閱讀來自維基百科的536篇文章，回答10萬個基于文章內(nèi)容的問題，除了題量大一點，這場比賽挺像大學(xué)英語六級考試的閱讀理解測試。
但你不可能聽到考場里奮筆疾書的“唰唰”聲，因為“參賽者”只是一段代碼。輸入文章和問題后，計算機(jī)的中央處理器(CPU)和圖形處理器(GPU)開始高速計算，最后交出答卷，由出題者批閱。
對來自世界各國的研究者來說，這是一場沒有盡頭的競賽——任何人可以在任意時間加入，排行榜實時更新；即使是第一名，不保持“學(xué)習(xí)”和“更新”，隨時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候，而“對手”不過是“啪啪啪”地敲擊了一串代碼。
這場競賽全稱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)水平測試，也是這個領(lǐng)域的頂級賽事。
在2018年1月3日以前，人類始終保持著領(lǐng)先的優(yōu)勢——從來沒有任何一個團(tuán)隊能夠設(shè)計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言計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)隊也拿到了82.440的精確匹配分?jǐn)?shù)。
微軟亞洲研究院院長洪小文告訴中國青年報·中青在線記者：“這對微軟和自然語言處理(NLP)研究領(lǐng)域來說，都是一個重要的里程碑。計算機(jī)文本理解能力首次超越人類，預(yù)示著該領(lǐng)域的研究將會有更大突破。”
在計算機(jī)看來，世間萬物都是一串?dāng)?shù)字
微軟亞洲研究院副院長、自然語言計算組負(fù)責(zé)人周明博士坐在計算機(jī)前，緊張地等待測試結(jié)果。經(jīng)過1個多月對模型和算法的更新，他們提交了最新代碼。
這支團(tuán)隊在SQuAD挑戰(zhàn)賽初期，一度以穩(wěn)定的成績長期位居排行榜榜首，但周明知道，這場競賽的排名瞬息萬變。2017年最后兩個月里，科大訊飛與哈工大聯(lián)合實驗室、騰訊DPDAC NLP團(tuán)隊先后超過了他們。
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1萬個問題的回答。即使母語是英語的成年人，這個時間也才勉強讀完5篇文章。
“對人類來說，讀完一篇文章就會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內(nèi)容，但對計算機(jī)來說不是這樣。”周明告訴中國青年報·中青在線記者。
在SQuAD測試中，計算機(jī)需要閱讀一段材料，然后回答諸如人名、地理位置等問題。不同于類似測試，SQuAD測試的回答可能是一段短語，而非某個單詞或單個內(nèi)容。它可能遭遇同義詞替換、句子結(jié)構(gòu)變換等情況，甚至需要綜合多個句子進(jìn)行邏輯推理。
為了解決這個問題，研究組模擬人類做閱讀理解過程的方式，他們將整個過程分成了四步。拿到測試題后，計算機(jī)首先會學(xué)習(xí)文本和問題，就像我們做閱讀題時，首先會通讀文章，然后審題，獲得一個整體印象。
下一步，計算機(jī)會將問題和文章進(jìn)行比對，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，計算機(jī)會把初步結(jié)果放到上下文里比對，類似人會綜合全文看待問題。最后，它會斟酌并選出最像答案的內(nèi)容。
在這場競賽中，不同團(tuán)隊設(shè)計的答題模式可能完全不同。周明介紹說，他們的設(shè)計中，最獨特的就是第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一樣，成為計算機(jī)眼中高亮的部分。
“除了自然語言處理，注意力機(jī)制在圖像識別領(lǐng)域也是關(guān)鍵的概念。”美國哥倫比亞大學(xué)計算機(jī)系碩士生何欽堯告訴中國青年報·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。研究者也嘗試讓計算機(jī)學(xué)習(xí)并利用這種機(jī)制。不同于人類擁有動植物、山川河流的概念，所有單詞和圖像在計算機(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)隊使用的計算機(jī)并不是憑空學(xué)會做題。參加SQuAD競賽前，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，我們這個領(lǐng)域的研究者大多都這么看。”何欽堯說。一個1歲人類孩童看過狗以后，就能識別各種體型、品種和不同拍攝角度的狗，形成概念，但計算機(jī)需要看過很多照片后，才能判斷某個物體是不是狗。“我們不知道人類是怎么形成這個概念的，但對計算機(jī)來說，概念是靠積累數(shù)據(jù)、靠計算概率得來的。”
