建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
大數(shù)據(jù)文摘出品
成都服務(wù)器托管，創(chuàng)新互聯(lián)提供包括服務(wù)器租用、樂(lè)山服務(wù)器托管、帶寬租用、云主機(jī)、機(jī)柜租用、主機(jī)租用托管、CDN網(wǎng)站加速、域名申請(qǐng)等業(yè)務(wù)的一體化完整服務(wù)。電話(huà)咨詢(xún)：13518219792
編譯：李佳、湯圓、錢(qián)天培
“我的飛機(jī)什么時(shí)候到?”
把這個(gè)問(wèn)題拋給智能機(jī)器人助手。幾乎可以肯定，機(jī)器立馬就懵逼了。
“我”是誰(shuí)?“飛機(jī)”是航班還是淘寶上訂的模型玩具呢?“到”又是到哪呢?
如果是人類(lèi)來(lái)回答這個(gè)問(wèn)題，即使在情景不明確的情況下也能在快速澄清后給出回答，但對(duì)機(jī)器來(lái)說(shuō)，除非依賴(lài)大量人為制定的規(guī)則，回答這樣的問(wèn)題難度堪比“哥德巴赫猜想”。
面對(duì)自然語(yǔ)言處理發(fā)展(NLP)存在的諸多難題，該領(lǐng)域的大牛、Salesforce的首席科學(xué)家Richard Socher在近日指出：NLP領(lǐng)域的發(fā)展要過(guò)三座大山。
困擾NLP領(lǐng)域的這三座大山究竟是什么?一起來(lái)聽(tīng)大佬說(shuō)。
一直以來(lái)，語(yǔ)言都被認(rèn)為是人類(lèi)的獨(dú)特能力，是智慧的表現(xiàn)。但最近，自然語(yǔ)言處理技術(shù)的發(fā)展似乎也將語(yǔ)言能力賦予給了機(jī)器。
幫你打電話(huà)訂餐，給你講故事，解決各種刁鉆的冷知識(shí)問(wèn)答…機(jī)器的語(yǔ)言能力已經(jīng)無(wú)限接近人類(lèi)水平。
現(xiàn)在你可以走進(jìn)昏暗的客廳，讓Alexa把智能燈的亮度提高到75%。你也可以詢(xún)問(wèn)他世界另一邊的天氣情況。在Google最近的Duplexde，AI助理已經(jīng)能夠給理發(fā)店打電話(huà)，為你預(yù)約剪發(fā)。
曾經(jīng)被視為科幻的場(chǎng)景現(xiàn)在變?yōu)榱爽F(xiàn)實(shí)，但為了維持真正的人機(jī)關(guān)系，機(jī)器必須能夠與人進(jìn)行更直觀、理解上下文和自然的對(duì)話(huà)--這仍然是一個(gè)挑戰(zhàn)。我致力于研究NLP，但是就像AI一樣，我們還在這個(gè)旅程的開(kāi)始階段。
語(yǔ)言是分享信息和與周?chē)B接的一種機(jī)制，但是機(jī)器需要理解語(yǔ)言的復(fù)雜性以及作為人類(lèi)是如何使用語(yǔ)言進(jìn)行交流的。情感分析、問(wèn)題回答和聯(lián)合多任務(wù)學(xué)習(xí)方面的進(jìn)步使AI能夠真正理解人類(lèi)以及我們的交流方式。
情感分析
