<mark id="oztn4"></mark>
2
| 本文作者： haoxiaoru | 2014-10-28 17:30 |
10月27日，在主題為“機器人重塑未來生活”的百度 The BIG Talk 活動上，百度技術副總裁王海峰博士發表演講，講述了讓機器人像人一樣思考需要的三種能力：1.對語言的理解；2.對知識的掌握；3.對人情感的揣摩。與此同時，王海峰博士結合百度搜索的豐富案例，深入淺出地向在場觀眾介紹了，這些人工智能領域的基礎技術，如何讓普通人的生活變得更好。
以下為經過雷鋒網整理的王海峰演講全文：
王海峰：大家提機器人，每個人的腦子里會出現很多機器人形象，有的在生產線上做工，有的在家里幫助人們做家務，甚至有的會在足球場、戰場上出現。應該說機器人的這些機械技術和控制技術，已經取得了非常多的成果，如何能讓一個機器人更像人呢？我們需要讓它有像人一樣的智能，大家剛才看到的小度機器人，甚至可以答出很多我們很多人答不出來的問題，應該說它已經有了很高的智能。
機器人具備了什么樣的能力，就具備了人的能力呢？大家知道人的能力體現在很多方面，聽、說、看、行、學習，還有很重要的一點就是思考。比如說一個動物他也會有眼睛可以看，耳朵可以聽，也可以去行動，甚至它也可以訓練出它一些能力，比如說看見一個什么場景會采取什么動作，這些條件反射的能力。而人最重要的能力是思考，這是人特有的能力。人如何進行思考，我們如何讓機器人進行思考呢？我認為需要有三方面的能力，第一個是對語言的理解，大家知道語言是人特有的一種高級的智力活動，僅僅有語言，僅僅可以說話還不夠，我們還需要知道該說什么，這就是背后需要有知識的支撐，需要對知識的掌握，知識的運用，以及知識的推理等等。另一方面，人生活在一個社會里，除了跟這些客觀知識打交道以外，還需要和人打交道。我們同一句話說給不同的人聽的時候，他的感受是不一樣的，反應不一樣，這就需要機器人能夠對不同的人進行建模。
我講一個故事給大家，大家知道間諜是一群很神秘擁有很強的能力人，非常善于偽裝自己，打入敵人內部讓敵人發現不了。曾經有一個故事就是一個女特工，她能力非常強，做得非常好，但是她最后暴露了身份，原因是什么？是她在分娩的時候，不由自主的喊出了母語，被人發現了。這個故事說明了什么呢？語言是人思維的一個基本載體，不同母語不同語言的人，語言的特點會影響她的思維活動。我們學英語，如果你學到比較高的境界需要用英語思考，用英語思考相當于你的思維模式發生變化。同樣一句話用中文說和英文說是不同的，例如屏幕上顯示的這些，用中文和英文語序、用詞、肯定和否定不一樣，這說明語言本身會影響人的思維。當一個人需要和機器交流的時候，比如說問它一些問題，問它天氣怎么樣，或者說跟它聊天等等這些呢，其實都是用語言來進行交互的。
我們如何讓機器理解語言呢？大家知道語言是人類發展了很多年發展出來的，她充分的承載了人類知識、思維、情感方方面面的積累。語言本身是很復雜的，用我們都熟悉的中文舉例來說。大家知道中文詞與詞之間沒有空格的，所以說中文面臨第一個任務就是分詞。請看屏幕上，“劉清楚楚動人”，大家看到這樣六個字可以很容易知道這個詞是什么，前面是一個人名劉清，后面是楚楚動人。同樣類似的我們增加了一個字，“劉華清楚這件事”，這里便不是“劉清”了，而應該是“劉華”。再改一點，“劉華清楚地重游”，又是另一種分詞結果又加一個字，“劉華清楚地記得”，又變成了劉華。下面這個例子也很有意思的，“你老張著什么急啊”，是說“老張”別著急，。但再看下一句話，“你老張著什么嘴啊”，又不同了。