IBM AI辯手來襲，觀點不奇葩，而且有理有據

hi188｜ 撰文

相信大家還記得2016年3月李世石大戰Alpha Go的場景，AI技術從最初「不被看好」，到最後4：1擊敗人類頂尖棋手，一鳴驚人，此後關於AI的討論更為廣泛。與此同時，各式各樣的AI應用也在不斷刷新著公眾的認知。

目前來看，AI技術的應用多數還是圍繞語音、計算機視覺、自然語言處理、自動駕駛等方面展開，甚至也有不少更為深度的應用，例如醫療領域基於計算機視覺即可檢測MRI圖像中的腫瘤等。

當然，任何AI應用都需要大量的數據來訓練， 而科技公司要做的就是訓練出這些強大的AI，例如與李世石對戰的Alpha Go就是依託1202個CPU和176個GPU的計算系統，同時不間斷的去學習與訓練才達到的結果。

為了尋找能夠訓練強大AI的場景，各個巨頭們也是煞費苦心，例如谷歌在今年Google I/O大會上展示了Duplex應用，來模擬真實世界中對話溝通，不過目前其僅限於部分特定領域。

前不久，IBM也正式亮相了全新AI研究成果：Project Debater，這是一個AI辯手，該項目最初於2011年由IBM研究院以色列海法實驗室提出，2012年開始研發，研發耗時6年，並號稱是首個能與人類進行複雜辯論的AI系統。

6月份，IBM組織了一場Project Debater和人類辯手的比賽，兩場辯論主題分別是「是否資助太空探索」、「是否增加遠程醫療的使用」，而現場專業媒體和分析師認為雖然人類一方表達更好，但AI辯手傳遞信息量的豐富度要更優秀。

為什麼是AI辯手？

AI的魅力就在於應用到各種想不到的應用場景中帶來的正面收益。前面提到，尋找到適合訓練出強大AI的場景至關重要，而IBM選中「辯論賽的辯手」並非偶然。

IBM在官網中介紹到，AI技術從早期基於文本的電子郵件垃圾分類；到模板化響應式的虛擬助手；再到能夠回答開放性問題的階段，例如Waton；現在來到了AI自由辯論時代，可以有意識的參與主題辯論，例如Project Debater。

眾所周知，辯論比賽一般由兩組選手分成正反方，就某一話題圍繞討論的知識性競賽，這種形式能夠訓練人類的語言表達能力、知識儲備能力、思維反應能力、團隊協作能力等等。也就是說，辯論考驗個人綜合能力的項目。對於AI而言，辯論的形式為AI提供了理想的測試基礎。

另外，日常生活中很多時候我們都面臨著決策難題，現在該不該拋出某支股票等，而其中決策對於辯論而言至關重要，因為辯論時即興的，難以預測對方觀點，而回應過程則直接體現了辯論的經驗豐富程度。由此來看，IBM選取辯論賽的辯手作為AI的應用場景也就不足為奇。

而對於IBM而言，Project Debater項目旨在通過公正的辯論散發人類的思維，而背後的AI系統則意在幫助人們在答案不是非黑即白時，做出基於證據的決定。

另外，辯論賽之所以「好看」就是因為辯手能拋出各種觀點，很容易聯想到《奇葩說》節目的火爆，這對於參觀者而言更是一種學習的過程。但對於機器而言，其也試圖創建一個能夠搜集、分析、整理海量信息的系統，從而訓練出一個能夠更好的幫助人類做決策的AI。

據青亭網了解，當前Debater中包含了全球商業、法律、學術、政府機構等報紙雜誌文章，維基百科等，當前共計多達數億個有效信息來源。這是我的疑問是，如果當前Debater僅支持英語語言檢索和英語的辯論，那麼我想說的是，面對中文一語雙關、成語複雜辭彙的運用，如何做到理解並準確回應呢？要知道，每個地區的語言環境都有不同的特色，這點需要融合進AI裡面就非常不容易。甚至我在想，如果機器能讀懂N多種文字和語言，那麼是不是它就可以隨意創造一種新的語言呢？

另外巧合的是，谷歌在9月6日推出了數據集搜索功能，以幫助專業人士快速搜索相關內容，雖然還是只測試版，但聯合谷歌Duplex前景不可估量。巨頭們的想法總是不謀而合。

