<mark id="oztn4"></mark>
0
| 本文作者： 劉子榆 | 2017-02-12 15:39 | 專題：AAAI 2017 |
朱小燕教授在雷鋒網組織的 AAAI 中國之夜活動上進行分享
在雷鋒網組織的 AAAI 中國之夜活動上，AAAI 現任執委楊強教授、清華大學智能技術與系統國家重點實驗室主任、信息獲取課題組的學術帶頭人朱小燕教授、今日頭條實驗室總監李磊、iFly.vc 合伙人沈瀚、物靈科技人工智能首席科學家吳惟心、iPIN 創始人楊洋在現場做了分享。沙龍從下午五點半持續到晚上九點，據雷鋒網現場編輯團隊表示，活動氛圍非常熱烈。
本篇是雷鋒網根據朱小燕教授在現場的分享整理而成。朱小燕教授所在的研究小組近十幾年來在自然語言處理、文本挖掘、問答/對話系統等領域，針對文本信息內容，在信息度量、知識表示等方面進行了過深入研究。發表論文100余篇，曾經獲得Coling2010最佳論文、ACL2012最佳學生論文。目前主要工作圍繞基于知識的智能信息獲取、基于語義的信息服務展開。
互聯網為人類生活帶來了翻天覆地的變化。我們都覺得互聯網是無所不能的，大家都說內事找百度，外事找 Google。但是，經過一段時間的研究，我們發現，實際上從互聯網上用搜索技術能夠直接得到的信息最多也就是70-80%。因為，有些表達結果的內容不是簡單地，以顯性的形式放在那里，而是要通過邏輯分析推理才能夠得到的。人類最偉大的地方是發明了文字。它將語言記錄下來，文字描述的內容中蘊含了豐富的知識沉淀，代代相傳，是的人類能夠 “站在巨人的肩膀上”去了解這個世界，推動這個世界發展。如果在對互聯網信息處理的時候，不使用知識，而僅僅是依賴互聯網表面的內容的話，就會像現在女孩家里的東西一樣，買買買，但是買了之后沒有很好分類、入庫、管理。不停的堆積，很多東西很快就找不到了，也就不去找了，再去繼續地買買買……即影響使用時的效率，又造成無比的浪費。因此，現代的智能信息處理必須要充分地利用各種知識。
我們現在生活在信息社會，信息如何表示、信息與信息之間的關系如何度量（使用什么度量衡，什么叫大小，什么叫相似？）人類的知識絕大多數是以文字形式存儲的。知識如何表示、知識與知識之間的關系如何計算？這些問題在信息社會，尤其在全社會都非常迫切地希望利用AI技術進行智能信息處理的今天，變得越來越重要。
因此我們曾經提出過一個努力的目標：信息能夠度量，知識能夠計算。現在主要工作之一也在做各種努力使得智能信息處理系統能夠建立在知識庫的基礎上，對知識進行各種處理和調用，使之能夠在系統計算框架中起到應有的作用。
此外，朱小燕教授還以一名被咨詢者的角度分享了她本人對從業者的一些建議。要做好AI+，以下四個方面需要注意：
第一， 要想“+”人工智能，企業本身就需要清楚自己到底想要AI為你改變些什么。希望“+AI”后面產生什么變化（結果），比如產品想換個大方向還是換一個新面孔？ 用它來創業，你必須要清楚所做的是否能夠真正體現人工智能的特色。 這樣人工智能工程師才會能幫你。
第二，要跟人工智能專家溝通。目前的AI技術絕對是有可為而且有可不為的。有的成熟了，有的還在嘗試甚至是幻想階段。產品設計時要用成熟的技術才有可能達到實用效果，產品才能上線。或者就是在大企業研究院做概念產品，也行。例如，在學術界，現在的最先進的機器人靈巧操作必須是觸覺、視覺、控制，甚至還有語音的交互的多模態融合系統才是有挑戰性的。國際比賽，十樣東西堆放在一起，在視覺引導下兩個小時抓起來四個就是第一，有好幾個組一個都沒抓起來。因為指示要抓礦泉水瓶，抓起來香蕉，不算成功，要眼手配合，眼指揮手上下左右自由行動靈巧抓取才行。現在的機器人多任務靈巧操作/抓取離實用還有一定距離了。期待機器人（臂）像人甚至像猴子那樣在樹枝上采摘蘋果，是不太現實的。而且也沒必要。實際產品沒必要要求做多維度靈巧抓取，3-4個維度就可以了，看起來沒有電影里的機器人那么酷，但是能夠比較好地完成自動采摘任務。有公司已經設計出產品，看起來挺靠譜。
第三，關于數據。大家會覺得有很多（大）數據。但是需要考慮一下：這些數據你真的能拿到嗎？即便在手真的好用嗎？之前有個世界五百強的企業跟我們說手上有很多數據，確實是。而且提出的任務也是非常符合人工智能信息處理的場景的。但是項目開始后不斷發現問題，幾經周折，第一期的數據終于到手，不過，從中提取出來的有用信息基本上是 0。這個任務可真是“任重而道遠”，值得慶幸的是最終應該能夠完成。數據處理的時間和資源消耗是非常大的，而且在一些場景下是一時的，在另一些場景下將會是永遠的，沒有一定的經濟實力和思想準備，是很困難的。另一方面如果數據與時間相關與社會媒體內容相關，比如社會輿情數據，就更要考慮數據獲取的穩定性，如果不能及時第一手拿到或者產生數據，萬一被人掐住，可能會直接威脅到產品的生命。
第四，通用人工智能是很難的。語音處理是通用性比較好的一個領域，圖像其次。文字是語言語義的沉淀積累，現在要在其上邊在做語義處理，就是更加具有挑戰性的了。我們現在在做的問答對話系統，也想做成通用的。但是一句話叫隔行如隔山啊，做什么都能干的東西是挺困難的。另外一個方面，還需要注意的是在領域專家和技術專家之間要有一個溝通，有很多領域專有的表達形式在面向大眾的產品中是難以被理解的。
如果說到有什么可發展的地方，我個人期待語音再往前邁一步，使得我們60歲以上的尤其是南方老人也能夠比較自如地使用語音與機器交互了，那么在居家養老領域應該能夠有更好的產品出來。語音技術和產品在別的方向上很好，但是離用到老人使用還差那么一點點，就這樣一點點就很重要。對于孩子而言，這個東西怎樣才能讓他們不是玩了兩天就膩了，而是成為他們真的意義上的一個陪伴，這還真挺難的，挑戰不在技術。
在分享的最后，雷鋒網還向朱小燕教授請教了做 NLP 學術和產業有什么不同的問題。
朱小燕教授說做計算機應用領域的學術研究，內容應該是跳起來能夠夠得著的，當下不那么踏實，但是，條件好了就能夠使用。比如某研究院說要做能夠觀察人的面部表情情感變化，做能夠進行情感交流的機器人。作為研究可以，作為概念產品可以試試，作為賺錢的產品就比較困難了。首先你就要叫計算機知道什么叫表情變化，大喜大悲容易，平時的細微表情變化就難了。又有多少人會察言觀色，會到什么程度？家庭陪伴機器人假定的服務對象多半是老人，老人臉上就更不容易識別出喜怒哀樂的變化了。這些做研究是可以，有能力的企業可以做這樣的研究做基礎沉淀和展示，但是做產業就要想清楚了。再比如做陪伴老人的機器人產品。如果是行走機器人就要想清楚，機器人腿腳不方便，老人腿腳也不方便，兩個腿腳不方便的在一起（笑）。這個東西還有不少問題需要解決。但是研究肯定是可以的。
專題
