0
| 本文作者： 周翔 | 2017-06-05 14:16 |
雷鋒網(wǎng)按：6月1日，在微軟大廈舉行的自然語(yǔ)言處理前沿技術(shù)分享會(huì)活動(dòng)上，微軟亞洲研究院（MSRA）副院長(zhǎng)周明博士《自然語(yǔ)言處理前沿技術(shù)》為主題，分享了微軟對(duì)神經(jīng)網(wǎng)絡(luò)翻譯、聊天機(jī)器人等領(lǐng)域的思考，并接受了雷鋒網(wǎng)等媒體的采訪。
周明博士認(rèn)為，語(yǔ)言智能是人工智能皇冠上的明珠，如果語(yǔ)言智能能實(shí)現(xiàn)突破，跟它同屬認(rèn)知智能的知識(shí)和推理就會(huì)得到長(zhǎng)足的發(fā)展，就能推動(dòng)整個(gè)人工智能體系，有更多的場(chǎng)景可以落地。
周明博士，微軟亞洲研究院副院長(zhǎng)、國(guó)際計(jì)算語(yǔ)言學(xué)協(xié)會(huì)（ACL）候任主席、中國(guó)計(jì)算機(jī)學(xué)會(huì)理事、中文信息技術(shù)專(zhuān)委會(huì)主任、術(shù)語(yǔ)工作委員會(huì)主任、中國(guó)中文信息學(xué)會(huì)常務(wù)理事、哈爾濱工業(yè)大學(xué)、天津大學(xué)、南開(kāi)大學(xué)、山東大學(xué)等多所學(xué)校博士導(dǎo)師。
以下是周明博士的現(xiàn)場(chǎng)演講和采訪，雷鋒網(wǎng)做了不改變?cè)獾木庉嫛?/strong>
人工智能是用電腦來(lái)模擬和實(shí)現(xiàn)人類(lèi)的智能，而人類(lèi)的智能大概分如下幾個(gè)層次：
第一是運(yùn)算智能，記憶、計(jì)算的能力，這一點(diǎn)機(jī)器早已經(jīng)超過(guò)人類(lèi)。
第二是感知智能，包括聽(tīng)覺(jué)、視覺(jué)、觸覺(jué)；最近兩年，隨著深度學(xué)習(xí)的引入，大幅度提高語(yǔ)音識(shí)別和圖像識(shí)別的識(shí)別率，所以計(jì)算機(jī)在感知智能層面已經(jīng)做得相當(dāng)不錯(cuò)了，在一些典型的測(cè)試題下，達(dá)到或者超過(guò)了人類(lèi)的平均水平。
第三認(rèn)知智能，包括理解、運(yùn)用語(yǔ)言的能力，掌握知識(shí)、運(yùn)用知識(shí)的能力，以及在語(yǔ)言和知識(shí)基礎(chǔ)上的推理能力。過(guò)去認(rèn)知智能主要集中在語(yǔ)言智能這塊，即自然語(yǔ)言處理，它簡(jiǎn)單理解了句子、篇章，實(shí)現(xiàn)了幫助搜索引擎、仿照系統(tǒng)提供一些基本的功能、提供一些簡(jiǎn)單的對(duì)話(huà)翻譯。我認(rèn)為語(yǔ)言智能是人工智能皇冠上的明珠，如果語(yǔ)言智能能實(shí)現(xiàn)突破，跟它同屬認(rèn)知智能的知識(shí)和推理就會(huì)得到長(zhǎng)足的發(fā)展，就能推動(dòng)整個(gè)人工智能體系，有更多的場(chǎng)景可以落地。
最高一層是創(chuàng)造智能，人們利用已有的條件，利用一些想象力甚至有一些是臆斷、夢(mèng)想，想象一些不存在的事情包括理論、方法、技術(shù)，通過(guò)實(shí)驗(yàn)加以驗(yàn)證，然后提出新的理論，指導(dǎo)更多實(shí)踐，最后產(chǎn)生很好的作品或產(chǎn)品。
