0
雷鋒網(wǎng)按：人工智能和自然語言處理技術的結合，不僅在資深互聯(lián)網(wǎng)公司的戰(zhàn)略中占據(jù)了重要的地位，也造就了大量極具生命力的創(chuàng)新性公司。人工智能和自然語言處理到底怎樣結合的？這種結合存在哪些挑戰(zhàn)？如何克服這些挑戰(zhàn)？未來是否還有更大機會？
在第二屆語言與智能技術高峰論壇企業(yè)論壇上，出門問問創(chuàng)始人李志飛、百度自然語言處理部總監(jiān)趙世奇、奇點機智創(chuàng)始人林德康、微軟亞洲研究院副院長周明、以及中科院軟件研究所研究員孫樂組成了企業(yè)圓桌論壇，中科院信息工程研究生王斌擔任主持，他們就以上問題進行了討論。此外，他們就學術界和工業(yè)界的合作，自然語言處理技術的成熟度與產品需求的匹配等諸多問題也進行了深入探討。
（雷鋒網(wǎng)注：從左至右依次為王斌、林德康、李志飛、孫樂、趙世奇、劉丹、周明）
以下為對話內容實錄，雷鋒網(wǎng)做了不改變原意的編輯。
王斌：因為我也是原來做 NLP 出身的，做自然語言處理了人都知道，其實自然語言處理里面有很多內容，到后面的機器翻譯，有一些技術不是很成熟。那么這個不成熟的技術怎么變成產品落地？其實是我們研究人員非常關心的一個問題。首先是志飛談一下，中午他就提到對這個問題有一些很深的看法。
李志飛：我沒有說我有很深的看法，但還是來說一下很淺的看法，確實自然語言處理的技術還不是很成熟，所以我覺得如果我需要做在產品里面，舉兩個例子，首先技術對用戶真的是必須要用的。
比如說在車載里面如果不用語音來跟這個機器對話，然后開車的時候，我要換一個地址或者說我導了航又想換音樂，因為這個時候用戶沒有別的辦法，所以他可能對你這個技術，也沒那么挑剔，而且愿意學習一下。如果在手機上做到這樣的話，他不會來學習怎么用的，上來就挑戰(zhàn)他這個機器的智商，顯得這個人自己很聰明，或者調戲一下。但在這里面，我覺得由于他有這個需求，所以哪怕自己花點時間，學習適應，他可能也會去用。我們在智能車載里面，發(fā)現(xiàn)日活躍 10 個用戶打開了這個機器，可能7個用戶都會用語音交互。
另外一個，說白了這個 NLP 或者自然語言對話，你不能把它作為最主要產品最重要的 Feature，只能拔到一個噱頭或者當一個錦上添花的事情。也就是說，你得構建另外一個產品是用戶必須需要的。在這個基礎之上，再加上語音對話，有的時候他想用就用，不想用就不用。但要明白，他不是因為這個來買單的。
我覺得這兩個例子是我自己從產品角度去看，就是第一個用戶必須要用。第二個可能這個 NLP 的技術在這里面，不是說它是最最核心的一個用戶買單的體驗。
林德康：對，我們現(xiàn)在在做一部語音助手。但 NLP 技術好多東西也是不太成熟，其實我們也沒有指望它是一個很成熟的技術。就是說要使用比如 Parsing 或者其他自然語言分析結果的時候，就把它會 Fail 的這些因素會考慮進去，然后跟其他的方法能夠結合起來去用。
我們做這個自然語言產品，沒有志飛他們時間長，現(xiàn)在體會就是說，對于自然語言這個產品，一個很大的困難就是用戶期望很難確定，就是你能做的事情很少，拿個紙條告訴人家能夠為他們做什么，那這就沒什么機會去用了。另一個就是說，你讓用戶覺得你能做很多事情，但實際上沒有任何一個產品能滿足用戶很多需求，這樣用戶就經常很惱火。
我們用一個辦法去稍微去 Match 用戶期望值到某一個應用里面，那企業(yè)會對這些應用有一些期望值。
趙世奇：我的看法第一個就是 NLP 技術可能很難講每一個技術真的成熟了。分詞可能算是成熟的，包括剛才林老師也說到的 Parsing，它現(xiàn)在的準確率也不低了，雖然仍然難以說是成熟的，但實際上，我們會發(fā)現(xiàn)這些大量的自然語言技術其實在產品當中用的也不少。
