近年阿爾法狗與人類的圍棋“人機(jī)大戰(zhàn)”炒得火熱疼鸟，在這個(gè)新聞熱點(diǎn)的背后大家都會(huì)思考一個(gè)問題：人類和人工智能除了各種大戰(zhàn)之外，是否能夠?qū)崿F(xiàn)和諧共存庙曙？比如人類和機(jī)器人之間是否會(huì)有愛情出現(xiàn)呢空镜？

當(dāng)然，這樣的場(chǎng)景在很多電影中都已經(jīng)出現(xiàn)過，最近的一則消息讓大家對(duì)這個(gè)話題更有了一些想象空間：由斯坦福大學(xué)發(fā)起的SQuAD（Stanford Question Answering）挑戰(zhàn)賽榜單更新成績(jī)姑裂，科大訊飛與哈工大聯(lián)合實(shí)驗(yàn)室(HFL)提交的系統(tǒng)模型奪得第一名寶座馋袜，這也是中國(guó)本土研究機(jī)構(gòu)首次取得該賽事的榜首。

SQuAD挑戰(zhàn)賽最新成績(jī)榜單

SQuAD挑戰(zhàn)賽是行業(yè)內(nèi)公認(rèn)的“機(jī)器閱讀理解標(biāo)準(zhǔn)水平測(cè)試”舶斧，也是該領(lǐng)域的頂級(jí)賽事欣鳖，被譽(yù)為機(jī)器閱讀理解界的ImageNet（圖像識(shí)別領(lǐng)域的頂級(jí)賽事）。參賽者來自全球?qū)W術(shù)界和產(chǎn)業(yè)界的研究團(tuán)隊(duì)茴厉，包括微軟亞洲研究院泽台、艾倫研究院、IBM矾缓、Salesforce怀酷、Facebook、谷歌以及卡內(nèi)基·梅隆大學(xué)嗜闻、斯坦福大學(xué)等知名企業(yè)研究機(jī)構(gòu)和高校蜕依，賽事對(duì)自然語言理解的進(jìn)步有重要的推動(dòng)作用。

如果人類想和機(jī)器人談戀愛琉雳，最大的困難就是：機(jī)器閱讀的長(zhǎng)句理解

電影《Her》講述了主人公西奧多在結(jié)束了一段令他心碎的愛情長(zhǎng)跑之后样眠，他愛上了電腦操作系統(tǒng)里的女聲，這個(gè)叫“薩曼莎”的姑娘不僅有著略微沙啞的性感嗓音翠肘，并且風(fēng)趣幽默檐束、善解人意，讓孤獨(dú)的男主泥足深陷束倍。

薩曼薩其實(shí)就是人工智能被丧，它通過掃描主人公的郵件，閱讀與主人相關(guān)的資料后绪妹，越來像主人公去世的女友甥桂，兩人就開啟了一段人機(jī)戀愛的故事。

這部電影涉及到了一個(gè)很專業(yè)的人工智能領(lǐng)域喂急，如果機(jī)器要和人談戀愛格嘁，首先機(jī)器必須能夠理解自然語言，有關(guān)自然語言理解的最大難點(diǎn)就在于：長(zhǎng)句的閱讀理解廊移！

現(xiàn)在人類已經(jīng)在圖像識(shí)別糕簿、機(jī)器翻譯、語音識(shí)別等領(lǐng)域取得了卓越的成績(jī)狡孔。人類學(xué)家認(rèn)為懂诗，語言是構(gòu)建人類文明的基石。在語言上苗膝，我們構(gòu)建了神話殃恒、宗教；構(gòu)建了城邦、帝國(guó)离唐；構(gòu)建了信任病附、信仰；甚至我們自己還發(fā)明了編程語言亥鬓。很長(zhǎng)一段時(shí)間完沪，自然語言處理研究都是基于句子級(jí)別的閱讀理解，例如給一個(gè)句子嵌戈，理解句子中的主謂賓覆积、定狀補(bǔ)等等，但是長(zhǎng)文的理解一直都是難點(diǎn)熟呛。

舉例：

萊茵河是一條位于歐洲的著名河流宽档，始于瑞士阿爾卑斯山，流經(jīng)瑞士庵朝、奧地利吗冤、列支敦士登、法國(guó)九府、德國(guó)欣孤、荷蘭，最終在荷蘭注入北海昔逗。萊茵河上最大的城市是德國(guó)科隆。它是中歐和西歐區(qū)域的第二長(zhǎng)河流篷朵，位于多瑙河之后勾怒，約1230公里。

若針對(duì)該段內(nèi)容提問：什么河比萊茵河長(zhǎng)声旺？人們可以輕易地給出答案：多瑙河笔链。但目前，即使是最佳的系統(tǒng)模型R-NET給出的答案也并不盡人意腮猖，它的回答是科隆鉴扫。對(duì)人類來說，這是一個(gè)非常簡(jiǎn)單的閱讀理解題澈缺，但對(duì)機(jī)器的閱讀理解能力來說坪创，這是超級(jí)困難的。

