一提起雷軍，絕大多數(shù)人首先會(huì)想到小米，對(duì)金山軟件卻知之甚少。雷軍作為金山軟件董事長，曾帶領(lǐng)金山度過最艱難時(shí)期。雷鋒網(wǎng)
1996年，金山軟件遭遇前有微軟、后有盜版的雙重打擊跌入谷底：1995年，微軟進(jìn)入中國市場(chǎng)，Windows 95與OFFICE系列搶占了WPS大部分市場(chǎng)份額；與此同時(shí)，一張盜版光盤，640兆囊括了市面上幾乎所有主流軟件，包括金山軟件的產(chǎn)品。面對(duì)困局，金山何去何從？雷軍苦苦思考六個(gè)月，最后決定做WPS的同時(shí)，在游戲、工具軟件領(lǐng)域發(fā)力，開始游擊戰(zhàn)、以戰(zhàn)養(yǎng)戰(zhàn)。1997年，金山推出《劍俠情緣I》、《WPS97》、《金山詞霸》等等功能強(qiáng)大的產(chǎn)品，在游戲、工具軟件與字處理系統(tǒng)領(lǐng)域成功制造了3個(gè)市場(chǎng)熱點(diǎn)，死里逃生。
回憶這段往事，雷軍曾歸納，自己最可貴的創(chuàng)業(yè)品質(zhì)有兩點(diǎn)：一是目標(biāo)遠(yuǎn)大，二是創(chuàng)業(yè)激情。除此之外，雷軍系的成功還歸因于另一個(gè)重要的品質(zhì)：聚焦。這三個(gè)品質(zhì)不僅續(xù)寫著雷軍本人的傳奇創(chuàng)業(yè)故事，也在繼續(xù)引領(lǐng)著他的各派團(tuán)隊(duì)創(chuàng)造輝煌的篇章，包括今年5月在納斯達(dá)克上市的金山云，也包括一直低調(diào)行事的金山人工智能事業(yè)部。雷軍高度重視人工智能的發(fā)展，2017年親自指導(dǎo)成立了金山人工智能事業(yè)部。這所實(shí)驗(yàn)室隱藏在海淀區(qū)小米科技園，集結(jié)一眾頂尖技術(shù)人才，以認(rèn)知AI為核心，聚焦機(jī)器翻譯與閱讀理解。成立不過三年左右，便已在多個(gè)國際大賽中斬獲佳績(jī)。2020年9月6日，金山集團(tuán)AI Lab的SpiderNet模型在由卡內(nèi)基梅隆大學(xué)、斯坦福大學(xué)和蒙特利爾大學(xué)聯(lián)合發(fā)起的多步推理閱讀理解評(píng)測(cè)HotpotQA中榮登榜首，結(jié)束了長達(dá)一年的由美國科技公司包括微軟、谷歌等在內(nèi)的霸榜局面。金山AI團(tuán)隊(duì)究竟有何不為人知的神力？HotpotQA殺出一匹黑馬
HotpotQA，又稱“火鍋問答”，是2018年由三名愛吃火鍋的中國學(xué)生發(fā)布的一個(gè)多步推理的閱讀理解數(shù)據(jù)集。相較于SQuAD的任務(wù)，HotpotQA更考察關(guān)聯(lián)判斷能力，需要模型對(duì)給定多篇文章的內(nèi)容進(jìn)行深度理解，根據(jù)佐證篇章中所敘述事物的邏輯關(guān)系構(gòu)建多步推理鏈，得到一個(gè)知識(shí)，然后通過問答的形式展示出來。
毫無疑問，像 SQuAD 這樣的大規(guī)模問答數(shù)據(jù)集對(duì)利用機(jī)器閱讀大量文本并回答問題取得了諸多進(jìn)展。但由于數(shù)據(jù)集上的缺陷，用這些數(shù)據(jù)集訓(xùn)練出來的模型并未學(xué)習(xí)到非常復(fù)雜的語言理解能力，這也正是HotpotQA希望改善的地方。為此，HotpotQA調(diào)整了之前數(shù)據(jù)集的構(gòu)建方式，除了必須使用多步推理來回答外，問題本身不會(huì)受限于任何預(yù)設(shè)的知識(shí)圖譜，對(duì)于每一個(gè)問題還收集了回答它所需要的更細(xì)粒度的支持推理線索 (supporting fact)，并且迫使模型在回答問題的同時(shí)給出它基于哪些事實(shí)進(jìn)行的推理，不像以前的模型只給出一個(gè)答案，知其然而不知其所以然。而此前在SQuAD上競(jìng)相投入的巨頭們，也將HotpotQA視為展示自己實(shí)力的新競(jìng)技場(chǎng)。與一群在此前從SQuAD就“相愛相殺”的巨頭不同的是，金山AI Lab并未參加過SQuAD競(jìng)賽的角逐，金山此次登頂堪稱黑馬。
