|
（从左至右）崔磊、韦福如、周明、杨南。微软亚洲研究院自然语言计较研究组供图 阅读来自维基百科的536篇文章，答复10万个基于文章内容的问题，除了题量大一点，这场角逐挺像大学英语六级测验的阅读领略测试。 但你不行能听到科场里奋笔疾书的“唰唰”声，因为“参赛者”只是一段代码。输入文章和问题后，计较机的中央处理惩罚器（CPU）和图形处理惩罚器（GPU）开始高速计较，最后交出答卷，由出题者批阅。 对来自世界各国的研究者来说，这是一场没有止境的比赛——任何人可以在任意时间插手，排行榜及时更新；纵然是第一名，不保持“进修”和“更新”，随时有大概被新插手者逾越。它大概产生在你用饭和睡觉的时候，而“敌手”不外是“啪啪啪”地敲击了一串代码。 这场比赛全称SQuAD（Stanford Question Answering Dataset）文能力略挑战赛，由斯坦福大学在2016年9月提倡，是业内公认的呆板阅读领略尺度程度测试，也是这个规模的顶级赛事。 在2018年1月3日以前，人类始终保持着领先的优势——从来没有任何一个团队可以或许设计出一种答题正确率高出人类的算法。这一天，微软亚洲研究院自然语言计较组提交的新模子得到了82.650的准确匹配分数，高出了人类得分82.304。仅过了两天，阿里巴巴iDST－NLP团队也拿到了82.440的准确匹配分数。 微软亚洲研究院院长洪小文汇报中国青年报·中青在线记者：“这对微软和自然语言处理惩罚（NLP）研究规模来说，都是一个重要的里程碑。计较机文能力略本领首次逾越人类，预示着该规模的研究将会有更大打破。” 在计较机看来，世间万物都是一串数字 微软亚洲研究院副院长、自然语言计较组认真人周明博士坐在计较机前，告急地期待测试功效。颠末1个多月对模子和算法的更新，他们提交了最新代码。 这支团队在SQuAD挑战赛初期，一度以不变的后果恒久位居排行榜榜首，但周明知道，这场比赛的排名瞬息万变。2017年最后两个月里，科大讯飞与哈工大连系尝试室、腾讯DPDAC NLP团队先后高出了他们。 新选手参赛约莫两三分钟后，系统就完成了约50篇数百词的文章阅读和约1万个问题的答复。纵然母语是英语的成年人，这个时间也才委曲读完5篇文章。 “对人类来说，读完一篇文章就会在脑海中形成必然的印象，好比这篇文章讲的什么人，产生了什么故事。人们可以或许垂手可得地归纳出文章里的重点内容，但对计较机来说不是这样。”周明汇报中国青年报·中青在线记者。 在SQuAD测试中，计较机需要阅读一段质料，然后答复诸如人名、地理位置等问题。差异于雷同测试，SQuAD测试的答复大概是一段短语，而非某个单词或单个内容。它大概遭遇同义词替换、句子布局调动等环境，甚至需要综合多个句子举办逻辑推理。 为了办理这个问题，研究组模仿人类做阅读领略进程的方法，他们将整个进程分成了四步。拿到测试题后，计较机首先会进修文本和问题，就像我们做阅读题时，首先会通读文章，然后审题，得到一个整体印象。 下一步，计较时机将问题和文章举办比对，找出相关段落，就像人类定位要害信息的环节。接下来，计较时机把劈头功效放到上下文里比对，雷同人会综合全文对待问题。最后，它会斟酌并选出最像谜底的内容。 在这场比赛中，差异团队设计的答题模式大概完全差异。周明先容说，他们的设计中，最奇特的就是第3步，是通过“留意力机制”到达的。这让要害信息像被画上了重点一样，成为计较机眼中高亮的部门。 “除了自然语言处理惩罚，留意力机制在图像识别规模也是要害的观念。”美国哥伦比亚大学计较机系硕士生何钦尧汇报中国青年报·中青在线记者。 人类视觉可以或许通过快速扫描整体图像后，找到需要重点存眷的区域，并投入更多留意力，以得到更多细节，抑制其他无用信息。研究者也实验让计较机进修并操作这种机制。差异于人类拥有动植物、山川河道的观念，所有单词和图像在计较机看来都是一串数字。它必需从数字背后微妙的接洽中，洞悉它们的意义。 真理埋没在数据和概率里 周明地址团队利用的计较机并不是凭空学会做题。介入SQuAD比赛前，它就像“学霸”考前刷题一样，先看过了约500篇文章和与之对应的10万道题目、谜底。 |
