0
雷鋒網 AI 科技評論按：隨著機器學習蓬勃發展，新的研究領域不停出現。除了創造并解決新的問題之外，現有的應用其實也可以從機器學習中大為受益。Salesforce 近期的一篇論文就介紹了利用機器學習，無需學習SQL語言就可以在數據庫中進行查詢。雷鋒網 AI 科技評論把相關報道編譯如下。
SQL在編程領域越來越少被提及，但是SQL語言的學習曲線仍然陡峭，這就讓很多人放棄了嘗試直接和關系型數據庫打交道。CRM 軟件服務商 Salesforce 的人工智能研究團隊就從自己的業務開始下手，探索如何讓不具備 SQL 知識的人通過機器學習打開數據庫操作的大門。
在他們近期的論文「Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning」（Seq2SQL：用強化學習從自然語言生成結構化查詢語句）中，構建了一個機器學習中典型的序列到序列模型。在其中用到的強化學習讓模型在翻譯自然語言到SQL數據庫查詢語句任務中取得了讓人眼前一亮的成果。
這就意味著，在實際應用中用戶可以直接問系統：“橄欖球高校巡回賽排名第一的是哪支隊伍”，系統就會自動查詢對應的數據庫，然后告訴你答案是密歇根大學隊。正如下面這張動圖示意的？
Salesforce 研究員 Victor Zhong，也是這篇論文的第一作者，介紹說：“一個正確的查詢語句其實可以有好幾種寫法。如果給系統里輸入一個自然語言的問題，對應的查詢語句可能會有兩三種。我們用強化學習來鼓勵系統選用能夠查詢到相同結果的語句。”
隨著自然語言的提問里包含的單詞變多，可以想象這種機器翻譯任務也會很快變得非常復雜。應對方式就是，對于每一個缺失單詞的可能翻譯數目施加的限制越多，翻譯任務就會變得越簡單。Salesforce 的研究人員們就利用了這種想法，他們對系統的提問里、數據庫標簽里和典型 SQL 查詢語句里能夠包含的單詞做了一些限制，從而簡化了翻譯系統的設計難度。
讓 SQL 平民化其實也不是新鮮事了，Tableau 最近收購了創業公司 ClearGraph，后者的業務就是提供用英語而不是SQL語言查詢數據的方案。
Victor Zhong 補充說：“有的模型直接在數據庫上做操作，但是如果提問一個關于身份證號的問題就會有潛在的隱私問題。”
除了論文里的方案本身，Salesforce 的這項研究還有一個貢獻是他們構建的 WikiSQL 數據集，他們的翻譯模型就是用這個數據集訓練出來的。他們首先從 Wikipedia 采集了HTML表單，這些表單就成為了隨機生成的 SQL 查詢語句的基礎；他們從這些查詢生成了對應的問題，然后把問題放到亞馬遜 Mechanical Turk 眾包平臺上讓人類把它們改寫成自然語言。每個改寫后的句子都會被確認兩次，而且還安排了單獨的人指導這些確認過程。最終構成的 WikiSQL 數據集也是目前所有同類數據集中最大的一個。
via TechCrunch，雷鋒網 AI 科技評論編譯
論文地址：https://einstein.ai/static/images/layouts/research/seq2sql/seq2sql.pdf
