閱讀來自維基百科的536篇文章，回答10萬個(gè)基于文章內(nèi)容的問題，除了題量大一點(diǎn)，這場(chǎng)比賽挺像大學(xué)英語(yǔ)六級(jí)考試的閱讀理解測(cè)試。
但你不可能聽到考場(chǎng)里奮筆疾書的“唰唰”聲，因?yàn)椤皡①愓摺敝皇且欢未a。輸入文章和問題后，計(jì)算機(jī)的中央處理器（CPU）和圖形處理器（GPU）開始高速計(jì)算，最后交出答卷，由出題者批閱。
對(duì)來自世界各國(guó)的研究者來說，這是一場(chǎng)沒有盡頭的競(jìng)賽——任何人可以在任意時(shí)間加入，排行榜實(shí)時(shí)更新；即使是第一名，不保持“學(xué)習(xí)”和“更新”，隨時(shí)有可能被新加入者超越。它可能發(fā)生在你吃飯和睡覺的時(shí)候，而“對(duì)手”不過是“啪啪啪”地敲擊了一串代碼。
這場(chǎng)競(jìng)賽全稱SQuAD（Stanford Question Answering Dataset）文本理解挑戰(zhàn)賽，由斯坦福大學(xué)在2016年9月發(fā)起，是業(yè)內(nèi)公認(rèn)的機(jī)器閱讀理解標(biāo)準(zhǔn)水平測(cè)試，也是這個(gè)領(lǐng)域的頂級(jí)賽事。
在2018年1月3日以前，人類始終保持著領(lǐng)先的優(yōu)勢(shì)——從來沒有任何一個(gè)團(tuán)隊(duì)能夠設(shè)計(jì)出一種答題正確率超過人類的算法。這一天，微軟亞洲研究院自然語(yǔ)言計(jì)算組提交的新模型獲得了82.650的精確匹配分?jǐn)?shù)，超過了人類得分82.304。僅過了兩天，阿里巴巴iDST-NLP團(tuán)隊(duì)也拿到了82.440的精確匹配分?jǐn)?shù)。
微軟亞洲研究院院長(zhǎng)洪小文告訴中國(guó)青年報(bào)·中青在線記者：“這對(duì)微軟和自然語(yǔ)言處理（NLP）研究領(lǐng)域來說，都是一個(gè)重要的里程碑。計(jì)算機(jī)文本理解能力首次超越人類，預(yù)示著該領(lǐng)域的研究將會(huì)有更大突破?！?/p>
在計(jì)算機(jī)看來，世間萬物都是一串?dāng)?shù)字
微軟亞洲研究院副院長(zhǎng)、自然語(yǔ)言計(jì)算組負(fù)責(zé)人周明博士坐在計(jì)算機(jī)前，緊張地等待測(cè)試結(jié)果。經(jīng)過1個(gè)多月對(duì)模型和算法的更新，他們提交了最新代碼。
這支團(tuán)隊(duì)在SQuAD挑戰(zhàn)賽初期，一度以穩(wěn)定的成績(jī)長(zhǎng)期位居排行榜榜首，但周明知道，這場(chǎng)競(jìng)賽的排名瞬息萬變。2017年最后兩個(gè)月里，科大訊飛與哈工大聯(lián)合實(shí)驗(yàn)室、騰訊DPDAC NLP團(tuán)隊(duì)先后超過了他們。
新選手參賽大約兩三分鐘后，系統(tǒng)就完成了約50篇數(shù)百詞的文章閱讀和約1萬個(gè)問題的回答。即使母語(yǔ)是英語(yǔ)的成年人，這個(gè)時(shí)間也才勉強(qiáng)讀完5篇文章。
“對(duì)人類來說，讀完一篇文章就會(huì)在腦海中形成一定的印象，比如這篇文章講的什么人，發(fā)生了什么故事。人們能夠輕而易舉地歸納出文章里的重點(diǎn)內(nèi)容，但對(duì)計(jì)算機(jī)來說不是這樣?！敝苊鞲嬖V中國(guó)青年報(bào)·中青在線記者。
在SQuAD測(cè)試中，計(jì)算機(jī)需要閱讀一段材料，然后回答諸如人名、地理位置等問題。不同于類似測(cè)試，SQuAD測(cè)試的回答可能是一段短語(yǔ)，而非某個(gè)單詞或單個(gè)內(nèi)容。它可能遭遇同義詞替換、句子結(jié)構(gòu)變換等情況，甚至需要綜合多個(gè)句子進(jìn)行邏輯推理。
為了解決這個(gè)問題，研究組模擬人類做閱讀理解過程的方式，他們將整個(gè)過程分成了四步。拿到測(cè)試題后，計(jì)算機(jī)首先會(huì)學(xué)習(xí)文本和問題，就像我們做閱讀題時(shí)，首先會(huì)通讀文章，然后審題，獲得一個(gè)整體印象。
