1. 首頁 > 云知道 > >

揭秘IBM AI辯手：AlphaGo之后新的里程碑？( 二 )

小知識科普研發辯論project理解


2
演講、聽力理解、模擬困境
Debater首席研究員Noam Slonim博士在采訪中回顧了辯論過程 。
拿到辯題后，Debater首先會分析單個辯論問題，然后掃描龐大的語料庫文檔，通過算法找出與辯題相關性最高的觀點性內容，同時通過算法減少重復信息 。 在此基礎上，Debater會挑選出最有說服力、最具多樣性和支持最完善的論點，并對這些論點進行編排，從而形成一段完整且有說服力的敘述 。
也就是說，辯論雖然是實時辯論，但是機器辯手和人類辯手在拿到選題后都會有30分鐘的準備時間 。 30分鐘之內，Debater會通過自己的算法，在自己的語料庫中去進行搜索，形成有利于自己方面論點的論證 。
既然辯論過程是完全即興，Project Debater如何應對完全即興、無法預期的情況？Noam表示，這要靠知識圖譜去模擬人類的困境，形成辯駁的能力 。 比如說涉及到是否要禁止器官的販運、器官貿易，是否要禁止酒精的貿易 。 類似于這種類型的辯題，我們可以自然而然期待如果禁止了器官交易、酒精交易，有一種風險是會有黑市的蓬勃發展 。 理論上來講，Project Debater的系統可以理解與這種類型相關的一些辯論，但凡是針對這種類型的觀點進行辯論，后續就會有可能出現與黑市相關的問題，于是可以在模擬好中的圖譜等待著與黑市相關話題的出現 。 但辯論并不總是這樣，比如美國最近討論比較多的是否要禁止在公共場合母乳喂養，但這跟黑市一點都沒有關系，所以我們依然是在這個方面不斷地去建模、擴大語料庫，包括人類豐富的語言中各種細微和微妙的地方 。 “這樣Project Debater在已經建模的知識圖譜中，才能夠更加精準地為自己導航，找到與支持自己論點相關的觀點 。 ”Noam說到 。
那么，Debater的論點是怎么形成的？Noam表示，對于給定的主題，Project Debater的系統會在巨大的知識庫內進行搜索，尋找最相關的觀點和證據，然后在其中選擇最吸引人、最多樣化、支持度最高的論點，然后把這些構建成一個完整的觀點加以敘述 。 與關鍵詞搜索不同，Debater能對話題即時產生更深理解，并基于它的搜索結果等構建自己的觀點 。
強大的語料庫是Debater展開辯論的基礎 。 據悉，訓練Debater的語料庫擁有3億多個可靠信息來源，包含2011年以來全球商業、法律、學術和政府機構等領域的專業人士所使用的主流報紙和雜志中的文章，以及維基百科中的內容 。
IBM研究院團隊為Debater的系統賦予了三大核心能力：
第一，驅動的演講稿撰寫與表達 。 Debater第一次證實了，計算機能夠理解大量語料庫，若給定一個有爭議的主題的簡短描述，它能夠撰寫結構良好的演講內容，并清晰且有針對性地表達出來，甚至還會適時地展現幽默風趣 。
第二，實時聽力理解 。 當對方辯手開始講的時候，Project Debater要能聽長達4分鐘的內容，對方人類辯手在講的過程中語速可能是快的，情感可能是充滿激情的，同時還會有一些道德性、倫理性的問題，Project Debater要能夠識別人類辯手口述的長篇大論中隱含的重要概念及觀點主張，能夠識別長段連續口語中隱含的重要概念觀點 。
第三，模擬人類困境 。 通過獨特的知識表達方式來模擬人類爭議和困境，使系統能夠根據需要提出有原則的論點 。 研發團隊總結了人類專家辯手的一些共同性，對他進行模擬、建模，并且把這個注入到系統中去，就形成了一個知識圖譜給到Project Debater來用 。 所以一旦開始去進行辯論的時候，Project Debater就可以在已經形成的圖譜中去做自己的向導和索引，找到可以支撐他的證據 。

推薦閱讀