金山奪冠技術(shù)SpiderNet分析
本次金山人工智能事業(yè)部的SpiderNet模型參加的是干擾項(xiàng)賽道（Distractor Setting），每個(gè)問題提供10個(gè)備選篇章。該賽道更側(cè)重于考察模型的文本推理能力，同時(shí)也是參賽隊(duì)伍最多的賽道。
SpiderNet模型采用的是深度神經(jīng)網(wǎng)絡(luò)技術(shù)，基于預(yù)訓(xùn)練語言模型做了改進(jìn)，更注重節(jié)點(diǎn)與節(jié)點(diǎn)之間的關(guān)聯(lián)與信息共享，就像一張蜘蛛網(wǎng)一樣，專門針對(duì)文檔內(nèi)容進(jìn)行深度理解與多步推理。為了證明模型確實(shí)利用了原文中的相關(guān)證據(jù)進(jìn)行推理并提升模型的可解釋性，HotpotQA不僅要求模型給出最終答案，還要求模型給出推理所用到的佐證證據(jù)（Supporting Facts）。在評(píng)價(jià)指標(biāo)上，HotpotQA評(píng)測(cè)會(huì)根據(jù)答案和佐證證據(jù)的精確匹配率（EM）和模糊匹配率（F1）求得最終的聯(lián)合精確匹配率和模糊匹配率（Joint EM / F1）。在全部6項(xiàng)測(cè)評(píng)中，金山SpiderNet模型有5項(xiàng)指標(biāo)刷新紀(jì)錄排名第一，1項(xiàng)指標(biāo)排名第二，全面超越之前的冠軍微軟。其中，綜合模糊準(zhǔn)確率（Joint F1）更是達(dá)到74.88。HotpotQA挑戰(zhàn)賽（干擾項(xiàng)賽道）最新榜單（截至2020年9月17日）在AI技術(shù)落地的最后一公里“后來居上”
人工智能從誕生起便幾經(jīng)起伏，尤其近十余年來，深度學(xué)習(xí)已大規(guī)模應(yīng)用于PC互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)，在搜索、電商、社交等領(lǐng)域已經(jīng)有諸多成功應(yīng)用，從實(shí)驗(yàn)室走出的AI技術(shù)，成為產(chǎn)業(yè)升級(jí)的最佳推手；然而，人工智能技術(shù)落地的“最后一公里”仍然是一個(gè)難題。“以認(rèn)知為核心的人工智能是未來社會(huì)所需要的，是能夠推動(dòng)社會(huì)往前進(jìn)步的，也是未來發(fā)展的方向。”談到以認(rèn)知為核心的人工智能技術(shù)的未來應(yīng)用，金山人工智能事業(yè)部負(fù)責(zé)人李長亮博士滿懷信心。他表示，金山集團(tuán)在AI上的投入非常堅(jiān)定，公司給了人工智能事業(yè)部極大的信任和資源支持。參加HotpotQA比賽的單位不僅有斯坦福大學(xué)、華盛頓大學(xué)、卡內(nèi)基梅隆大學(xué)、清華大學(xué)、北京大學(xué)等知名高校，還有來自微軟、IBM、阿里達(dá)摩院、京東等企業(yè)研究機(jī)構(gòu)。同樣是關(guān)注認(rèn)知智能技術(shù)，每個(gè)企業(yè)也會(huì)有著不同方向的應(yīng)用。在李博士看來，以認(rèn)知為核心的人工智能技術(shù)將迎來前所未有的歷史發(fā)展機(jī)遇。像感知智能時(shí)代出現(xiàn)的專注于計(jì)算機(jī)視覺的“AI四小龍”（商湯、曠視、云從、依圖）一樣，認(rèn)知智能時(shí)代也將會(huì)出現(xiàn)一批優(yōu)秀的企業(yè)，將人工智能技術(shù)落地惠及社會(huì)。 相對(duì)于早就涉足認(rèn)知智能技術(shù)的其他巨頭，金山算是后來者。但AI賦能場(chǎng)景之繁雜、細(xì)分市場(chǎng)需求之細(xì)攏，前浪雖強(qiáng)，也難覆蓋所有行業(yè)；AI技術(shù)發(fā)展日新月異，后來者與先行者實(shí)際是在同一起跑線上。專注于某一細(xì)分領(lǐng)域，正是“后來居上”的秘訣。 “金山人工智能事業(yè)部成立三年以來，我們一直在堅(jiān)持以認(rèn)知為核心的人工智能研究，非常聚焦?！睋?jù)李博士介紹，自成立以來，金山AI團(tuán)隊(duì)便聚焦在機(jī)器翻譯、知識(shí)問答與文檔智能這三個(gè)方向，目前已開發(fā)出AIDA翻譯引擎、AIDA知識(shí)引擎以及AIDA文檔智能處理系統(tǒng)。除申請(qǐng)發(fā)明專利100余項(xiàng)、在ACM等國際頂級(jí)期刊會(huì)議上發(fā)表論文數(shù)十余篇，金山AI 團(tuán)隊(duì)的NLP研究已在多個(gè)國際大賽中斬獲佳績(jī)：2018年，首次參加創(chuàng)新工場(chǎng)AI Challenger 2018中英翻譯競(jìng)賽，憑借對(duì)層次注意力機(jī)制、高斯搜索等獨(dú)特算法的創(chuàng)新，在「英中文本機(jī)器翻譯」賽道上以客觀成績(jī)領(lǐng)先于其他對(duì)手3個(gè)BLEU值、答辯成績(jī)超過其他隊(duì)伍30分的極大優(yōu)勢(shì)在全球800支隊(duì)伍中脫穎而出，一舉奪冠；2019年，出戰(zhàn)全球?qū)W術(shù)界公認(rèn)的頂級(jí)機(jī)器翻譯比賽——WMT（ Workshop on Machine Translation）英中翻譯競(jìng)賽，憑借神經(jīng)機(jī)器翻譯(NMT)模型，擊敗全球50多支隊(duì)伍（包括Facebook、微軟、百度、劍橋大學(xué)等），獲得英譯中賽道人工評(píng)測(cè)冠軍；同年，金山AI團(tuán)隊(duì)還登上MS COCO Image Captioning榜首，并獲得了IEEE ISI World Cup大數(shù)據(jù)競(jìng)賽冠軍。這些成績(jī)象征著他們?cè)谧匀徽Z言理解上不斷在努力和突破。金山集團(tuán)人工智能事業(yè)部的成員是一群理想青年，以“構(gòu)建以認(rèn)知為核心的人工智能服務(wù)”為目標(biāo)。團(tuán)隊(duì)匯集了一大批國內(nèi)外高校的優(yōu)秀人才，他們大多畢業(yè)于清華、北大、中科院和劍橋、加州大學(xué)等國內(nèi)外名校，有著扎實(shí)的基本功和對(duì)未來美好的憧憬（此處彩蛋：偏好NLP與數(shù)學(xué)專業(yè)的同學(xué)~）。目前，金山AI團(tuán)隊(duì)在機(jī)器翻譯模塊已積累了十余種語言的雙向翻譯技術(shù)，包括6種聯(lián)合國語言和數(shù)種我國少數(shù)民族語言（蒙語、藏語、維吾爾語等），覆蓋了文學(xué)、軍事、政治、財(cái)經(jīng)、醫(yī)療、IT、機(jī)械等16個(gè)領(lǐng)域。除了對(duì)世界主流語言的研究，之所以增加對(duì)少數(shù)民語言的研究，李博士解釋是希望為促進(jìn)民族交流貢獻(xiàn)一份力量。這份責(zé)任心不僅體現(xiàn)在對(duì)社會(huì)的支持，還體現(xiàn)在對(duì)用戶數(shù)據(jù)隱私的重視與保護(hù)。依托金山30年的文檔處理經(jīng)驗(yàn)，金山AI團(tuán)隊(duì)在NLP研究上的優(yōu)勢(shì)無疑得天獨(dú)厚。數(shù)據(jù)隱私令很多用戶擔(dān)憂。李博士表達(dá)了保護(hù)數(shù)據(jù)安全的明確的態(tài)度：“凡是涉及到用戶隱私的數(shù)據(jù)，無論獲取成本多低，我們絕對(duì)不碰?！痹谒磥?，這不僅是法律的底線，也是做研究的底線。不僅如此，李博士還提到，金山內(nèi)部設(shè)有專門的數(shù)據(jù)管理團(tuán)隊(duì)，通過技術(shù)和制度雙保險(xiǎn)來保證數(shù)據(jù)安全問題。2018年，BERT語言模型出來之后，機(jī)器已經(jīng)能夠基于較好的文本理解去解決簡(jiǎn)單的問題。2020年，GPT-3發(fā)布，又在NLP領(lǐng)域掀起一股小高潮。但眾所周知，訓(xùn)練一個(gè)語言模型對(duì)算力、語料等條件的要求很高，成本也很大。如何“高性價(jià)比”地實(shí)現(xiàn)AI技術(shù)的最高價(jià)值？金山AI團(tuán)隊(duì)選擇了一條“接地氣”的道路：“我們現(xiàn)在也是基于預(yù)訓(xùn)練語言模型在開發(fā)產(chǎn)品，但我們沒有去盲目比拼預(yù)訓(xùn)練語言模型，而更多是基于已有成果進(jìn)行創(chuàng)新，與場(chǎng)景相結(jié)合，解決場(chǎng)景里的任務(wù)與需求。”SpiderNet模型有什么用途？
