自然語言理解勢頭正強勁，可總還是缺點啥

機器人：對不起，我不知道您在說什麼。

使用者：Siri，幫我叫救護車。

Siri：好的，從現在開始我會叫你“救護車”。

根據人們的設想，我們只要說一句話，人工智慧機器人就應該可以準確、完美的完成我們下達的指令。但事實總是差強人意，面對人類語言的複雜性，人工智慧的“自然語言理解”還有很長的一段路要走。

“自然語言理解”的勢頭正強

在人類的生活中，“語言”是一個必備硬體，而在智慧時代，“語言”也有著等同的重量。

哪些人在攻克“自然語言理解”？

蘋果收購Siri、Novauris等，組建基於神經網路演算法的語音識別團隊，打造聊天機器人Siri等產品；

Google收購多項語音識別技術專利、SayNow 、Phonetic Arts等，推出智慧家居Google Home，以及雲自然語言API，近期宣佈將打造聊天機器人Daniell；

Facebook收購Wit.ai和Mobile Technologies等，以提高自身整體對自然語言的理解能力，推出聊天機器人Facebook Messenger；

Amazon收購語音識別技術Yap、Evi、Ivona等，打造聊天機器人Alexa以及智慧家居產品Echo；

英特爾收購語音識別技術公司Indisys，於近期推出IFTTT式自然語言處理Web應用程式；

IBM將自然語言理解運用於超級計算機Watson，並在實際中解決了多個領域的眾多疑難雜問；

加拿大人工智慧初創公司Maluuba，推出一款基於自然語言理解的機器學習系統。

並不只是國外的科技公司，國內也有那麼幾家公司在專注於自然語言理解。比如：立志做客服界微軟小冰的客服公司智齒科技，其人工智慧客服為樂視節省了60%以上的客服成本，可以回答98%的問題。

在這些公司中，做的最為出色地應該是加拿大人工智慧初創公司Maluuba，他們的機器學習系統EpiReader可以閱讀文章，其中就有近期大熱的《權力的遊戲》，而在之後的提問中，EpiReader也正確的回答了測試人員的問題。

此外，據介紹，EpiReader使用了2層神經網路，類似於人類大腦神經元。第一層神經網路能讓系統基於對於段落的理解挑選可能存在的答案，第二層神經網路用來評估第一層給出的答案，並最終給出一個正確的回答，在這場測試中，EpiReader分別得到了74%和67.4%的準確率，按照國內有關專家的說法，這成績超越了谷歌的DeepMind，Facebook 和IBM沃森在今年3月份公佈的結果。

哪些領域用到“自然語言理解”？

首先就是最近大熱的聊天機器人。比如蘋果的Siri，至今為止，Siri已經不知道被多少人調戲過了，話就不多說了，直接上圖，你就能看到作為一個聊天機器人，Siri到底有多傲嬌。

其次就是語音識別。作為一項人工智慧，語音識別也有著自己的市場。但是說到語音識別的原理，其在依靠著自然語言理解的龐大資料庫之上，才能正確理解人們所說的話，並給出正確的回應。

最後就是雲服務。眾所周知，雲服務對於先進的各家企業來說，都是一個很好的資源，他們可以在上面對自家的資料、產品進行分析、測試。在其中，功能最齊全的應該是谷歌的雲服務，其中就有自然語言API，擁有情感分析、實體識別以及語義分析三大功能，可以幫助人工智慧研究團隊完善自己的產品。

“自然語言理解”還欠缺點啥？

在目前來說，Maluuba的機器學習系統EpiReader應該可以說是至今效能最好的了，但這真的就夠了嗎？是不是還缺了那麼一點？

自然語言的理解還有待繼續加強。的確，在填空測試中，EpiReader的成績完全壓了Google等公司一頭，也能夠在讀書之後正確回答問題，但要知道，小說的語言一般都是“官方語言”，並且邏輯性也相對較強的，而使用英語的人也多有著自己的“方言”用語，要想讓人工智慧更好地理解自然語言，它還需要一本“方言詞典”。

此外，口頭表達給自然語言理解增加了一個難度。在交流上，人們更傾向於口頭表達，並且擁有自己的說話方式、習慣，而且也不會如文字表達那樣更具有邏輯，這就要求自然語言理解能夠準確識別出話語中的重點部分，千萬不能出現Facebook聊天機器人那樣的錯誤，在使用者提出看科技新聞的要求時，反饋卻是一條澳洲樹袋熊的新聞，要是人與機器人面對面的話，這場面實在太尷尬！

原文釋出時間：2016-08-04 10:04

本文作者：韓璐

本文來自雲棲社群合作伙伴鎂客網，瞭解相關資訊可以關注鎂客網。