德國人工智能研究中心科技總監(jiān)Hans Uszkoreit博士認(rèn)為：語言技術(shù)是人工智能的核心部分，但當(dāng)前的深度學(xué)習(xí)方法還不足以解決NLP領(lǐng)域的核心問題。

在AI科技大本營微信公眾號(rgznai100)會(huì)話回復(fù)“語言”，打包下載Hans Uszkoreit大神被引用的TOP10論文。

記者 | 胡永波

7月22 - 23日，由中國人工智能學(xué)會(huì)、阿里巴巴集團(tuán)&螞蟻金服主辦，CSDN、中國科學(xué)院自動(dòng)化研究所承辦的第三屆中國人工智能大會(huì)（CCAI 2017）將在杭州國際會(huì)議中心盛大開幕。

會(huì)前，我們采訪到了大會(huì)Keynote嘉賓、德國人工智能研究中心科技總監(jiān)Hans Uszkoreit博士。

Uszkoreit博士是中德兩國人工智能合作的核心人物，負(fù)責(zé)德國人工智能研究中心在中國的所有合作項(xiàng)目，今年3月，他剛被任命為在北京新成立的人工智能技術(shù)中心（AITC）總監(jiān)兼首席科學(xué)家。在訪談中，Uszkoreit博士談到了人工智能在工業(yè)4.0和商業(yè)智能上的應(yīng)用，以及中、美、歐在人工智能領(lǐng)域的差異。

對于他的老本行，Uszkoreit博士認(rèn)為：

語言技術(shù)是人工智能的核心部分，但當(dāng)前的深度學(xué)習(xí)方法還不足以解決NLP領(lǐng)域的核心問題。

他提到漢語在語義理解上的潛力。

說起不久前NLP領(lǐng)域的大論戰(zhàn)，Uszkoreit博士認(rèn)為Yoav Goldberg敢于倡導(dǎo)正確科研行為的嚴(yán)格規(guī)則，是個(gè)英雄。

以下是訪談全文：

中國AI研究需要覆蓋所有領(lǐng)域

CSDN：最近，媒體常常拿中美兩國的AI行業(yè)和研究成果進(jìn)行對比。對于中美、中歐在AI領(lǐng)域的差異，您有什么看法？以您的理解，哪一方能引領(lǐng)這一輪的人工智能革命？

HansUszkoreit：歐美的AI研究有著長期的廣泛基礎(chǔ)，但中國正以驚人的力量和熱情追趕上來。在某些研究領(lǐng)域，中國的研發(fā)速度可能比美國還快。然而，中國的AI研究只是集中在少數(shù)幾個(gè)熱門領(lǐng)域，可熱點(diǎn)和趨勢總是來了又去。下一代AI架構(gòu)，將會(huì)用到具備大量認(rèn)知任務(wù)和能力的、廣泛擅長于AI的系統(tǒng)。我希望中國的研究人員能有足夠的動(dòng)力迅速來覆蓋所有的AI研究領(lǐng)域。

我個(gè)人所期待的人工智能突破，是多種感官信息輸入的交叉領(lǐng)域，以及AI在常識性知識與直覺的獲取。

歐洲在語義學(xué)技術(shù)、神經(jīng)網(wǎng)絡(luò)與機(jī)器翻譯等領(lǐng)域的研發(fā)投入上往往準(zhǔn)備充足，但研究成果在科學(xué)上的成熟與商業(yè)上的收獲更多發(fā)生在美國。其中的例外，是制造業(yè)領(lǐng)域的AI，它是歐洲、特別是德國的強(qiáng)項(xiàng)。而今中國在AI領(lǐng)域的下游應(yīng)用研究與上游資金投入上同美國的大力競爭，則相當(dāng)耐人尋味。前者是今天AI應(yīng)用的關(guān)鍵，后者則有可能逆轉(zhuǎn)我們過去的AI創(chuàng)新流程。

CSDN：在深度學(xué)習(xí)近年來的進(jìn)展上，有許多像李飛飛這樣的華人AI科學(xué)家和AI研究者，他們在其中做出了突出的貢獻(xiàn)。據(jù)我了解，您的許多研究伙伴也是華人，您能說說選擇他們的理由嗎？華人在AI研究領(lǐng)域有什么優(yōu)勢呢？

HansUszkoreit：長期以來，我都非常喜歡跟中國的博士生或博士后研究員們一起工作。他們頭腦聰明、積極主動(dòng)、精力充沛而又注重實(shí)效。一般說來，中國研究者的高中和大學(xué)基礎(chǔ)都非常扎實(shí)。我個(gè)人的體會(huì)是，中國和西方研究者的混合團(tuán)隊(duì)，其合作效果出奇的好。我會(huì)在北京繼續(xù)推動(dòng)這種跨文化的合作。我相當(dāng)期待接下來同過往的親密同事和學(xué)生們的交流，他們現(xiàn)在大都在中科院、中國的大學(xué)和公司工作。