我介紹一下語(yǔ)言在認(rèn)知智能的作用，在整個(gè)人工智能體系下的作用。自然語(yǔ)言處理就是體現(xiàn)語(yǔ)言智能重要的技術(shù)，它是人工智能一個(gè)重要的分支，幫助分析、理解或者生成自然語(yǔ)言，實(shí)現(xiàn)人與機(jī)器的自然交流，同時(shí)也幫助人與人之間的交流。我認(rèn)為自然語(yǔ)言處理包括以下幾方面內(nèi)容，第一是NLP的基礎(chǔ)技術(shù)，圍繞不同層次的自然語(yǔ)言處理，比如說(shuō)分詞、詞性標(biāo)注、語(yǔ)義分析做一些加工。后面做任何其他新的技術(shù)或者應(yīng)用都必須要用到基礎(chǔ)技術(shù)。
中間這塊是NLP核心技術(shù)，包括詞匯、短語(yǔ)、句子、篇章的表示，大家所說(shuō)的Word Embedding就是在研究不同的語(yǔ)言單位的表示方法。它也包括機(jī)器翻譯、提問(wèn)和回答、信息檢索、信息抽取、聊天和對(duì)話(huà)、知識(shí)工程、語(yǔ)言生成、推薦系統(tǒng)。
最后是“NLP+”，仿照“人工智能+”或“互聯(lián)網(wǎng)+”的概念，實(shí)際上就是把自然語(yǔ)言處理技術(shù)深入到各個(gè)應(yīng)用系統(tǒng)和垂直領(lǐng)域中。比較有名的是搜索引擎、智能客服、商業(yè)智能和語(yǔ)音助手，還有更多在垂直領(lǐng)域——法律、醫(yī)療、教育等各個(gè)方面的應(yīng)用。
正如其他人工智能學(xué)科，自然語(yǔ)言處理也要有很多支撐技術(shù)、數(shù)據(jù)，包括用戶(hù)畫(huà)像，以提供個(gè)性化的服務(wù)，包括用來(lái)做訓(xùn)練之用的大數(shù)據(jù)，包括云計(jì)算提供、實(shí)施、訓(xùn)練的基礎(chǔ)設(shè)施，包括機(jī)器學(xué)習(xí)和深度學(xué)習(xí)提供訓(xùn)練的技能。它一定要有各種知識(shí)支撐，比如領(lǐng)域知識(shí)還有常識(shí)知識(shí)。
這張圖概括了神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯，簡(jiǎn)要的說(shuō)，就是對(duì)源語(yǔ)言的句子進(jìn)行編碼，一般都是用的長(zhǎng)短時(shí)記憶LSTM，方向進(jìn)行編碼。編碼的結(jié)果就是有很多隱節(jié)點(diǎn)，每個(gè)隱節(jié)點(diǎn)代表從句首到當(dāng)前詞匯為止，與句子的語(yǔ)義信息?；谶@些隱節(jié)點(diǎn)，通過(guò)一個(gè)注意力的模型來(lái)體現(xiàn)不同隱節(jié)點(diǎn)對(duì)于翻譯目標(biāo)詞的作用。通過(guò)這樣的一個(gè)模式對(duì)目標(biāo)語(yǔ)言可以逐詞進(jìn)行生成，直到生成句尾。中間在某一階段可能會(huì)有多個(gè)翻譯，我們會(huì)保留最佳的翻譯，從左到右持續(xù)。
這里最重要的技術(shù)是對(duì)于源語(yǔ)言的編碼，還有體現(xiàn)不同詞匯翻譯的，不同作用的注意力模型。我們又持續(xù)做了一些工作，引入了語(yǔ)言知識(shí)。因?yàn)樵诰幋a的時(shí)候是僅把源語(yǔ)言和目標(biāo)語(yǔ)言看成字符串，沒(méi)有體會(huì)內(nèi)在的詞匯和詞匯之間的修飾關(guān)系。我們把句法知識(shí)引入到神經(jīng)網(wǎng)絡(luò)編碼、解碼之中，這是傳統(tǒng)的長(zhǎng)短時(shí)記憶LSTM，這是模型，我們引入了句法，得到了更佳的翻譯，這使大家看到的指標(biāo)有了很大程度的提升。