Project Debater的特色之處

首先，我們來看一下辯論賽的流程。開始前30分鐘，雙方拿到命題（事先均未知），收集準備資料，雙方各有4分鐘陳述自己觀點，4分鐘反駁對方觀點，最後2分鐘總結。

也就是說，Debater辯論流程和人類一樣，賽前拿到命題、收集資料、準備演說稿，賽中需要實時聽取對方觀點、回應對方觀點的整個過程基本相似。簡而言之，Debater厲害之處就是能像人一樣辯論，而且比人還快、還好。

是不是好？在之前的比賽中有一組命題中Debater扭轉了觀眾最初的觀點，而實際上還需要大量的實驗和測試。

是不是快？拿機器和人來比本身就不公平，之前Alpha Go與李世石比賽時就有人覺得不公平，因為機器是多達幾十個、數百個線程同時工作，而人類只是單線程，當然IBM並未公布Debater後端的配置。這點，最直觀的驗證就是給Debater一個命題，看看它最快能在多長時間內準備好，是否可以即時辯論。

對於機器而言，整個過程中難點在以下三方面：1，演說稿的整理和表述形式；2，聽力理解能力；3，模擬人類困境，其中每個環節又可以拆分為N多個執行細節。

Project Debater在拿到命題後，首先拆解分析辯論問題，然後在從3億多、的語料庫中搜索（語料庫是公開的），基於演算法需按照與辯題相關性，整理出邏輯清晰、具有說服力、具備多樣性、支持度最高的觀點，然後再進行編排整理。

藍色：能夠應用到的行業/職業，紫色：辯論執行細節；綠色：涉及的技術領域

此外，IBM還講到在此過程中系統會適時的展現出幽默風趣，並且具備一定的自發性。這點實際上無非是讓AI更像人，實現起來並不容易。IBM研究員講到，人類的幽默屬性分為原創和複製型兩種，而Project Debater只有複製一部分，同時會根據演算法計算何時加入幽默因素已達到最佳表述效果，這其中確實存在一定的人為因素。

而聽力理解的關鍵在於，從長達數分鐘的連續語音中進行識別，並從中提取觀點和要點，以便於後續的辯論。

模擬人類困境是一個複雜的系統，首先需要感知一件事情的好與壞，由於好與壞並非絕對意義上來區分，因此在通過利弊關係進一步分析做出決策。

左，IBM海法研究院-Projetc Debater全球經理 Ranit Aharonov；右：IBM海法研究院-Projetc Debater首席研究員Noam Slonim

其中，IBM研究員提到Debater通過DNN（深層神經網路）技術來提升語言理解能力，通過標籤數據培訓，並且加入弱監督學習模式，在遇到我認為、我想...等說法時進一步優化，以此來判斷。此外，IBM官網透露其還將計劃打造一個針對爭議內容的搜索引擎。

而辯論比賽的觀賞性就在於它不是一個有明確對錯/輸贏的結果，反而是辯論中雙方提出的觀點，以及觀點之間的碰撞更值得關注。

對於機器而言，IBM研究員認為當前的挑戰在於語言邏輯、表達形式等幾方面，主要是將信息精準的傳遞給對方。誠然，即便是人類在日常生活中也經常存在因語言表述形式不同造成意義改變，何況對於機器。

應用領域

有不少AI學者提出，未來很長一段時間人類將會和AI協同工作，甚至部分工作完全被AI取代，雖然場景有些殘酷，但遲早要面對，我們要做的事更早的改變觀念。

試想，能夠將信息精準的通過語言傳遞給對方，IBM Project Debater並不是一個AI辯手這麼簡單，雖然其已研發6年，目前依舊處於研發階段，具體上線時間也未明確，但可以想像到的是它的應用場景極為豐富。

IBM研究員在本次採訪中提到，Debater的應用適用於以下幾種類型：1，收集分析大量信息類，包括金融顧問、律師等；2，分析決策類，例如新任CEO上任，通過AI拓寬思路、判斷新策略可行性、提供基於事實的決策證據以避免人為因素影響等；3，助手類，例如學生可以通過AI提升溝通技巧或改進報告論文等，記者用於提升文章專業性等。

顯然，Project Debater給我們描述一個未來新新人類的世界，用IBM研究員一句話總結就是：「挑戰才剛剛開始」。

參考：http://www.research.ibm.com/artificial-intelligence/project-debater/research.html

（END）

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！