AI何時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，一臺超級計算機。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，回答價值總計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，但超級計算機偶爾會對該劇的一些問題給出荒謬的答案。當被問到美國城市類別中的最后一個問題時，“哪個城市最大的機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” - 加拿大的一個城市。這個錯誤在節(jié)目結(jié)束后收到了很多新聞，證明盡管AI已經(jīng)取得了很大的進步，但它仍然不是很完美。

幾年后，大數(shù)據(jù)科學家正在加倍努力，幫助人工智能機器理解與人類更好地互動所必需的背景和細微差別，特別是當它涉及意義和自然語言處理時。以下是這些科學家為實現(xiàn)這一目標而努力的一些概念。

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，負面還是中性。這在獲取一般情緒或強烈異常值的情況下尤其有用，可以幫助組織實時響應消費者的需求。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，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，以便機器能夠正確識別預期含義。

例如，人們經(jīng)常說諷刺是它自己的語言，因為它是一種修辭手段，使用諷刺的詞語或違背其原始含義。人工智能不會總是接受這個意圖，可能會錯誤地將諷刺性的陳述解釋為真實的陳述。

數(shù)據(jù)科學家目前正在開發(fā)額外的NLP模型和培訓，以提高AI的能力。人工智能正在從機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（ANN），模仿人類大腦的神經(jīng)網(wǎng)絡并使機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知識和演講。

這種方法最終將幫助人工智能機器更容易地掌握俚語，習語，諷刺，隱喻和非文字語言。

了解更大的復雜性

研究人員正在嘗試對機器人進行編程，使其對事物有更復雜的理解。這包括開發(fā)可以同時處理多個任務的AI模型，或者理解更復雜的問題（例如“人口最多的國家是什么？”，這需要機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”。

最近一個更復雜的機器人的例子是Sophia，這是一個由Hanson Electronics在香港于2017年開發(fā)的人形機器人。索菲亞掌握了多任務處理：處理問題，做出回應，識別人臉，與提問者保持目光接觸。她具有特別先進的自然語言處理能力，可以表達情感，理解更細微的溝通，如幽默和諷刺。2017年底，索菲亞還成為第一個被公認為國家公民的機器人。

未來該何去何從？

盡管大多數(shù)個人和組織不需要使用具有索菲亞復雜性的人工智能機器，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到機器翻譯 - 必然會不斷改進的一個例子。

鑒于人工智能最近取得的進展，宣布即將到來的奇點尚不安全。然而，假設技術不會繼續(xù)以快速的速度改進是不正確的。