via / novalanguages

讓人工智能（AI）更好地通過(guò)深度學(xué)習(xí)技術(shù)理解自然語(yǔ)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(gè)加強(qiáng)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(lái)對(duì)幾乎不具有什么知識(shí)基礎(chǔ)的人工神經(jīng)網(wǎng)絡(luò)進(jìn)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(lái)訓(xùn)練這個(gè)應(yīng)用程序一樣。

據(jù)了解，科研人員設(shè)計(jì)出一個(gè)應(yīng)用，讓人工神經(jīng)網(wǎng)絡(luò)在此平臺(tái)上進(jìn)行標(biāo)準(zhǔn)的填字游戲問(wèn)答。研究發(fā)現(xiàn)，該系統(tǒng)能夠明白簡(jiǎn)單的短語(yǔ)、隱喻等抽象性表達(dá)，取得的成績(jī)比市面上任何為填字游戲設(shè)計(jì)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(gè)字相同的詞語(yǔ)排列在一起，按照詞語(yǔ)末位字的順序來(lái)排列），能夠根據(jù)給出的概念描述回答出特定意義的詞語(yǔ)。

研究過(guò)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(lái)進(jìn)行大量的實(shí)例訓(xùn)練，希望能讓系統(tǒng)理解字詞、短語(yǔ)和句子等語(yǔ)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(lái)進(jìn)行訓(xùn)練，或同樣能夠提高那些語(yǔ)言理解和對(duì)話系統(tǒng)、信息檢索引擎的信息輸出效率。

劍橋大學(xué)計(jì)算機(jī)實(shí)驗(yàn)室研究員、本次研究的論文作者之一Felix Hill表示，訓(xùn)練計(jì)算機(jī)理解自然語(yǔ)言最大的挑戰(zhàn)是，為計(jì)算機(jī)重建人類學(xué)習(xí)說(shuō)話和閱讀時(shí)接受到的豐富多樣的信息源。

這建立數(shù)據(jù)庫(kù)的事情其實(shí)聽(tīng)起來(lái)似乎也不是很難，難就難在，比如說(shuō)，當(dāng)系統(tǒng)遇到疑問(wèn)或者數(shù)據(jù)庫(kù)沒(méi)有的信息時(shí)它就沒(méi)轍了。人類可以依靠生活經(jīng)驗(yàn)中獲得的背景知識(shí)來(lái)推理，甚至是借助肢體語(yǔ)言等來(lái)輔助理解，但機(jī)器不能。

Hill認(rèn)為，近來(lái)人工智能系統(tǒng)在深度學(xué)習(xí)上取得的進(jìn)展可以概括為行為主義和認(rèn)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(rèn)知主義則著眼于構(gòu)成行為的心理過(guò)程。像Hill他們搭建的這個(gè)深度學(xué)習(xí)系統(tǒng)就是一個(gè)認(rèn)知學(xué)的反映。但是，對(duì)于一個(gè)以無(wú)限接近人類智力為目標(biāo)的系統(tǒng)來(lái)說(shuō)，必須具備兩種方法論實(shí)踐。

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。