投資環(huán)境和早期市場是AI創(chuàng)業(yè)成功的保障

CSDN：前不久，您剛?cè)温毐本┤斯ぶ悄芗夹g(shù)中心（AITC）總監(jiān)兼首席科學(xué)家。您能跟我們介紹一下您這份新工作，以及這個(gè)新的研究機(jī)構(gòu)嗎？

HansUszkoreit：AITC在今年3月份成立于北京的亦莊經(jīng)濟(jì)技術(shù)開發(fā)區(qū)。它的使命，是把AI技術(shù)從研究成果轉(zhuǎn)化為工業(yè)應(yīng)用。在德國，我們還沒有特別成功的商業(yè)化AI案例。有好多次，我參與創(chuàng)立的公司都是過早進(jìn)入市場，好在歷經(jīng)多年的掙扎，這些公司都活下來了。但更多的情況是，由于缺乏資金，我們只能眼睜睜看著美國的競爭對手取得成功。他們不光有著更好的投資環(huán)境，同時(shí)還擁有一個(gè)更大的早期市場。

在中國，我也同時(shí)注意到了這兩大因素的存在：一種友善的投資氛圍，加上一個(gè)需求龐大而前衛(wèi)的B2B市場。在我的老東家DFKI（德國人工智能研究中心），我們同20多家工業(yè)股東進(jìn)行過合作研究，還創(chuàng)立過超過80家衍生企業(yè)，在AI技術(shù)轉(zhuǎn)化方面的這些經(jīng)驗(yàn)都來之不易。

基于這樣的經(jīng)歷，AITC有能力實(shí)現(xiàn)這樣的技術(shù)轉(zhuǎn)化及其研究機(jī)制，以及成功的商業(yè)化AI的最佳實(shí)踐，這讓我們同時(shí)也有能力來幫助這一領(lǐng)域的其他人。

CSDN：工業(yè)4.0和商業(yè)智能將成為主流的AI應(yīng)用場景，但這兩大領(lǐng)域的不同之處在哪里？對于AI在此所取得的突出成績，有沒有什么具體的實(shí)例？

HansUszkoreit：第四次工業(yè)革命是由工業(yè)界所有的部門、設(shè)備、人員之間完全的數(shù)字化連接所觸發(fā)的，工業(yè)4.0是一個(gè)針對于此的廣泛說法。這種完全的數(shù)字化連接是由物聯(lián)網(wǎng)來實(shí)現(xiàn)的，其中還包括機(jī)器、產(chǎn)品、車輛和建筑之間的連接。

商業(yè)智能適用于所有的公司，不只針對制造業(yè)。它的基礎(chǔ)是組織內(nèi)部有關(guān)從戰(zhàn)略決策到日常運(yùn)作的所有決策過程的數(shù)據(jù)。這些數(shù)據(jù)大多來自公司內(nèi)部，但很多重要的信號來自于外部的消費(fèi)者、投資者、政策制定者、供應(yīng)商和承包商，以及員工們的生活領(lǐng)域。對所有這些數(shù)據(jù)的分析，有助于做出更好的決策，甚至優(yōu)化并調(diào)整決策的過程。

對于制造業(yè)來說，商業(yè)智能是工業(yè)4.0的一部分。今天我們所能看到的，只是商業(yè)智能與工業(yè)4.0的第一步。這里的數(shù)據(jù)通常是需要去主動(dòng)獲取與整合的。對于數(shù)據(jù)解釋，特別是針對非結(jié)構(gòu)化的數(shù)據(jù)，AI將扮演一個(gè)重要角色，并從數(shù)據(jù)中不斷學(xué)習(xí)。物流與供應(yīng)鏈領(lǐng)域的控制、優(yōu)化以及預(yù)測管理，就是這方面AI應(yīng)用的具體實(shí)例。

語言技術(shù)是AI的核心

CSDN：您是語言技術(shù)頂級專家。就語言技術(shù)來說，它在AI中的角色是怎樣的？前景如何？對于自然語言處理，它是否也存在一個(gè)突破性的時(shí)刻，正如深度學(xué)習(xí)之于圖像識別、語音識別那樣？

HansUszkoreit：語言是知識的鑰匙，而知識正是AI的終極目標(biāo)。人類社會(huì)的知識，正是通過語言來代代相傳的。僅靠觀察他人，人類是無法獲取到廣泛的可復(fù)用知識的。對于下一代智能系統(tǒng)所需的知識，人工智能必須能同時(shí)進(jìn)行“閱讀”和“聆聽”才能獲取到。而此等程度的機(jī)器學(xué)習(xí)，其關(guān)鍵技術(shù)正是NLP。NLP還是實(shí)現(xiàn)人與AI之間成功溝通的技術(shù)關(guān)鍵。所以說，語言技術(shù)是AI的核心部分，并將在很大程度上同知識技術(shù)相結(jié)合。