此次奪冠的SpiderNet模型可以基于對(duì)大量文檔的閱讀理解和深度挖掘來獲取知識(shí)，滿足用戶在認(rèn)知方面的需求。“假如給AI一本歷史書，然后提問：中華人民共和國是哪一年成立的？這種答案從技術(shù)角度來講比較容易獲取。但如果提問：中華人民共和國在成立過程中克服了哪些困難？AI在回答問題之前，便需要深入理解大量文檔，并進(jìn)行去推理。這就考察更深層次的智能技術(shù)?！崩畈┦拷榻B道。SpiderNet模型背后體現(xiàn)的是金山AI團(tuán)隊(duì)在機(jī)器閱讀理解上所取得的突破。目前主要包括四方面的應(yīng)用：合同管理、簡(jiǎn)歷管理、智能問答、知識(shí)圖譜一站式解決方案。相信每個(gè)公司的行政人員都曾為合同的收錄與管理發(fā)愁。如果是人工處理，則需要： 第一步，提取合同上的關(guān)鍵信息，比如甲乙方的身份、合同金額等。這個(gè)過程對(duì)技術(shù)要求不高，但耗時(shí)耗力。第二步，對(duì)合同進(jìn)行管理，方便查詢。在查詢某份合同時(shí)，合同管理者往往需要憑借有限的人腦記憶，從成千上萬份合同群中挨個(gè)打開、檢查。這個(gè)過程同樣耗時(shí)耗力。而金山AI團(tuán)隊(duì)閱讀理解技術(shù)可以將合同內(nèi)的關(guān)鍵信息進(jìn)行結(jié)構(gòu)化提取和管理，并支持一鍵查詢結(jié)果，做到事半功倍。 簡(jiǎn)歷管理需求源于金山集團(tuán)每年秋招收到的海量簡(jiǎn)歷。面對(duì)上萬份五花八門的簡(jiǎn)歷，HR需要在短時(shí)間內(nèi)進(jìn)行歸類整理，提取信息，壓力很大。因此，金山AI 團(tuán)隊(duì)開發(fā)了智能簡(jiǎn)歷管理系統(tǒng)，自動(dòng)提取簡(jiǎn)歷的重要信息，并對(duì)簡(jiǎn)歷內(nèi)容進(jìn)行結(jié)構(gòu)化歸類和管理。。簡(jiǎn)歷沒有統(tǒng)一規(guī)范，求職者個(gè)人經(jīng)歷又不盡相同，所以每份簡(jiǎn)歷迥然相異。個(gè)人基本信息（畢業(yè)院校、出生年月等）提取較簡(jiǎn)單，但工作與項(xiàng)目經(jīng)歷往往描述不一，這給文檔分析增加了難度。HR若想從投遞者的描述內(nèi)容中分析候選人的水平、特長等，就需用到自然語言處理（尤其是認(rèn)知）技術(shù)。而應(yīng)用閱讀理解模型，對(duì)簡(jiǎn)歷進(jìn)行深度理解與分析，可以方便HR查詢所需信息，減輕HR的工作量。談及如今的信息泛濫現(xiàn)象，李博士認(rèn)為：“我們一方面被海量信息‘淹死’，一方面又因?yàn)闊o法找到有用信息而‘餓死”。搜索引擎在很多情況下并不能第一時(shí)間滿足人的知識(shí)獲取需求。李博士表示，目前互聯(lián)網(wǎng)上只有少部分信息可以凝練成真正有用的知識(shí)。當(dāng)你想在網(wǎng)上獲取某種知識(shí)時(shí)，不僅查找費(fèi)力，查到的結(jié)果也無法保證可信度。 而金山AI 團(tuán)隊(duì)的AIDA知識(shí)問答引擎就致力于解決這個(gè)痛點(diǎn)。輸入問題，一鍵生成問題的高可信答案。 就目前的技術(shù)而言，收集世上所有知識(shí)來建立一個(gè)通用的知識(shí)問答系統(tǒng)是不可能的，因此，李博士及其團(tuán)隊(duì)決定，先聚焦在某個(gè)特定領(lǐng)域來研究知識(shí)問答。