<mark id="oztn4"></mark>
0
| 本文作者： 周翔 | 2017-06-05 14:16 |
雷鋒網按：6月1日，在微軟大廈舉行的自然語言處理前沿技術分享會活動上，微軟亞洲研究院（MSRA）副院長周明博士《自然語言處理前沿技術》為主題，分享了微軟對神經網絡翻譯、聊天機器人等領域的思考，并接受了雷鋒網等媒體的采訪。
周明博士認為，語言智能是人工智能皇冠上的明珠，如果語言智能能實現(xiàn)突破，跟它同屬認知智能的知識和推理就會得到長足的發(fā)展，就能推動整個人工智能體系，有更多的場景可以落地。
周明博士，微軟亞洲研究院副院長、國際計算語言學協(xié)會（ACL）候任主席、中國計算機學會理事、中文信息技術專委會主任、術語工作委員會主任、中國中文信息學會常務理事、哈爾濱工業(yè)大學、天津大學、南開大學、山東大學等多所學校博士導師。
以下是周明博士的現(xiàn)場演講和采訪，雷鋒網做了不改變原意的編輯。
人工智能是用電腦來模擬和實現(xiàn)人類的智能，而人類的智能大概分如下幾個層次：
第一是運算智能，記憶、計算的能力，這一點機器早已經超過人類。
第二是感知智能，包括聽覺、視覺、觸覺；最近兩年，隨著深度學習的引入，大幅度提高語音識別和圖像識別的識別率，所以計算機在感知智能層面已經做得相當不錯了，在一些典型的測試題下，達到或者超過了人類的平均水平。
第三認知智能，包括理解、運用語言的能力，掌握知識、運用知識的能力，以及在語言和知識基礎上的推理能力。過去認知智能主要集中在語言智能這塊，即自然語言處理，它簡單理解了句子、篇章，實現(xiàn)了幫助搜索引擎、仿照系統(tǒng)提供一些基本的功能、提供一些簡單的對話翻譯。我認為語言智能是人工智能皇冠上的明珠，如果語言智能能實現(xiàn)突破，跟它同屬認知智能的知識和推理就會得到長足的發(fā)展，就能推動整個人工智能體系，有更多的場景可以落地。
最高一層是創(chuàng)造智能，人們利用已有的條件，利用一些想象力甚至有一些是臆斷、夢想，想象一些不存在的事情包括理論、方法、技術，通過實驗加以驗證，然后提出新的理論，指導更多實踐，最后產生很好的作品或產品。
我介紹一下語言在認知智能的作用，在整個人工智能體系下的作用。自然語言處理就是體現(xiàn)語言智能重要的技術，它是人工智能一個重要的分支，幫助分析、理解或者生成自然語言，實現(xiàn)人與機器的自然交流，同時也幫助人與人之間的交流。我認為自然語言處理包括以下幾方面內容，第一是NLP的基礎技術，圍繞不同層次的自然語言處理，比如說分詞、詞性標注、語義分析做一些加工。后面做任何其他新的技術或者應用都必須要用到基礎技術。
中間這塊是NLP核心技術，包括詞匯、短語、句子、篇章的表示，大家所說的Word Embedding就是在研究不同的語言單位的表示方法。它也包括機器翻譯、提問和回答、信息檢索、信息抽取、聊天和對話、知識工程、語言生成、推薦系統(tǒng)。
最后是“NLP+”，仿照“人工智能+”或“互聯(lián)網+”的概念，實際上就是把自然語言處理技術深入到各個應用系統(tǒng)和垂直領域中。比較有名的是搜索引擎、智能客服、商業(yè)智能和語音助手，還有更多在垂直領域——法律、醫(yī)療、教育等各個方面的應用。
正如其他人工智能學科，自然語言處理也要有很多支撐技術、數據，包括用戶畫像，以提供個性化的服務，包括用來做訓練之用的大數據，包括云計算提供、實施、訓練的基礎設施，包括機器學習和深度學習提供訓練的技能。它一定要有各種知識支撐，比如領域知識還有常識知識。
這張圖概括了神經網絡機器翻譯，簡要的說，就是對源語言的句子進行編碼，一般都是用的長短時記憶LSTM，方向進行編碼。編碼的結果就是有很多隱節(jié)點，每個隱節(jié)點代表從句首到當前詞匯為止，與句子的語義信息。基于這些隱節(jié)點，通過一個注意力的模型來體現(xiàn)不同隱節(jié)點對于翻譯目標詞的作用。通過這樣的一個模式對目標語言可以逐詞進行生成，直到生成句尾。中間在某一階段可能會有多個翻譯，我們會保留最佳的翻譯，從左到右持續(xù)。
