AIR 038 | 加拿大皇家學會李明院士：如何用深度學習對付NLP難題

李明，加拿大皇家學會院士，滑鐵盧大學教授，現代信息論奠基者，國家“”專家

在 2016 CCF-GAIR 全球人工智能與機器人峰會上，李明院士接受了雷鋒網的采訪，分享了他對用深度學習對付NLP（自然語言處理）難題的看法，及深度學習在NLP研究領域的未來應用

雷鋒網：請簡要談談您入選加拿大皇家學會的經過。

李明院士：入選加拿大皇家學會的程序沒有那么繁瑣，獲得評選資格后，由一兩個院士寫支持信，院士評選會進行評選，比較公正。與中國工程院的體系不同，英國加拿大皇家科學院包括科學，工程，社科類，法律等。

 雷鋒網：當前在語義理解方面深度學習在科學上是否有突破性的進展？

李明院士：Siri主要通過關鍵字來識別語義信息，比如，你問“魚吃什么”，它會回答“海鮮館”類信息，容易犯錯誤，而模版（icon）匹配，太嚴格，不靈活，“美國總統是誰”，你可以獲得準確答案“奧巴馬”，但是對于“美國總統是誰啊”這樣的問題形式，基于模板的語義理解則不能識別。而我們運用的深度學習不同于別的公司，可以把對這個問題的回答變得具有魯棒性，不會出現很多錯誤，而這是非常關鍵的，也就是說，深度學習可以解決這一問題。深度學習也存在局限性，比如需要很多大數據來訓練，而我們公司的優勢在于我們可以自己生成大量數據。

 雷鋒網：微軟的聊天機器人是通過網絡公開采集數據進行訓練，回答問題時可能會出現不友好的現象，未來有沒有可能制造出個性化聊天機器人？

李明院士：比如，聊天機器人小冰之所以出現這么多問題，主要原因是信息復制的。我們運用的深度學習模型，可以將最主流的回答（友好的回答）篩選出來，將過濾掉支流的回答，這也是深度學習的問題所在，回答沒有特殊性，不過，深度學習可以在一定程度上避免這種不友好回答的問題。或者說，深度學習是否會因為樣本足夠大，可以包容所有的問題，實現個性化聊天？根據統計結果顯示，豆豆比小冰可以回答的問題多十倍。現在的深度學習有很多不是真正意義上的深度學習。我們的豆豆，有20多個深度學習模式，可以篩選出最優的回答結果。此外，我們的聊天機器人的對話模式與方言無關，只管語義信息的輸入。

 雷鋒網：在實際應用中，“信息距離”理論是否存在理論上的局限性或技術上的難題？

李明院士：我們的“信息距離”理論在理論上無局限性，但是技術上有局限性，語義距離沒有定義，不可計算，信息距離有定義，但是也不可計算，只能通過壓縮的方式來度量，用“信息距離”來近似“語義距離”。具體壓縮方法：簡單來講，如“明天明天”將被壓縮為一個詞語“明天”，實現信息方面的簡化。

 雷鋒網：在實現大型文本關系理解（理解人類語言表達的結構和意義）方面，相比其他算法與模型，深度學習的優點體現在哪里？

李明院士：相比其他算法與模型，深度學習的優點在于其對話魯棒性。一般用于實現機器人對話的辦法多為關鍵字法，模板匹配法，但是，相比這兩種方法，深度學習處理的對話信息可以以多種形式出現，能夠容忍一些錯誤，實現較為自然的人機交互對話。

雷鋒網：由您的團隊提出的“中英文分詞”兩者之間有何區別？

李明院士：相比于漢語分詞，我們的系統不需要考慮英文分詞，因為英語單詞之間有空格隔開，不用進行分詞。

 雷鋒網：您認為，深度學習在計算機智能處理自然語言方面需要做哪些方面的提升？

李明院士：下一步，基于大數據，深度學習訓練的好的話，未來的智能機器人可以讀書看報，比如，讀紅樓夢，未來的智能機器人可以分辨清楚人物關系，譬如，小說中誰喜歡誰，誰是誰的大姨媽，再比如，能夠分辨出三國演義中，誰與誰結義了。現在深度學習可以回答類似下面的一類問題：林黛玉去了賈寶玉的房間。問：誰去了賈寶玉的房間？當前的深度學習可以回答：林黛玉，其回答問題的精度精確度可以達到70%到80%。

 雷鋒網：深度學習可以區分指示代詞的歧義現象嗎？

李明院士：現階段深度學習還不具備擁有的足夠量的背景知識來區分上下文語言歧義現象，不過，經過訓練，我想是可以實現的。機器人對話當前可以實現寬泛的問答，不過，對于一些小的語言問題，比如，怎么理解“雞不吃了”，深度學習還沒有兼顧到。

 雷鋒網：當前的人機對話模型發展得比較迅速，對于“機器會有意識嗎？”這樣的問題，可以與我們分享一下您的觀點嗎？

李明院士：其實，目前的機器人自然語言對話，多是訓練出來的。在眾多研究，沒有任何人能夠清楚地定義：什么叫意識？我認為，機器人說話，類似于人說夢話，你問一個夢游的人一些問題，他是回答問題時是沒有意識的，卻能說的頭頭是到，機器人對話其實是一樣的。

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。