CSDN：您怎么看當(dāng)前的消費(fèi)級語言技術(shù)？特別是當(dāng)下大熱的智能語音助手，比如亞馬遜的Echo、蘋果的HomePod等？

HansUszkoreit：這些智能助理正在成為我們?nèi)粘Ｉ畹囊徊糠?。我自己也每天都在使用。它們還遠(yuǎn)未完美，但能被快速改進(jìn)，因?yàn)槠淝靶l(wèi)的用戶每天都在提供大量的免費(fèi)數(shù)據(jù)給它們。

漢語在語義理解上有一定潛力

CSDN：對于不同的語言，其語言處理技術(shù)有何差異？比如說，漢語和英語。

HansUszkoreit：不同的語言差異確實(shí)很大。盡管作為口語，漢語和英語都能在同樣的時(shí)間內(nèi)被小孩學(xué)會(huì)。但細(xì)節(jié)上，漢語沒有詞法，句法也相當(dāng)簡單。二者作為書面語，絕無可能在同樣的時(shí)間內(nèi)被人學(xué)會(huì)。事實(shí)上，漢語的復(fù)雜性絕無僅有。這對NLP來說更為棘手：漢語詞匯甚至都沒有起始標(biāo)識。除了語言本身所固有的復(fù)雜性，漢語更難于用電腦處理的原因還有另外一個(gè)：NLP一直是被以英格蘭為中心的研究所主導(dǎo)。

但如果NLP未來的研究方法和算法在處理漢語和其他東亞語言時(shí)的效果能超過英語，我也不會(huì)特別意外。這有一個(gè)先決條件，即找到語義理解上的改進(jìn)辦法，畢竟句法在漢語中的重要性要遠(yuǎn)小于西方語言。

CSDN：上個(gè)月，Yann LeCun對陣Yoav Goldberg的那場NLP大爭論十分引人注目。您如何看待這場爭論，特別是深度學(xué)習(xí)和NLP的關(guān)系？您支持哪一邊的說法？為什么？

HansUszkoreit：我認(rèn)為這場爭論被誤讀了，它不是一場NLP領(lǐng)域的深度學(xué)習(xí)倡導(dǎo)者與懷疑論者之間爭執(zhí)，它不是那樣開始的。Yoav Goldberg不是反對深度學(xué)習(xí)，他也不是反對深度學(xué)習(xí)在NLP領(lǐng)域的應(yīng)用。相反，Yoav大力推動(dòng)了深度學(xué)習(xí)在NLP領(lǐng)域的應(yīng)用。

Yoav Goldberg只是對那篇自然語言生成（NLG）領(lǐng)域的標(biāo)題黨論文表示不滿，它只是在吹噓一些很小的成果。Yoav的說法并沒有錯(cuò)：那篇標(biāo)題黨論文對于NLG領(lǐng)域的研究進(jìn)展毫無意義，它未能解決NLG領(lǐng)域所公認(rèn)的任何問題。

而Yann LeCun和Fernande Pereira認(rèn)為他們應(yīng)該站在論文作者一邊的原因，是確實(shí)有很多的NLP研究者極端懷疑深度學(xué)習(xí)在語言分析和生成上的作用。LeCun和Pereira把這種懷疑主義視為過時(shí)的研究范式反抗深度學(xué)習(xí)大法的無力嘗試。保守派對陣革新派，這是科學(xué)革命中的古老游戲。但這絕非是Goldberg此次爭論的目的。

我個(gè)人的看法是

當(dāng)前的深度學(xué)習(xí)方法還不足以解決NLP領(lǐng)域的核心問題。但它們已經(jīng)改善并實(shí)現(xiàn)了NLP技術(shù)的很多應(yīng)用。深度學(xué)習(xí)此處的不足，并不在于當(dāng)前所用的各種人工神經(jīng)網(wǎng)絡(luò)及其各自的學(xué)習(xí)算法，而在于我們還沒有正確類型與足夠數(shù)量的語言類標(biāo)注數(shù)據(jù)。

人類語言和人腦共同進(jìn)化的方式，是語言能被用來表達(dá)信息和知識的同時(shí)，還能讓兒童用很短的時(shí)間就能學(xué)會(huì)。語言的這種可習(xí)得性與基本知識概念的可習(xí)得性緊密相連。沒有語言就無法學(xué)到概念，不與概念想結(jié)合也無法學(xué)到語言。

