選自baidu.research

機器之心編譯

參與：黃小天、李澤南

自然語言處理一直是人工智能發(fā)展道路上面臨的巨大挑戰(zhàn)。此前，大多數(shù)研究都是讓機器學習模型在大量已標記數(shù)據(jù)集上進行訓練的。最近，百度研究院人員提出了一種全新的方法，研究人員讓人工智能系統(tǒng)通過與「教師」的口語對話來學習自然語言和知識。這種類似嬰兒學習語言過程的方法展現(xiàn)出了很大的潛力。機器之心對該文及其研究論文摘要進行了編譯，原文鏈接見文末。

四月上旬，百度研究團隊通過由虛擬教師（a virtual teacher）發(fā)出自然語言指令，成功地教會了人工智能代理（agent）在迷宮中導航（參閱：用自然語言教育人工智能：百度新算法發(fā)展出 zero-shot 學習能力）。今天，百度研究團隊又很高興地宣布，通過與虛擬老師之間的交互，其人工智能代理成功地學會了說話。

說話，以及其他人類基本能力，在創(chuàng)建通用人工智能的道路上不可或缺。盡管今天與機器進行簡單的交談很常見，但是百度研究團隊教機器說話的方法與傳統(tǒng)方法大不相同。

百度的人工智能代理以一種類似于嬰兒互動的方式學習說話。相反，傳統(tǒng)方法依賴于有監(jiān)督訓練，使用包含大量預搜集訓練集的靜態(tài)語料庫，難以捕捉到語言學習過程中的動態(tài)交互屬性。結(jié)果，通過傳統(tǒng)方法訓練的系統(tǒng)主要反映了數(shù)據(jù)集中的行為，適應性和泛化能力有限。百度的人工智能代理通過交互學習說話，旨在獲取語言學習與理解能力而不僅僅是捕捉到數(shù)據(jù)之中的統(tǒng)計模式。

當一個嬰兒學習說話時，他與人產(chǎn)生交互，并通過模仿和反饋進行學習。嬰兒最初通過模仿其會話者來產(chǎn)生言語行為，掌握字句生成的技巧。嬰兒也會向其父母發(fā)出聲音，并根據(jù)父母的糾正和鼓勵調(diào)節(jié)其言語行為。

研究概述

百度研究人員提出了一種基于自然語言學習的交互式方法，其中人工智能代理通過與虛擬教師（教授者）交互、獲得反饋來學習自然語言，從而學習和提高自然語言技能以達到參與對話的程度。在這里，沒有帶標簽數(shù)據(jù)形式的監(jiān)督學習來引導學習者；取而代之的是，系統(tǒng)必須通過不斷嘗試說來學習說話，而教授者會提供口頭反饋（如是/否）和非口頭反饋（如點頭/微笑）。

下圖顯示了訓練中幾種不同形式的對話。在一開始，代理只能生成無意義的句子，它只能在純粹對話中提升自己的技能。而到了最后，代理可以正確運用自然語言回答教授者提出的問題。

另一方面的實驗進一步證明了新方法具備學習自然語言的能力。研究人員證明訓練后的人工智能代理可以回答由已知知識或問題中的概念組成，但經(jīng)過重組后形成的全新問題。例如，在訓練中，「avocado，east」組合從未出現(xiàn)在問答中；而 orange 僅被描述過，從未被教授者問到過。而在測試中，代理可以回答有關(guān)在「east」的「avocado」的問題，或有關(guān)「orange」的問題，如上圖所示。

百度的研究人員表示，他們會在未來進一步增加語言學習環(huán)境的復雜性，以訓練出更為復雜的語言行為。另外，他們還計劃探索機器學習系統(tǒng)的知識建模與快速學習，讓人工智能代理能夠與人類進行自然交互，并讓它可以從物理世界中進行有效的學習。

論文：Listen, Interact and Talk: Learning to Speak via Interaction

論文鏈接：https://arxiv.org/abs/1705.09906

摘要：人工智能的一個長期目標是構(gòu)建一種可與人類進行自然語言交互的代理。然而，目前的大部分自然語言學習的研究都依賴大量帶注釋標簽的數(shù)據(jù)集以進行訓練，這導致人工智能代理的任務變成了外部數(shù)據(jù)集的統(tǒng)計學抓取。由于訓練數(shù)據(jù)本質(zhì)上是由標注者對知識進行的靜態(tài)表述，人工智能代理經(jīng)過學習后的適應性和拓展性受到了限制。此外，這種訓練方法與人類學習自然語言的過程非常不同，后者是一個交流的過程，通過說話和獲得反饋來進行。