此外，我們還考慮到在很多領(lǐng)域是有知識(shí)圖譜的，我們想把知識(shí)圖譜納入到傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯當(dāng)中，來(lái)規(guī)劃語(yǔ)言理解的過(guò)程。我們的一個(gè)假設(shè)就是雖然大家的語(yǔ)言可能不一樣，但是體現(xiàn)在知識(shí)圖譜的領(lǐng)域上可能是一致的，就用知識(shí)圖譜增強(qiáng)編碼、解碼。具體來(lái)講，就是對(duì)于輸入句子，先映射到知識(shí)圖譜，然后再基于知識(shí)圖譜增強(qiáng)解碼過(guò)程，使得譯文得到進(jìn)一步改善。
下一個(gè)方向就是“對(duì)話(huà)即平臺(tái)”，英文叫做“Conversation as a Platform （CaaP）”。2016年，微軟首席執(zhí)行官薩提亞在大會(huì)上提出了CaaP這個(gè)概念，他認(rèn)為繼有圖形界面的下一代就是對(duì)話(huà)，它會(huì)對(duì)整個(gè)人工智能、計(jì)算機(jī)設(shè)備帶來(lái)一場(chǎng)新的革命。
為什么要提到這個(gè)概念呢？我個(gè)人認(rèn)為，有兩個(gè)原因。
第一個(gè)原因，源于大家都已經(jīng)習(xí)慣用社交手段，如微信、Facebook與他人聊天的過(guò)程。我們希望將這種通過(guò)自然的語(yǔ)言交流的過(guò)程呈現(xiàn)在當(dāng)今的人機(jī)交互中，而語(yǔ)音交流的背后就是對(duì)話(huà)平臺(tái)。第二個(gè)原因則在于，現(xiàn)在大家面對(duì)的設(shè)備有的屏幕很小，有的甚至沒(méi)有屏幕，所以通過(guò)語(yǔ)音的交互，更為自然直觀的。因此，我們是需要對(duì)話(huà)式的自然語(yǔ)言交流的，通過(guò)語(yǔ)音助手來(lái)幫忙完成。
而語(yǔ)音助手又可以調(diào)用很多Bot，來(lái)完成一些具體的功能，比如說(shuō)定杯咖啡，買(mǎi)一個(gè)車(chē)票等等。蕓蕓眾生，有很多很多需求，每個(gè)需求都有可能是一個(gè)小Bot，必須有人去做這個(gè)Bot。對(duì)于微軟而言，我們作為一個(gè)平臺(tái)公司，希望把自己的能力釋放出來(lái)，讓全世界的開(kāi)發(fā)者，甚至普通的學(xué)生就能開(kāi)發(fā)出自己喜歡的Bot，形成一個(gè)生態(tài)的平臺(tái)，生態(tài)的環(huán)境。
如何從人出發(fā)，通過(guò)智能助理，再通過(guò)Bot體現(xiàn)這一生態(tài)呢？微軟在做CaaP的時(shí)候，實(shí)際上有兩個(gè)主要的產(chǎn)品策略。
第一個(gè)是小娜，通過(guò)手機(jī)和智能設(shè)備介入，讓人與電腦進(jìn)行交流：人發(fā)布命令，小娜理解并執(zhí)行任務(wù)。同時(shí)，小娜作為你的貼身處理，也理解你的性格特點(diǎn)、喜好、習(xí)慣，然后主動(dòng)給你一些貼心提示。第二個(gè)就是小冰，主要負(fù)責(zé)閑聊。
無(wú)論是小冰這種閑聊，還是小娜這種注重任務(wù)執(zhí)行的技術(shù)，其實(shí)背后單元處理引擎無(wú)外乎就三層技術(shù)。
第一層：通用聊天，需要掌握溝通技巧、通用聊天數(shù)據(jù)、主題聊天數(shù)據(jù)，還要知道用戶(hù)畫(huà)像，投其所好。
