Salesforce公布自然语言处理重大进展，一个模型搞定十项任务

本文由人工智能观察编译

译者：Sandy

几年前，通过语音对手机提问来在互联网上找到答案基本是不可能的，因为计算机在理解人类语言方面并不是很出色。

 

如今，由于机器学习方面的进步，我们开始逐渐意识到谷歌助理或苹果Siri在对我们的问题进行应答方面基本已经没有太大的问题了。不过，不可否认，这一进展是极其艰难的，需要对非常具体的自然语言处理任务进行强化培训，比如将文本翻译成语音，对感叹词或者理解代词的引用进行分析，等等。这也是Salesforce的研究人员正在着手解决的问题。

 

本周三，他们发布了一篇论文，概述了一种可以同时处理10个独立自然语言处理（NLP）任务的单一模型的方法。从本质上说，这一研究是充满挑战的。据了解，这一模型被称为“自然语言十项全能（Natural Language Decathlon）”，简称“decaNLP”。

通过将该模型与“多任务问题应答网络（Multitask Question Answering Network；MQAN）”进行结合，可以同时学习10项任务，包括问答、机器翻译、摘要、自然语言推理、情感分析、语义角色标注、关系抽取、目标导向对话、语义分析、常识代词消解。

 

Salesforce的首席科学家Richard Socher在接受采访时说：“我们的模型好比是NLP领域的瑞士军刀。”换句话说，研究人员和开发人员实际上只需使用一种工具，而不必为那些任务中的每一项使用一种工具，那些任务需要无法用于其他任何任务的超级定制的模型。最终，这一模型可能会带来更有能力的聊天机器人，让它们可以更自然地与人进行交谈。

 

Socher与ImageNet做了一个类比，这是一个标签图像数据库，被认为开启了深度学习的革命，使得图像识别方面取得了突破。但是对于NLP，并不能通过一项任务就能进行定义。对此，Socher称：“在NLP领域，其实不存在所有研究人员都认为：如果你在这个方面取得进展，它就会整体上改善NLP的单一任务。”

 

Salesforce的研究人员，包括Bryan McCann，Nitish Shirish Keskar和Caiming Xiong，提出的方法就是将这每一项任务都视作一个回答问题的问题。Socher解释说，“问题回答其实是非常宽泛的——你可以随便问任何问题——该研究相当于提供了解决几个任务的单一模型。”

 

另外，MQAN允许进行所谓的“零样本”（zero-shot）学习，这意味着该模型可以处理以前未见过的任务或未经过培训的任务。“把它应用到一个全新的任务上，这是以前从未有过的，”McCann表示。“遇到换个方式来表述或意义上略有变化，大多数模型就无能为力，现在我们的模型做到了。”

他补充说，具体到实际应用，面对并不完全是已经学会的短语，聊天机器人可以做出极准确的答复，更像是人们平常交谈那样。

 

事实上，Salesforce的这一研究也代表了著名人工智能研究员Yoshua Bengio的观点，他是蒙特利尔大学计算机科学与运筹学系教授，与Socher在机器学习领域展开过合作。

 

他表示：“自从大约二十年前我开始致力于表示自然语言的词汇嵌入以来，我的目标就是，同样的表示法应该可用于所有自然语言任务。这篇论文中将所有这些任务表示为回答问题的想法至关重要，但这还不够。论文作者搞出了自然语言十项全能，为这个目标定义一个基准，并引入了最终使这个梦想有可能实现的架构上的创新。”

（文中图片来自网络）

投稿、约访、合作，联系邮箱aiobservation@qq.com

添加微信aixiaozhijun，更多交流或进AI观察团