機器人和人工智慧能像孩子一樣學習一種語言嗎？

本文由騰訊數碼獨家發布

當一個孩子在學習說話的階段時，沒有人會想要去教他弄清楚主語和動詞之間的區別，或者它們在句子中的位置究竟是對是錯。但這就是人類如何教計算機理解我們語言的方式：我們注釋句子來描述單詞的結構和意義，然後我們使用這些句子來訓練句法和語義分析器。這些解析器幫助像亞馬遜的Alexa這樣的語音識別系統來理解自然語言。這是一個非常耗時的過程，對於不太常用的語言來說尤其困難。

最近，麻省理工學院的研究人員發表了一篇論文，描述了一種訓練解析的新方法。該系統模仿兒童學習的方式，通過觀察字幕視頻，並將文字與記錄下來的動作和物體聯繫起來。它可以讓訓練解析器變得更容易，還可以潛在地改善人類與機器人的交互方式。

例如，配備這種解析器的機器人可以觀察其所處的環境，以增強對口頭命令的理解，即使這種命令不清楚。

麻省理工學院計算機科學與人工智慧實驗室(CSAIL)和大腦、心智與機器中心(CBMM)的研究員安德烈·巴爾布(Andrei Barbu)說:「人們用不完整的句子、連貫的思維和混亂的語言進行交談。你希望家裡有個機器人能適應他們獨特的說話方式，還是要搞清楚它們是什麼意思。」

巴爾布是本周在自然語言處理經驗方法會議上發表的論文的作者之一。為了訓練他們的解析器，研究人員將一個語義解析器與一個計算機視覺組件相結合起來，這個計算機視覺組件在視頻對象識別、人體識別和活動識別方面進行了特別訓練。

接下來，他們收集了大約400個視頻數據集，描述了人們做一些動作，比如撿起一個物體或朝一個物體走去。眾包平台Mechanical Turk上的參與者為這些視頻編寫了超過1200個字幕，其中840個用於培訓和調試，其餘的用於測試階段。

通過將單詞與視頻中的動作和對象相關聯，解析器可以了解句子的結構。而通過這種訓練，人工智慧可以在沒有視頻的情況下準確預測句子的意思。由於帶標題的視頻比帶注釋的句子更容易製作，因此這種方法應該更容易訓練解析器。同時研究人員說，這種方法甚至可以幫助我們更好地理解幼兒學習說話的方式。

「一個孩子能夠從不同的形式訪問冗餘、互補的信息，包括聽父母和兄弟姐妹談論世界，以及觸覺信息和視覺信息來幫助他或她來理解世界,「論文作者鮑里斯·卡茨表示，他是這項研究主要的科學家和InfoLab集團成員。「處理所有這些的同時出現的感官輸入是一個令人意外的難題，這項工作是理解這種學習在世界上是如何實現更大工作過程的一部分。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！