腾讯《一线》 濮祥
继国际象棋、围棋、游戏等领域之后，人工智能在深度阅读理解上有新突破。
2019 年 3 月 8 日，中国人工智能公司云从科技和上海交通大学联合宣布，在自然语言处理（NLP Neuro-Linguistic Programming）上取得重大突破，在大型深层阅读理解任务数据集 RACE 数据集（ReAding Comprehension dataset collected from English Examinations）登顶第一，并成为世界首个超过人类排名的模型。
有评论认为，这会是机器深层理解人类语言的开端。
论文中，云从科技与上海交通大学基于原创 DCMN 算法，提出了一种全新的模型，使机器阅读理解正确率提高了 4.2 个百分点，并在高中测试题部分首次超越人类（机器正确率 69.8%、普通人类 69.4%）。
这一研究成果，在应用领域搭配文字识别 OCR/语音识别技术后，NLP 将会帮助机器更好地理解人类文字/语言，并广泛应用于服务领域：帮助企业判断客户风险、审计内部文档合规、从语义层面查找相关信息；在社交软件、推荐引擎软件内辅助文字审阅工作，从枯燥的人工文字工作中解放人类。
突破语义理解瓶颈
此次云从科技和上海交通大学在自然语言处理（NLP）领域的深度阅读理解上登顶 RACE 排行榜第一名。
RACE 是一个来源于中学考试题目的大规模阅读理解数据集，包含了大约 28000 个文章以及近 100000 个问题。它的形式类似于英语考试中的阅读理解（选择题），给定一篇文章，通过阅读并理解文章（Passage），针对提出的问题（Question）从四个选项中选择正确的答案（Answers）。该题型的正确答案并不一定直接体现在文章中，只能从语义层面深入理解文章，通过分析文章中线索并基于上下文推理，选出正确答案。相对以往的抽取类阅读理解，算法要求更高，被认为是“深度阅读理解”。
RACE 数据集的难点在于：由于正确答案并没有直接使用文章中的话术来回答，不能直接从文中检索得到答案。必须从语义层面深入理解文章，才能准确回答问题。
解决方案
怎么让机器在庞大的题库文章中（28000 个）找到正确的答案？
云从科技与上海交通大学首创了一种P、Q、与A之间的匹配机制，称为 Dual Co-Matching Network（简称 DCMN），并基于这种机制探索性的研究了P、Q、与A的各种组合下的匹配策略。
结果显示，采用 PQ_A的匹配策略，即先将P与Q连接，然后与A匹配，策略都得到了更优的结果。
再将模型（基于 PQ_A策略）与其他已知的模型、以及纯粹基于 BERT 自身的模型进行了比较，得到如下的结果：
从 RACE leaderboard 上结果比较可以得到以下结论：
1，云从科技与上海交大的单体模型就已经超越榜单上所有的单体或 Ensemble 模型；
2，云从科技与上海交大的 Ensemble 模型在高中题目（RACE-H）部分优于人类结果（Turkers）。
论文缘起
这篇论文的作者，来自中国人工智能“国家队”云从科技与上海交通大学。
云从科技孵化于中国科学院，2017 年 3 月，承担国家“人工智能”基础项目——“人工智能基础资源公共服务平台”建设任务。
2018 年 10 月的国家“人工智能基础资源与公共服务平台”发布会上，云从科技创始人周曦提出了人工智能发展五个阶段，核心技术闭环是五个阶段的重要基础。
从感知到认知决策的一系列技术组成了核心技术闭环：
感知技术：人脸识别、语音识别、文字识别 OCR、体态识别、跨镜追踪（ReID）、车辆识别等
认知决策：自然语言处理（NLP）、脑科学、大数据分析（风控、精准营销）等
目前，云从科技承担了国家发改委与工信部的人工智能基础平台、人工智能应用平台和人工智能的核心芯片平台项目，包含智能感知技术和认知决策技术为核心的技术闭环，并有一些技术突破。
加载中,请稍侯......
网友评论