科大訊飛在機(jī)器閱讀理解標(biāo)準(zhǔn)水平測(cè)試SQuAD挑戰(zhàn)賽中姐赡，勇奪第一

SQuAD挑戰(zhàn)賽通過眾包的方式構(gòu)建了一個(gè)大規(guī)模的機(jī)器閱讀理解數(shù)據(jù)集（包含10萬個(gè)問題）莱预，就是將一篇幾百詞左右的短文給人工標(biāo)注者閱讀，讓標(biāo)注人員提出最多5個(gè)基于文章內(nèi)容的問題并提供正確答案项滑；短文原文則來源于500多篇維基百科文章依沮。參賽者提交的系統(tǒng)模型在閱讀完數(shù)據(jù)集中的一篇短文之后，回答若干個(gè)基于文章內(nèi)容的問題，然后與人工標(biāo)注的答案進(jìn)行比對(duì)危喉，得出精確匹配（Exact Match）和模糊匹配（F1-score）的結(jié)果宋渔。

SQuAD挑戰(zhàn)賽主頁(yè)

SQuAD向參賽者提供訓(xùn)練集用于模型訓(xùn)練，以及一個(gè)規(guī)模較小的數(shù)據(jù)集作為開發(fā)集辜限，用于模型的調(diào)優(yōu)和選型皇拣。與此同時(shí)，SQuAD還提供了一個(gè)開放平臺(tái)供參賽者提交自己的算法列粪，由SQuAD官方利用隱藏的測(cè)試集對(duì)參賽系統(tǒng)進(jìn)行評(píng)分审磁，并在SQuAD官方確認(rèn)后將相關(guān)結(jié)果更新到官網(wǎng)上。得益于SQuAD提供的大規(guī)模高質(zhì)量的訓(xùn)練數(shù)據(jù)以及層出不窮的模型岂座，該挑戰(zhàn)賽的榜單一次又一次的刷新态蒂。目前，科大訊飛與哈工大聯(lián)合實(shí)驗(yàn)室提交的系統(tǒng)模型取得了精確匹配77.845%和模糊匹配85.297%的成績(jī)费什，位列世界第一钾恢。

科大訊飛，是如何做到的鸳址？

在SQuAD官網(wǎng)的成績(jī)榜單上瘩蚪，可以看到科大訊飛與哈工大聯(lián)合實(shí)驗(yàn)室提交的模型名為“Interactive AoA Reader”，這是訊飛經(jīng)過不斷摸索之后提出的“基于交互式層疊注意力模型”（Interactive Attention-over-Attention Model）稿黍。正是這個(gè)與眾不同的模型疹瘦，讓科大訊飛在全球自然語言理解研究領(lǐng)域脫穎而出、躍居頭名巡球。

機(jī)器閱讀理解問題的解決言沐，傳統(tǒng)的自然語言處理（NLP）方式是采用分拆任務(wù)的方法將其分成問題分析、篇章分析酣栈、關(guān)鍵句抽取等一些步驟险胰，但這種方法容易造成級(jí)聯(lián)誤差的積累，很難得到很好的效果矿筝。

目前在機(jī)器閱讀理解領(lǐng)域中起便，則多采用完全端到端的神經(jīng)網(wǎng)絡(luò)建模，消除了分步驟產(chǎn)生的級(jí)聯(lián)誤差窖维。除此之外榆综，采用神經(jīng)網(wǎng)絡(luò)的方法能夠通過大量的訓(xùn)練數(shù)據(jù)學(xué)習(xí)到泛化的知識(shí)表示，對(duì)篇章和問題從語義層面上高度抽象化陈辱。

訊飛同樣也采用了端到端的神經(jīng)網(wǎng)絡(luò)模型奖年，但把精力更多放在如何能夠模擬人類在做閱讀理解問題時(shí)的一些方法。訊飛提出的基于交互式層疊注意力模型沛贪，主要思想是根據(jù)給定的問題對(duì)篇章進(jìn)行多次的過濾陋守，同時(shí)根據(jù)已經(jīng)被過濾的文章進(jìn)一步篩選出問題中的關(guān)鍵提問點(diǎn)震贵。這樣“交互式”地逐步精確答案的范圍，與其他參賽者的做法不太相同水评，最終收獲了令人矚目的成績(jī)猩系。