目前，AIDA知識(shí)問答引擎主要圍繞政經(jīng)領(lǐng)域的智能文檔挖掘和知識(shí)問答。IDC發(fā)布的《2025 年中國將擁有全球最大的數(shù)據(jù)圈》中提到：全球數(shù)據(jù)領(lǐng)域（創(chuàng)建、捕獲、復(fù)制和使用的數(shù)字?jǐn)?shù)據(jù)）將從2018年的約33 ZB增長到2025年的175 ZB（其中1ZB等于1萬億GB）。如此龐大的數(shù)據(jù)量，對(duì)于組織與機(jī)構(gòu)來講，如不能實(shí)現(xiàn)有效治理與知識(shí)運(yùn)用，將會(huì)成為一場(chǎng)信息爆炸的災(zāi)難。信息爆炸的時(shí)代特征加之認(rèn)知技術(shù)的不斷發(fā)展，李博士提出了“數(shù)據(jù)熵減，知識(shí)宏加”的數(shù)據(jù)治理與知識(shí)運(yùn)用愿景，并最終帶領(lǐng)團(tuán)隊(duì)基于數(shù)據(jù)治理、知識(shí)構(gòu)建、知識(shí)運(yùn)用三個(gè)維度開發(fā)出了AIDA知識(shí)圖譜一站式解決方案。該套解決方案聚焦于數(shù)據(jù)治理、知識(shí)價(jià)值挖掘、知識(shí)應(yīng)用三個(gè)維度；具備知識(shí)建模、知識(shí)抽取、知識(shí)存儲(chǔ)、實(shí)時(shí)更新、知識(shí)應(yīng)用的一站式技術(shù)服務(wù)能力。AIDA宏識(shí)知識(shí)建?？梢暬到y(tǒng)，可實(shí)現(xiàn)一鍵自動(dòng)建模，支持任意領(lǐng)域的知識(shí)圖譜節(jié)點(diǎn)、關(guān)系、屬性的定義；AIDA宏圖圖譜構(gòu)建可視化系統(tǒng)，可實(shí)現(xiàn)基于結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)圖譜初始化構(gòu)建；AIDA宏聆知識(shí)實(shí)時(shí)更新系統(tǒng)，支持基于結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的知識(shí)自更新，確保知識(shí)圖譜的實(shí)時(shí)性，大大降低人工成本的支出；AIDA宏知知識(shí)應(yīng)用解決方案，支持智能問答、智能搜索、知識(shí)庫建設(shè)、循證輔助決策等多維度知識(shí)應(yīng)用，支持企業(yè)定制化開發(fā)，同時(shí)具備良好的自適應(yīng)能力，領(lǐng)域遷移成本極低。展望未來
今年5月金山云成功上市時(shí)，各界再次將目光投向雷軍系的“游擊戰(zhàn)”商業(yè)戰(zhàn)略。面對(duì)國內(nèi)其他大廠如阿里云、騰訊云、百度云甚至華為云的激烈競(jìng)爭(zhēng)與較勁，雷軍曾公開表態(tài)：“我們的態(tài)度很低，大的巨頭吃肉我們喝湯，我們甘愿當(dāng)小弟。只要3-5家里面有我們，我們就一定能成功?！?/span>同樣的“低姿勢(shì)、高聚焦”態(tài)度，也體現(xiàn)在不卑不亢的金山AI團(tuán)隊(duì)上。盡管金山人工智能事業(yè)部在多個(gè)國際大賽中連連奪冠，但一直處事低調(diào)，專注于以認(rèn)知為核心的人工智能研究，到默默嘗試場(chǎng)景落地。雷鋒網(wǎng)在如“神仙打架”般的AI角逐場(chǎng)上，“愣頭青”一樣從0開始鋪墊的長線戰(zhàn)略也許并不是明智的決定。面對(duì)各方拉架勢(shì)力，站在對(duì)的巨人肩膀上，精準(zhǔn)定位、結(jié)合實(shí)際、謀求技術(shù)應(yīng)用，才是后AI時(shí)代的發(fā)展真理。而金山AI團(tuán)隊(duì)的研究與努力，便一直在踐行這一理念。雷鋒網(wǎng)有遠(yuǎn)大目標(biāo)，保持研究的熱情，聚焦在特定的領(lǐng)域，相信在不久的將來，這個(gè)團(tuán)隊(duì)將給我們帶來新的喜訊！
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