如果我們可以找出一個(gè)能同時(shí)教會(huì)人工智能語言和概念的方法，問題就解決了。這里的第一步就是基于人工神經(jīng)網(wǎng)絡(luò)的可復(fù)用知識的機(jī)器學(xué)習(xí)。

在這樣的技術(shù)變革形勢下，Goldberg只是在倡導(dǎo)正確的科研行為的嚴(yán)格規(guī)則。但我們都清楚，面對這樣的環(huán)境，慣常的行為標(biāo)準(zhǔn)并不總是適用。在社會(huì)變革中，有勇氣在正確的時(shí)刻說話的人，往往都是我們歷史上的英雄。

給年輕從業(yè)者的三條建議

CSDN：在您的人工智能生涯中，最寶貴的經(jīng)驗(yàn)是什么？對于新一代的AI從業(yè)者，您有哪些建議？

HansUszkoreit：我有三條小建議。

擴(kuò)展視野：多去國外看看，或至少能在跨國企業(yè)工作一段時(shí)間。我在美國待了將近十年，并領(lǐng)導(dǎo)過多個(gè)國際項(xiàng)目。我一直都是一個(gè)國際博士生項(xiàng)目的共同負(fù)責(zé)人，我還主持過一個(gè)國際研究生項(xiàng)目。我在國際項(xiàng)目、暑期學(xué)校與會(huì)議中的經(jīng)歷，極大地豐富了我的專業(yè)能力和個(gè)人生活。

愛上數(shù)據(jù)，盡量為你所愛的數(shù)據(jù)工作：它可能屬于商業(yè)統(tǒng)計(jì)、圖片、音頻、視頻或文本，所有這些數(shù)據(jù)都有它們各自獨(dú)特、豐富且有意義的內(nèi)在結(jié)構(gòu)。盡量弄懂這里的結(jié)構(gòu)，盡量靠自己來解釋數(shù)據(jù)。一定要堅(jiān)持做高質(zhì)量的錯(cuò)誤分析，甚至要自己去讀這些錯(cuò)誤數(shù)據(jù)。盡量把算法的特性和數(shù)據(jù)的特性聯(lián)系起來去看。

盡量去接觸自身領(lǐng)域之外的研究：至少，要能不時(shí)地去考量你的子領(lǐng)域同相鄰領(lǐng)域的關(guān)系、你的數(shù)據(jù)同其他類型數(shù)據(jù)的關(guān)系、你的方法同其他方法間的關(guān)系。不要因?yàn)槟悴焕斫饩头胚^同其他領(lǐng)域?qū)＜疫M(jìn)行交流的機(jī)會(huì)，敦促他們用最簡單的方式來解釋他們的問題和解決方案，同時(shí)嘗試以同樣的方式來解釋你自己的研究工作。多了解人類的認(rèn)知機(jī)制，即便機(jī)器智能的機(jī)制是一種完全不同的方式。

CCAI演講亮點(diǎn)

CSDN：您在CCAI演講主題是“結(jié)合機(jī)器學(xué)習(xí)和知識解釋的商務(wù)智能應(yīng)用”，但相對于上一代基于規(guī)則的人工智能，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)近年來突飛猛進(jìn)、碩果累累，那么，我們?yōu)槭裁催€需要這種基于規(guī)則的知識工程？

HansUszkoreit：當(dāng)前，深度學(xué)習(xí)主要用來獲取某種形式的“智能”行為。對于給定的輸入，系統(tǒng)能夠習(xí)得人類的方法并做出反應(yīng)。這些系統(tǒng)還沒有外在的可復(fù)用知識，但能夠獲取到一些內(nèi)在知識。只是這樣的知識通常無法被復(fù)用于其他任務(wù)。我并不支持人工智能像30年前所嘗試的那樣來使用知識工程，但我堅(jiān)信人工智能終將找出辦法來使用人類已有的海量的外在知識（如維基百科或結(jié)構(gòu)化的DBpedia等），并且它很快就能自動(dòng)獲取更多的外在知識。

與其討論深度學(xué)習(xí)與深層知識間的競爭關(guān)系，我更愿意去思考這兩大技術(shù)有效結(jié)合起來的前景：只要機(jī)器能夠從人類身上學(xué)習(xí)，它就有可能學(xué)會(huì)數(shù)以百萬計(jì)的人的知識。

CSDN：您對本屆CCAI大會(huì)有何期待？您最想聽的演講時(shí)哪一場？

HansUszkoreit：中國有很多我還不知道的AI研究團(tuán)隊(duì)和研究中心，對于他們的研究成果與應(yīng)用創(chuàng)新，我特別期待。對于中國公司所能貢獻(xiàn)的AI成果，我相當(dāng)好奇。

總結(jié)

以上是生活随笔為你收集整理的专访 | 德国大神Hans Uszkoreit：语言才是AI的关键，深度学习无法解决NLP的核心问题...的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。