舉一個例子，咱們說到翻譯，其實在當年 Google 那個時候上了 Online Translation 的時候，遠沒有現(xiàn)在成熟，它仍然是上線了，仍然得到了很多用戶使用。那今天其實是它在不斷成熟的過程中，作用在不斷的增大，但這不代表它不成熟的時候，就不能在一定程度上幫助到人們做一些事情。
另外還有一個方面，我們的產品和技術怎么互補的問題，當技術不成熟的時候，就好像說是 “人”這個字是一撇一捺支撐起來的。其實我認為產品的技術也是一樣，人工智能產品上的自然語言交互技術本身現(xiàn)在不成熟，它周邊設計了很多具體的技術。那我們在用的時候，顯然會遇到的一個問題，基本上三句就問倒了，或者是不會做什么了。
在這樣的一個情況下，產品和技術如何去互補？就像剛才林老師說的，收縮和控制人們的使用預期，同時把技術的那種可能性挽回到極致。我覺得這個是需要技術人員和產品人員一起去想辦法解決的問題。
劉丹：我們從做人工智能機器人是從 2012 年在成都落地來做的項目，當時 NLP 我們也就估計有 3-5 個人能懂一點，包括分詞、一些智能應用識別。
產品我們更多以結果為導向。相當于說它一個不成熟的東西，你必須把它推到線上。通過線上去論證，直到成熟為止，它從不成熟到成熟的過程，看你怎么定義它，我覺得它相對來說是一個不穩(wěn)態(tài)。
但是通過現(xiàn)在大數(shù)據(jù)的存在，包括很多的消費者用到我們的智能產品，他會幫助我們的技術、產品做一個修正和提升，最終走向成熟，我覺得這是非常重要的。就是說我們做的產品或項目也好，肯定是給我們的消費者帶來價值。否則不管成熟或者不成熟，都沒有這個命題存在。
王斌：大家討論的結果就是 NLP 這邊有一些地方不太成熟，但是跟應用相結合，找到其中的一個平衡點。第 2 個問題就是從這幾年開始大家看到深度學習席卷所有的領域，包括 NLP 的領域。那么有一個問題就是，這個語言學難道就沒有什么用了嗎？
周明：我自己的理解，語言學家其實在語言很多任務上起到了很重要的作用。早期就不用說了，寫規(guī)則、語法詞典。其實就是今天語言還有詞典仍然起作用，比如說情感分析用字典，其實是語言學家?guī)椭麃砜偨Y的。
還有一個標準體系，比如說情緒有多少種分類，其實語言學家可能告訴我們的沒有那么準，語言學家?guī)椭覀冎贫w系，這是一個盲點。
第二個，語言學家產生的語料，比如說知識圖譜這些東西，可以幫我們產生數(shù)據(jù)，來增強學習過程。
第三個就是語言學家可以做測試點，就是做任何自然語言處理的，有幾個關鍵的地方一定要測到。那么語言學家給你寫出這種測試案例來，甚至是系統(tǒng)，就是基于語言點來測試，比你那種盲目的抽樣測試可能更準。
最后一個是現(xiàn)在所謂的都在通過大數(shù)據(jù)來進行學習，但是沒有或者很少進行建模和學習。恰好語言學家，能夠提供給予相應的指導方式。我認為這些領域，大家應該巧妙的利用起來才對。
孫樂：我覺得自然語言處理這個領域，實際上就是一個交叉學科，可能不但需要語言學，還需要心理學、哲學，需要神經科學。比方說，如果我們在建這個知識圖譜，在見證研究語言的一些關系。
實際上你需要去從這些哲學中，來對自然語言理解的世界進行理解，我們要從各個學科中去吸取一些新的經驗。我們學會在組織每年這種報告的時候，我們特別會請一些語言學家。其中一個老師他就講了一個詞性問題，但他分析了大概十幾種語言。
其實我覺得在場的很多老師得到了很多啟發(fā)，我們在講中文的特殊性，其實特殊的語言還有很多。還有另外一個比如說像從認知科學，如果說有這種新語言學家能夠把嬰兒學習語言的過程給我們揭示出來，對我們來說是非常大的一個幫助。
