2“呆住了”，然而崔藝珍的人工智能系統(tǒng)COMET，則輸出了一個(gè)接近正確的答案：“他想生火”。

火柴加木柴會發(fā)生什么？想讓人工智能了解最簡單基本的因果關(guān)系，符號學(xué)習(xí)可能是全新而有效的解決方案。不僅如此，在訓(xùn)練中，COMET已經(jīng)顯示出了一定的聯(lián)想與“共情”能力，當(dāng)研究人員輸入“父親去上班了”，COMET會告訴你，這表示父親“想賺錢”，“他很勤勉，自我驅(qū)動”，其他人“應(yīng)該為他驕傲”。當(dāng)然，這距離理想狀態(tài)依舊遠(yuǎn)遠(yuǎn)不夠，崔藝珍表示，人工智能如果要更好地理解常識，還必須引入視覺具象化與感知感覺（比如“紅色”與“疼痛”）。

人類與AI的關(guān)系，無疑會上升到一個(gè)全新的維度，類似電影《她》中所描寫的場景一般，它不僅能夠提供明確的服務(wù)和解決方案，也能提供情感的慰藉和樂趣。