上面的那些應該說還是有一個基本的分法可以分出來的，但是這句話大家看，“乒乓球拍賣完了”，到底是“乒乓球拍”賣完了，還是“乒乓球”“拍賣”完了呢？這兩種說法都是對的，這就是語言的復雜性，也正是它的魅力所在，中文是一個非常有魅力的語言。下面看在百度的搜索里一個真實的例子，如果大家在百度搜索框里搜索這個是身高1.80以上的自由泳運動員，我們會直接給出這些答案，這么復雜的一個搜索，我們想把它理解好，可以找到相應的答案。左邊這棵樹，就是我們自然語言處理技術的基礎：語義語法分析，我們可以分析出來詞與詞之間的關系，從而知道更準確的理解用戶到底找什么。配合后臺知識庫里面存大量的知識檢索出來，最后得到了這樣的一個答案。
大家看其實“謝霆鋒的兒子是誰”和“謝霆鋒是誰的兒子”，這兩句話的字是一樣，但是順序不一樣。如果說用傳統的搜索技術，我們會對其分詞，算term重要性等等，由算出來的相關性找到的東西是一樣的。顯然這兩句話問題是不一樣的，我們怎么可以做到這一點呢？需要對語言有很深入的分析，對語義理解，從而知道他們要找的答案是不一樣。大家上百度就可以看到，“謝霆鋒的兒子是誰”，可以給“謝振軒”和“謝振南”，這是基于很深刻的語言的分析、理解技術。
再說一種就是和上下文相關的理解，比如說我們“問北京的今天天氣如何”，然后給一個答案。然后又問“上海呢？”這個時候問上海呢，就三個字，如果說僅看這一句話不知道問的是什么，但是上下文相關就會知道問的就是上海的天氣，而且是今天的天氣。
下面一個例子也是類似的，“我計劃周日北京飛杭州,幫我訂票”。這個時候用戶給了很多的信息，哪一天哪到哪，接下來說“請幫我預定酒店”，知道是到目的地酒店，哪一天的也知道，這是基于上下文的理解，才能做到這一點。
句和句之間的上下文不夠，還可以用篇章級的上下文。比如說我們問天空為什么是藍的，如果我們就是給出一個經典搜索的結果，百度知道里找到一個結果，就像左邊的結果。但是大家看到直接拿出來的這一句話，不是真正解釋天空為什么是藍的，展開后才能看完整的解釋。在很長的一大段話里，我把真正最相關的答案這一部分找出來，摘要就會是一個更好的答案。如果我們做到更好，可以給出非常明確的解答。
篇章級分析應該說比句子級更放大，對一個事件持續很長時間，幾個月，甚至是幾年的時間，其中有一些關鍵的時間點出現了一些里程碑的事件，我們也可以分析。在更長的時間段里，更多的數據里把這些關鍵的時間點發生的關鍵事件提取出來，這就是我們說的事件脈絡。我給這個例子也是在百度搜索可以看到的，比如說在百度搜索棱鏡門和斯諾登，右側會給過去一段時間跟棱鏡門相關的重要事件。
剛才我講的所有例子都是中文相關的。其實人類的語言，就像剛才我也講了間諜的故事，還會涉及到其它的語言，除了我們母語以外的其它語言。例如去國外旅游，到歐洲旅游但我不懂當地語言，有一個翻譯器幫我點菜和當地人交流，這是對大家有幫助的。我們針對這種語言的理解，開發了多語言翻譯系統，現在已經覆蓋14個語種，36個翻譯方向。既可以在網頁和PC打一段文字給你翻譯，包括在手機可以拿著它直接和人對話，甚至你看到一個外文菜單不懂，拿著手機攝象頭一照，百度翻譯就會自動為你把菜單翻譯成中文的，這相當于你看到的就是一個中文菜單而不是用其它語言的菜單了。還有一個更高的境界，我們擁有語言能力，除了基本的交流和對話等等，我們發展出一些文學形式。比如說中國語言發展的非常好的詩歌，我們基于我們語言翻譯技術，開發了這樣的一個寫詩的系統。我給系統輸進去照片，自動就會做出一首詩，這是完全自動做出來的。比如說這首詩就是“日出日落一天天，人去人生幾十年，人水無聲情不斷，水天一色韻相連。”