這里最重要的技術是對于源語言的編碼，還有體現(xiàn)不同詞匯翻譯的，不同作用的注意力模型。我們又持續(xù)做了一些工作，引入了語言知識。因為在編碼的時候是僅把源語言和目標語言看成字符串，沒有體會內在的詞匯和詞匯之間的修飾關系。我們把句法知識引入到神經網絡編碼、解碼之中，這是傳統(tǒng)的長短時記憶LSTM，這是模型，我們引入了句法，得到了更佳的翻譯，這使大家看到的指標有了很大程度的提升。
此外，我們還考慮到在很多領域是有知識圖譜的，我們想把知識圖譜納入到傳統(tǒng)的神經網絡機器翻譯當中，來規(guī)劃語言理解的過程。我們的一個假設就是雖然大家的語言可能不一樣，但是體現(xiàn)在知識圖譜的領域上可能是一致的，就用知識圖譜增強編碼、解碼。具體來講，就是對于輸入句子，先映射到知識圖譜，然后再基于知識圖譜增強解碼過程，使得譯文得到進一步改善。
下一個方向就是“對話即平臺”，英文叫做“Conversation as a Platform （CaaP）”。2016年，微軟首席執(zhí)行官薩提亞在大會上提出了CaaP這個概念，他認為繼有圖形界面的下一代就是對話，它會對整個人工智能、計算機設備帶來一場新的革命。
為什么要提到這個概念呢？我個人認為，有兩個原因。
第一個原因，源于大家都已經習慣用社交手段，如微信、Facebook與他人聊天的過程。我們希望將這種通過自然的語言交流的過程呈現(xiàn)在當今的人機交互中，而語音交流的背后就是對話平臺。第二個原因則在于，現(xiàn)在大家面對的設備有的屏幕很小，有的甚至沒有屏幕，所以通過語音的交互，更為自然直觀的。因此，我們是需要對話式的自然語言交流的，通過語音助手來幫忙完成。
而語音助手又可以調用很多Bot，來完成一些具體的功能，比如說定杯咖啡，買一個車票等等。蕓蕓眾生，有很多很多需求，每個需求都有可能是一個小Bot，必須有人去做這個Bot。對于微軟而言，我們作為一個平臺公司，希望把自己的能力釋放出來，讓全世界的開發(fā)者，甚至普通的學生就能開發(fā)出自己喜歡的Bot，形成一個生態(tài)的平臺，生態(tài)的環(huán)境。
如何從人出發(fā)，通過智能助理，再通過Bot體現(xiàn)這一生態(tài)呢？微軟在做CaaP的時候，實際上有兩個主要的產品策略。
第一個是小娜，通過手機和智能設備介入，讓人與電腦進行交流：人發(fā)布命令，小娜理解并執(zhí)行任務。同時，小娜作為你的貼身處理，也理解你的性格特點、喜好、習慣，然后主動給你一些貼心提示。第二個就是小冰，主要負責閑聊。
無論是小冰這種閑聊，還是小娜這種注重任務執(zhí)行的技術，其實背后單元處理引擎無外乎就三層技術。
第一層：通用聊天，需要掌握溝通技巧、通用聊天數據、主題聊天數據，還要知道用戶畫像，投其所好。
第二層：信息服務和問答，需要搜索的能力，問答的能力，還需要對常見問題表進行收集、整理和搜索，從知識圖表、文檔和圖表中找出相應信息，并且回答問題，我們統(tǒng)稱為Info Bot。
第三層：面向特定任務的對話能力，例如定咖啡、定花、買火車票，這個任務是固定的，狀態(tài)也是固定的，狀態(tài)轉移也是清晰的，那么就可以用Bot一個一個實現(xiàn)。你有一個調度系統(tǒng)，你知道用戶的意圖就調用相應的Bot 執(zhí)行相應的任務。它用到的技術就是對用戶意圖的理解，對話的管理，領域知識，對話圖譜等等。
微軟有一個叫Bot Framework的工具、平臺。任何一個開發(fā)者只用幾行代碼就可以完成自己所需要的Bot。
這里面有很多關鍵技術。微軟有一個叫做LUIS（Language Understanding Intelligent Service）的平臺，提供了用戶的意圖理解能力、實體識別能力、對話的管理能力等等。比如說這句話“read me the headlines”，我們識別的結果是他想做朗讀，內容就是今天的頭條新聞。再比如說“Pause for 5 minutes”，我們理解它的意思是暫停，暫停多長時間？有一個參數：5分鐘。所以，通過LUIS，我們可以把意圖和重要的信息抽取出來，讓后面Bot來讀取。