第二層：信息服務(wù)和問(wèn)答，需要搜索的能力，問(wèn)答的能力，還需要對(duì)常見(jiàn)問(wèn)題表進(jìn)行收集、整理和搜索，從知識(shí)圖表、文檔和圖表中找出相應(yīng)信息，并且回答問(wèn)題，我們統(tǒng)稱(chēng)為Info Bot。
第三層：面向特定任務(wù)的對(duì)話(huà)能力，例如定咖啡、定花、買(mǎi)火車(chē)票，這個(gè)任務(wù)是固定的，狀態(tài)也是固定的，狀態(tài)轉(zhuǎn)移也是清晰的，那么就可以用Bot一個(gè)一個(gè)實(shí)現(xiàn)。你有一個(gè)調(diào)度系統(tǒng)，你知道用戶(hù)的意圖就調(diào)用相應(yīng)的Bot 執(zhí)行相應(yīng)的任務(wù)。它用到的技術(shù)就是對(duì)用戶(hù)意圖的理解，對(duì)話(huà)的管理，領(lǐng)域知識(shí)，對(duì)話(huà)圖譜等等。
微軟有一個(gè)叫Bot Framework的工具、平臺(tái)。任何一個(gè)開(kāi)發(fā)者只用幾行代碼就可以完成自己所需要的Bot。
這里面有很多關(guān)鍵技術(shù)。微軟有一個(gè)叫做LUIS（Language Understanding Intelligent Service）的平臺(tái)，提供了用戶(hù)的意圖理解能力、實(shí)體識(shí)別能力、對(duì)話(huà)的管理能力等等。比如說(shuō)這句話(huà)“read me the headlines”，我們識(shí)別的結(jié)果是他想做朗讀，內(nèi)容就是今天的頭條新聞。再比如說(shuō)“Pause for 5 minutes”，我們理解它的意思是暫停，暫停多長(zhǎng)時(shí)間？有一個(gè)參數(shù)：5分鐘。所以，通過(guò)LUIS，我們可以把意圖和重要的信息抽取出來(lái)，讓后面Bot來(lái)讀取。
第一，通過(guò)用戶(hù)畫(huà)像實(shí)現(xiàn)個(gè)性化服務(wù)?，F(xiàn)在自然語(yǔ)言處理基本上用戶(hù)畫(huà)像用得非常非常少。其實(shí)人與人的對(duì)話(huà)，其實(shí)是對(duì)不同的人說(shuō)不同的話(huà)，因?yàn)槲覀冎缹?duì)話(huà)的人的性格、特點(diǎn)、知識(shí)層次，我了解了這個(gè)用戶(hù)，知道用戶(hù)的畫(huà)像，那么在對(duì)話(huà)的時(shí)候就會(huì)有所調(diào)整。目前來(lái)講，我們還遠(yuǎn)遠(yuǎn)不能做到這一點(diǎn)。
第二，通過(guò)可解釋的學(xué)習(xí)洞察人工智能機(jī)理?，F(xiàn)在自然語(yǔ)言處理跟其他的人工智能一樣，都是通過(guò)一個(gè)端對(duì)端的訓(xùn)練，而其實(shí)里面是一個(gè)黑箱，你也不知道發(fā)生了什么。目前還沒(méi)有針對(duì)這個(gè)問(wèn)題很好的解決方案，盡管有一些視覺(jué)化的工作，但是都比較粗淺，還沒(méi)有達(dá)到最精準(zhǔn)的判定和跟蹤。
第三，通過(guò)知識(shí)與深度學(xué)習(xí)的結(jié)合提升效率。所謂知識(shí)和深度學(xué)習(xí)的結(jié)合，有可能很多情況下是需要有人類(lèi)知識(shí)的。比如說(shuō)客服，是有一些常見(jiàn)處理過(guò)程的。
第四，通過(guò)遷移學(xué)習(xí)實(shí)現(xiàn)領(lǐng)域自適應(yīng)。如果們想翻某一個(gè)專(zhuān)業(yè)領(lǐng)域，比如說(shuō)計(jì)算機(jī)領(lǐng)域，可能現(xiàn)有的翻譯工具翻得不好。所以大家都在研究，有沒(méi)有一種辦法，能夠幫助機(jī)器進(jìn)行遷移學(xué)習(xí)，能夠更好的運(yùn)用到語(yǔ)音自適應(yīng)上。