我接下來講知識挖掘，對應人對知識的學習，可以從書本上學，老師家長朋友等等很多不同渠道來學。學到這些知識以后，我們構建了一個非常龐大的知識圖譜，這樣一個知識圖譜我們有上億級別的實體，比如說桌子一個實體，椅子是，攝像機都也是。每一個實體有很多的屬性。這個凳子是白色的，是什么材質的，有很多的屬性，這些屬性已經有上百億級別。而無論是實體還是屬性，其增長都是線性，更多的會是什么呢？實體之間的關系，實體之間組合起來，量就會急劇增加。一個實體可以跟很多實體有不同的關系，例如一個人可能跟很多不同的人有關系，同學關系、朋友關系等等。這時候會構建更復雜的網絡，這個知識圖譜描述能力更強，現在我們已挖掘了千億級別的關系在我們的知識圖譜里。這些一方面從網頁里挖掘，網頁里有很多信息，除了本身文字信息，圖片信息，還有它的排版信息，它的字號信息，它的連接等等，構成了網頁非常豐富的信息，可以挖掘很多基本的知識出來。
還有文字，又回到我最開始說的語言上來了，語言文字里面蘊含很多信息。這樣一句話“奢侈品牌路易威登1854年成立法國巴黎”，我們分析清楚知道里面的語法和語義關系，我們可以提取很多有用的知識來。比如說路易威登成立的時間，成立在哪兒，這是一個奢侈品牌。包括巴黎是法國的，這些都可以從這樣簡單的一句話里抽取出來，所以說大家看到我們可以抽取到的知識其實是非常多。抽取這些知識以后就涉及到知識的存儲、檢索和管理，我們把這些知識大量存在知識圖譜里，要對知識相互之間的關系進行計算。“謝霆鋒的兒子是誰”，問題理解了是第一步，需要在龐大的庫里找到答案，這就是做相應的檢索。這里包括了線下做很多的數據處理，以及線上實時地去響應用戶需求。
知識推理。講到推理其實是很復雜的一件事，比如說破案的時候有非常復雜的推理，甚至還有一些直覺在推理里面。我講一個非常簡單的例子，我們知識庫里知道很多人的生日。我這里舉了兩個例子，一個是劉德華，一個是李彥宏先生。他們兩個人的生日我們都能知道，如果問年齡，大家知道年齡是一個動態的，今年問和明年問，這個月問和下個月問，其實是不一樣的。這時候不能簡單說把一條某某人的年齡存在那兒，靜態的放在那兒。而隨著時間的遷移答案就不對，所以要計算。這種計算人看來并不復雜，但是要讓機器知道年齡這樣一件事應該怎么算，這個技術本身讓機器如何知道，是一個我們需要做的技術。大家看到比如說劉德華是9月份生日，所以現在用今年2014年減去61年現在是53歲。李彥宏是11月份生的，現在沒有到過生日的時候，所以用今年2014減生日1968應該是46，但是因為沒有過生日就是45，這個是真正實時算出來的。
我們有了龐大的知識庫以后，我們希望通過擴充聯想不斷豐富知識庫，讓它有越來越強大的能力。舉這樣一個例子，上面的這行字“謝霆鋒兒子的母親的前夫的父親”，這句話聽起來拗口，但是實際上我們把這一個一個的關系分析出來，之后得到這是謝賢，這就是聯想推理過程。
我們把一些實體放在庫里以后，怎么解答一些問題呢？比如說我們要找觀賞魚，我們可以先進行細分類，因為一個用戶來找觀賞魚的時候，可能是對觀賞魚的某個小類更感興趣。里面分很多小的不同的分類，我們如果把它分清楚，可能對某一類更加有興趣，這時要在后臺要做知識分類的工作。包括右邊舉了狗品種的例子，美食和小說，這都是在百度真實實現的。
