AI何时以及如何真正理解人类语言？可能吗？
2018-11-11 09:25:00
2011年，美国琐事游戏节目Jeopardy！特邀嘉宾参赛者：IBM的Watson，一台超级计算机。Watson被选中与该剧的最佳获胜者Ken Jennings和Brad Rutter竞争，以了解谁将在这场史诗般的人类与机器之战中取得胜利。结果？Watson以压倒性优势获胜，回答价值总计35,734美元的问题，而Rutter的10,400美元和Jennings的4,800美元相比。
尽管沃森获得了大奖，但超级计算机偶尔会对该剧的一些问题给出荒谬的答案。当被问到美国城市类别中的最后一个问题时，“哪个城市最大的机场以第二次世界大战的英雄命名，第二次世界大战的第二大战斗？”，两位人类选手正确回答“芝加哥”，而沃森回答“多伦多” - 加拿大的一个城市。这个错误在节目结束后收到了很多新闻，证明尽管AI已经取得了很大的进步，但它仍然不是很完美。
几年后，大数据科学家正在加倍努力，帮助人工智能机器理解与人类更好地互动所必需的背景和细微差别，特别是当它涉及意义和自然语言处理时。以下是这些科学家为实现这一目标而努力的一些概念。
情绪分析
情绪分析使AI能够挑选出某些单词或短语，表明陈述是正面，负面还是中性。这在获取一般情绪或强烈异常值的情况下尤其有用，可以帮助组织实时响应消费者的需求。情感分析可用于任何类型的评论网站，群发电子邮件回复，在线评论，社交媒体帖子等。
自然语言处理
自然语言处理（NLP）帮助AI机器处理，分析和解释大量人类语言数据，并挑选出一般语言趋势。然而，AI仍然需要不仅要理解单词或短语的所有可能含义，还要理解使用它的上下文，以便机器能够正确识别预期含义。
例如，人们经常说讽刺是它自己的语言，因为它是一种修辞手段，使用讽刺的词语或违背其原始含义。人工智能不会总是接受这个意图，可能会错误地将讽刺性的陈述解释为真实的陈述。
数据科学家目前正在开发额外的NLP模型和培训，以提高AI的能力。人工智能正在从机器依赖语法记忆到理解语言转变为使用更多的人工神经网络（ANN），模仿人类大脑的神经网络并使机器能够通过暴露于许多文本示例来分析和理解基本语言基础知识和演讲。
这种方法最终将帮助人工智能机器更容易地掌握俚语，习语，讽刺，隐喻和非文字语言。
了解更大的复杂性
研究人员正在尝试对机器人进行编程，使其对事物有更复杂的理解。这包括开发可以同时处理多个任务的AI模型，或者理解更复杂的问题（例如“人口最多的国家是什么？”，这需要机器分析所有国家的人口，而“人口最多的国家是什么？在赤道以南，“这需要机器分析所有国家的人口以及所有国家的地理位置，以确定哪些国家位于赤道以南”。
最近一个更复杂的机器人的例子是Sophia，这是一个由Hanson Electronics在香港于2017年开发的人形机器人。索菲亚掌握了多任务处理：处理问题，做出回应，识别人脸，与提问者保持目光接触。她具有特别先进的自然语言处理能力，可以表达情感，理解更细微的沟通，如幽默和讽刺。2017年底，索菲亚还成为第一个被公认为国家公民的机器人。
未来该何去何从？
尽管大多数个人和组织不需要使用具有索菲亚复杂性的人工智能机器，但她是人工智能如何发展以及我们如何使用的人工智能 - 从Siri到机器翻译 - 必然会不断改进的一个例子。
鉴于人工智能最近取得的进展，宣布即将到来的奇点尚不安全。然而，假设技术不会继续以快速的速度改进是不正确的。