第五，通過(guò)強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)自我演化。這就是說(shuō)我們自然語(yǔ)言系統(tǒng)上線(xiàn)之后有很多人用，得到了有很多人的反饋，包括顯式的反饋、隱式的反饋，然后通過(guò)強(qiáng)化學(xué)習(xí)不斷的提升系統(tǒng)。這就是系統(tǒng)的自我演化。
最后，我認(rèn)為也是非常關(guān)鍵的，通過(guò)無(wú)監(jiān)督學(xué)習(xí)充分利用未標(biāo)注數(shù)據(jù)。
第一，我認(rèn)為，隨著大數(shù)據(jù)、深度學(xué)習(xí)、云計(jì)算這三大要素推動(dòng)，所謂認(rèn)知智能，尤其是語(yǔ)言智能跟感知智能一樣會(huì)有長(zhǎng)足的發(fā)展。你也可以說(shuō)，自然語(yǔ)言處理迎來(lái)了60余年發(fā)展歷史上最好的一個(gè)時(shí)期。
第二，自然語(yǔ)言的會(huì)話(huà)、聊天、問(wèn)答、對(duì)話(huà)達(dá)到實(shí)用程度。
第三，智能客服加上人工客服完美的結(jié)合，一定會(huì)大大提高客服的效率。
第四，自動(dòng)寫(xiě)對(duì)聯(lián)、寫(xiě)詩(shī)、寫(xiě)新聞稿和歌曲等等，比如說(shuō)寫(xiě)新聞稿，給你一些數(shù)據(jù)，這個(gè)新聞稿草稿馬上就寫(xiě)出來(lái)，你要做的就是糾正，添加內(nèi)容，供不同的媒體使用等。
第五，在會(huì)話(huà)方面，語(yǔ)音助手、物聯(lián)網(wǎng)、智能硬件、智能家居等等，凡是用到人機(jī)交互的，我認(rèn)為基本上都可以得到應(yīng)用，而且促進(jìn)以上的一些產(chǎn)品推廣。
最后，認(rèn)知智能、感知智能一起努力，在很多場(chǎng)景下，比如說(shuō)法律、醫(yī)療診斷、醫(yī)療咨詢(xún)、法律顧問(wèn)、投融資等等，這些方面自然語(yǔ)言會(huì)得到廣泛的應(yīng)用。
問(wèn)：微軟在機(jī)器翻譯這塊做得怎么樣，跟谷歌相比如何？微軟怎樣看待谷歌的神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)？
周明：第一，我剛才介紹了，微軟原來(lái)是著眼于統(tǒng)計(jì)，而現(xiàn)在做神經(jīng)網(wǎng)絡(luò)，然后逐漸加入語(yǔ)言知識(shí)、領(lǐng)域知識(shí)。我認(rèn)為我們這一條路是非常清晰的。有的公司觀念跟我們有不一樣，可能一直強(qiáng)調(diào)數(shù)據(jù)驅(qū)動(dòng)，但是也做得很好。我們也不排斥他們做得好。我們認(rèn)為人類(lèi)的知識(shí)和數(shù)據(jù)應(yīng)該好好的結(jié)合，這也是我們時(shí)刻想體現(xiàn)在微軟機(jī)器翻譯系統(tǒng)里面。