語(yǔ)言本身就是復(fù)雜的。它不斷發(fā)展，而且細(xì)致入微，一般人需要數(shù)年才能掌握。通過(guò)情緒分析，我們可以使用AI來(lái)理解特定內(nèi)容，比如品牌或電影評(píng)價(jià)是正面的、負(fù)面的還是中性的。
我們也能弄清楚演講者的態(tài)度和意圖(她是生氣，高興，驚訝還是準(zhǔn)備好要買(mǎi)東西了?)。從客戶(hù)服務(wù)到在線(xiàn)社區(qū)調(diào)節(jié)再到算法交易，能夠即時(shí)分析數(shù)千條推特和數(shù)百條產(chǎn)品評(píng)論來(lái)理解公眾對(duì)一個(gè)品牌的看法，這對(duì)于企業(yè)來(lái)說(shuō)是非常有價(jià)值的。
情感分析技術(shù)已經(jīng)存在了一段時(shí)間，但并不總是非常精準(zhǔn)。隨著NLP的進(jìn)展，這種情況正在發(fā)生變化。在我擔(dān)任首席科學(xué)家的Salesforce，我們的AI(叫做Einstein)允許品牌能夠通過(guò)電子郵件，社交媒體，和聊天短信得到實(shí)時(shí)的情感分析，為客戶(hù)提供更好的體驗(yàn)。
準(zhǔn)確的情感分析，例如，服務(wù)代理可幫助了解應(yīng)優(yōu)先服務(wù)哪些不滿(mǎn)意的客戶(hù)，或者應(yīng)向誰(shuí)提供優(yōu)惠。也可識(shí)別產(chǎn)品缺陷，衡量產(chǎn)品滿(mǎn)意度，通過(guò)社交平臺(tái)改變?nèi)藗儗?duì)品牌的認(rèn)知。其他科技公司也提供類(lèi)似服務(wù)。
對(duì)于情感分析來(lái)說(shuō)，理解上下文也是很重要的。假設(shè)你有一家肥皂公司，有人在推特上說(shuō)：“這種肥皂對(duì)嬰兒來(lái)說(shuō)真的很棒。”這可以是對(duì)兒童肥皂的積極支持，也可能是暗諷這對(duì)孩子來(lái)說(shuō)很可怕。
這句陳述可能包含很多上下文，但又很簡(jiǎn)單!使用AI分析某一句子結(jié)構(gòu)的所有可能性，并理解一個(gè)人在特定語(yǔ)境下的用意，是NLP研究的重大挑戰(zhàn)。它既需要標(biāo)記數(shù)據(jù)來(lái)改進(jìn)模型培訓(xùn)，也需要新的模型在學(xué)習(xí)上下文的同時(shí)在許多不同類(lèi)型的任務(wù)之間共享知識(shí)。
問(wèn)答
隨著NLP更好地解析文本的含義，幫助管理我們生活的數(shù)字助理智能將會(huì)提高。Siri和Google Assistant等應(yīng)用程序可為常見(jiàn)問(wèn)題提供優(yōu)質(zhì)答案，并執(zhí)行簡(jiǎn)單的命令。理想情況下，我們應(yīng)該能夠問(wèn)電腦任意問(wèn)題，并且得到好的答案。
提供更好答案的一種方式是確保計(jì)算機(jī)理解問(wèn)題。如果你問(wèn)“我的飛機(jī)什么時(shí)候到達(dá)?”計(jì)算機(jī)怎么知道是在談?wù)撃愕暮桨噙€是從亞馬遜訂購(gòu)的木工工具呢?