王斌：下一個問題是，一方面企業(yè)有真實的需求，有大量數(shù)據(jù)，也有計算環(huán)境。但是，研究界也有很多的資源，如何實現(xiàn)這個學術界和工業(yè)界的共贏？
林德康：其實，現(xiàn)在說深度學習那么重要都是工業(yè)階層，但它是從學術界出來的，一直在學術界都不受重視，只有那么幾個學者一直在堅持，堅持了幾十年。學術界跟工業(yè)界研究不一樣，在工業(yè)界一般有時間表，哪怕是在 Google 的研究部門也有這個壓力，會問這個到底跟現(xiàn)在的產品有沒有相關性。在產品部門就更是這樣的了，產品部門基本上是按 Quarter 算的。
在學術界做研究的話，一般是憑著自己信念、興趣，就不管最后是不是像 Deep Learning 那樣成功，只要這個過程比較喜歡，才會有人去做。
李志飛：我之前也做過一段時間研究，后來就創(chuàng)業(yè)了。前一陣子建立了一個聯(lián)合實驗室，其實當時我就想說到底怎么樣能夠把企業(yè)跟學校的研究連起來。在美國的話，像這種暑期訪問都有，但總的來說還沒有達到一個特別好的效果。
在中國我覺得就更差，我看百度可能都沒有這種教授暑期訪問的計劃。我當時想探討的一個模式是什么呢？就是我特別想把這些博士生或者教授，能夠帶我們公司去待一個月或者待兩個星期，先熟悉一下我們的系統(tǒng)，從里面的單元拿幾個模塊，然后了解每個模塊大概往里面是怎么插的。
我的目標倒不是讓這些老師或者學生去做我們的系統(tǒng)本身，但我覺得他可以先理解這個東西，然后再回到學校去，他甚至去抽象出問題，然后想想他搞的這些研究到底怎么能夠跟我們的系統(tǒng)有一些關聯(lián)，或者他有一些算法怎么插進去。最后，有一些東西，是不是直接會直接放在我們的系統(tǒng)里面去，我覺得這個是最好的一種模式。
但這個可能也沒那么容易，因為很多學生他的壓力很大，系統(tǒng)這個代碼太復雜，他看兩天可能就不看了。但我覺得這確實是特別核心的一件事情，如果說能夠對系統(tǒng)又了解，然后又抽象問題，這塊兒又能想出新的 Idea，然后 Idea 可以放在我們的產品里面去。但以前的話，學術上做一些 Demo，自己寫不了 App，后臺又沒有，根本就沒法 Demo 看。
而我們這里面其實一做進去可能第二天就可以看見了，所以我覺得能夠以這樣的模式去做的話，其實你剛才說的數(shù)據(jù)也好， Idea 或者人才成本也好，其實這些都不是什么問題。
趙世奇：剛才志飛提到教授訪問計劃，百度其實是有的，包括青年學者到百度訪問，一般是幾個月，也有超過半年，然后確實也做了一些對于公司很多方向有幫助的一些研究成果，實習生就更不用說了。
現(xiàn)在還有另外一個問題，就是數(shù)據(jù)共享，那我就記得每次參加 Panel 這樣的環(huán)節(jié)，都有這個問題。就是為什么不公布數(shù)據(jù)、為什么不共享數(shù)據(jù)，你們是有這樣的責任和義務的。其實這對于一個企業(yè)來說，它有這種服務用戶的義務，它為用戶的數(shù)據(jù)去保密，去慎重使用用戶數(shù)據(jù)的義務。
這個數(shù)據(jù)能不能在合理合法和恰當?shù)姆秶鷥群蛯W術界來實現(xiàn)共享，我覺得這個作為企業(yè)來說，也應該算是一個思考。其實，之前我們說要不然不共享，要不然就是全盤突出的共享。但我有沒有一個更安全、更合理方式的保證。我們說大家研究可用，甚至說包括一些開發(fā)者的開發(fā)可用，另一方面我們對于用戶是安全的，也能夠盡到它保護用戶隱私和數(shù)據(jù)的責任。
