想想這樣一個畫面:在劇院的舞臺上,一名女子坐在一架鋼琴前。
那么她將要:
A)坐在長凳上,同時,她的妹妹在玩洋娃娃;
B)當音樂響起時朝某人微笑;
C)在人群中,看舞者起舞;
D)緊張地把手指放置在琴鍵上;
事實上,作為人類,我們很容易地就能推斷出可能的情況:一個女人在演奏鋼琴,一群人在看著她。我們甚至還能推斷她即將進行的下一步行動:她將自己的手放在鋼琴鍵上,并開始演奏。
這是2018年8月,一家總部位于美國西雅圖的艾倫人工智能研究所(Allen Institute for Artificial Intelligence),在一篇文獻中提到的一道給機器的英語測試題。當時,機器的正確率只有大約60%。
但是現在看來,機器的理解能力正在,或許已經超越人類。
機器理解能力究竟如何?
所謂的機器閱讀理解,其概念和大家學生時代所做的閱讀理解基本相似,同樣是給出一段材料和問題,給出正確答案,不過主角從人類換成AI模型。
雖然機器閱讀理解看起來只是讓AI上陣來一場考試,但是卻是自然語言處理技術中,繼語音判斷、語義理解之后最大的挑戰:讓智能體理解全文語境。
簡單的來看,語音識別幫助機器“聽”,圖像識別幫助機器“看”,但機器如何做到聽懂和看懂,是語義理解解決的問題。
相比于拼寫檢查和自動翻譯,語義理解不只是運算和記錄,而是主動分析和理解,所以閱讀理解問題一直被認為是自然語言處理(NLP)的標志性臨界點。
自然語言處理的其中一個關鍵就是語義理解,因為機器無法做到人類對自然語言的理解,就比如文章開頭的問題。所以,語義理解也一直被認為是“人工智能皇冠上的明珠”,它融合了語言學、計算機科學、人工智能,其目的就是“讓機器可以理解自然語言”。
語義理解也一直是科研和資本關注的重要方向。據2018年年底騰訊研究院統計,在中國人工智能企業中,融資占比排名前三的領域分別是計算機視覺與圖像,自然語言處理,以及自動駕駛/輔助駕駛,而排在第二名的自然語言處理,融資122億元,占比19%。
“就像人去看電視一樣,人是同時看著畫面、聽著聲音、看著字幕來綜合理解,人腦所作的工作就是多模態語義理解。”深思考人工智能CEO兼AI算法科學家楊志明在此前的“2019WISE超級進化者”中提到。
事實上,機器閱讀理解的一些重要賽事和指標也正在被不斷刷新和突破。
2018年,斯坦福大學著名的機器閱讀理解賽事SQuAD,阿里巴巴曾憑借82.440的精準率打破了世界紀錄,超越了人類82.304的平均得分。2018年11月,谷歌發布的BERT模型,在機器閱讀理解頂級水平測試SQuAD1.1中,全部兩個衡量指標上全面超越人類,并且還在11種不同NLP測試中創出最佳成績。
而最近由中國計算機學會(中國計算機領域最權威學會)、中國中文信息學會(人工智能自然語義理解最權威學會)和百度公司聯合舉辦的“2019機器閱讀理解競賽”中,經過全球2502個團隊長達2個月的激烈角逐,深思考人工智能在兩項評測指標中均登頂全球榜首,成功奪取全球冠軍。
目前在很多公開的數據集上,如在英文最具權威的SQuAD2.0數據集中:EM和F1兩個指標上,人類的表現分類為86.831和89.452,而目前PINGAN團隊所研發的模型已取得了EM值88.592,F1值90.859的表現。
換句話說,某種程度上,機器的閱讀理解水平已超越人類。
而在中文最具權威的DuReader數據集中,ROUGE-L和BLEU-4兩個指標上,人類的表現為57.4和56.1,深思考所研發的BMAnet模型在這兩項指標上取得了63.13和59.34的表現。
機器閱讀理解是機器理解的重要任務,也是語義理解的重要組成部分。機器閱讀理解中數據指標的突破,往往也就代表著機器理解或是語義理解的突破。
而深思考所取得的技術性突破,會在現實生活的應用場景中如何落地?