下一步，計(jì)算機(jī)會(huì)將問題和文章進(jìn)行比對(duì)，找出相關(guān)段落，就像人類定位關(guān)鍵信息的環(huán)節(jié)。接下來，計(jì)算機(jī)會(huì)把初步結(jié)果放到上下文里比對(duì)，類似人會(huì)綜合全文看待問題。最后，它會(huì)斟酌并選出最像答案的內(nèi)容。
在這場(chǎng)競(jìng)賽中，不同團(tuán)隊(duì)設(shè)計(jì)的答題模式可能完全不同。周明介紹說，他們的設(shè)計(jì)中，最獨(dú)特的就是第3步，是通過“注意力機(jī)制”達(dá)到的。這讓關(guān)鍵信息像被畫上了重點(diǎn)一樣，成為計(jì)算機(jī)眼中高亮的部分。
“除了自然語(yǔ)言處理，注意力機(jī)制在圖像識(shí)別領(lǐng)域也是關(guān)鍵的概念?！泵绹?guó)哥倫比亞大學(xué)計(jì)算機(jī)系碩士生何欽堯告訴中國(guó)青年報(bào)·中青在線記者。
人類視覺能夠通過快速掃描整體圖像后，找到需要重點(diǎn)關(guān)注的區(qū)域，并投入更多注意力，以獲得更多細(xì)節(jié)，抑制其他無用信息。研究者也嘗試讓計(jì)算機(jī)學(xué)習(xí)并利用這種機(jī)制。不同于人類擁有動(dòng)植物、山川河流的概念，所有單詞和圖像在計(jì)算機(jī)看來都是一串?dāng)?shù)字。它必須從數(shù)字背后微妙的聯(lián)系中，洞悉它們的意義。
真理隱藏在數(shù)據(jù)和概率里
周明所在團(tuán)隊(duì)使用的計(jì)算機(jī)并不是憑空學(xué)會(huì)做題。參加SQuAD競(jìng)賽前，它就像“學(xué)霸”考前刷題一樣，先看過了約500篇文章和與之對(duì)應(yīng)的10萬道題目、答案。
但周明表示，“目前基于深度學(xué)習(xí)的機(jī)器閱讀理解模型都是黑盒的狀態(tài)，很難直觀地表示機(jī)器進(jìn)行閱讀理解的過程和結(jié)果。未來，可解釋性的深度學(xué)習(xí)模型值得進(jìn)一步探究。”
通過大量學(xué)習(xí)，計(jì)算機(jī)明白了什么數(shù)字意味著與文章內(nèi)容相關(guān)，怎樣的聯(lián)系意味著這就是問題的答案。
“真理就隱藏在數(shù)據(jù)和概率里，我們這個(gè)領(lǐng)域的研究者大多都這么看。”何欽堯說。一個(gè)1歲人類孩童看過狗以后，就能識(shí)別各種體型、品種和不同拍攝角度的狗，形成概念，但計(jì)算機(jī)需要看過很多照片后，才能判斷某個(gè)物體是不是狗?！拔覀儾恢廊祟愂窃趺葱纬蛇@個(gè)概念的，但對(duì)計(jì)算機(jī)來說，概念是靠積累數(shù)據(jù)、靠計(jì)算概率得來的。”
直到20世紀(jì)90年代之前，人們還在試圖讓計(jì)算機(jī)學(xué)會(huì)人類語(yǔ)言的規(guī)則，從而理解背后的含義。但語(yǔ)言在使用時(shí)往往不規(guī)范，機(jī)器無法處理偏離規(guī)則的內(nèi)容。后來，人們開始讓機(jī)器自己進(jìn)行學(xué)習(xí)，獲取語(yǔ)言知識(shí)。
發(fā)展到今天，自然語(yǔ)言處理領(lǐng)域的研究已經(jīng)基本可以應(yīng)付單個(gè)句子，理解句子成分。各大手機(jī)廠商也推出了自己的人工智能語(yǔ)音系統(tǒng)，可以識(shí)別并完成用戶的指令，還能進(jìn)行簡(jiǎn)單的交流和對(duì)話。
“長(zhǎng)文本的理解一直是難點(diǎn)，這涉及句子之間的連貫性、上下文銜接和邏輯推理等更高難度的內(nèi)容?！敝苊髡f。
當(dāng)我們告訴計(jì)算機(jī)，“萊茵河上最大的城市是德國(guó)科隆，它是中歐和西歐區(qū)域的第二長(zhǎng)河流，位于多瑙河之后”，并問它“什么河比萊茵河長(zhǎng)”時(shí)，很多計(jì)算機(jī)會(huì)回答“科隆”。
如何理解代詞“它”、理解“位于……之后”表示比較而非物理上的前后，成為這些“選手”很大的障礙。人類擁有“科隆是城市而非河流”這種常識(shí)，幾乎不會(huì)在這個(gè)問題上犯錯(cuò)，但計(jì)算機(jī)無法理解這個(gè)概念。
SQuAD競(jìng)賽不是第一個(gè)計(jì)算機(jī)“超越”人類的領(lǐng)域
計(jì)算機(jī)很早就在計(jì)算、記憶的領(lǐng)域碾軋人類，后來又擊敗了人類最優(yōu)秀的國(guó)際象棋、圍棋棋手。
