谷歌發(fā)布「與書(shū)對(duì)話(huà)」檢索引擎，從字里行間邂逅心儀書(shū)籍

雷鋒網(wǎng) AI 科技評(píng)論按，今日，谷歌分享了 Semantic Experiences，在博客中展示了兩大關(guān)于自然語(yǔ)言理解的互動(dòng)工具。Talk to Books 是一個(gè)可以從書(shū)中的句子層面搜索書(shū)籍的全新檢索模式；另一個(gè)互動(dòng)內(nèi)容則是 Semantris，一個(gè)由機(jī)器學(xué)習(xí)驅(qū)動(dòng)的單詞聯(lián)想游戲。

地址：https://research.google.com/semanticexperiences/

雷鋒網(wǎng)了解到，谷歌還發(fā)布了「通用語(yǔ)句編碼器」（Universal Sentence Encoder），更加詳細(xì)地呈現(xiàn)了上述示例所使用的模型；當(dāng)然，谷歌還為開(kāi)源社區(qū)提供了一個(gè)預(yù)訓(xùn)練的 TensorFlow 模型，開(kāi)發(fā)者可以測(cè)試自己的句子及短語(yǔ)編碼。

地址：https://tfhub.dev/google/universal-sentence-encoder/1

自然語(yǔ)言理解在近年已經(jīng)有了極大進(jìn)步，這得益于詞向量（word vectors）的發(fā)展，這一技術(shù)使算法能根據(jù)實(shí)際語(yǔ)言使用的例子來(lái)學(xué)習(xí)單詞之間的關(guān)系。這些向量模型根據(jù)概念和語(yǔ)言的等價(jià)性、相似性或關(guān)聯(lián)性，將語(yǔ)義相似的詞或短語(yǔ)投影到臨近點(diǎn)。

建模方法

谷歌拓展了在向量空間中表征語(yǔ)言（language）的構(gòu)想，這一想法通過(guò)為像完整句子或段落為代表的較大語(yǔ)言塊創(chuàng)建向量來(lái)實(shí)現(xiàn)。語(yǔ)言是由具有概念的層次結(jié)構(gòu)組成的，因此團(tuán)隊(duì)采用模塊的層次結(jié)構(gòu)來(lái)構(gòu)建向量，每一模塊都要考慮與不同時(shí)間尺度序列所對(duì)應(yīng)的特征。各種類(lèi)型的關(guān)系，如關(guān)聯(lián)、同/反義、部分/整體等都可以用向量空間語(yǔ)言表示。團(tuán)隊(duì)在論文《Efficient Natural Language Response for Smart Reply》有更多介紹。

論文地址：https://arxiv.org/abs/1803.11175

Talk to Books

以往我們?cè)跈z索書(shū)籍時(shí)，通常會(huì)從書(shū)名、作者、主題等表面標(biāo)簽入手。而谷歌發(fā)布的「Talk to Books」可以為用戶(hù)提供一種檢索書(shū)籍的全新方法。用戶(hù)只需要做一段相關(guān)描述，或是提一個(gè)相關(guān)的問(wèn)題，那么 Talk to Books 可以在不依賴(lài)關(guān)鍵詞匹配的情況下，從超過(guò) 10 萬(wàn)本書(shū)籍中檢索所有句子，并根據(jù)句子層面的語(yǔ)義，找到能匹配用戶(hù)陳述或問(wèn)題的句子。從某種意義上來(lái)說(shuō)，Talk to Books 是一種用戶(hù)與書(shū)「交談」的新模式，系統(tǒng)給出的回答也能幫助用戶(hù)確定自己是否對(duì)相關(guān)主題感興趣。

模型在正式發(fā)布前經(jīng)歷了超十億次的對(duì)話(huà)訓(xùn)練，以打磨更好的用戶(hù)體驗(yàn)——對(duì)用戶(hù)的提問(wèn)或陳述給出更加合適的回答。這一方式相比起普通的谷歌檢索，可能會(huì)幫助用戶(hù)找到一些更有趣的書(shū)籍，特別是在關(guān)鍵字搜索中并不會(huì)顯示的一些結(jié)果。

不過(guò)，這一模型還有更多的改進(jìn)空間，比如搜索范圍局限在句子層面上，而不是段落，因此可能會(huì)產(chǎn)生「斷章取義」的情況。另外，因?yàn)橹豢茨骋痪渥拥钠ヅ涑潭龋@也可能導(dǎo)致某些眾所周知的、「符合口味」的書(shū)并不會(huì)出現(xiàn)在檢索結(jié)果的前列。谷歌團(tuán)隊(duì)此舉，更多的是希望幫助人們以一種新的探索方式，發(fā)現(xiàn)不曾料想過(guò)的作者和書(shū)名，竟然會(huì)有讀者感興趣的內(nèi)容。

地址：https://books.google.com/talktobooks

Semantris

Semantris 是一個(gè)由相同技術(shù)驅(qū)動(dòng)的單詞聯(lián)想游戲。屏幕上會(huì)呈現(xiàn)所有單詞，用戶(hù)可以輸入某個(gè)單詞，隨即系統(tǒng)會(huì)根據(jù)屏幕上單詞與用戶(hù)輸入單詞的關(guān)聯(lián)程度進(jìn)行重新排序。不論是近義詞、反義詞還是相近概念，系統(tǒng)都能找到對(duì)應(yīng)的排序模式。

如圖所示，用戶(hù)輸入「Photo」時(shí)，最頂部的「Camara」因?yàn)榕c輸入單詞的關(guān)聯(lián)最為緊密，因此會(huì)更替排序調(diào)整到第一位「消掉」。這確實(shí)是一個(gè)鍛煉聯(lián)想能力的好機(jī)會(huì)，此外還有限時(shí)模式和不限時(shí)模式供用戶(hù)體驗(yàn)。

地址：https://research.google.com/semantris

相信在這兩個(gè)工具的驅(qū)動(dòng)下，人工智能能夠與用戶(hù)更好地進(jìn)行交互學(xué)習(xí)，并且?guī)椭祟?lèi)在現(xiàn)實(shí)生活中更好地理解科技，使用科技，并受惠于科技。更多資訊敬請(qǐng)關(guān)注雷鋒網(wǎng)AI科技評(píng)論。