我舉個例子，像我們現(xiàn)在也在探討一些方式，我們今年開放面向開發(fā)者的一個平臺，它是做語言理解和交互技術的。那我們就意識到，開放這樣一個平臺只有技術的情況下其實是不夠的。尤其像理解交互，沒有數(shù)據(jù)的話大家是沒有辦法做的，所以有一種方式就是說，在平臺上大家可以去提交自己標注的小范圍、小規(guī)模的數(shù)據(jù)。
有了這些數(shù)據(jù)之后，我們其實可以從百度大數(shù)據(jù)里面，自動通過語義計算方式去篩選出來和你的數(shù)據(jù)最相似的一些數(shù)據(jù)，甚至可以篩選出來和你最容易錯的那些數(shù)據(jù)最相似的數(shù)據(jù)。那么這些數(shù)據(jù)再提供給我們的開發(fā)者來做標準，這個過程它其實就是變成一種，我把所有最相似、最有用的那一部分數(shù)據(jù)給你。當然，這個前提是我們確保這些數(shù)據(jù)不會構成對用戶隱私的侵犯。通過這種方式，我們希望可以達到更好的一個折中的狀態(tài)。
劉丹：其實我們京東也在高校有一些合作，包括跟國內外大學建立了一些聯(lián)合實驗室，做一些課題，包括在做一些深度學習相關的一些算法研究。但更重要的是這些模型都來自于一個學術界的一些新的 Paper 或者新觀念，大家都能看得到。
數(shù)據(jù)的問題，這個安全性很重要，包括京東上有用戶家里面的數(shù)據(jù)，數(shù)據(jù)是相當高質量的。所以，這對我們來說相當重要。那我們在做深度學習也好，包括相關算法提升也好，就是這個數(shù)據(jù)，到底怎么來提供給你？學生的話可以來加入我們，這個數(shù)據(jù)可以整個開放給他。但是外面的人，我覺得可以通過借用的方式。
這個我們可以找出一部分相關的一些數(shù)據(jù)做一些數(shù)據(jù)透明，挖出來他的用戶信息、電話等相關信息。這樣的話，可以拿來做一些訓練，包括做一些標準，未來上線的一個評測。用戶覺得這個是沒問題的，現(xiàn)在我們有一個模算師的平臺就是做這個工作，里面沉浸了大量的一些區(qū)域面。未來如果有一些對 Chatbot 比較感興趣的可以來做一些探討。
王斌：大家知道人工智能現(xiàn)在是非?；穑? 月 20 日我們國務院發(fā)布了一個新一代人工智能的規(guī)劃，這個事情對我們到底有多大的意義？
周明：第一，我想說的就是，人工智能春天來了，給大家提供了很好的機會，包括政府支持產業(yè)知識結構，有無窮多的機會。這也是我們這一次峰會的宗旨，就是提供一個交流平臺，讓大家能夠茁壯成長。
第二，要有清醒的頭腦，也不是說一窩蜂上什么都見效，然后大家都發(fā)財。只有有前瞻性、還有像李志飛這樣有商業(yè)頭腦的人，還有機會超越。
比如說研究上你不能一窩蜂看人都做 Deep Learning，所以你也做這個，那不會有超越。我總在想，在別人做了某些事情的時候，能不能就不做，或者就是想，我如果是他，我下一步應該做什么？這個應該好好去定位，找一些新的機會。
我們作為在校的同學，其實要做一點有用的研究，要及時接觸學術界的需求，不能就是在書本上來回來去該參數(shù)，以抄文章為主。所以要有更大的抱負，如果能夠很好施展的話，一直到 2030 年，我認為一直是中國一個很好的機會，也是大家做學問、做產業(yè)的一個機會。
孫樂：因為這個也是很多院士花了挺長時間來呼吁國家來做部署，從咱們的國情來講，就是政府發(fā)文然后去一級級定，還是非常重要的。這個對咱們來說，是非常好的一個機會。然后就是我非常贊同的就是周明老師講的，做研究你還是需要比較冷靜的來看。就是大家都熱起來了以后，大家都做問答，你是不是要去跟風做這個問答？
然后，從這個研究落地的角度講，就是政府出臺政策的目的是拉動經濟。根本性的目的是因為我們國家產業(yè)轉型，人工智能是一個關鍵，從我們做研究的角度講，只有技術能找到一個落地點的話，才會得到更多的指示。