第二，由于微軟在中國(guó)設(shè)立了研究院，我們對(duì)中文、日文，亞洲語(yǔ)言的理解可能有自己的長(zhǎng)處。因?yàn)橹形暮腿瘴倪@類(lèi)的語(yǔ)言，其實(shí)要是做大一統(tǒng)的訓(xùn)練，推到極高的水平，其實(shí)很難，因?yàn)檫@里面其實(shí)有很多跟語(yǔ)言學(xué)有關(guān)的內(nèi)容和語(yǔ)言知識(shí)。比如說(shuō)日語(yǔ)有片假名、平假名，中文有成語(yǔ)，都要求我們做很多獨(dú)特的處理。由于我們長(zhǎng)期在進(jìn)行與中國(guó)和中文相關(guān)的研究，在這方面有經(jīng)驗(yàn)，所以能很快加入到微軟機(jī)器翻譯系統(tǒng)之中，使得相關(guān)的語(yǔ)言翻譯質(zhì)量得到保證。目前來(lái)講，在這方面，我們?cè)谑澜缟鲜蔷佑陬I(lǐng)先的位置。
問(wèn)：微軟在英文和日文這塊的機(jī)器翻譯做得比谷歌好一點(diǎn)？
周明：我并不太清楚我們跟谷歌的比較，但是我自己自信的說(shuō)，由于我們?cè)谶@方面所做的努力，我相信在涉及到特定語(yǔ)言的方面我們有獨(dú)到的優(yōu)勢(shì)。
問(wèn)：漢譯英和英譯漢有什么不同？哪個(gè)更難一點(diǎn)？
周明：中翻英是要做什么呢？首先，我們要把中文分好詞，中文不像英文或者日文會(huì)有非常完全和清晰的表達(dá)。比如日文有隔助詞，幫助你理解知道哪個(gè)詞有什么語(yǔ)法作用。英文則有各種時(shí)態(tài)，體現(xiàn)出時(shí)間的信息。在中文里，這些信息是很模糊的，所以需要額外進(jìn)行處理去幫助斷定。第二，中文詞序來(lái)回顛倒不影響大家理解相關(guān)的意思。但是英文是顛倒之后，會(huì)產(chǎn)生很大的歧義。所以，隨意型的語(yǔ)言翻譯又需要有新的技巧。
過(guò)去，中翻英要比英翻中在這方面，在形態(tài)翻譯上區(qū)別非常大?？墒乾F(xiàn)在有了深度學(xué)習(xí)了，這個(gè)差異就變得很小了。通過(guò)神經(jīng)網(wǎng)絡(luò)編碼和解碼，中翻英和英翻中，說(shuō)不清楚誰(shuí)更難?？梢哉f(shuō)都難，但也都可以用一套方式得到解決。我覺(jué)得，如果非要說(shuō)的話(huà)，還是翻譯中文難，因?yàn)橹形闹械某烧Z(yǔ)搭配用現(xiàn)在的神經(jīng)網(wǎng)絡(luò)翻譯起來(lái)會(huì)有很多問(wèn)題。這是中翻英的一個(gè)難點(diǎn)。當(dāng)然，英翻中也有自己的難點(diǎn)，因?yàn)橛⒎欣镆辉~多譯現(xiàn)象比中文要嚴(yán)重。所以，英翻中詞義的斷定和翻譯可能仍面臨一些困難。
問(wèn)：中英夾雜的識(shí)別以及翻譯難點(diǎn)在哪？
周明：其實(shí)這是語(yǔ)音識(shí)別帶來(lái)的問(wèn)題。中文夾英文，英文夾中文，在經(jīng)歷語(yǔ)言模型的時(shí)候，沒(méi)有專(zhuān)門(mén)訓(xùn)練，就會(huì)出現(xiàn)錯(cuò)誤，從而也會(huì)對(duì)后面的理解和翻譯造成影響。
這件事本身是語(yǔ)音識(shí)別的一個(gè)難點(diǎn)，就跟遠(yuǎn)場(chǎng)識(shí)別一樣，中英文混雜識(shí)別，還有新詞都是語(yǔ)音識(shí)別目前的難點(diǎn)。如果識(shí)別對(duì)了，到自然語(yǔ)言這塊來(lái)說(shuō)相對(duì)就不是那么難了。因?yàn)樽匀徽Z(yǔ)言知道這塊是中文，那塊是英文，處理完了之后走同樣的編碼、解碼過(guò)去，是沒(méi)有問(wèn)題的。
問(wèn)：現(xiàn)在機(jī)器能做到實(shí)時(shí)翻譯嗎？