第一，通過用戶畫像實現(xiàn)個性化服務。現(xiàn)在自然語言處理基本上用戶畫像用得非常非常少。其實人與人的對話，其實是對不同的人說不同的話，因為我們知道對話的人的性格、特點、知識層次，我了解了這個用戶，知道用戶的畫像，那么在對話的時候就會有所調整。目前來講，我們還遠遠不能做到這一點。
第二，通過可解釋的學習洞察人工智能機理。現(xiàn)在自然語言處理跟其他的人工智能一樣，都是通過一個端對端的訓練，而其實里面是一個黑箱，你也不知道發(fā)生了什么。目前還沒有針對這個問題很好的解決方案，盡管有一些視覺化的工作，但是都比較粗淺，還沒有達到最精準的判定和跟蹤。
第三，通過知識與深度學習的結合提升效率。所謂知識和深度學習的結合，有可能很多情況下是需要有人類知識的。比如說客服，是有一些常見處理過程的。
第四，通過遷移學習實現(xiàn)領域自適應。如果們想翻某一個專業(yè)領域，比如說計算機領域，可能現(xiàn)有的翻譯工具翻得不好。所以大家都在研究，有沒有一種辦法，能夠幫助機器進行遷移學習，能夠更好的運用到語音自適應上。
第五，通過強化學習實現(xiàn)自我演化。這就是說我們自然語言系統(tǒng)上線之后有很多人用，得到了有很多人的反饋，包括顯式的反饋、隱式的反饋，然后通過強化學習不斷的提升系統(tǒng)。這就是系統(tǒng)的自我演化。
最后，我認為也是非常關鍵的，通過無監(jiān)督學習充分利用未標注數據。
第一，我認為，隨著大數據、深度學習、云計算這三大要素推動，所謂認知智能，尤其是語言智能跟感知智能一樣會有長足的發(fā)展。你也可以說，自然語言處理迎來了60余年發(fā)展歷史上最好的一個時期。
第二，自然語言的會話、聊天、問答、對話達到實用程度。
第三，智能客服加上人工客服完美的結合，一定會大大提高客服的效率。
第四，自動寫對聯(lián)、寫詩、寫新聞稿和歌曲等等，比如說寫新聞稿，給你一些數據，這個新聞稿草稿馬上就寫出來，你要做的就是糾正，添加內容，供不同的媒體使用等。
第五，在會話方面，語音助手、物聯(lián)網、智能硬件、智能家居等等，凡是用到人機交互的，我認為基本上都可以得到應用，而且促進以上的一些產品推廣。
最后，認知智能、感知智能一起努力，在很多場景下，比如說法律、醫(yī)療診斷、醫(yī)療咨詢、法律顧問、投融資等等，這些方面自然語言會得到廣泛的應用。
問：微軟在機器翻譯這塊做得怎么樣，跟谷歌相比如何？微軟怎樣看待谷歌的神經網絡翻譯系統(tǒng)？
周明：第一，我剛才介紹了，微軟原來是著眼于統(tǒng)計，而現(xiàn)在做神經網絡，然后逐漸加入語言知識、領域知識。我認為我們這一條路是非常清晰的。有的公司觀念跟我們有不一樣，可能一直強調數據驅動，但是也做得很好。我們也不排斥他們做得好。我們認為人類的知識和數據應該好好的結合，這也是我們時刻想體現(xiàn)在微軟機器翻譯系統(tǒng)里面。
第二，由于微軟在中國設立了研究院，我們對中文、日文，亞洲語言的理解可能有自己的長處。因為中文和日文這類的語言，其實要是做大一統(tǒng)的訓練，推到極高的水平，其實很難，因為這里面其實有很多跟語言學有關的內容和語言知識。比如說日語有片假名、平假名，中文有成語，都要求我們做很多獨特的處理。由于我們長期在進行與中國和中文相關的研究，在這方面有經驗，所以能很快加入到微軟機器翻譯系統(tǒng)之中，使得相關的語言翻譯質量得到保證。目前來講，在這方面，我們在世界上是居于領先的位置。
問：微軟在英文和日文這塊的機器翻譯做得比谷歌好一點？
周明：我并不太清楚我們跟谷歌的比較，但是我自己自信的說，由于我們在這方面所做的努力，我相信在涉及到特定語言的方面我們有獨到的優(yōu)勢。
