AIR 038 | 加拿大皇家學會李明院士：如何用深度學習對付NLP難題

李明，加拿大皇家學會院士，滑鐵盧大學教授，現(xiàn)代信息論奠基者，國家“”專家

在 2016 CCF-GAIR 全球人工智能與機器人峰會上，李明院士接受了雷鋒網(wǎng)的采訪，分享了他對用深度學習對付NLP（自然語言處理）難題的看法，及深度學習在NLP研究領(lǐng)域的未來應用

雷鋒網(wǎng)：請簡要談談您入選加拿大皇家學會的經(jīng)過。

李明院士：入選加拿大皇家學會的程序沒有那么繁瑣，獲得評選資格后，由一兩個院士寫支持信，院士評選會進行評選，比較公正。與中國工程院的體系不同，英國加拿大皇家科學院包括科學，工程，社科類，法律等。

 雷鋒網(wǎng)：當前在語義理解方面深度學習在科學上是否有突破性的進展？

李明院士：Siri主要通過關(guān)鍵字來識別語義信息，比如，你問“魚吃什么”，它會回答“海鮮館”類信息，容易犯錯誤，而模版（icon）匹配，太嚴格，不靈活，“美國總統(tǒng)是誰”，你可以獲得準確答案“奧巴馬”，但是對于“美國總統(tǒng)是誰啊”這樣的問題形式，基于模板的語義理解則不能識別。而我們運用的深度學習不同于別的公司，可以把對這個問題的回答變得具有魯棒性，不會出現(xiàn)很多錯誤，而這是非常關(guān)鍵的，也就是說，深度學習可以解決這一問題。深度學習也存在局限性，比如需要很多大數(shù)據(jù)來訓練，而我們公司的優(yōu)勢在于我們可以自己生成大量數(shù)據(jù)。

 雷鋒網(wǎng)：微軟的聊天機器人是通過網(wǎng)絡公開采集數(shù)據(jù)進行訓練，回答問題時可能會出現(xiàn)不友好的現(xiàn)象，未來有沒有可能制造出個性化聊天機器人？

李明院士：比如，聊天機器人小冰之所以出現(xiàn)這么多問題，主要原因是信息復制的。我們運用的深度學習模型，可以將最主流的回答（友好的回答）篩選出來，將過濾掉支流的回答，這也是深度學習的問題所在，回答沒有特殊性，不過，深度學習可以在一定程度上避免這種不友好回答的問題。或者說，深度學習是否會因為樣本足夠大，可以包容所有的問題，實現(xiàn)個性化聊天？根據(jù)統(tǒng)計結(jié)果顯示，豆豆比小冰可以回答的問題多十倍。現(xiàn)在的深度學習有很多不是真正意義上的深度學習。我們的豆豆，有20多個深度學習模式，可以篩選出最優(yōu)的回答結(jié)果。此外，我們的聊天機器人的對話模式與方言無關(guān)，只管語義信息的輸入。

 雷鋒網(wǎng)：在實際應用中，“信息距離”理論是否存在理論上的局限性或技術(shù)上的難題？

李明院士：我們的“信息距離”理論在理論上無局限性，但是技術(shù)上有局限性，語義距離沒有定義，不可計算，信息距離有定義，但是也不可計算，只能通過壓縮的方式來度量，用“信息距離”來近似“語義距離”。具體壓縮方法：簡單來講，如“明天明天”將被壓縮為一個詞語“明天”，實現(xiàn)信息方面的簡化。

 雷鋒網(wǎng)：在實現(xiàn)大型文本關(guān)系理解（理解人類語言表達的結(jié)構(gòu)和意義）方面，相比其他算法與模型，深度學習的優(yōu)點體現(xiàn)在哪里？

李明院士：相比其他算法與模型，深度學習的優(yōu)點在于其對話魯棒性。一般用于實現(xiàn)機器人對話的辦法多為關(guān)鍵字法，模板匹配法，但是，相比這兩種方法，深度學習處理的對話信息可以以多種形式出現(xiàn)，能夠容忍一些錯誤，實現(xiàn)較為自然的人機交互對話。

雷鋒網(wǎng)：由您的團隊提出的“中英文分詞”兩者之間有何區(qū)別？

李明院士：相比于漢語分詞，我們的系統(tǒng)不需要考慮英文分詞，因為英語單詞之間有空格隔開，不用進行分詞。

 雷鋒網(wǎng)：您認為，深度學習在計算機智能處理自然語言方面需要做哪些方面的提升？

李明院士：下一步，基于大數(shù)據(jù)，深度學習訓練的好的話，未來的智能機器人可以讀書看報，比如，讀紅樓夢，未來的智能機器人可以分辨清楚人物關(guān)系，譬如，小說中誰喜歡誰，誰是誰的大姨媽，再比如，能夠分辨出三國演義中，誰與誰結(jié)義了。現(xiàn)在深度學習可以回答類似下面的一類問題：林黛玉去了賈寶玉的房間。問：誰去了賈寶玉的房間？當前的深度學習可以回答：林黛玉，其回答問題的精度精確度可以達到70%到80%。

 雷鋒網(wǎng)：深度學習可以區(qū)分指示代詞的歧義現(xiàn)象嗎？

李明院士：現(xiàn)階段深度學習還不具備擁有的足夠量的背景知識來區(qū)分上下文語言歧義現(xiàn)象，不過，經(jīng)過訓練，我想是可以實現(xiàn)的。機器人對話當前可以實現(xiàn)寬泛的問答，不過，對于一些小的語言問題，比如，怎么理解“雞不吃了”，深度學習還沒有兼顧到。

 雷鋒網(wǎng)：當前的人機對話模型發(fā)展得比較迅速，對于“機器會有意識嗎？”這樣的問題，可以與我們分享一下您的觀點嗎？

李明院士：其實，目前的機器人自然語言對話，多是訓練出來的。在眾多研究，沒有任何人能夠清楚地定義：什么叫意識？我認為，機器人說話，類似于人說夢話，你問一個夢游的人一些問題，他是回答問題時是沒有意識的，卻能說的頭頭是到，機器人對話其實是一樣的。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。