周明：剛開(kāi)始說(shuō)話(huà)譯者就開(kāi)始翻了，你說(shuō)完了，幾乎瞬間我也聽(tīng)完了，這才是同聲傳譯。這點(diǎn)確實(shí)有點(diǎn)難，包括語(yǔ)音識(shí)別，包括預(yù)測(cè)能力，包括兩種語(yǔ)言詞序大調(diào)整的時(shí)候，怎么巧妙的調(diào)回來(lái)，這個(gè)還是有點(diǎn)難。
問(wèn)：機(jī)器取代同聲傳譯的難點(diǎn)？
周明：什么叫做同聲傳譯，就是講者說(shuō)話(huà)的同時(shí)，譯者就翻譯。其中的一個(gè)難點(diǎn)就在于，譯者要預(yù)測(cè)你下面要說(shuō)什么，保證跟你同步。機(jī)器要做到同樣的預(yù)測(cè)比較難，而且一旦預(yù)測(cè)錯(cuò)了再回來(lái)就更困難了。
另外一個(gè)難點(diǎn)在于，現(xiàn)場(chǎng)遠(yuǎn)場(chǎng)識(shí)別會(huì)給語(yǔ)言帶來(lái)了很多噪音，從而使識(shí)別經(jīng)常會(huì)出錯(cuò)。因?yàn)檠菔镜沫h(huán)境是經(jīng)過(guò)訓(xùn)練的，機(jī)器適應(yīng)這種語(yǔ)言環(huán)境。但是讓大家隨意在任何地方使用的話(huà)，往往不能達(dá)到很好的效果，就是因?yàn)檫@個(gè)環(huán)境影響因素太多，噪音太多。這都是屬于我剛才說(shuō)的最后一公里的問(wèn)題。
問(wèn)：遠(yuǎn)場(chǎng)降噪呢？
周明：遠(yuǎn)場(chǎng)降噪我們也做了很多研究工作。我覺(jué)得五到十年遠(yuǎn)場(chǎng)識(shí)別沒(méi)有太大的問(wèn)題。我覺(jué)得五到十年說(shuō)徹底解決同聲翻譯的挑戰(zhàn)，我不敢做這種預(yù)期，但是一定會(huì)比現(xiàn)在好很多。
問(wèn)：關(guān)于GAN和對(duì)偶學(xué)習(xí)，微軟有什么意圖嗎？還是都只是單純用來(lái)減少標(biāo)注性數(shù)據(jù)使用？
周明：對(duì)偶學(xué)習(xí)是我們機(jī)器學(xué)習(xí)組的研究項(xiàng)目，他們?cè)谧罱荒陜?nèi)提出了新的方法，起到了很好的反響。他的思路是，在沒(méi)有任何標(biāo)注語(yǔ)料的時(shí)候，中翻英，然后再翻譯回來(lái)，跟原來(lái)的句子相比較從而調(diào)整系統(tǒng)，使這兩個(gè)系統(tǒng)都能夠得到相應(yīng)的改進(jìn)。
我認(rèn)為GAN的系統(tǒng)跟對(duì)偶學(xué)習(xí)不完全一樣。GAN初衷也不是非要解決無(wú)標(biāo)注數(shù)據(jù)的問(wèn)題。GAN其實(shí)是想把兩方通過(guò)一個(gè)對(duì)看的過(guò)程，使得它倆都得到提升。所以它們?cè)诔踔陨嫌胁煌牡胤?。所以我認(rèn)為他們是有細(xì)微不同的。
AI慕課學(xué)院近期推出了《NLP工程師入門(mén)實(shí)踐班：基于深度學(xué)習(xí)的自然語(yǔ)言處理》課程!
三大模塊，五大應(yīng)用，海外博士講師手把手教你入門(mén)NLP，更有豐富項(xiàng)目經(jīng)驗(yàn)相授；算法+實(shí)踐，搭配典型行業(yè)應(yīng)用；隨到隨學(xué)，專(zhuān)業(yè)社群，講師在線(xiàn)答疑！
課程地址：http://www.mooc.ai/course/427
加入AI慕課學(xué)院人工智能學(xué)習(xí)交流QQ群：624413030，與AI同行一起交流成長(zhǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
