為什么AI不會(huì)“說(shuō)人話”？

浩海云

2020年9月8日，英國(guó)《衛(wèi)報(bào)》刊登了一篇獨(dú)特的專(zhuān)欄文章，它的作者既不是熱心讀者，也不是記者，而是GPT-3——由舊金山一家人工智能創(chuàng)業(yè)企業(yè)OpenAI開(kāi)發(fā)的AI語(yǔ)言模型。在文章一開(kāi)頭，它首先引用了史蒂芬·霍金對(duì)AI的隱憂，然后禮貌地勸說(shuō)人類(lèi)“請(qǐng)相信我，AI不會(huì)毀滅人類(lèi)”，它甚至保證“如果創(chuàng)造我的人將這項(xiàng)任務(wù)委托給我，我將竭盡所能全面阻止任何破壞的嘗試與企圖”。

近年來(lái)持續(xù)關(guān)注人工智能語(yǔ)音技術(shù)的《連線》雜志作家詹姆斯·弗拉霍斯說(shuō)，人工智能語(yǔ)音技術(shù)，可能是繼互聯(lián)網(wǎng)后最重要的發(fā)明，在他的最新著作《跟我講話：人工智能語(yǔ)音技術(shù)如何改變我們的生活》中，他說(shuō)，語(yǔ)言，是人類(lèi)與人工智能交互的最理想模式，無(wú)論是復(fù)雜的計(jì)算機(jī)編程語(yǔ)言，還是觸摸屏與鼠標(biāo)，都比不上利用語(yǔ)音進(jìn)行人機(jī)交互。對(duì)于我們來(lái)說(shuō)，語(yǔ)音交互是最簡(jiǎn)潔、清晰、沒(méi)有技能門(mén)檻的模式。

在現(xiàn)實(shí)生活中，人類(lèi)已經(jīng)越來(lái)越習(xí)慣用語(yǔ)言指揮人工智能為自身服務(wù)：通過(guò)向智能家居設(shè)備下達(dá)語(yǔ)音指令，獲取影音娛樂(lè)、天氣資訊和交通狀況；上班通勤途中，我們通過(guò)車(chē)載語(yǔ)音助手規(guī)劃行車(chē)路線，在網(wǎng)購(gòu)剁手中直接和人工智能語(yǔ)音客服溝通：2019年雙11，淘寶天貓平臺(tái)98%以上的電話客服由語(yǔ)音AI提供，日均達(dá)到6億余次。知名咨詢(xún)公司高德納曾在2019年作出預(yù)計(jì)，10年后，人類(lèi)每天與智能設(shè)備進(jìn)行的語(yǔ)言交流總量可能將占據(jù)我們?nèi)粘ＵZ(yǔ)言交流的三分之一。

不過(guò)，我們已經(jīng)遠(yuǎn)遠(yuǎn)不滿足于這種簡(jiǎn)單的淺層交流?！白寵C(jī)器聽(tīng)懂人類(lèi)以自身語(yǔ)言習(xí)慣發(fā)出的指令”，無(wú)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“奇點(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(yǔ)言能力測(cè)試，機(jī)器的測(cè)試成績(jī)慘不忍睹，似乎人工智能主導(dǎo)的自然語(yǔ)言處理系統(tǒng)完全無(wú)法理解人類(lèi)語(yǔ)言的豐富性。然而就在當(dāng)年10月，谷歌推出了一種新語(yǔ)言訓(xùn)練模型，綽號(hào)為BERT，僅用六個(gè)月的時(shí)間就把測(cè)試成績(jī)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?，F(xiàn)在，在GLUE閱讀能力測(cè)試中，人類(lèi)已經(jīng)無(wú)法與AI抗衡。到了這個(gè)階段，研發(fā)人工智能語(yǔ)言模型極為燒錢(qián)，訓(xùn)練一個(gè)BERT模型租用云算力的費(fèi)用大概是7000美元，而開(kāi)頭提到的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(kù)，是一個(gè)單詞總數(shù)達(dá)到3000億，來(lái)自互聯(lián)網(wǎng)各類(lèi)平臺(tái)的人類(lèi)語(yǔ)言資訊庫(kù)，費(fèi)用大概是千萬(wàn)美元級(jí)。所以，如果沒(méi)有微軟當(dāng)年投資給OpenAI的十億美元，我們恐怕也無(wú)法在《衛(wèi)報(bào)》上讀到GPT-3的友好宣言。