還有一類知識，比如我們現在百度一個搜索結果，在左側有很多自然的結果出來，同時我們在右側會有一些相關的推薦。張飛右側會推跟他相關的一些趙云、關羽、諸葛亮等等。例如趙云，下面還有灰色的字，給的是推薦理由。推薦理由也是我們通過自動的知識挖掘把它相關的，就是張飛和趙云是什么關系。我們這里給了，大家可以看到寫的是“同事”，這個同事不是我們人編的，真的是在網上大量的挖掘，挖掘出來最后發現他們是同事關系。按道理張飛和趙云在三國時代沒有同事概念，這就是互聯網的能力。網友把他來的關系寫成“同事”被我們挖掘出來了，關系比較貼切。點了關羽，進了關羽的搜索頁，推薦了很多人出來，有一個是貂蟬，貂蟬下面給的理由就是同鄉。我看過三國，聽過三國的評書，看過電視劇，了解很多三國相關的知識，但是之前真的不知道他們兩個是同鄉。看到這個結果以后，我想知道是對是錯，我在網上做了些調研，發現真是說他們兩個是同鄉，機器可以挖掘出來很多普通人不了解的知識。
同一個名字“李娜”，很多人都叫李娜，這個時候推薦哪一個李娜出來，這是一個問題。比如我的Query是小威，可能就是網球員李娜，給的標簽就是“小威的對手”。但是如果搜的就是一首歌呢，我推薦的就是歌手李娜。人的腦袋里也是，你有好幾個同學都是同一個名字，突然說這個名字，你反應出哪一個人，有和他相關的一些事情限定：這是中學同學，那是大學同學等等。
除了我剛才講的這些大家比較直觀的看到這些知識以外，還有一類也是人的高級智力活動。很多人喜歡下棋，有的下圍棋，有的下象棋。國際象棋，很多年以前國際象棋，計算機已經戰勝人類，圍棋復雜度高很多，所以我們讓我們的機器具備了一些下更難的圍棋的能力。我們現在已經做到9×9圍棋達到了職業選手水平，19×19也可以達到業余段位棋手水平。
剛才講了對語言的理解，對知識的掌握和運用，還有剛才我要說就是對人的理解。人可以是對某一個個人，即使是兩個親兄弟，兩個同學，他們都是不一樣，但是他們有共性。真是兄弟倆一定有很多的共性，如果是同學兩個人，也有很多的相似性。所以我們既要對個體建模，也要對群體建模。比如咱們今天在會場的這些人，一定是對“科技改變世界”會有興趣，我們有一些共同的興趣。還有社會整體趨勢，現在越來越多的人開始使用智能手機，整個社會整體在發生變化。
我舉一個簡單的例子，這是我們真實的從百度搜索用戶需求角度，我們做了一些分析，這一分析利用很多我們數據挖掘技術，自動分析出來的。用戶對一些不同類別的需求，工作時間和業余時間的不同。大家可以看第三到七列是跟游戲相關，藍色是工作時間，黃色是業余時間。按道理，打游戲應該都是業余時間的事，但我們看到這張圖，大家可以發現這很有意思，這種大型游戲工作時間玩的人不多，但是也有。但是業余時間玩的人很多，但大家看網頁游戲，反倒是工作時間玩的人很多，這個很有意思，我們一推理可能也一定，就是很多人工作時間忍不住想玩一下，但是玩大型網游肯定不方便，小游戲一打開玩兩下，網頁游戲很方便，這看上去符合人的直覺，這也是一種建模。這是另一個模型，我們每天要一日三餐，考慮吃什么，吃川菜，粵菜，做了全國各地不同地區對不同菜系感興趣的模型，川菜受歡迎的程度很高，除了廣州大家最感興趣的還是粵菜，全國各地很多地方對川菜感興趣。
這是個性化的例子，這怎么看？如果不同的用戶，一個用戶是對動漫感興趣，一個是對快遞感興趣。我們搜SF這兩個字母的時候，用戶找的東西是不一樣，如果對動漫感興趣的可能是找跟動漫相關的，快遞的用戶找的就是順豐速遞，我們根據個人不同興趣進行推薦，會推薦不同的東西出來。
