突破自然語言處理瓶頸 需大數據與富知識雙輪驅動

冷眼觀

“今年美國國家科技理事會發布的國家人工智能八大戰略中，有三項與自然語言處理有關。”近日，北京智源人工智能研究院首席科學家孫茂松表示，“自然語言處理是全球人工智能戰略之關鍵。”然而，當前與自然語言處理的相關技術遠未成熟，許多問題亟待突破。那么，目前有哪些解決途徑？

“學術領域叫自然語言，其實指的就是人類語言。自然語言處理可以說是從人工智能這個詞尚未出現前，就是一個重要研究對象。”孫茂松表示。

“語言，是人獨立于動物的重要特征之一。但是大家不要把自己看得太高明，更不要認為人的語言就是模板，動物的語言也很強大，其中不乏超過我們的。” 孫茂松指出，比如鯨魚的神經細胞有370億個，人有200多億，本身它的神經系統就比我們發達，語言也極其豐富。而魚在海洋光線不好的情況下，能夠做很強的交流，到現在人類也對其語言的理解十分有限。盡管動物的語言和人的語言有很大不同，但共性即是語言是兩個個體之間交流的橋梁，橋梁作用就是研究的關鍵。

上世紀60年代，機器翻譯系統已經出現。相關部門用《圣經》中的句子進行了測試，句子直譯的意思是“精神是愿意的，但是肉體是虛弱的”，但用當時的機器翻譯成俄文，再用俄文系統翻譯成英文時，就變成“伏特加是好的，但肉卻腐爛，酒喝不成了”。如今把這個英語句子用谷歌翻譯系統翻譯成中文，基本上可以保持語義保持完好，這就是顯著的進步。

但現在大數據驅動下的自然語言處理遇到的瓶頸，是一位著名機器翻譯專家提出機器翻譯中“pen”的問題。即“pen”有兩個意思：鋼筆和圍欄，而無論是谷歌還是微軟的機器翻譯，都還不能很好地根據不同語境將其譯成合適的意思。“如果見過這句話的情況機器可能會翻譯準確，而沒見過就需要知識的積累。大數據驅動下的自然語言處理有很大局限性，即運用知識處理問題的能力幾乎沒有。”孫茂松指出。

近些年，自然語言處理在全球范圍受到學術界的高度重視，美國國防高級研究計劃局（DARPA）對基于知識的語言智能投入相當大，涉及到數據知識與行為、低資源語言處理、知識指導模式推理、自動知識獲取等。

據介紹，目前我國基于大數據驅動的深度學習已經取得顯著進步，這些年來很多重要進展都是基于這個層面。有專家指出，今后自然語言處理需要通過知識驅動實現突破。孫茂松認為，“大數據與富知識雙輪驅動”或成為解決問題的關鍵，即在大數據驅動的基礎上加入富知識驅動，兩者結合，缺一不可。他強調，這個知識是系統性的，而不是用破碎的知識。

為此，北京智源人工智能研究院“自然語言處理”課題團隊，將致力于解決多類型知識資源構建、自然語言深度理解、可控自然語言生成、融合知識的機器翻譯、智能語言學習、對話系統等問題。

責任編輯：ct