via / novalanguages

讓人工智能（AI）更好地通過深度學(xué)習(xí)技術(shù)理解自然語言一直是該領(lǐng)域的重要難關(guān)，為此，研究者都想方設(shè)法地去訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)。日前，劍橋大學(xué)的科研人員就想到了一個加強深度學(xué)習(xí)的新法子：讓人工神經(jīng)網(wǎng)絡(luò)玩填字游戲。

深度學(xué)習(xí)指的是，借助大量的數(shù)據(jù)來對幾乎不具有什么知識基礎(chǔ)的人工神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，從而讓其掌握人類理解能力的一種手段。比如劍橋大學(xué)利用字典釋義來訓(xùn)練這個應(yīng)用程序一樣。

據(jù)了解，科研人員設(shè)計出一個應(yīng)用，讓人工神經(jīng)網(wǎng)絡(luò)在此平臺上進行標(biāo)準(zhǔn)的填字游戲問答。研究發(fā)現(xiàn)，該系統(tǒng)能夠明白簡單的短語、隱喻等抽象性表達，取得的成績比市面上任何為填字游戲設(shè)計的軟件都要好。而且，該系統(tǒng)的表現(xiàn)儼然一部“逆序詞典”（把最后一個字相同的詞語排列在一起，按照詞語末位字的順序來排列），能夠根據(jù)給出的概念描述回答出特定意義的詞語。

研究過程中，科研人員從六部字典以及維基百科詞條中選取釋義來進行大量的實例訓(xùn)練，希望能讓系統(tǒng)理解字詞、短語和句子等語義群——將釋義作為字詞和句子之間的橋梁，讓其根據(jù)句子理解出字詞。他們的研究成果指出，用類似的方式來進行訓(xùn)練，或同樣能夠提高那些語言理解和對話系統(tǒng)、信息檢索引擎的信息輸出效率。

劍橋大學(xué)計算機實驗室研究員、本次研究的論文作者之一Felix Hill表示，訓(xùn)練計算機理解自然語言最大的挑戰(zhàn)是，為計算機重建人類學(xué)習(xí)說話和閱讀時接受到的豐富多樣的信息源。

這建立數(shù)據(jù)庫的事情其實聽起來似乎也不是很難，難就難在，比如說，當(dāng)系統(tǒng)遇到疑問或者數(shù)據(jù)庫沒有的信息時它就沒轍了。人類可以依靠生活經(jīng)驗中獲得的背景知識來推理，甚至是借助肢體語言等來輔助理解，但機器不能。

Hill認為，近來人工智能系統(tǒng)在深度學(xué)習(xí)上取得的進展可以概括為行為主義和認知主義。所謂行為主義，顧名思義，關(guān)注行為表現(xiàn)而忽略大腦和神經(jīng)的作用；認知主義則著眼于構(gòu)成行為的心理過程。像Hill他們搭建的這個深度學(xué)習(xí)系統(tǒng)就是一個認知學(xué)的反映。但是，對于一個以無限接近人類智力為目標(biāo)的系統(tǒng)來說，必須具備兩種方法論實踐。

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。