AI何時(shí)以及如何真正理解人類語言？可能嗎？
2018-11-11 09:25:00
2011年，美國瑣事游戲節(jié)目Jeopardy！特邀嘉賓參賽者：IBM的Watson，一臺超級計(jì)算機(jī)。Watson被選中與該劇的最佳獲勝者Ken Jennings和Brad Rutter競爭，以了解誰將在這場史詩般的人類與機(jī)器之戰(zhàn)中取得勝利。結(jié)果？Watson以壓倒性優(yōu)勢獲勝，回答價(jià)值總計(jì)35,734美元的問題，而Rutter的10,400美元和Jennings的4,800美元相比。
盡管沃森獲得了大獎(jiǎng)，但超級計(jì)算機(jī)偶爾會(huì)對該劇的一些問題給出荒謬的答案。當(dāng)被問到美國城市類別中的最后一個(gè)問題時(shí)，“哪個(gè)城市最大的機(jī)場以第二次世界大戰(zhàn)的英雄命名，第二次世界大戰(zhàn)的第二大戰(zhàn)斗？”，兩位人類選手正確回答“芝加哥”，而沃森回答“多倫多” - 加拿大的一個(gè)城市。這個(gè)錯(cuò)誤在節(jié)目結(jié)束后收到了很多新聞，證明盡管AI已經(jīng)取得了很大的進(jìn)步，但它仍然不是很完美。
幾年后，大數(shù)據(jù)科學(xué)家正在加倍努力，幫助人工智能機(jī)器理解與人類更好地互動(dòng)所必需的背景和細(xì)微差別，特別是當(dāng)它涉及意義和自然語言處理時(shí)。以下是這些科學(xué)家為實(shí)現(xiàn)這一目標(biāo)而努力的一些概念。
情緒分析
情緒分析使AI能夠挑選出某些單詞或短語，表明陳述是正面，負(fù)面還是中性。這在獲取一般情緒或強(qiáng)烈異常值的情況下尤其有用，可以幫助組織實(shí)時(shí)響應(yīng)消費(fèi)者的需求。情感分析可用于任何類型的評論網(wǎng)站，群發(fā)電子郵件回復(fù)，在線評論，社交媒體帖子等。
自然語言處理
自然語言處理（NLP）幫助AI機(jī)器處理，分析和解釋大量人類語言數(shù)據(jù)，并挑選出一般語言趨勢。然而，AI仍然需要不僅要理解單詞或短語的所有可能含義，還要理解使用它的上下文，以便機(jī)器能夠正確識別預(yù)期含義。
例如，人們經(jīng)常說諷刺是它自己的語言，因?yàn)樗且环N修辭手段，使用諷刺的詞語或違背其原始含義。人工智能不會(huì)總是接受這個(gè)意圖，可能會(huì)錯(cuò)誤地將諷刺性的陳述解釋為真實(shí)的陳述。
數(shù)據(jù)科學(xué)家目前正在開發(fā)額外的NLP模型和培訓(xùn)，以提高AI的能力。人工智能正在從機(jī)器依賴語法記憶到理解語言轉(zhuǎn)變?yōu)槭褂酶嗟娜斯ど窠?jīng)網(wǎng)絡(luò)（ANN），模仿人類大腦的神經(jīng)網(wǎng)絡(luò)并使機(jī)器能夠通過暴露于許多文本示例來分析和理解基本語言基礎(chǔ)知識和演講。
這種方法最終將幫助人工智能機(jī)器更容易地掌握俚語，習(xí)語，諷刺，隱喻和非文字語言。
了解更大的復(fù)雜性
研究人員正在嘗試對機(jī)器人進(jìn)行編程，使其對事物有更復(fù)雜的理解。這包括開發(fā)可以同時(shí)處理多個(gè)任務(wù)的AI模型，或者理解更復(fù)雜的問題（例如“人口最多的國家是什么？”，這需要機(jī)器分析所有國家的人口，而“人口最多的國家是什么？在赤道以南，“這需要機(jī)器分析所有國家的人口以及所有國家的地理位置，以確定哪些國家位于赤道以南”。
最近一個(gè)更復(fù)雜的機(jī)器人的例子是Sophia，這是一個(gè)由Hanson Electronics在香港于2017年開發(fā)的人形機(jī)器人。索菲亞掌握了多任務(wù)處理：處理問題，做出回應(yīng)，識別人臉，與提問者保持目光接觸。她具有特別先進(jìn)的自然語言處理能力，可以表達(dá)情感，理解更細(xì)微的溝通，如幽默和諷刺。2017年底，索菲亞還成為第一個(gè)被公認(rèn)為國家公民的機(jī)器人。
未來該何去何從？
盡管大多數(shù)個(gè)人和組織不需要使用具有索菲亞復(fù)雜性的人工智能機(jī)器，但她是人工智能如何發(fā)展以及我們?nèi)绾问褂玫娜斯ぶ悄?- 從Siri到機(jī)器翻譯 - 必然會(huì)不斷改進(jìn)的一個(gè)例子。
鑒于人工智能最近取得的進(jìn)展，宣布即將到來的奇點(diǎn)尚不安全。然而，假設(shè)技術(shù)不會(huì)繼續(xù)以快速的速度改進(jìn)是不正確的。