李志飛：從我個人來說，我是不太喜歡這種資源上傾斜或者怎么樣。其實任何一項技術，尤其人工智能這種技術，它一定有自己的周期規(guī)律。如果說想靠政府支援或者錢去催熟這個行業(yè)或者一些企業(yè)，我覺得這就是一個對比性的事情。所以我不希望我們能夠拿到什么國家資助，我從來不這么想。
我覺得對一個非常商業(yè)化的企業(yè)來說，自己在市場上有競爭力就好了，而不是靠政府補貼、資源傾斜，或者給你什么開綠燈，我覺得這個就失去了創(chuàng)業(yè)本質，當然我說這個話也沒有用。我覺得中國政府最應該做的是什么？就是創(chuàng)造一個公平的創(chuàng)新環(huán)境，首先我覺得大的戰(zhàn)略是非常好的。我是說不應該給某些企業(yè)或者幾個什么院士（我覺得這個也可以），但是絕大部分錢應該是構建一個創(chuàng)新機制、環(huán)境，然后讓大家公平競爭。
因為如果不是這樣的話，那就會有很多投機者，就天天去跟政府搞關系，做一些假什么的。其實過去很多的事情都是這樣的，所以我覺得最終這個錢，一定要花在創(chuàng)造一個創(chuàng)新環(huán)境中是最重要的，而不是說，傾斜某一個行業(yè)或者某一個企業(yè)，讓很多投機者去搞政府關系。
趙世奇：無論是中國還是美國其實都在人工智能方面出臺了國家級重要的戰(zhàn)略規(guī)劃。我覺得其實這個是因為國家看到了這個方向的重要意義，包括我們說現(xiàn)在很多人現(xiàn)在進入到了一個新時代，農業(yè)社會到工業(yè)社會、信息社會到今天這種智能社會。要我想其實在智能社會里，取得勝利的國家也許只有中國和美國，其他的國家也許逐漸都會被落到后面，無論是他整個人才儲備還是數(shù)據(jù)儲備。
有人說，在新的人工智能時代里面，數(shù)據(jù)是新能源，尤其是在中國，它那么多人口基數(shù)，有這么密集的數(shù)據(jù)。它在人工智能方面具有更多的先機，所以具有一個非常好的基礎設施，還比美國有更好的條件、資源的儲備。這個是我們很大的一個機會，同時我認為有國家推動，客觀講它一定會對這個人工智能在中國的發(fā)展起到一個很強的推動作用。
王斌：最后一個問題，大家覺得語言和智能結合的下一個突破、商機或者是技術上的突破在哪兒？
林德康：很多人說深度學習在自然語言沒有很大的突破，但是我覺得這個方向還是有可能性的。因為，就是從我們公司自己用深度學習，然后做語義識別，從這個就可以看出來這個深度學習還是很神奇的，不過我們做計算語言的，不去使勁的想這件事兒，有可能將來就變成負擔了。
李志飛：我更多從應用的角度看一下，在計算層面，過去 5 年其實整個世界發(fā)生了一個翻天覆地的變化。語義識別等這種偏模式識別得到了特別大的應用，無論是創(chuàng)業(yè)公司還是大公司，對這方面投入很大。但是我覺得現(xiàn)在可能到了要把這個，在過去的移動時代通過各種傳感器收集到數(shù)據(jù)，把它 Make Sense，就是把自然語言理解以及知識圖譜跟物理世界結合起來。我覺得無論是從這個應用層面，還是從學術層面都是最重要的一個事情。
今天自然語言交互或者說理解為什么這么差，就是因為我們對直覺、對物理事件沒有建模，我們的知識庫也是非常有限。
未來怎么樣能夠使計算機有直覺，對這個物理世界的知識建模能夠做的更好，然后怎么從文本信息能看到一些東西，但是又有一些推理、直覺去結合起來，最后可能才能對整個計算機世界有更好的理解。
孫樂：我覺得自然語言的理解經過多少年的發(fā)展，實際上我們到目前還沒有一個清晰的理論體系，或者叫建模的一個公式，就好比說我們的目標是設計飛機，但實際上我們沒有空氣動力學原理。所以我覺得我們未來的突破，可能就在于從語言認知機理中找到那樣一個“空氣動氣學原理”。這個可能會實現(xiàn)，只有有了這個以后，我們才能真正在語言和智能方面取得突破。
