七年前的二月，IBM人工智能計(jì)算機(jī)Watson在答題節(jié)目《Jeopardy!(危險邊緣)》中稱王，擊敗了這個節(jié)目歷史上最強(qiáng)大的兩位人類高手。這個二月，搜狗人工智能機(jī)器人汪仔在答題節(jié)目《一站到底》中登場，擊敗了站到最后的人類選手。

 

在《jeopardy!》里，最強(qiáng)的人類選手最后不得不寫下名句，俯首稱臣；而在《一站到底》的賽場上，汪仔也表現(xiàn)出碾壓般的優(yōu)勢。同樣是答題節(jié)目，同樣是人工智能，七年時間過去，現(xiàn)在的汪仔和當(dāng)年的Watson，到底有何不同？

 

而號稱歷時9個月，耗資4000萬打造的汪仔，背后到底是哪些核心技術(shù)，研發(fā)過程又有哪些挑戰(zhàn)？未來人工智能技術(shù)又會怎樣發(fā)展？
 

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)
 

 

△ 圖左為許靜芳，圖右為劉明榮

 

搜狗搜索技術(shù)負(fù)責(zé)人許靜芳，以及搜狗搜索總監(jiān)劉明榮，把上述種種問題的答案抽絲剝繭告訴量子位。下面是他們的權(quán)威詳解：

 

汪仔和當(dāng)年的Watson有什么不同？

 

1、輸入方式不同

 

Watson是特殊接口文本輸入，輸入內(nèi)容準(zhǔn)確無誤。

 

而《一站到底》是主持人念題加題板展示題目（兩種來源都是逐字出題），汪仔通過搜狗的語音識別和圖像識別技術(shù)，利用語音和圖像兩種方式獲取，再轉(zhuǎn)換成文字。語音識別、圖像識別都是AI的關(guān)鍵技術(shù)，同時識別的錯誤會進(jìn)一步提升答題的難度。

 

2、題目設(shè)置不同

 

《jeopardy!》的題目有顯示類別和相應(yīng)的獎金數(shù)，類別對于答題有幫助，能夠?qū)⒋鸢赶薅ㄔ谔囟ǚ秶鷥?nèi)。而《一站到底》中的題目沒有給出類別，需要汪仔通過算法識別問題的類別，增大了答題的難度。

 

當(dāng)然《jeopardy!》中題目的獎金不同，最后以獲得的獎金數(shù)定輸贏也帶來了新的問題，這點(diǎn)是一站到底所沒有的特性。

 

3、賽制不同

 

《jeopardy!》必須主持人把題目完整念出后選手才能搶答，而《一站到底》是在開始念題后任意時間都可以搶答，答對自己得分，答錯對方加分。

 

因此在高水平的選手有大量的題目都是在題目尚未完整時就作答，汪仔同樣有很強(qiáng)的搶答，即根據(jù)題干片段去預(yù)測問題并作答的能力，這是Watson所不具備的能力。

 

4、知識獲取方式不同

 

Watson是一個封閉系統(tǒng)，不聯(lián)網(wǎng)，利用其離線的知識庫答題。而汪仔通過聯(lián)網(wǎng)，對全網(wǎng)信息及搜狗知識圖譜進(jìn)行在線答題，在利用更大范圍信息的同時也對答題速度提出挑戰(zhàn)。

 

5、其他

 

汪仔除了能回答知識問題，還有聊天功能，可以和主持人進(jìn)行自然語言交流。

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

 

 

汪仔主要基于哪些技術(shù)？

 

汪仔背后核心技術(shù)主要包括：語音識別、OCR、自然語言理解、數(shù)據(jù)挖掘、信息檢索、知識圖譜和文本計(jì)算等，這些技術(shù)是當(dāng)今人工智能領(lǐng)域最新發(fā)展的集中體現(xiàn)。

 

其中語音識別、OCR技術(shù)代表了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的最高水平，自然語言理解是未來人工智能發(fā)展需要進(jìn)一步解決的重要核心問題，代表了未來發(fā)展的重要趨勢。

 

