谷歌在訓練AI編寫維基百科,然而這事兒並不簡單

高層速讀

關鍵信息:1.谷歌大腦教人工智慧總結網頁信息、生產維基百科風格的文章

2.機器文本摘要的實際難度比較大,其結構是非常重複僵硬的。

眾所周知,互聯網永不停息地在生產文章、社交媒體帖子、米姆(meme,以衍生方式複製傳播的互聯網流行文化基因),製造歡樂和仇恨。而人們不可能不停閱讀、了解一切。使用人工智慧去分辨圖片上的動物是貓還是狗有點做作,但如果這樣的電腦能把信息濃縮成有用的片段,那就很方便了。不過,這並不是一件容易的事。

2017年4月發表的一篇論文,剛剛被今年舉行的國際學習代表會議(ICLR)錄取,它描述了文本摘要的實際難度。

這裡有一個應用的例子:對堪薩斯上空的翅膀(Wings over Kansas)——一個飛行員和飛行愛好者的航空網站——這個條目進行解釋。左邊的段落是由計算機生成的組織摘要,右邊內容取自維基百科頁面。

▲左邊是人工智慧編寫的條目,右邊是人為編寫的條目

總的來說,計算機生成的句子很簡短;他們缺乏由人編寫的文本的創造性天賦和節奏。谷歌大腦的最新努力稍微好一點:句子更長且看起來更自然

在新句子開始時,如果沒有清晰的大寫字母,軟體塗鴉的段落就有點難讀了,而且大多數句子的結構都是相同的。總的來說,它的可讀性還不錯。而下一代模型,如果不抱很大期望的話,文本生成似乎還可以;儘管對於這個特殊的例子,其摘要方面並不好,因為它比相應的維基百科裡的詞條還長

該模型的工作方式是獲取給定主題的前十頁(不包括維基百科條目),或者從維基百科文章的參考鏈接中抓取信息。大部份選定頁面用於訓練,並保留少數頁面以開發和測試系統。

通過添加所有頁面的文本並排練頁面上的所有段落,一個長文檔得以創建。通過分割成32000個單獨的單詞,並作為<input>標籤(用於搜集用戶信息,根據不同的 type 屬性值,輸入欄位擁有多種形式)使用,文本被編碼和縮短

然後進入一個抽象模型,在這裡<input>標籤中的長句被切短。這是一個聰明的伎倆,用來創造和總結文本。句子從早期提取階段生成,不是從頭開始構建的,這解釋了為什麼這個結構是非常重複和僵硬的。

總結

我們離有效的文本摘要或生成還有很長的路要走。雖然谷歌大腦項目相當有趣,但是使用這樣一個系統來實現維基百科詞條的自動生成可能是不明智的,至少從現在來看。

此外,由於它依賴互聯網上前十個網站的流行程度來確定所有特定主題,如果這些網站不是特別可信的,由此產生的作品可能就不是很準確了。當然,你不能相信你在網上讀到的所有東西。

信息來源:The Register

微信搜索【AI商業報道】,獲取行業最新資訊。

推薦閱讀:

意識的定義:以抽象的方式認知事物規律,並能夠加以運用。
駕馭AI:好的數據集是成功的一半
[直播] 負基礎入門Python系列:Python之禪
成為未來人的五種小策略
[中國電子學會]新一代人工智慧發展白皮書(2017)第一、二章

TAG:谷歌Google | 人工智慧 | 維基百科 |