沃森-走下竞技场 走上合作台.docVIP

沃森:走下竞技场 走上合作台从“人工智能”这一概念被提出那天起，人们就不断在这一领域钻研，并发展出众多理论，而IBM的“沃森”与人类同台竞技并获得胜利，更成为人工智能领域具有里程碑意义的事件，对“沃森”来说，它的最终使命并不是与人类对决，而是服务人类，服务社会，成为人类的合作者。 保守者认为：人类是主宰一切的核心，作为智能机的“沃森”在判断问题时有很高的准确率，即使达到95%以上，在人类做出重要决定时，也不会把决定权交给“沃森”，因为做出决定的应该是人类而不是机器；激进者认为：“沃森”的到来，揭示着人工智能时代快速来临，不久就会在每个角落遍布各式各样的智能机，如机器人、汽车等，它们甚至会说话和买东西。 暂时抛开这些言辞，要想进一步地了解“沃森”，知道它是如何理解人类语言，分析问题的意思，如何从海量知识中快速选出正确答案，这背后又隐藏着何种技术支持等。在2012 IBM软件技术峰会上，IBM沃森研究中心研究成员王敞为我们揭开了谜底。 “沃森”不仅是第二个深蓝 去年西方的情人节，这个看起来冰冷的家伙“沃森”抢尽情人们的风头，让IT客为之疯狂。在美国著名知识竞赛《危险边缘》中，它击败肯·詹宁斯和布拉德·鲁特两位该节目历史上最成功的选手，成为冠军，比赛情况精彩绝伦，“沃森”在第一、二轮几乎抢答近90%题目，第三轮抢答逾60%，答对率逾95%。它的表现不禁要让人夸赞：“这个家伙真酷。” 但它是第二个深蓝吗?一台十五年前战胜国际象棋大师卡斯帕罗夫的计算机?应该说它比深蓝更复杂，因为国际象棋定义明确，主要涉及数学运算，深蓝作为一台拥有强大推理能力和计算能力的计算机，可以轻易判别每一个游戏状态及相应步骤，它是人类数学能力的体现。 而“沃森”在人工智能上又迈出了一步，它一方面分析大量数据，并以极快的速度找到问题的答案，另一方面则能够辨别人类口语和书面语言的差别，即“沃森”在快速处理非结构化数据，包括语言、知识方面取得的突破性进展。例如：Jack Welch就职于GE，用表格一栏表示人物，一栏表示公司，计算机可容易获得答案，但人类的知识是一种自然语言的陈述：如果领导才能是一种艺术，那么Jack Welch在任职GE期间，已经证明了他是一个艺术上的大师。这种知识既表述在问题里又表述在知识里，更难处理。 而《危险边缘》最精彩的地方正在于游戏里的问题包罗万象，几乎涵盖了人类文明的所有领域。因此，“沃森”必须满足开放领域问题回答的要求。它包含两方面意思，第一：这个问题可以以任何形式来问；第二：一个问题涵盖的内容是各个方面的。所以，“沃森”不仅要理解人类语言的二义性、上下相关性，引申意等特点，还需要一个足够大的搜索空间，查找不同形式的表述。 由此“沃森”被设定的目标是：不仅要产生精准的答案，并同时给出每一个答案的确信度，还要为答案提供事实支持，而整个交付的速度要快，因为据研究：超过三秒人类就认为等待的时间过长，影响体验效果。 不能不说的秘密 要让“沃森”达到这些“苛刻”的目标，它就需要拥有复杂的算法，以“听懂”问题的意思，并需要大量数据支持来搜索问题的答案，最后需要引入并行计算的能力加快运算速度。而支持“沃森”的核心技术Deep Question Answer（深度问题回答），就是一个大规模、并行的、基于统计事实的一个体系结构，里面包含了自然语言处理、信息攫取、机器学习推理等很多模块。 它的运作流程是：当一个问题提出后，“沃森”需要分析问题的语法结构，找出关键字及关键字之间的重要程度，确定问题核心，如：一个问题问的是一个地方，Place一词就会用黄线来标注，并进入搜索环节，其流程是从关键字出发，并行地在大量的数据源上搜索相关文档、段落，通过沃森有超过十种的算法，搜集到200-300个可能的答案；下一步进入支持信息搜索，沃森将初始答案带回到问题中替换，然后重新在数据库中搜索，这次搜索主要是针对问题上下文关系定位；最后通过机器学习模型，对收集的结果重新排序，通常正确的结果会被排在第一位反馈给用户。 这是一个看似简单，运作复杂的过程，因为问题以自然语言形式存在，真正理解需要不少推理。如问题：当“60分钟”首演的时候，这个人是美国总统，“沃森”会判断“60分钟”是一个电视节目，但要理解问题的核心就要进行句子分解。“沃森”先确定首演时间，沃森经过对数据库的搜索知道是1968年，此问题就变成了1968年谁是美国总统，然后再次搜索给出正确的答案。（见图一） 同样，知识也以这种非结构化的形式存在，要把知识匹配到问题上也很复杂。如：“安菲他酮对这种类型的神经疾病是一种禁忌”，知识库中会搜索到“有这种病的人士不可吃安菲他酮，因为这种药用量过大会提高疾病发作可能性”，人可以轻易判断二者的统一，但对“沃森”却很难，因为问题里的关