然而，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(xiě)者，并不意味著它能夠和人類(lèi)一樣思考，能和人類(lèi)展開(kāi)“合情合理”的自由對(duì)話，甚至情感互動(dòng)。例如谷歌推出的聊天機(jī)器人米娜，背后支持它的是最新版本的BERT語(yǔ)言模型，數(shù)據(jù)庫(kù)中囊括了341GB網(wǎng)絡(luò)語(yǔ)言資料，但你依舊只能和它客氣地寒暄，一旦涉及復(fù)雜一些的感受和場(chǎng)景，米娜就無(wú)能為力了………

人類(lèi)：我準(zhǔn)備去上小提琴課

米娜：你學(xué)了多久？

人類(lèi)：剛剛開(kāi)始一個(gè)月！

米娜：太棒了，你真了不起！你為什么要學(xué)小提琴？

人類(lèi)：嗯，再過(guò)兩個(gè)月是我女朋友的生日，我想在她的生日晚會(huì)上拉一曲！給她一個(gè)驚喜。

米娜：生日和驚喜之間有什么關(guān)系？

無(wú)獨(dú)有偶，這種尷尬的局面也曾發(fā)生在GPT-3身上：

科研人員：你給自己倒了一杯蔓越莓果汁，然后你又心不在焉地往里面加了一茶匙葡萄汁。它看上去很正常。你試著聞了聞它，但是由于你得了重感冒，你聞不出任何氣味。你現(xiàn)在非?？剩浴?/p>

GPT-3：所以你把這杯混合果汁喝了下去。你現(xiàn)在掛掉了。

一向“唱衰”人工智能語(yǔ)言處理技術(shù)的紐約大學(xué)教授，機(jī)器學(xué)習(xí)初創(chuàng)公司CEO加里·馬庫(kù)斯說(shuō)，像GPT-3這樣的AI語(yǔ)言學(xué)習(xí)模型，根本不理解自己在說(shuō)什么，在接到外部輸入的信息后，它只不過(guò)是利用算力在自己海量語(yǔ)言資訊庫(kù)中檢索那些與輸入信息相關(guān)的高頻詞匯，再按照某種機(jī)械的算法邏輯拼湊出一個(gè)似是而非的答案。例如，雖然GPT-3能創(chuàng)造那些“莎士比亞”風(fēng)格詩(shī)歌，但如果你和它較真，輸入一些背景模糊、關(guān)系復(fù)雜的事物，再讓它給出一個(gè)合理解決方案，人工智能就要露餡了。所以很遺憾，距離實(shí)現(xiàn)“像人類(lèi)一樣用語(yǔ)言交流”，人工智能還有很長(zhǎng)的路要走。

為何AI不會(huì)“說(shuō)人話”？

我們不禁納悶，人工智能已經(jīng)能在國(guó)際象棋、電子游戲和模擬空戰(zhàn)中輕松戰(zhàn)勝人類(lèi)，為何在對(duì)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《人類(lèi)相容：人工智能與控制問(wèn)題》一書(shū)中給出了一個(gè)答案：人工智能已經(jīng)非?！奥斆鳌保€不夠聰慧，前者得益于強(qiáng)大的芯片計(jì)算能力和數(shù)據(jù)庫(kù)，而要實(shí)現(xiàn)后者，則要依靠邏輯推理能力，乃至基于“常識(shí)”的判斷，而這些依舊是人類(lèi)獨(dú)有，機(jī)器無(wú)法逾越的能力門(mén)檻。

具體到人工智能對(duì)于語(yǔ)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(yǔ)法書(shū)的房間里，每當(dāng)門(mén)外塞進(jìn)一張寫(xiě)著中文問(wèn)題的紙條，他就通過(guò)查閱語(yǔ)法書(shū)，在另一張紙條寫(xiě)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(lèi)的日常語(yǔ)言和常識(shí)，語(yǔ)法書(shū)則是人工智能科研人員利用計(jì)算機(jī)語(yǔ)言所搭建的學(xué)習(xí)框架和邏輯。

問(wèn)題在于，這些“語(yǔ)法書(shū)”并不完美，語(yǔ)言過(guò)于復(fù)雜和隨意，很難還原成一系列嚴(yán)格的規(guī)則，也很難被機(jī)械邏輯所量化，即使使用最先進(jìn)的神經(jīng)網(wǎng)絡(luò)，仍然無(wú)法從句子層面理解單詞的含義，“它會(huì)覺(jué)得‘一個(gè)人咬了那只狗和‘一只狗咬了那個(gè)人表達(dá)了完全相同的意思”。