關(guān)于這套系統(tǒng)的架構(gòu)，量子位還得到了一組圖形化的說明。就列在下面（點(diǎn)擊看大圖）

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

 

 

長期投入的核心開發(fā)人員在十人左右，此外還有支持項(xiàng)目的各類工程師約十人。

 

量子位補(bǔ)充一點(diǎn)相關(guān)信息：搜狗CEO王小川此前透露，汪仔由搜狗和清華天工研究院聯(lián)合開發(fā)，耗時9個月，耗資4000萬。

 

 

《一站到底》有個非常特殊的規(guī)則：開始讀題后，任何時間都可以作答。

 

答對得分，答錯對方加分。所以答題速度非常關(guān)鍵，這里不僅僅是聽到完整題目后能夠在極短時間內(nèi)答題，更重要的問題是能夠根據(jù)部分題目就預(yù)測問題并作答，實(shí)際上頂尖的人類選手也很大比例在題目不完整情況下答題。

 

答題速度上我們做了兩大類事情：第一是從接收到語音、圖像開始，語音識別、圖像識別、搜索、答案抽取這整個系統(tǒng)都在速度上追求極致。在過去幾個月里后臺的處理速度較剛開始提升了10倍，無論是識別還是轉(zhuǎn)換成文字后的問答，在速度上都做到極致。

 

第二類問題是推理，即根據(jù)部分信息預(yù)測問題并作答。我們根據(jù)學(xué)習(xí)歷史上的題目，建立一套推理機(jī)制，使得機(jī)器人能夠根據(jù)部分信息推理，例如 當(dāng)前問題是“位于XXX的”，我們通過“位于”這個詞就可以推導(dǎo)出問題答案是一個“地理位置”。

 

又例如問題中提到了“千湖之國”，則很有可能答案是“芬蘭”（芬蘭的別稱是千湖之國），問題中提到了“穆斯林的葬禮”，則很有可能是問其作者“霍達(dá)”，這些信息是我們基于海量知識文本分析挖掘、學(xué)習(xí)得到的。

 

目前汪仔回答題目的80%都能在題目不完整時通過推理回答，較最初的版本有了質(zhì)的飛躍。

 

汪仔和其他人工智能產(chǎn)品有何不同？
 

 

汪仔是一款自然語言問答類產(chǎn)品，產(chǎn)品功能定位決定它必須具備感知語音信號輸入，并可進(jìn)行認(rèn)知推理的能力。

 

目前市面上的人工智能產(chǎn)品大多數(shù)僅具備感知能力，這些產(chǎn)品在特定領(lǐng)域能夠輔助我們高效完成任務(wù)，比如語音識別類產(chǎn)品，可以幫助我們快速方便地輸入文字，人臉識別類產(chǎn)品可以提供便捷準(zhǔn)確的安防服務(wù)。具備認(rèn)知能力的人工智能產(chǎn)品目前還比較少。

 

在自然語言理解領(lǐng)域，汪仔代表的智能問答就屬于認(rèn)知類產(chǎn)品，它除了具備識別人類語言文字這樣的感知能力，還能夠理解文字背后的含義，也就是理解人的需求，在理解需求的基礎(chǔ)上，進(jìn)一步通過推理計(jì)算獲得滿足用戶需求的精準(zhǔn)答案。也就是說，汪仔擁有認(rèn)知推理能力。

 

從問答和對話領(lǐng)域的人工智能產(chǎn)品來看，和汪仔產(chǎn)品形態(tài)相對比較接近的包括聊天機(jī)器人和智能客服兩類當(dāng)前比較熱門的產(chǎn)品。其中聊天機(jī)器人主要向用戶提供生活服務(wù)、娛樂資訊等，通常以逗樂用戶、打發(fā)閑暇時間為主，并不能為用戶解決實(shí)際問題。

 

和汪仔類似，目前有些公司提供的智能客服類產(chǎn)品，也屬于智能問答產(chǎn)品，同時具備感知和認(rèn)知能力，但是這些產(chǎn)品能夠回答的問題領(lǐng)域非常有限，基本局限在與公司產(chǎn)品服務(wù)密切相關(guān)的問題，而汪仔是一款通用問答類產(chǎn)品，它可以回答各類知識問題，不受領(lǐng)域限制，因此它的受眾面更加廣泛，能力更強(qiáng)。

