QQ在線
企業(yè)微信
資訊
424科技巨頭們時不時就聲明在 AI 領域取得了突破性進展，對此我們已經(jīng)見慣不驚了。
當?shù)貢r間 2020 年 1 月 28 日，Google 在一篇博客中介紹了一款開放領域聊天機器人 Meena，號稱“史上最強”，那么這一新突破會讓人眼前一亮嗎？
【 圖片來源：Google Blog 所有者：Google Blog 】
開放領域聊天機器人開發(fā)難度大
實際上，設計智能聊天機器人是為了應對信息爆炸時代存在的信息過載問題。最初，人們把聊天機器人當作搜索引擎的終極形態(tài)進行設計和開發(fā)。不同于現(xiàn)有的搜索引擎，聊天機器人可針對用戶的問題自然又通順地給出精準的答案，節(jié)約了很多時間，從而帶來更好的用戶體驗。
根據(jù)使用場景劃分，聊天機器人（chatbot）主要有開放域型（Open-Domain）和任務導向型（Task-Oriented）兩種。
其中，任務導向型主要有問答系統(tǒng)、對話系統(tǒng)聊天機器人，分別指基于用戶的問題給出一個回答（常用于智能搜索、智能家居中的家電控制等場景）和與用戶進行多輪對話的聊天機器人（如客服機器人，銷售機器人等）。
而開放領域聊天機器人（也稱閑聊式機器人）顧名思義針對開放域的對話場景，主題、內(nèi)容不限，比如微軟小冰和蘋果 Siri。Google 在上述博客中表示：
開放領域聊天機器人的研究不僅具有學術價值，還可激發(fā)很多有趣的應用，如更深層次的人機交互、提升外語訓練效果，以及制作交互式電影和游戲角色。
值得一提的是，開放領域聊天機器人更符合人們心中對「人工智能」的定位，開發(fā)難度自然也很大——當前開放領域聊天機器人面臨的一個嚴峻問題在于它們表達的內(nèi)容往往沒有意義，無法與用戶的問題連貫起來，而且由于缺乏基本的常識和認知，不能給出針對性的回復。
而 Google 開發(fā)的 Meena 正是一款開放領域聊天機器人，那么相比現(xiàn)有的聊天機器人，究竟有何突破？
【 Meena 和人類的對話內(nèi)容 圖片來源：Google Blog 】
26 億參數(shù)的端到端神經(jīng)對話模型
Google 在博客中介紹稱，Meena 是個 26 億參數(shù)的端到端訓練的神經(jīng)會話模型，是 GPT-2 模型最大版本（15 億參數(shù)）的 1.7 倍。據(jù)稱，Google 利用 400 億字的數(shù)據(jù)集，通過 2048 個張量處理單元（即 Tensor Processing Unit，Google 專用 AI 芯片）訓練了 30 天，得到了最佳版本。實驗表明，比起聊天機器人 SOTA，Meena 能更好地完成對話，內(nèi)容也更具體、清楚。
據(jù)悉，Meena 由 1 個 Evolved Transformer 編碼器和 13 個 Evolved Transformer 解碼器組成：編碼器用于處理對話語境，有助于 Meena 理解對方的話；而解碼器則會利用信息生成回復。而在這一過程中，Google 表示：
研究人員發(fā)現(xiàn)，超參數(shù)調(diào)整后，實現(xiàn)高質(zhì)量對話的關鍵在于性能更強的解碼器。
【 圖片來源：Google Blog 所有者：Google Blog 】
雷鋒網(wǎng)了解到，Google 從公共領域社交媒體對話上過濾得到了 341GB 的文本，并以樹狀脈絡形式組織文本進行「多輪對話」訓練。研究者將每輪對話作為訓練樣本，同時每輪之前的 7 輪對話為語境信息，共同構成一組數(shù)據(jù)。據(jù)悉，選擇 7 輪對話作為語境，既能保證訓練過程獲得足夠長的語境信息，同時模型也能不超過內(nèi)存限制。畢竟文本越長，占用的內(nèi)存也越多。
新提出的人類評價指標 SSA
根據(jù)博客，上述這些表現(xiàn)是由 Google 根據(jù)新提出的人類評價指標「Sensibleness and Specificity Average (SSA)」得出的，而此次提出新的指標是因為，目前聊天機器人的人類評價指標頗為復雜，而且也很難形成一致的評價指標。Google 表示，SSA 能捕獲基本的、但對人類對話來說很重要的屬性。