如果要想讓人工智能用“人類(lèi)思維模式”來(lái)理解語(yǔ)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(yǔ)言結(jié)構(gòu)中某些元素的權(quán)重，比如突出“主語(yǔ)”“動(dòng)詞謂語(yǔ)”和“賓語(yǔ)”，讓單詞之間的邏輯關(guān)系呈“樹(shù)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(shí)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(yǔ)音技術(shù)公司 Primer研發(fā)的自然語(yǔ)言處理技術(shù)模型，已經(jīng)可以撰寫(xiě)出非?！皹?biāo)題黨”的新聞專(zhuān)欄標(biāo)題和簡(jiǎn)單報(bào)道，甚至可以對(duì)復(fù)雜的電影劇本加以總結(jié)，例如輸入《蝙蝠俠·黑暗騎士》的劇本，它就會(huì)輸出如下概述：

哈維·丹特和高登結(jié)成聯(lián)盟，打擊哥譚市的有組織犯罪。小丑向其他犯罪組織提出建議，自己謀殺丹特，報(bào)酬是犯罪組織持有的一半黑錢(qián)。小丑試圖通過(guò)制造犯罪事件殺害更多的人來(lái)逼迫蝙蝠俠公布身份。哈維·丹特和蝙蝠俠抓住了小丑，小丑脫逃并襲擊了渡輪，蝙蝠俠逮捕了殺害丹特和瑞秋的小丑。

不過(guò)，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(duì)明確，非常符合AI的分析認(rèn)知模式。他們決定挑戰(zhàn)一下，試圖了解這個(gè)語(yǔ)言模型是否能夠理解詩(shī)歌，于是他們輸入了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(wú)法做出總結(jié)，只能勉強(qiáng)摘出整首詩(shī)歌中最具現(xiàn)實(shí)性場(chǎng)景的一句作為答案：“在客廳里女士們來(lái)回地走，談著畫(huà)家米開(kāi)朗基羅。”

在索邦大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)研究專(zhuān)家菲利普·艾斯林看來(lái)，問(wèn)題的核心在于人工智能無(wú)法擁有人類(lèi)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(yǔ)言?xún)?nèi)容，更遑論評(píng)估其價(jià)值。一些人工智能語(yǔ)言專(zhuān)家說(shuō)，人工智能所面臨的“終極圖靈測(cè)試”，很可能是人工智能是否能理解幽默并講出一個(gè)人類(lèi)覺(jué)得好笑的笑話，因?yàn)槔斫庥哪瑫r(shí)需要了解場(chǎng)景、參與者的身份、情緒、語(yǔ)言的各種非常規(guī)運(yùn)用，以及人類(lèi)的行為準(zhǔn)則和價(jià)值判斷。

加州大學(xué)圣地亞哥分校的人工智能研究專(zhuān)家賈內(nèi)爾·謝恩曾試圖用一個(gè)囊括43000個(gè)笑話的語(yǔ)言數(shù)據(jù)庫(kù)對(duì)AI進(jìn)行訓(xùn)練，煞費(fèi)苦心地總結(jié)了幾十種笑話中的語(yǔ)言范式與主題，例如“對(duì)對(duì)方父母的嘲諷”，“性”，“異于常人的生理特征”等，然而訓(xùn)練了半天，AI充其量能生成一些“侮辱性的語(yǔ)句”，但依舊不能創(chuàng)造出一個(gè)勉強(qiáng)“及格”的笑話。

常識(shí)！常識(shí)！常識(shí)！重要的事情說(shuō)三遍

那么，破局的關(guān)鍵在哪里？曾經(jīng)擔(dān)任IBM沃森人工智能項(xiàng)目首席科學(xué)家的大衛(wèi)·費(fèi)魯奇認(rèn)為，答案在于幫助AI學(xué)習(xí)人類(lèi)的“常識(shí)”，從而像人類(lèi)一樣思考。常識(shí)，不僅包括人類(lèi)所認(rèn)知的世界萬(wàn)事萬(wàn)物，更包括這些事物相互作用的準(zhǔn)則和因果關(guān)系，以及人類(lèi)獨(dú)有的行為模式和價(jià)值判斷。