“其實(shí)，計(jì)算、下棋、機(jī)器翻譯等只聚焦單一任務(wù)本身的人工智能都屬于弱人工智能，”周明說，“不過弱人工智能并不弱，它可以具備超越人類的某些能力，有很大的價(jià)值，但是弱人工智能還無法真正理解它接收到的信息，而這就使得通往強(qiáng)人工智能的道路十分艱難。”
60多年前，曾有人嘗試讓計(jì)算機(jī)用6條規(guī)則和200個(gè)詞匯做俄英翻譯，這被認(rèn)為是最早的人工智能嘗試。那時(shí)的研究人員信心滿滿，宣稱能在5年內(nèi)完全解決一種語(yǔ)言到另一種語(yǔ)言的自動(dòng)翻譯問題。
這個(gè)目標(biāo)至今沒有完成，人工智能也因?yàn)檠芯窟M(jìn)展緩慢經(jīng)歷過兩次低潮。一直到近10年，計(jì)算機(jī)性能的大幅度提升和機(jī)器學(xué)習(xí)理論的興起讓人工智能再次熱了起來。人們發(fā)現(xiàn)，計(jì)算機(jī)能夠?qū)懺?shī)詞、與人對(duì)話，它變得越來越像人。
據(jù)統(tǒng)計(jì)，21世紀(jì)以來新創(chuàng)辦的人工智能企業(yè)中，有近三分之二是在5年內(nèi)創(chuàng)辦的。最近3年，人工智能領(lǐng)域的就業(yè)崗位數(shù)量飆升近8倍。在亞洲，過去17年內(nèi)投向人工智能領(lǐng)域的51億美元中，有95%是在過去5年內(nèi)投入的。
翻看SQuAD競(jìng)賽排行榜，前3名都是來自中國(guó)的團(tuán)隊(duì)?！斑@在過去是不敢想象的?！敝苊髡f。放在20年前，中國(guó)甚至還沒有在這個(gè)領(lǐng)域的頂級(jí)會(huì)議上發(fā)表過文章。而現(xiàn)在，中國(guó)發(fā)表的文章數(shù)已經(jīng)穩(wěn)居世界第二，2017年還有5篇文章入選該會(huì)議的22篇杰出論文。
在SQuAD競(jìng)賽中，計(jì)算機(jī)得分比人類高0.346分，可以理解為同樣做1萬道題時(shí)，計(jì)算機(jī)多做對(duì)35道?！斑@遠(yuǎn)不代表計(jì)算機(jī)超越了人類的閱讀理解水平?！敝苊鞲嬖V中國(guó)青年報(bào)·中青在線記者。也有人質(zhì)疑，這里代表“人類”的，不過是眾包平臺(tái)上一小時(shí)掙9美元、受教育水平參差不齊的人。
一個(gè)公認(rèn)的人工智能的標(biāo)準(zhǔn)是能夠通過“圖靈測(cè)試”——如果一臺(tái)機(jī)器能夠與人進(jìn)行交流，并且被人誤以為是人，那它就具有智能。
“ ‘能理解、會(huì)思考’，這其中，理解自然語(yǔ)言是最核心的問題。”周明說。目前，計(jì)算機(jī)還是很難在日常交流中理解雙關(guān)和諷刺。在中文語(yǔ)境下，計(jì)算機(jī)還需要面對(duì)如何將一個(gè)句子拆分為數(shù)個(gè)詞匯的問題。很多對(duì)人類而言無需學(xué)習(xí)的事情，例如保持平衡、用手拿起一個(gè)杯子，對(duì)機(jī)器而言也是無比困難的事情。
機(jī)器沒有經(jīng)過幾億年的演化，也沒有人類大腦里由神經(jīng)元數(shù)百萬次電脈沖轉(zhuǎn)化成的觸覺、聽覺或是視覺。在人類程序員的馴導(dǎo)下，它把一切轉(zhuǎn)化為數(shù)字。
時(shí)至今日，谷歌仍然在特意審查“大猩猩”詞條的搜索結(jié)果，避免圖像搜索引擎把它和黑種人的圖像混淆。了解識(shí)別特性的工程師可以通過肉眼無法識(shí)別的微調(diào)，讓計(jì)算機(jī)把小狗圖片當(dāng)成鴕鳥，或是將一片馬賽克認(rèn)成獵豹。有時(shí)，把中文翻譯成英文再翻譯回來，整句話都變得面目全非。
在人工智能威脅論不絕于耳的今天，周明幾乎沒有擔(dān)心，他向中國(guó)青年報(bào)·中青在線記者舉了SQuAD競(jìng)賽中的一個(gè)例子。
機(jī)器閱讀了“按質(zhì)量算，氧氣是宇宙中第三多的元素，排在氫和氦之后”，面對(duì)“什么是第二多的元素”的問題，它的回答卻是“氧”。不管是微軟還是阿里巴巴團(tuán)隊(duì)設(shè)計(jì)的算法，都不能解決這個(gè)再簡(jiǎn)單不過的問題。
這不只是人工智能之間的競(jìng)賽，也是人類和自己的競(jìng)賽。