直到20世紀(jì)90年代之前，人們還在試圖讓計算機(jī)學(xué)會人類語言的規(guī)則，從而理解背后的含義。但語言在使用時往往不規(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)，獲取語言知識。
發(fā)展到今天，自然語言處理領(lǐng)域的研究已經(jīng)基本可以應(yīng)付單個句子，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音系統(tǒng)，可以識別并完成用戶的指令，還能進(jìn)行簡單的交流和對話。
“長文本的理解一直是難點，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。”周明說。
當(dāng)我們告訴計算機(jī)，“萊茵河上最大的城市是德國科隆，它是中歐和西歐區(qū)域的第二長河流，位于多瑙河之后”，并問它“什么河比萊茵河長”時，很多計算機(jī)會回答“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，幾乎不會在這個問題上犯錯，但計算機(jī)無法理解這個概念。
SQuAD競賽不是第一個計算機(jī)“超越”人類的領(lǐng)域
計算機(jī)很早就在計算、記憶的領(lǐng)域碾軋人類，后來又擊敗了人類最優(yōu)秀的國際象棋、圍棋棋手。
“其實，計算、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，而這就使得通往強人工智能的道路十分艱難。”
60多年前，曾有人嘗試讓計算機(jī)用6條規(guī)則和200個詞匯做俄英翻譯，這被認(rèn)為是最早的人工智能嘗試。那時的研究人員信心滿滿，宣稱能在5年內(nèi)完全解決一種語言到另一種語言的自動翻譯問題。
這個目標(biāo)至今沒有完成，人工智能也因為研究進(jìn)展緩慢經(jīng)歷過兩次低潮。一直到近10年，計算機(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)，計算機(jī)能夠?qū)懺娫~、與人對話，它變得越來越像人。
據(jù)統(tǒng)計，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競賽排行榜，前3名都是來自中國的團(tuán)隊。“這在過去是不敢想象的。”周明說。放在20年前，中國甚至還沒有在這個領(lǐng)域的頂級會議上發(fā)表過文章。而現(xiàn)在，中國發(fā)表的文章數(shù)已經(jīng)穩(wěn)居世界第二，2017年還有5篇文章入選該會議的22篇杰出論文。
在SQuAD競賽中，計算機(jī)得分比人類高0.346分，可以理解為同樣做1萬道題時，計算機(jī)多做對35道。“這遠(yuǎn)不代表計算機(jī)超越了人類的閱讀理解水平。”周明告訴中國青年報·中青在線記者。也有人質(zhì)疑，這里代表“人類”的，不過是眾包平臺上一小時掙9美元、受教育水平參差不齊的人。
一個公認(rèn)的人工智能的標(biāo)準(zhǔn)是能夠通過“圖靈測試”——如果一臺機(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、會思考’，這其中，理解自然語言是最核心的問題。”周明說。目前，計算機(jī)還是很難在日常交流中理解雙關(guān)和諷刺。在中文語境下，計算機(jī)還需要面對如何將一個句子拆分為數(shù)個詞匯的問題。很多對人類而言無需學(xué)習(xí)的事情，例如保持平衡、用手拿起一個杯子，對機(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。了解識別特性的工程師可以通過肉眼無法識別的微調(diào)，讓計算機(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，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，他向中國青年報·中青在線記者舉了SQuAD競賽中的一個例子。
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“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)隊設(shè)計的算法，都不能解決這個再簡單不過的問題。
這不只是人工智能之間的競賽，也是人類和自己的競賽。