為計算這一指標，研究者測試了 Meena、Mitsuku、Cleverbot、DialoGPT 及小冰等常見的聊天機器人。在測試中，對于每一款聊天機器人，研究者都在 100 個對話中收集了 1600 到 2400 輪，各聊天機器人的回復都由人類評價者評分（主要依據(jù)對話的流暢性和回答的準確性），其各自性能表現(xiàn)如下圖。
【 圖片來源：Google Blog 所有者：Google Blog 】
不難看出，Meena 相比于現(xiàn)有的 SOTA 聊天機器人，有著更高的 SSA 分數(shù)，甚至接近于人類的表現(xiàn)。
困惑度與 SSA 強相關
毫無疑問，人類評價或多或少存在一些問題，因此很多研究者都希望找到一個能夠自動計算的評價指標，而且這個指標要能和人類評價準確對應。
雷鋒網(wǎng)了解到，困惑度（perplexity，指一種任何神經(jīng)會話模型都能輕易獲得的計算指標）是 seq2seq 模型（雷鋒網(wǎng)注：一種循環(huán)神經(jīng)網(wǎng)絡的變種，包括編碼器和解碼器兩部分，是自然語言處理中的一種重要模型，可用于機器翻譯、對話系統(tǒng)、自動文摘）中的一個常見指標，用于評價語言模型的不確定性。
而值得一提的是，Google 證明了困惑度與 SSA 高度相關。
實際上，訓練 Meena 正是為了最大程度地減少困惑度，以及預測下一個標記（雷鋒網(wǎng)(公眾號：雷鋒網(wǎng))注：指對話中的下一個單詞）的不確定性——據(jù)博客稱，這是因為 Meena 的核心為 Evolved Transformer seq2seq 架構，即一種通過進化神經(jīng)架構搜索發(fā)現(xiàn)的 Transformer 體系結(jié)構，能夠改善困惑度。
在博客中 Google 表示，研究者依據(jù)層數(shù)、注意力數(shù)量、訓練步數(shù)、編碼器、訓練方式等因素，共測試了 8 種不同的模型，發(fā)現(xiàn)困惑度越低，SSA 分數(shù)越高，同時兩者的相關系數(shù)很高（R^2 = 0.93）。
【 圖片來源：Google Blog 所有者：Google Blog 】
同時 Google 表示：
研究者將繼續(xù)通過改進算法、架構、數(shù)據(jù)和計算量等，降低這一神經(jīng)會話模型的困惑度。
Meena 意義大嗎？
根據(jù)博客中展示的數(shù)據(jù)，我們相信 Meena 的確性能出眾，不過 Meena 究竟什么時候能推出、真正推出后表現(xiàn)如何，可能都要打問號。博客中提到，目前研究團隊正在就這一研究的風險及益處做進一步的評估，并可能在未來幾個月內(nèi)推出 Meena，旨在推動該領域的發(fā)展。
對此，VentureBeat 記者 Ronald Ashri 在其報道中表示：
首先我們要意識到，即便 Google 開源所有代碼，也很少有人能培訓類似 Meena 的模型。Meena 應該還在實驗室里，操作起來也非常復雜，還不能將其整合到一個工具中，而且 Google 也不可能很快就將其作為一項服務向用戶提供。因此，恐怕短期內(nèi) Meena 難以推出。
另外，在實用性方面，誠然 Meena 作為一款開放領域聊天機器人，能夠?qū)崿F(xiàn)多輪對話。不過 Meena 并不能協(xié)助用戶完成某項任務、學習某項新技能，或為身處困境的用戶給予情感或心理支持，和用戶的聊天沒有明確的目的。而耗費時間進行無意義的交談，在我們所處的時代大背景下似乎并非理想產(chǎn)品。
與此同時，記者 Ronald Ashri 也對 Meena 提出了進一步質(zhì)疑。正如上文所述，Google 從公共領域社交媒體對話上過濾得到了 341GB 的文本，以此進行進一步的訓練。那么，數(shù)百萬的公共領域社交媒體對話會是這一所謂的「史上最強聊天機器人」的正確數(shù)據(jù)集嗎？Meena 是否會講出不恰當?shù)脑挘赡芤彩且粋€我們要關注的點。
近年來，隨著越來越多的 AI 聊天解決方案進入生活，我們需要關注最有價值的東西——定義類似人類的對話，并探究這類對話在聊天機器人領域中的角色。
正如 Ronald Ashri 所說：
Meena 讓我們更接近目標，但尚未讓我們達到目標。