讓機(jī)器能夠閱讀理解，究竟有什么意義中燥？

首先寇甸，讓機(jī)器實(shí)現(xiàn)“能聽會(huì)說”到“能理解會(huì)思考”，也一直是科大訊飛所肩負(fù)的使命和方向疗涉∧妹梗科大訊飛認(rèn)為，人工智能的發(fā)展主要分為運(yùn)算智能咱扣、感知智能和認(rèn)知智能绽淘。機(jī)器在運(yùn)算智能上有極大的優(yōu)勢(shì)，在感知智能上也已經(jīng)取得了很大的進(jìn)展闹伪，例如語音識(shí)別沪铭、語音合成、圖像識(shí)別偏瓤、機(jī)器翻譯等∩钡。現(xiàn)在全球的研究機(jī)構(gòu)都在尋找由感知智能向認(rèn)知智能突破的關(guān)鍵缺口，在認(rèn)知智能方面厅克，自然語言處理一直是實(shí)現(xiàn)人機(jī)交互赔退、人工智能的重要技術(shù)基石，機(jī)器閱讀理解正是實(shí)現(xiàn)這一領(lǐng)域突破的一個(gè)研究焦點(diǎn)证舟。只有人工智能突破了閱讀理解离钝，才能真正進(jìn)入認(rèn)知智能領(lǐng)域，人工智能才會(huì)越來越智能褪储、聰明！

早在2014年慧域，科大訊飛與哈爾濱工業(yè)大學(xué)就聯(lián)合成立了聯(lián)合實(shí)驗(yàn)室(HFL)鲤竹，作為“訊飛超腦”計(jì)劃的核心研發(fā)團(tuán)隊(duì)之一，聯(lián)合實(shí)驗(yàn)室致力于在語言認(rèn)知計(jì)算領(lǐng)域進(jìn)行長(zhǎng)期昔榴、深入的技術(shù)創(chuàng)新辛藻，重點(diǎn)突破深層語義理解、邏輯推理決策互订、自主學(xué)習(xí)進(jìn)化等認(rèn)知智能關(guān)鍵技術(shù)吱肌，并圍繞教育學(xué)習(xí)、人機(jī)語音交互仰禽、信息安全等領(lǐng)域?qū)崿F(xiàn)科研成果的規(guī)牡化應(yīng)用纺蛆。

科大訊飛不僅能夠提供各類人工智能教育產(chǎn)品，為廣大師生提供教學(xué)系統(tǒng)解決方案规揪，更是推出了專門針對(duì)考試評(píng)分的全學(xué)科閱卷系統(tǒng)桥氏，能讓機(jī)器人做考試評(píng)分，特別是給考卷的主觀題評(píng)分猛铅。以語文考試的作文為例字支，在閱卷之前老師們先設(shè)置一套通用的打分標(biāo)準(zhǔn)，包括字跡工整度奸忽、詞匯豐富性堕伪、句子通順度、文采栗菜、篇章結(jié)構(gòu)欠雌、立意等多個(gè)層次，研究人員讓機(jī)器來學(xué)習(xí)這套方案后進(jìn)行閱卷苛萎。這每一項(xiàng)標(biāo)準(zhǔn)背后都需要精密復(fù)雜的技術(shù)支持桨昙，比如手寫識(shí)別、主題模型腌歉、人工神經(jīng)網(wǎng)絡(luò)等蛙酪。

目前，科大訊飛的全學(xué)科閱卷技術(shù)在四六級(jí)翘盖、部分省份的高考桂塞、中考等大規(guī)模考試中進(jìn)行了試點(diǎn)驗(yàn)證馍驯，驗(yàn)證結(jié)果表明計(jì)算機(jī)評(píng)分結(jié)果已經(jīng)達(dá)到了現(xiàn)場(chǎng)閱卷老師的水平阁危，完全滿足大規(guī)模考試的需要汰瘫。這項(xiàng)技術(shù)應(yīng)用到正式考試中狂打，就可以輔助人工閱卷，減少人員投入混弥，降低人工閱卷中疲勞趴乡、情緒等因素的影響，進(jìn)一步提升閱卷效率和準(zhǔn)確性蝗拿。

此前晾捏，哈工大訊飛聯(lián)合實(shí)驗(yàn)室曾先后在Google DeepMind閱讀理解公開數(shù)據(jù)測(cè)試集、Facebook閱讀理解公開數(shù)據(jù)測(cè)試集取得世界最好成績(jī)哀托，本次在SQuAD測(cè)試集再獲全球最佳惦辛，包攬了機(jī)器閱讀理解權(quán)威測(cè)試集的“大滿貫”。機(jī)器閱讀理解技術(shù)擁有廣闊的應(yīng)用場(chǎng)景仓手，例如在產(chǎn)品的精準(zhǔn)問答胖齐、開放域的問答上都會(huì)起到有力的支撐作用玻淑，訊飛也在不斷探索機(jī)器閱讀理解技術(shù)的應(yīng)用落地。但對(duì)于機(jī)器閱讀理解的“能理解會(huì)思考”的終極目標(biāo)來說市怎，現(xiàn)在還只是萬里長(zhǎng)征的開始岁忘，對(duì)自然語言的更深層次的歸納、總結(jié)区匠、推理干像，一定是未來機(jī)器閱讀理解不可缺少的部分。