0
| 本文作者： AI科技評論 | 2016-06-02 16:30 |
圖片來源：Getty Images。
先是微軟、然后Facebook、現在是谷歌。又一次，互聯網巨頭們將目光聚焦在了同一個未來趨勢上：聊天機器人。
這些公司許諾說，在未來的幾個月和幾年內，你可以像跟朋友聊天一樣，與互聯網服務商聊天。聊天機器人會即時回復你的提問、回應你的需求，甚至預測你的需求。跟老同學聊天約聚會的時候，你可以讓OpenTable機器人找找有什么餐廳好吃。不用另外打開一個APP，你就能用Travelocity機器人訂酒店。
不過，還有一個關鍵問題沒有解決：打造一個真的可以聊天的聊天機器人。機器人可以以某些方式來模擬聊天，但是距離真正理解人們聊天的方式，還有很大的差距。上個月底，為了推動這方面AI技術的進步——并且與競爭對手爭搶公關眼球——谷歌開源了SyntaxNet，公司自然語言理解技術所使用的工具之一（開源分享可以讓更多的人來推動技術進步）。現在，為了不被超越，Facebook展示了自己的一項重要技術，一個稱為DeepText的自然語言引擎。
Facebook還沒有將這項技術開源。而且，公司也才剛剛開始在自己各項服務中使用DeepText。但是據Facebook稱，DeepText讓人們看到公司希望在未來加速自然語言理解的進展。為了打造系統，他們希望少一點依賴人類，多一點依賴數據——互聯網上的海量數據。
谷歌和Facebook都在使用深度神經網絡來推進他們的自然語言處理能力。深度神經網絡在許多別的在線任務中都已經獲得了成功，例如識別照片中的人臉、識別智能電話的語音指令，人們希望這些能夠通過分析海量數據學會任務的軟件和硬件網絡，也能夠成功學會理解語言，并以自然的方式回應人類語言。
谷歌新開源的系統“SyntaxNet”使用神經網絡來理解句子中的語法邏輯。神經網絡可以通過分析幾百萬張貓咪照片來學會識別貓咪，同樣地，神經網絡可以分析幾百萬個句子，從而學會理解語法——名詞、動詞、以及動詞如何與名詞聯系起來等等。這種方法稱為句法分析，很有用，但是也有局限性。人類必須將幾百萬個例句仔細標記，標出句子中的每一個部分，以及每個部分與句子剩余部分是什么關系，這樣SyntaxNet才能從數據中學習。而且，即便是機器成功學會理解一個句子的語法，它還得更進一步才能理解一個聊天對話的完整意義。
但是，現在Facebook的研究人員說，他們已經將這項頂尖技術推向了全新領域。”（DeepText）幫我們彌補了數據庫標記的不足。”Facebook工程總監Hussein Mehanna說，“它有非常巨大的結構。它可以通過無監管的方式來學習。”換句話說，Facebook的系統更多依賴數學，而非語法精度。
"他們說這話的意思是，關于語言結構，他們沒有去教神經網絡任何東西。”Chris Nicholson這樣解釋道，他是深度學習創業公司Skymind的創始人，他說Facebook的研究之前已經在一些公開研究論文中討論過了。這很重要，他補充說，因為這可以打造更加靈活的系統——系統可以馬上擴展到眾多不同的情景。Facebook的系統可以像學英語一樣，學會法語、西班牙語——只要將語言解構，將語言看做只是數學而已。據Mehanna說，DeepText已經能用20種不同的語言運行了。
過去，研究人員使用仔細編碼的規則來打造自然語言引擎——這是種困難又耗時的方法。這也是蘋果打造Siri的方法。通過打造可以自主學習的系統，谷歌和Facebook等公司希望系統不需要很多人類干涉，就能夠自己成長、越來越智能。不過，我們還沒實現這個目標。Facebook的方法還在早期階段，而且并不是所有人都相信Facebook的系統真像公司說的那么好用。
Noah Smith是華盛頓大學的計算機科學家，他的專業領域就是自然語言理解。他說不只有Facebook想通過未經標記的數據實現理解。他說，基于Facebook的一篇近期研究論文，他不覺得公司的方法特別酷炫。不過，他和許多人都認為，這是未來研究會探索的方向。
當用戶聊天時出現以下聊天內容，軟件會自動識別出用戶想打出租車，并出現叫車按鈕：“我需要打車。”、“我們打個車去吧。”、“打個車。”、“叫個出租。”、“但是我得打個車。”當用戶說“嗨！”、“我不需要打車。”和“我想騎毛驢。”的時候，軟件不會出現叫車按鈕。圖片來源：Facebook。
Mehanna說，Facebook會在今年夏天發表更多關于DeepText的最新研究論文。他說，公司正在開始測試該項技術，作為支持Facebook Messenger內部聊天機器人的工具。據Mehanna說，系統可以在你平時跟朋友聊天的時候自動識別出你想打出租車。而且，我們有理由相信Facebook可能在此方面有一種競爭優勢——數據。
要學會自然語言，你需要大量的自然語言——以數字化的形式。以前這是難以實現的。但是這對Facebook來說是小菜一碟——公司的社交媒體上，每一天都有幾百萬真實的聊天對話在發生。據Mehanna稱，人們每分鐘發布的新消息多達40萬條，而這些新消息下面，每天都會發布8千萬條評論。
對，這也就是說，Facebook利用自己網站上生成的數據來訓練DeepText，而公司以外的研究員很難驗證公司所說的技術。不過，這個數據也至關重要。現在，Facebook上幾乎所有的聊天都是人與人之間的進行的。但是有了正在傾聽和學習的機器人，也許有一天，我們也會在Facebook上和機器人聊天。
Via 《連線》雜志
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