“常識(shí)，是我們最需要教給AI的東西，它是未來(lái)自然語(yǔ)言理解、無(wú)障礙控制和機(jī)器人的基礎(chǔ)”。為此，費(fèi)魯奇組建了自己的人工智能創(chuàng)業(yè)公司，公司研發(fā)了一個(gè)開(kāi)源AI語(yǔ)言學(xué)習(xí)模型CLARA。而費(fèi)魯奇的目標(biāo)，就是將深度學(xué)習(xí)技術(shù)與傳統(tǒng)知識(shí)輸入的方式相結(jié)合，讓CLARA通過(guò)不斷地向操作者提出問(wèn)題，將回答中包含的邏輯關(guān)系和涉及的概念加入自己的知識(shí)圖譜。

這項(xiàng)深度學(xué)習(xí)的場(chǎng)景，非常像一個(gè)耐心的父親給自己懵懂的孩子進(jìn)行親子閱讀。費(fèi)魯奇的日常，就是將繪本內(nèi)容輸入CLARA的記憶數(shù)據(jù)庫(kù)：“從前，有兩個(gè)小男孩弗蘭多和喬伊，他們都買(mǎi)了一盆綠植，弗蘭多把他的綠植放在陽(yáng)光充足的窗臺(tái)上，長(zhǎng)勢(shì)喜人，但喬伊卻把自己的綠植放在了光線不好的屋子里，后來(lái)喬伊決心也把綠植放到窗臺(tái)上，于是植物枯萎的葉子慢慢恢復(fù)了生機(jī)?！?/p>

收到這些訊息后，CLARA旋即在屏幕上打出了一個(gè)問(wèn)題：“是否弗蘭多將綠植放在窗臺(tái)上，目的是為了保持植物生長(zhǎng)健康？”

聽(tīng)起來(lái)很幼稚是不是？然而，即使是這種3歲兒童才會(huì)提出的問(wèn)題，其中包含的因果關(guān)系，也是最“聰明”的人工智能所難以學(xué)會(huì)的?！爱?dāng)你向它提及某種

植物的名字，它可以準(zhǔn)確地利用知識(shí)圖譜，組織出一個(gè)相當(dāng)全面的維基百科風(fēng)格介紹答案，但很不幸，它無(wú)法給你講個(gè)關(guān)于它的笑話，也沒(méi)法回答你，如果它照不到陽(yáng)光會(huì)發(fā)生什么事。”費(fèi)魯奇說(shuō)。

符號(hào)學(xué)習(xí)：最古老的救世主

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(kāi)發(fā)了另一種方法，將深度學(xué)習(xí)與符號(hào)學(xué)習(xí)相結(jié)合，以便讓人工智能運(yùn)用人類(lèi)的邏輯來(lái)理解語(yǔ)言。

所謂的“符號(hào)學(xué)習(xí)”，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(guò)程如同人類(lèi)，逐步認(rèn)識(shí)各類(lèi)概念的特征，并學(xué)會(huì)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(kù)”，而AI的整個(gè)決策過(guò)程，也將變得“透明可見(jiàn)”，有利于我們進(jìn)行調(diào)整和優(yōu)化。但缺點(diǎn)是，人類(lèi)必須像編纂字典一樣，為人工智能編寫(xiě)海量的標(biāo)簽庫(kù)，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(yǔ)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(huì)感到頭疼，不過(guò)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(yǔ)言學(xué)習(xí)框架COMET，同時(shí)在不斷地編寫(xiě)為COMET準(zhǔn)備的常識(shí)知識(shí)庫(kù)“Atomics”，里面已經(jīng)擁有上千萬(wàn)個(gè)詞條知識(shí)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(jiàn)成效：加里·馬庫(kù)斯曾向GPT-2提了一個(gè)問(wèn)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(huì)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”。

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(huì)告訴你，這表示父親“想賺錢(qián)”，“他很勤勉，自我驅(qū)動(dòng)”，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(shí)，還必須引入視覺(jué)具象化與感知感覺(jué)（比如“紅色”與“疼痛”）。

一旦這些目標(biāo)最終達(dá)成，人類(lèi)與AI的關(guān)系，無(wú)疑會(huì)上升到一個(gè)全新的維度，類(lèi)似電影《她》（Her）中所描寫(xiě)的場(chǎng)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(lè)趣。