Facebook提升记忆网络算法,有望大幅增强聊天机器人智能程度 | 数盟社区
来自: 将门创业
3.webp.jpg
上图是关于聊天机器人,目前两个普遍被认可的事实。
一直以来,聊天机器人在我们的认识里,一个比较固有的印象就是:它还不是那么聪明。从Eliza到Tay,就算是这两款名气最大的聊天机器人,也主要是通过设计与众不同的性格特点,来去掩盖在理解人类对话能力上的不足。
与此同时,像微软的Clippy、Slackbot、Poncho这些以商业为导向的聊天机器人在设计之初就没有希望它们能有多灵活,应对特定输入的回复都是提前设定好,用代码写死的。某一天,你很偶然地碰到了一款惊艳的聊天机器,比如Facebook的M或x.ai的Amy Ingram,结果往往却是——背后其实有真人在干预,帮助在解决计算机不能解决的问题。
今年,鼓吹聊天机器人的声音此起彼伏了一阵,但当用户发现其实新一代的聊天机器人也只是比先前了智能了那么一点点时,这些声音又迅速的消散。(话说回来,尽管受了那么多伤害),但我们仍然相信聊天机器人在未来会更聪明,它们能去自动的学习以及提升自己。
近期,一项来自Facebook人工智能研究院的最新突破或许能为聊天机器人的未来指明方向。去年,他们曾公布过新型的、用于语言理解的机器学习模型——记忆网络(memory network)。这个模型能够将机器学习的算法,尤其是神经网络,和一种工作记忆(working memory)结合起来,使得聊天机器人能够在给定的语境中存储和检索信息。展示这项技术时,Facebook在软件中输入了一系列能够反映《指环王》主要剧情的句子后,再进行提问,如 “Bilo现在在哪里?”,系统就能直接返回出答案:Grey-havens。
近日,Facebook人工智能研究院在arXiv预发布了一篇文章 [1],扩大了记忆网络(memory-networks)的工作范围,使得聊天机器人能够更好的解读非结构化的数据源和像Wikipedia页面这样的已发布文档,不用再特别给它定制每次只能存储一个fact的知识库(knowledge bases)。这是非常重要的,知识库限制了聊天机器人所能够触及的信息,以及用户所能提问的问题。如果Facebook的算法能够开始读懂像Wikipedia这样的自然语言数据源,这为聊天机器人在未来能够回复各式各样的问题开放了无限的可能。Facebook将这种新型的方法称为“关键值记忆网络(key-value memory networks)”。
截至目前,Facebook的系统在回答问题时还无法像它阅读文件时那样准确,因为当后者在基于一个结构化的数据库时,就可以轻易实现。但Facebook表示,它的这个方法能够显著的缩小这两者之间的差距。这项“记忆网络”的方法使得聊天机器人不仅能存储相关的源数据,还能存储你所提问过的问题以及它所给出的答复。这样一来,当你问下一个问题的时候,它知道不能够去重复回复相同的内容,或者去要求你再说一遍你已经说过的内容。
4.webp.jpg
Facebook Messenger for iOS 聊天截屏
Facebook目前已经将“记忆网络”应用在了它的全能虚拟助手“M”中。举个例子,如果你正在用M帮忙订餐馆,你已经不用再回答一系列诸如“什么时间吃”、“想吃什么地方的菜”、“有几个人”这样分裂的问题了。M能够在一个更自然的对话系列中去抽取和存储相关信息。再举个例子,如果你说:“我想找一家墨西哥餐厅用来明天晚上招待5个朋友”,M不会再问你“想吃什么地方的菜”、“几个人吃”这样的问题了。如果你突然走神了,问了它一个“谁是美国总统”的问题,它不仅能很快的回复你是奥巴马,而且还会继续之前的对话,问你希望明天晚上具体什么时候吃。
当然,将机器学习的算法和情境记忆(contextual memory)结合在一起这件事,并不是只有Facebook一家公司在这么干。Google的人工智能实验室DeepMind已经开发了一个叫做“神经图灵机器(Neural Turing Machine)”的系统。Google曾经很成功的展示了这个系统,在观测一系列的输入和输出后,这个系统能教它自己去使用复制-粘贴(copy-paste)算法。
Facebook的CTO Mike Schroepfer曾把记忆称作是“AI缺失的部分”。Facebook人工智能实验室的研究学者、同时也是“记忆网络”相关论文作者的Antoine Bordes和记者透露,他相信这是构建出能够用人类的语言来进行自然交互的聊天机器人的关键。
“人类的使用语言的方式,对于机器人来说,是十分困难的。因为机器缺乏许多的情境。它们对这个世界的了解并不是那么多,它们也没有那么了解你。不过,它们却会一直在学习。”
注:转载文章均来自于公开网络,仅供学习使用,不会用于任何商业用途,如果侵犯到原作者的权益,请您与我们联系删除或者授权事宜,联系邮箱:contact@dataunion.org。转载数盟网站文章请注明原文章作者,否则产生的任何版权纠纷与数盟无关。
期待你一针见血的评论,Come on!

不用想啦,马上 "登录"  发表自已的想法.