剛才講了三方面，語言、知識、對人的理解，我們結合起來會有綜合的思考能力，綜合的思考能力可以從很多方面來展現。大家看了小度機器人，這樣一個小度機器人可以聽人的問題，可以去回答。背后是什么，背后就是對語言的理解，對知識的掌握，從而形成我們叫“深度問答技術”。除了小度機器人，這些技術應用在百度的產品，我們問瀕臨滅絕的動物是什么，或者問某一個片子的片尾曲，百度都可以給出答案。“孕婦可以吃荔枝嗎”，在座的朋友有多少可以回答這個問題，其實這類的問題不同人可能會有不同的回答，該怎么辦？百度會告訴你，有多少人認為能吃，還會告訴你相應的能吃的原因是什么，認為不能吃的原因是什么。包括問“寶寶打嗝怎么辦”，百度會告訴你怎么辦，會把這些答案精煉提取出來。
說智能交互，交互有很多形式，剛才我說的問答也是一種交互，對話也是一種交互。我們的機器不僅具備了語言交互能力，可以識別聲音，可以識別圖像，這就是我們所說的我們可以做“多通道、多輪對話的智能交互”。我給大家看這樣一幅圖片，問大家這是什么花？有可能有人會覺得是櫻花或者是梅花，看上去有一點像。圖片相對花的部分比較小，所以機器這個時候可以很智能的提示用戶說，我看不清楚，照一個花的特寫。有了特寫以后，因為現場照的，我們可以結合很多信息，我知道現在是什么時間照的，通過定位信息知道什么地方照的，春天的時候在玉淵潭照的很有可能就是櫻花，我們結合這樣的背景信息可以猜到答案是什么。如果沒有這些信息后臺我們會挖掘很多知識，大家記得我們會挖掘很多知識，知識會知道櫻花和梅花之間的區別，花柄會有不同。我問用戶有沒有花柄，用戶不知道，我有一個花柄的特寫，他一看這就是花柄，他說那是有的。實際我們就知道它是什么花了。剛才舉的是一個形象的例子，這在百度的產品里已經實現了，大家如果拿手機就可以拍一個花，有一個交互的過程就知道這個花是什么了。
還有一個涉及到交互的例子—訂飛機票。屏幕中的圖片是手機的一款應用，而應用的背后承載著百度的智能交互技術，通過對文字及語音的解析和理解，從而調用后臺知識庫里的知識，全自動地完成訂票。應用的后臺具有強大的處理能力，模擬出呼叫中心的業務人員在與用戶交流的場景，而實際上，用戶一直在與機器進行互動。
開場的時候我提到了人是有情感的，我們要對人的情感進行分析。當我們問“玉龍雪山怎么樣”時，百度搜索會根據網上的評論信息，匯總統計好評、中評、差評的數量，綜合出一個打分。同理，當用戶搜索上海怎么樣時，百度搜索會整合出用戶對上海這座城市的評價。當用戶搜某一個型號的汽車時，就不能簡單地列舉出這款汽車好或不好，因為不同用戶的關注點不一樣，有的用戶關心動力，有的用戶關心操控性，有的用戶關心內飾……百度搜索可以將不同維度下大家對車的評價進行提煉，綜合的對這款車進行評價。
最后說到就是計算機領域和人工智能領域非常經典的話題，“圖靈測試”，這是人工智能的終極目標之一。大家知道圖靈測試的過程就是讓一個人和一個機器同時同樣的問題，如果測試人不能確認被測試者30%的答復哪個是人、哪個是機器的回答，那么我們就認為這臺機器就通過了圖靈測試。
“昆明在哪個省——云南”，人和機器都能回答出。
“寫出一些有關‘送別’主題的唐詩”，人可能會想到，機器因為有知識庫的支撐，所以也可以做到。
對兩個非常復雜的數字進行四則運算，機器比人快，但是如果機器瞬間給出答案，反倒讓測試人發現給出答案的不是人而是機器。所以，在這個時候，機器會停頓一會，再給出答案。下面的例子就是下棋，目前圍棋已經做得非常好。
大家看到，如果通過這樣一個圖靈測試，很多的任務場景和前面我提到的內容具有很強的相關性。如果我們把語言理解能力做得越來越好，把對知識的掌握和運用的能力做得越來越好，同時加上我們對人的理解能力，機器可以真的像人一樣思考。（完）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