通過(guò)對(duì)語(yǔ)義的更深入理解，再加上對(duì)上下文數(shù)據(jù)的更好使用，計(jì)算機(jī)在判斷語(yǔ)義這方面正變得越來(lái)越好。我們正在研究如何使用NLP學(xué)習(xí)每一層上下文，這樣AI就可以同時(shí)處理所有內(nèi)容，而不會(huì)錯(cuò)過(guò)重要的信息。
例如，動(dòng)態(tài)共聚焦網(wǎng)絡(luò)( dynamic coattention networks可以根據(jù)不同的問(wèn)題對(duì)單個(gè)文檔進(jìn)行不同的解釋?zhuān)热?，面?duì)一篇體育報(bào)道，在回答“哪位運(yùn)動(dòng)員獲得了冠軍?”和“最年輕的參賽者是幾歲?”這兩個(gè)問(wèn)題是，機(jī)器就能對(duì)這篇報(bào)道作出不同的理解，從而反復(fù)假設(shè)多個(gè)答案，最終得到最好、最準(zhǔn)確的結(jié)果。
聯(lián)合多任務(wù)學(xué)習(xí)
科學(xué)界善于構(gòu)建能很好地執(zhí)行單個(gè)任務(wù)的人工智能模型。但是，更直觀、會(huì)話(huà)式的并聯(lián)系上下文的界面則需要一個(gè)不斷學(xué)習(xí)的AI模型，它能夠?qū)⑿氯蝿?wù)與舊任務(wù)集成起來(lái)，并在這個(gè)過(guò)程中學(xué)習(xí)執(zhí)行更加復(fù)雜的任務(wù)?？傮w上來(lái)說(shuō)，這對(duì)所有AI都是適用的，但在語(yǔ)言方面尤其如此，因?yàn)檎Z(yǔ)言需要靈活性。
“誰(shuí)是我的客戶(hù)?”這是一個(gè)十分簡(jiǎn)單的任務(wù)：創(chuàng)建客戶(hù)列表。但是，“誰(shuí)是太平洋西北地區(qū)對(duì)某一特定產(chǎn)品的最佳潛在客戶(hù)呢”?這樣的問(wèn)題增加了一層復(fù)雜性，需要大量的集成任務(wù)來(lái)提供答案，例如：如何定義“最佳”?客戶(hù)定位在哪里?是什么因素導(dǎo)致客戶(hù)對(duì)產(chǎn)品感興趣的?每增加一個(gè)因素，問(wèn)題的復(fù)雜性都會(huì)急劇增加。
Salesforce研究公司最近進(jìn)行了一項(xiàng)名為“自然語(yǔ)言十項(xiàng)全能”的研究，該研究將多個(gè)任務(wù)轉(zhuǎn)化為問(wèn)答的形式，從而在一個(gè)單模型中解決了NLP最困[1]難的10項(xiàng)任務(wù)：?jiǎn)栴}回答，機(jī)器翻譯，摘要，自然語(yǔ)言推理，情感分析，語(yǔ)義角色標(biāo)注，關(guān)系提取，目標(biāo)導(dǎo)向?qū)υ?huà)，數(shù)據(jù)庫(kù)查詢(xún)生成，代詞消解。
使用多任務(wù)問(wèn)答模型，將每個(gè)任務(wù)作為一種問(wèn)答形式，單個(gè)模型在沒(méi)有任何特定參數(shù)或模塊的情況下共同學(xué)習(xí)和處理不同的任務(wù)。這不僅意味著數(shù)據(jù)科學(xué)家不再需要為每項(xiàng)任務(wù)建立、訓(xùn)練和優(yōu)化單個(gè)模型，而且還意味著該模型具有零射擊(zero-shot)學(xué)習(xí)能力---換句話(huà)說(shuō)就是該模型可以處理以前從未見(jiàn)過(guò)或?qū)ｉT(mén)訓(xùn)練過(guò)的任務(wù)。
隨著研究人員繼續(xù)改進(jìn)這樣的模型，我們會(huì)看到AI界面在承擔(dān)更復(fù)雜任務(wù)時(shí)變得更聰明。
雖然我們已經(jīng)研究NLP很長(zhǎng)時(shí)間了，但我們要走的路還長(zhǎng)著呢。希望隨著NLP技術(shù)的提升，人類(lèi)與機(jī)器的交互形式最終能夠迎來(lái)質(zhì)的飛躍。
相關(guān)報(bào)道：
https://hbr.org/2018/07/ais-next-great-challenge-understanding-the-nuances-of-language
【本文是專(zhuān)欄機(jī)構(gòu)大數(shù)據(jù)文摘的原創(chuàng)文章，微信公眾號(hào)“大數(shù)據(jù)文摘（ id: BigDataDigest）”】
本文題目：語(yǔ)言處理想突破，三座大山必須過(guò)
當(dāng)前URL：http://www.5511xx.com/article/dpipiso.html
