文/陳根

比爾·蓋茨曾說：“語言理解是人工智能皇冠上的明珠”。

其中，自然語言處理（NaturalLan-guageProcessing，NLP）是將人類交流溝通所用的語言經(jīng)過處理轉化為機器所能理解的機器語言，是一種研究語言能力的模型和算法框架，是語言學和計算機科學的交叉學科，是實現(xiàn)人機間的信息交流，是人工智能、計算機科學和語言學所共同關注的重要方向。

顯然，誰掌握了更高級的自然語言處理技術，誰在自然語言處理的技術研發(fā)中取得了實質突破，誰就將在日益激烈的人工智能軍備競賽中占得先機。一直以來，讓計算機對自然語言的理解和處理能力接近人類，也是科學家們的終極愿景。

近日，來自IBM的AI研究團隊就報告了Project Debater（“辯手項目”）的最新進展，研究團隊表示，該系統(tǒng)已可以與人類專家選手進行體面且有意義的現(xiàn)場辯論，它能通過儲存了4億篇新聞報道和維基百科頁面的知識庫，自行組織開場白和反駁論點。

 從演示成果來看，研究人員定義了一種辯論形式，它是學術競爭性辯論中常用的辯論風格簡化版，即一旦被稱為 “辯論動議” 的主題宣布，Project Debater 和人類選手都各有 15 分鐘的準備時間。準備就緒后，雙方就開始輪流發(fā)言。

研究人員選擇了 78 個動議來評估當一個新的辯題出現(xiàn)時，各種 AI 系統(tǒng)以及人類專家的表現(xiàn)，每一次演講都由 15 位評審員進行了回顧評分，以判斷此演講是否能作為支持辯題立場的良好開場白，其中 5 分表示高度一致。評估結果顯示，Project Debate明顯優(yōu)于其他系統(tǒng)，并且非常接近人類專家的得分。

在開場白之后的評估中，研究人員使用了相同的 78 個動議，再次要求被選中的一組人群想象自己是辯論聽眾，在這種情況下，讓他們閱讀三篇辯論演講，但不告知演講的來歷。

結果顯示，所有辯題 Project Debater 的平均得分均高于中立 3 分，78 個動議中有 50 次表現(xiàn)的平均得分≥4 分，這表明，在至少 64% 的動議中，群眾評論員認為 Project Debater 在辯論中表現(xiàn) “良好”。不過，雖然Project Debater 得分顯著高于所有對比基線和對照組的得分，但距離人類專家的得分還有明顯差距。

當然，作為一門包含著計算機科學、人工智能以及語言學的交叉學科，自然語言處理的發(fā)展也經(jīng)歷了曲折中發(fā)展的過程。但現(xiàn)在，在圖像識別和語音識別領域的成果激勵下，人工智能理解人類語言已經(jīng)展現(xiàn)出了過去不曾想像的可能。