趙世奇：我認為可能有兩個方面，第一個方面就是隨著應用不斷的拓展，我們其實會發(fā)現(xiàn)很多新的 NLP 的問題。比如說糾錯，咱們說語音緊接著再接上自然語言，中間的這個糾錯能力就很難解，包括語音翻譯也是，那這樣的問題怎么解決？其實這就是一種新的問題，包括說我是不是端到端的語義，還是說我們雖然是級聯(lián)式的，但是中間有什么新的問題和解法，這是一方面的，是我們在應用中去找到新的問題點。
還有一個是很有意思的是，其實人工智能的發(fā)展，是多領域齊頭并進的，語音、圖像、視頻，這是其中第一階段的發(fā)展。那么這些發(fā)展的各個方向如何去聯(lián)合做一些研究，比如說現(xiàn)在也有叫多模態(tài)的 NLP，那就是說我如何借助圖片信息理解來輔助語言理解。反之亦然，這是一個聯(lián)合優(yōu)化的過程。
劉丹：我簡單的說一下，我覺得人工智能要做好這個東西，未來的發(fā)展方向，更重要的是回饋到每一個的用戶，跟我們生活產生真正的價值。不管你做多么花哨，不能給用戶帶來價值，其實應該就是一個沒用的技術。包括我們現(xiàn)在做客服機器人一樣，如果不能給消費者解決問題，純粹是做一些無關的東西，未來發(fā)展也會受到一些很大的瓶頸。
所以，我們在未來怎么去解決人工智能，真正的是給我們在消費者用也好，生活中每一個環(huán)境也好，能夠降低成本，提高效率，給我們整個生活帶來更多便利，我覺得這是 AI 需要主要考慮的方向。
周明：我認為這個在研究上和應用上可能都有回答的機會。研究上我們認為提現(xiàn)一個“跨”字，就是語言跟多模態(tài)的結合。比如語言跟視頻還有圖像結合，我們找自然語言、找圖像的時候，他們都有自己的局限性。如果誰先走一步，也許就是新的機會。
第二，神經網(wǎng)絡跟知識結合，也是符號跟網(wǎng)絡結合，李航老師也講過，可能知道我們好好探討。應該上的話，其實我們搞自然語言的應用，很多搜索引擎是自然語言的應用。像今日頭條那種，新聞聚合是一種應用。
那么未來最大的自然語言的機會在哪兒？有人說 IOT，有人是說語音助手，這些東西真的很難說。但我自己覺得，機器翻譯有可能會孕育出一個公司，很多比較大的公司。但是，李志飛和林德康都不一定同意，說機器翻譯不好掙錢。但我覺得要仁者見仁，智者見智，誰要把機器翻譯好好醞釀，出來一個大公司也是極有可能的。
但是我這里想提的一個是所謂 BI（Business Intelligence）。就是自然語言去放在大數(shù)據(jù)這種環(huán)境來看，它是分析自然語言的這種數(shù)據(jù)，把 BI 做好了之后、把數(shù)據(jù)分析好了之后，放在這個業(yè)務里面，比如說法律咨詢、醫(yī)療、教育各個方面都可以有廣泛的應用。但是在那個應用的時候，別人真不知道這個背后是自然語言技術。所以我是覺得把自然語言當做一種無形的一種技術，融入到很多的垂直用戶的痛點問題上，這樣可能是回答一些問題，可能也是產品化的一些機會。
AI慕課學院近期推出了《NLP工程師入門實踐班：基于深度學習的自然語言處理》課程!
三大模塊，五大應用，海外博士講師手把手教你入門NLP，更有豐富項目經驗相授；算法+實踐，搭配典型行業(yè)應用；隨到隨學，專業(yè)社群，講師在線答疑！
課程地址：http://www.mooc.ai/course/427
加入AI慕課學院人工智能學習交流QQ群：624413030，與AI同行一起交流成長
雷峰網(wǎng)原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