 

一句話來說，汪仔是具備感知和認(rèn)知推理能力的通用型知識問答類產(chǎn)品。

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

 

 

人工智能未來的發(fā)展方向是認(rèn)知智能，包括推理和決策能力，而智能問答是認(rèn)知智能水平的重要體現(xiàn)，本身具有重要的產(chǎn)業(yè)價值和社會意義。

 

汪仔的成功表明搜狗在這方面具有較強(qiáng)的研發(fā)能力，具有里程碑意義。未來搜狗將會在智能問答領(lǐng)域加大投入，逐步提升自動回答各類自然語言問題的能力，成為代表智能問答領(lǐng)先水平的國內(nèi)外知名人工智能公司。

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

 

“搜索的未來將走向問答機(jī)器人。用戶的搜索行為會從輸入一個關(guān)鍵詞，變成表達(dá)一個完整的句子，讓機(jī)器找出其中的含義，同時，搜索引擎返回的內(nèi)容，也將從簡單的10條鏈接轉(zhuǎn)向直接給出答案或者是建議”，王小川曾多次在公開場合這樣表示。

 

搜狗汪仔無疑是“問答機(jī)器人”這一理念的具象形態(tài)。其背后的核心技術(shù)立知便是搜狗在智能問答領(lǐng)域的一項(xiàng)重要創(chuàng)舉。 王小川曾表示，搜索未來向問答這一演進(jìn)形式將對大眾的習(xí)慣形成新的挑戰(zhàn)，甚至引發(fā)重大的變革。

 

未來，人們不用再為了適應(yīng)機(jī)器而刻意改變自己的溝通方式，人們可以用更自然流暢的問答、交談與機(jī)器進(jìn)行互動，技術(shù)與人文關(guān)懷可以通過搜狗人工智能技術(shù)實(shí)現(xiàn)完美的均衡。

 

回看當(dāng)年Watson
 

 

身價4000萬的汪仔火了后，我們來聊聊人工智能技術(shù)

 

△ Watson在《jeopardy!》里獲勝

 

Watson背后是一套深度問答(DeepQA)系統(tǒng)。問答系統(tǒng)一般包括三個主要組成部分：問題分析、信息檢索和答案抽取。

 

此前的媒體報(bào)道中，有過類似的示例：

 

面對問題：誰導(dǎo)演了《星球大戰(zhàn)》？人類選手會根據(jù)知識積累，給出“盧卡斯”這個答案，但對于Watson，這個過程要復(fù)雜得多。

 

它會通過攝像頭把這個問題“掃描”進(jìn)大腦里。先分析這個問的是人，然后再細(xì)化到是一位導(dǎo)演。接著分析《星球大戰(zhàn)》，會找到很多文章。它要定位某篇文章，其中把星球大戰(zhàn)的導(dǎo)演那一段找出來，然后對這一段做深度分析。

 

比如找到一句話，這句話里說到這是某人在哪一年執(zhí)導(dǎo)（direct）的，但沒有提導(dǎo)演(director)這個詞。實(shí)際上還可以找到很多類似的詞，它就需要過濾，它先會找人名，比如斯皮爾伯格、盧卡斯等，這些都是潛在答案。

 

針對這些答案它要找相關(guān)的證據(jù)去支持。它會再把“星球大戰(zhàn)”和“斯皮爾伯格”一起搜索，或者是和“盧卡斯”搜索，結(jié)果發(fā)現(xiàn)“星球大戰(zhàn)”和“斯皮爾伯格”共同出現(xiàn)在同一篇文章中比較少，而“盧卡斯”比較多。

 

這只是Watson工作過程中的一部分。據(jù)介紹這套系統(tǒng)綜合了100多種算法。在參與答題節(jié)目的過程中，當(dāng)時的Watson會在3秒內(nèi)完成計(jì)算并給出答案。