喜報!人工智閱讀理解能力首超人類,AI時代來了

2018年伊始,人工智慧取得重大突破!1月11日,由斯坦福大學發起的機器閱讀理解領域頂級賽事SQuAD刷新排名,令業界振奮的是人工智慧的閱讀能力歷史上首次超越人類。阿里巴巴憑藉82.440的精準率打破了世界紀錄,並且超越了人類82.304的成績。

SQuAD的負責人Pranav Rajpurkar難掩興奮之情。他在社交媒體上表示,2018年一個強勁的開始,第一個模型(阿里巴巴iDST團隊提交的SLQA +)在精準度匹配上超越人類表現!下一個挑戰:模糊匹配,人類仍然領先2.5分!

SQuAD比賽構建了一個大規模的機器閱讀理解數據集(包含10萬個問題),文章來源於500多篇維基百科文章。人工智慧在閱讀完數據集中的一篇短文之後,需要回答若干個基於文章內容的問題,然後與標準答案進行比對,得出精確匹配(Exact Match)和模糊匹配(F1-score)的結果。

SQuAD是行業內公認的機器閱讀理解頂級賽事,吸引了包括谷歌、卡內基·梅隆大學、斯坦福大學、微軟亞洲研究院、艾倫研究院、IBM、Facebook等知名企業研究機構和高校的深度參與。

此次技術的重大突破源於阿里巴巴研究團隊提出的「基於分層融合注意力機制」的深度神經網路模型。該模型能夠模擬人類在做閱讀理解問題時的一些行為,包括結合篇章內容審題,帶著問題反覆閱讀文章,避免閱讀中遺忘而進行相關標註等。

模型可以在捕捉問題和文章中特定區域關聯的同時,藉助分層策略,逐步集中注意力,使答案邊界清晰;另一方面,為避免過於關注細節,採用融合方式將全局信息加入注意力機制,進行適度糾正,確保關注點正確。

阿里巴巴自然語言處理首席科學家司羅表示,對於解決wiki類客觀知識問答,機器已經取得非常好的結果,我們將繼續向對通用內容的「能理解會思考」的終極目標邁進。今後,研發的重點在於把這項技術真正應用在廣大實際場景,讓機器智能普惠生活。

實事上,這項技術已經在阿里巴巴內部被廣泛使用。比如,每年雙11都會有大量的顧客對活動規則進行諮詢。阿里小蜜團隊通過使用司羅團隊的技術,讓機器直接對規則進行閱讀,為用戶提供規則解讀服務,是最自然的交互方式。

再比如,顧客還會針對單個商品詢問大量的基礎問題,而這些問題其實在商品詳情頁都是有答案的。現在通過機器閱讀理解技術,能夠讓機器對詳情頁中的商品描述文本進行更為智能地閱讀和回答,降低服務成本的同時提高購買轉化率。

由司羅領導的自然語言處理團隊支撐了阿里巴巴整個生態的技術需求。由他們研發的AliNLP自然語言技術平台每日調用1200億+次,Alitranx 翻譯系統提供20個語種在線服務日調用量超過7億+次。此前曾在2016年ACM CIKM 個性化電商搜索、2017年IJCNLP中文語法檢測CGED評測、2017年年美國標準計量局TAC評比英文實體分類等大賽中取得全球第一的成績。

推薦閱讀:

機器學習預測地震,信得過嗎?
機器學習基礎與實踐(一)----數據清洗
第一章:機器學習在能源互聯網中的應用綜述(一)
北大訪問一天
從零開始實現Kmeans聚類演算法

TAG:人工智慧 | 機器學習 | 阿里巴巴集團 |