多模態,語義理解的不可或缺
“機器翻譯準確度90%以上,萬字翻譯只需5秒鐘”,或是“語音識別準確度超過98%”,這樣的描述,代表著人工智能正在快速發展,圖像和語音識別的準確率正在飛速提升。
但這距離真正的人工智能,仍然有不小的距離。尤其是在人工智能落地的場景之中,光靠圖像識別的“看到”,和語音識別的“聽到”是不足夠的。
2017年Mingke Luo的《為什么現在的人工智能都像人工智障》曾刷屏朋友圈,而在今年年初,作者又寫了一篇名為《所有智能音箱都是智障,包括Siri !深度學習對此無能為力》的文章。其中提到一個有趣的實現,2016年底,作者對幾個智能助理提一個看似簡單的需求,“推薦餐廳,不要日本菜”,結果所有智能助理都給出一堆日本菜餐廳的推薦,而2年后,再做這個實驗,問題依然沒有解決,“不要”兩個字仍然被一致忽略。
“人類說話的時候,往往是口語化的、不連續的、支離破碎的,甚至語序顛倒的。語音識別只停留在語音指令,不能理解用戶語言及背后的邏輯,實際無法解決用戶在很多場景中的剛需。”楊志明在采訪中告訴36氪。
他以智能家居的對話場景舉例。
比如用戶對著家里的空調說,“請把空調調到28度”,這時幾乎所有的空調都能夠完成這樣的指令。
但是如果用戶對空調說,“我有點熱了,把空調調低一點,調到我習慣的溫度”,這時候語音識別就不能解決問題。這背后就有兩層邏輯,第一,用戶覺得熱了,應該把空調打開,第二,就是調到用戶平時習慣的溫度,即存在個性化設置,機器需要理解用戶語言背后的意義。
無論車載智能設備,還是智能音響、智能家居,用戶使用這些產品的目的,都是為了更方便的生活,而目前來看,使用這些設備更多是用戶通過“背”指令表完成。
楊志明提到一個形象的比喻,現實生活中,不少企業家和高管,都配備秘書,他們想要的秘書,絕不是一個只能遵從命令辦事的執行員,更多是聽懂他們,只需要一句“你去幫我辦這個事情吧”,就能幫助他們解決問題的角色。有時,甚至是他們不用開口就知道該做什么的可以信任的人。
通過上下文的指代消解、意圖理解、對話管理等技術,深思考推出的產品提升了機器閱讀理解的能力,并為更多行業解決方案的落地,提供有效的產品支持。
以車聯網場景為例,傳統智能車載系統,通常通過駕駛室的智能語音交互屏幕實現人機互動。但隨著座艙的發展,如今的駕駛室不再是一個簡單的駕駛室,而是汽車行駛過程中的中央多模態信息的匯聚地。比如智能車聯網場景下,汽車跟道路基礎設施之間、汽車跟汽車之間、汽車跟互聯網之間都能夠做信息的連接和交互。車輛本身也通過視覺對車外的環境做感知與理解,再加上溫度傳感器、語音信息輸入傳感器等。
在智能車聯網有很多模態的信息,有手勢的模態、語音的模態、圖像的模態。數字化場景下,深思考提供的技術,就能為對上述多模態信息進行綜合理解,為人車交互提供智能大腦。同時,還可以在座艙環境下,實現人、車和家庭的連接。
再加上RPA自動軟件機器人,不光可以實現人車對話,車輛還可以自動幫助駕駛員完成任務,比如預定會議室、與其他智能設備的聯動、執行等。
“比如看一個電視劇,眼睛看畫面、耳朵聽聲音、眼睛看字幕,對不同事物不同狀態,人腦可以同時做理解。但AI還停留在識別與感知階段,人腦更多是語義理解,而且是多模態理解。”楊志明在去年的一次分享中提到,模擬的人腦舉一反三,在目前AI小的計算資源下快速和低功耗的運行,是深思考致力解決的類腦AI技術。