問：漢譯英和英譯漢有什么不同？哪個更難一點？
周明：中翻英是要做什么呢？首先，我們要把中文分好詞，中文不像英文或者日文會有非常完全和清晰的表達。比如日文有隔助詞，幫助你理解知道哪個詞有什么語法作用。英文則有各種時態(tài)，體現(xiàn)出時間的信息。在中文里，這些信息是很模糊的，所以需要額外進行處理去幫助斷定。第二，中文詞序來回顛倒不影響大家理解相關的意思。但是英文是顛倒之后，會產生很大的歧義。所以，隨意型的語言翻譯又需要有新的技巧。
過去，中翻英要比英翻中在這方面，在形態(tài)翻譯上區(qū)別非常大。可是現(xiàn)在有了深度學習了，這個差異就變得很小了。通過神經網絡編碼和解碼，中翻英和英翻中，說不清楚誰更難。可以說都難，但也都可以用一套方式得到解決。我覺得，如果非要說的話，還是翻譯中文難，因為中文中的成語搭配用現(xiàn)在的神經網絡翻譯起來會有很多問題。這是中翻英的一個難點。當然，英翻中也有自己的難點，因為英翻中里一詞多譯現(xiàn)象比中文要嚴重。所以，英翻中詞義的斷定和翻譯可能仍面臨一些困難。
問：中英夾雜的識別以及翻譯難點在哪？
周明：其實這是語音識別帶來的問題。中文夾英文，英文夾中文，在經歷語言模型的時候，沒有專門訓練，就會出現(xiàn)錯誤，從而也會對后面的理解和翻譯造成影響。
這件事本身是語音識別的一個難點，就跟遠場識別一樣，中英文混雜識別，還有新詞都是語音識別目前的難點。如果識別對了，到自然語言這塊來說相對就不是那么難了。因為自然語言知道這塊是中文，那塊是英文，處理完了之后走同樣的編碼、解碼過去，是沒有問題的。
問：現(xiàn)在機器能做到實時翻譯嗎？
周明：剛開始說話譯者就開始翻了，你說完了，幾乎瞬間我也聽完了，這才是同聲傳譯。這點確實有點難，包括語音識別，包括預測能力，包括兩種語言詞序大調整的時候，怎么巧妙的調回來，這個還是有點難。
問：機器取代同聲傳譯的難點？
周明：什么叫做同聲傳譯，就是講者說話的同時，譯者就翻譯。其中的一個難點就在于，譯者要預測你下面要說什么，保證跟你同步。機器要做到同樣的預測比較難，而且一旦預測錯了再回來就更困難了。
另外一個難點在于，現(xiàn)場遠場識別會給語言帶來了很多噪音，從而使識別經常會出錯。因為演示的環(huán)境是經過訓練的，機器適應這種語言環(huán)境。但是讓大家隨意在任何地方使用的話，往往不能達到很好的效果，就是因為這個環(huán)境影響因素太多，噪音太多。這都是屬于我剛才說的最后一公里的問題。
問：遠場降噪呢？
周明：遠場降噪我們也做了很多研究工作。我覺得五到十年遠場識別沒有太大的問題。我覺得五到十年說徹底解決同聲翻譯的挑戰(zhàn)，我不敢做這種預期，但是一定會比現(xiàn)在好很多。
問：關于GAN和對偶學習，微軟有什么意圖嗎？還是都只是單純用來減少標注性數據使用？
周明：對偶學習是我們機器學習組的研究項目，他們在最近一年內提出了新的方法，起到了很好的反響。他的思路是，在沒有任何標注語料的時候，中翻英，然后再翻譯回來，跟原來的句子相比較從而調整系統(tǒng)，使這兩個系統(tǒng)都能夠得到相應的改進。
我認為GAN的系統(tǒng)跟對偶學習不完全一樣。GAN初衷也不是非要解決無標注數據的問題。GAN其實是想把兩方通過一個對看的過程，使得它倆都得到提升。所以它們在初衷上有不同的地方。所以我認為他們是有細微不同的。
AI慕課學院近期推出了《NLP工程師入門實踐班：基于深度學習的自然語言處理》課程!
三大模塊，五大應用，海外博士講師手把手教你入門NLP，更有豐富項目經驗相授；算法+實踐，搭配典型行業(yè)應用；隨到隨學，專業(yè)社群，講師在線答疑！
課程地址：http://www.mooc.ai/course/427
加入AI慕課學院人工智能學習交流QQ群：624413030，與AI同行一起交流成長
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
