人工智能學習的不是那么直白

接受潛臺詞和諺語的機器可以更好地理解人類，捕獲我的漂移可以獲得潛臺詞和語言的人工智能可以比嚴格的文字化AI更好地理解用戶。

人工智能系統(tǒng)通常善于回應(yīng)直接陳述，例如“Siri，告訴我天氣”或“Alexa，玩'Despacito'。”但是機器還不能像人類那樣做小談話，Yejin Choi說道，自然西雅圖華盛頓大學語言處理研究員。當涉及語氣和習語等會話細微差別時，AI仍然難以理解人類的意圖。

為了幫助機器參與更人性化的對話，研究人員正在教AI來理解超出嚴格字典定義的單詞的含義。在最近的AAAI人工智能會議上，一個小組推出了一個系統(tǒng)，用于衡量一個人在講話時的真實含義，另一個小組提出了一個人工智能，用于區(qū)分寫作中的文字和比喻短語。

一個關(guān)鍵的對話技巧是接受潛臺詞。匹茲堡卡內(nèi)基梅隆大學的人工智能研究員Louis-Philippe Morency說，某人的面部表情或語調(diào)可以顯著改變他們的言語含義。用一個鬼臉描述一部“病態(tài)”的電影，傳達的東西完全不同于用激動的語調(diào)和眉毛抬起來稱它“生病”。

Morency及其同事設(shè)計了一個人工智能系統(tǒng)，觀看YouTube剪輯，了解非語言提示，如面部表情和語音音調(diào)，如何影響口語單詞的含義。

人們在評估視頻主體表達了多少負面或正面情緒時，人工智能的準確度為78%，Morency的團隊在1月31日報道。該系統(tǒng)也很擅長區(qū)分不同表達的情緒。但它比其他人更好地認識到一些情緒;例如，它分別以87.3%和83.4%的準確度識別出幸福和悲傷，但在辨別中性表達時僅準確率為69.7%。Morency接下來想測試這種人工智能是否可以識別某人的面部表情和語調(diào)是否正在諷刺他們的話語。

即使在書面交流中，理解某人的意圖也很少像將字詞的字面意義串聯(lián)在一起一樣簡單。成語很棘手，因為根據(jù)具體情況，它們可以按照字面或形象進行解釋。例如，同樣的措辭可用于字面標題 - “孩子們玩火：專家警告父母要留意危險的跡象” - 以及比喻性的 - “在阿富汗玩火。”

這種模糊性可能成為人工智能系統(tǒng)的絆腳石，可以分析在線表達的情緒或?qū)⑽臋n翻譯成其他語言。為了解決這個問題，匹茲堡大學的計算機科學家Changsheng Liu和Rebecca Hwa設(shè)計了一個系統(tǒng)，根據(jù)周圍的單詞確定一個短語是字面意義還是比喻意義。在“玩火”的頭條新聞的情況下，系統(tǒng)可能會期望看到“孩子”和“玩”在一起，因此更有可能認為第一個標題文字，但找到“阿富汗”和“玩“無關(guān)，并判斷第二個標題比喻。

該AI系統(tǒng)通過閱讀維基百科條目中的句子來學習如何關(guān)聯(lián)不同的單詞。Hwa和Liu于1月29日報道，在實驗中，該程序在判斷句子中包含的短語是字面上還是具象時，準確度為73%到75%。

計算機識別和解釋非文字語言的能力正變得越來越重要，因為人工智能已融入我們生活的更多方面，印第安納州西拉法葉普渡大學的自然語言處理研究員Julia Rayz說，他沒有參與這兩個項目。其他研究人員正在用隱喻和反諷來解決類似的問題。

“我們開始進入Uncanny Valley，在那里[AI]會變得如此優(yōu)秀，至少在這些簡單的談話中......它幾乎就像與人類交談，”ÉcolePolytechniqueFédérale的計算機科學家Robert West說。瑞士的de Lausanne沒有參與這些項目。但理解語言細微差別至關(guān)重要。如果人工智能不能做到這一點，“我們永遠不會擁有能夠在任何談話中幸存下來的智能機器。”