在本論文中，我們提出了一種交互形式的自然語言學習方法。其中，人工智能代理通過與教授者（teacher）用自然語言互相交流，從而在談話中學習和提高語言技能。為了達成這個目標，我們構(gòu)建了一個包含模仿和強化學習方法的模型，用以比較句子和教授者的反饋。我們進行了實驗，證明了這種方法的有效性。

人工智能（AI）平臺為用戶提供了構(gòu)建智能應用程序的工具包。 這些平臺將智能決策算法與數(shù)據(jù)相結(jié)合，使開發(fā)人員能夠創(chuàng)建出智能化的解決方案。 一些平臺提供預構(gòu)建的算法和簡單的工作流程，具有拖放建模和可視界面等功能，能夠非常容易的構(gòu)建出解決方案的模型，而其他平臺則需要更多的開發(fā)和編碼知識。 這些AI平臺除了機器學習能力之外，還包括圖像識別，自然語言處理，語音識別，推薦系統(tǒng)和預測分析的功能。

開發(fā)人員經(jīng)常使用AI平臺來創(chuàng)建學習算法和智能應用程序，沒有相關(guān)AI開發(fā)經(jīng)驗的用戶也將受益于平臺的預構(gòu)建算法和其他相關(guān)算法。

AI平臺非常類似于平臺化服務（PaaS），兩者都允許基本的應用程序開發(fā)，但不同之處在于AI提供了機器學習選項。 隨著智能應用程序的流行，PaaS產(chǎn)品將會和AI平臺逐漸融合。

符合AI特征的軟件平臺必須滿足以下條件：

提供一個平臺可以構(gòu)建智能化，支持AI的應用程序允許用戶創(chuàng)建機器學習算法，或者提供預構(gòu)建的機器學習算法，以便新手用戶構(gòu)建應用程序為開發(fā)人員提供一種方法，能夠?qū)?shù)據(jù)提供給AI算法用來進行不斷的學習和適應

9個AI軟件平臺

Azure Machine Learning

1、Azure Machine Learning

Azure機器學習平臺是一種基于云的預測分析服務，可以快速創(chuàng)建和部署預測模型作為分析解決方案。

Google Cloud Machine Learning

2、Google Cloud Machine Learning

Google 云機器學習平臺使用戶能夠輕松構(gòu)建任何大小的任何類型數(shù)據(jù)的機器學習模型。

TensorFlow

3、TensorFlow

TensorFlow是一個開源軟件庫，使用數(shù)據(jù)流圖進行數(shù)值計算。

Rainbird

4、Rainbird

Rainbird是一個基于云的AI平臺，使任何人都能找到相關(guān)專業(yè)方面的知識，并且推出了機器人虛擬在線專家。

Ayasdi

5、Ayasdi

Ayasdi是一個企業(yè)級的機器智能平臺，能夠從大數(shù)據(jù)和復雜數(shù)據(jù)中自動提取關(guān)鍵數(shù)據(jù)。支持多線程操作，使分析師，數(shù)據(jù)科學家，終端用戶，開發(fā)人員和系統(tǒng)管理同時進行操作：創(chuàng)建，驗證， 使用和部署復雜的分析和數(shù)學模型。

Teneo Platform

6、Teneo Platform

智能虛擬助手：功能包括虛擬銷售代理，保護賬戶余額，手機虛擬助手，自然語言交互，降低客戶服務成本，提高客戶滿意度，增加在線銷售。

Salesforce Einstein

7、Salesforce Einstein

Salesforce Einstein能夠分析并學習用戶數(shù)據(jù)，并根據(jù)算法提供預測和建議。

Infosys Mana

8、Infosys Mana

Infosys Mana是一個基于知識的AI平臺，將機器學習與知識結(jié)合在一起，推動自動化和創(chuàng)新。

Wipro HOLMES

9、Wipro HOLMES

Wipro HOLMES是一個人工智能平臺，為數(shù)字虛擬代理，預測系統(tǒng)，認知過程自動化，可視計算應用，知識虛擬化，機器人和無人機的開發(fā)提供服務。