作為人工智能研究中最難的部分,語義理解技術的發展,讓機器有了更強的閱讀理解能力,這也讓未來人機交互有了更多可能性。
未來的可能性
“最新語義理解的技術,可以像人一樣,看完一本書以后,問你這本書里面的問題。它對這本書里面的非結構化的信息進行多模態理解以后,可以像人腦理解以后再回答問題。”楊志明在采訪中提到,人在看完一本書回答問題時,不會先整理出問答對或者知識圖譜,而是憑借大腦的理解,直接回答別人的問題。
目前,深思考所研發的技術已經具備了上述能力。通過非結構化、長文本的機器閱讀理解,避免了傳統語義理解或者智能客服,用大量的人力物力去構建知識圖譜或者問答對。而借此,深思考能讓語義理解,像語音識別和圖像識別一樣,進行大規模的商業化場景的落地。
楊志明解釋,深度學習的快速發展,也為語義理解帶來更多的提升。比如意圖分類等統計學記憶方法的準確不高,深度學習進一步發展,進一步提高了這類語義識別的技術。其次,深度學習之下的新型語義理解模型,讓語義理解準確度變得更高了,實現了突破。
今年6月,工信部正式對國內運營商發放5G牌照,國內的第四大運營商也正式誕生,讓人們看到,無人駕駛和遠程手術的近在咫尺。雖然離大規模商業化應用還有一定時間,但是5G對人工智能帶來的改變也是值得期待的。
《2019年中國人工智能行業市場分析》中提到,國際會計師事務所畢馬威近日發布研究認為,當前,5G技術在主要垂直行業的全球市場潛在價值預計可達4.3萬億美元,而這4.3萬美元的市場,顯然離不開AI的作用。
“更重要的是解決及提升物聯網和AIoT設備語義理解的能力。”楊志明告訴36氪,5G的三大技術特點“高速率、低延遲、超大數量終端”讓物聯網設備大有可為,但離線端語義識別的技術突破,也不可小覷,未來在端的部分,也可能會有語義理解芯片的成功研發。
楊志明舉例,比如在無人駕駛場景中,時常會面對信號弱的情況,例如過山洞、隧道等,同時,雖然5G能夠連接超大數量的終端,但是終端連接的越多,傳輸的速度就越慢,這就需要終端同樣具備部分的語義理解的能力。
未來的場景之中,更多的情況是,終端設備首先具備各項傳感器,能夠多維度的收集信息和數據,同時芯片的植入,又能讓這類設備具有如圖像識別、語音識別、語義理解等人工智能能力,而云端則是更強大和更準確的技術支持。一方面,如果所有終端的處理,都由云完成,云的壓力過大,另一方面終端設備必須具備復合的能力,才能讓機器更好的理解人類意圖。這也印證了,楊志明始終堅持的方向,語義理解一定是多模態的。
同時,產業互聯網的發展,也為人工智能應用的落地,提供了良好的環境,產業互聯網實現的是,不同行業之中的互聯網等技術的落地以及場景閉環,這和人工智能所在做的突破是一樣的。
楊志明此前提到,AI語義理解里面的關鍵點,實現AI的落地場景的四個閉環,包括,業務閉環、數據閉環、模型閉環和產品閉環。目前深思考在智能車聯、醫療健康、智能家居、智能手機等方向,均有頭部客戶實現成功的商業落地。
-
機器
+關注
關注
0文章
781瀏覽量
40722 -
理解
+關注
關注
0文章
4瀏覽量
8022
發布評論請先 登錄
相關推薦
評論