讓機(jī)器具備人的能力

王海峰：讓機(jī)器具備人的能力百度百家10月28日08:41分享到：機(jī)器人語言處理分類：互聯(lián)網(wǎng)摘要：人的能力體現(xiàn)在很多方面，聽、說、看、行、學(xué)習(xí)，還有很重要的一點(diǎn)就是思考。時間：2014.10.27（下午）地點(diǎn)：恒通國際創(chuàng)新園主題：TheBIGTalk第五期活動“機(jī)器人重塑未來生活”陽淼：各位來賓、各位百度百家的作者，歡迎大家來到 theBIGTalk第五期。我是這期的主持人陽淼，山寨發(fā)布會創(chuàng)始人。百度百家的 theBIGTalk聚焦商業(yè)互聯(lián)網(wǎng)和未來，宗旨是科技改變世界，它會定期邀請科技領(lǐng)域的各個領(lǐng)域頂尖專家來到中國，為大家分享他們的所思所想。這期的主題是“機(jī)器人重塑未來”，我們?yōu)槟埩税俣燃夹g(shù)副總裁王海峰博士，還有MIT人工智能中心實(shí)驗(yàn)室主任DanielaRus女士，以及康乃爾大學(xué)創(chuàng)意機(jī)器人實(shí)驗(yàn)室HodLipson教授，這三位重量級嘉賓為我們分享機(jī)器人如何制造，如何協(xié)同工作以及如何像人類一樣思考。各個藝術(shù)作品對機(jī)器人的生物有不同塑造方式，給大家留下不同印象，有很大的想象空間，我們先看一段視頻，看這里面的機(jī)器人給您留下怎樣的印象。岡忖我們看到的就是前不久剛剛問世的中文問答機(jī)器人小度機(jī)器人，我們看到它以一個文藝女青年的形象出現(xiàn)在了江蘇衛(wèi)士芝麻開門，回答了電視、音樂、技術(shù)、電影等四十個領(lǐng)域的問題，它回答了所有40個問題，而且表現(xiàn)出了一定的幽默能力，調(diào)侃節(jié)目的主持人。什么樣的技術(shù)實(shí)現(xiàn)了這樣的一個萌萌噠機(jī)器人，我們看到它的互動不是像我們跟機(jī)器和電腦一樣的機(jī)械一問一答， 而是像人類一樣通過自己所掌握的知識回答，關(guān)鍵就是像人類一樣的思索，背后的秘密是什么？熱烈掌聲請百度技術(shù)副總裁王海峰博士為我們做精彩分享，有請。我們都知道百度是一家以技術(shù)為優(yōu)勢的公司，以搜索起家的，在百度，搜索引擎、互聯(lián)網(wǎng)數(shù)據(jù)挖掘、知識圖譜、自然語言處理等等有關(guān)的領(lǐng)域都是我面前的王海峰負(fù)責(zé)的，再次以熱烈的掌聲歡迎王博士，如何讓機(jī)器像人一樣的思考，歡迎王博士。王海峰：大家下午好！很高興來到百度百家的theBIGTalk現(xiàn)場，與大家分享我們在智能機(jī)器人方面的一些工作和思考。大家提機(jī)器人，每個人的腦子里會出現(xiàn)很多機(jī)器人形象，有的在生產(chǎn)線上做工，有的在家里幫助人們做家務(wù)，甚至有的會在足球場、戰(zhàn)場上出現(xiàn)。應(yīng)該說機(jī)器人的這些機(jī)械技術(shù)和控制技術(shù)，已經(jīng)取得了非常多的成果，如何能讓一個機(jī)器人更像人呢？我們需要讓它有像人一樣的智能，大家剛才看到的小度機(jī)器人，甚至可以答出很多我們很多人答不出來的問題，應(yīng)該說它已經(jīng)有了很高的智能。機(jī)器人具備了什么樣的能力，就具備了人的能力呢？大家知道人的能力體現(xiàn)在很多方面，聽、說、看、行、學(xué)習(xí)，還有很重要的一點(diǎn)就是思考。比如說一個動物他也會有眼睛可以看，耳朵可以聽，也可以去行動，甚至它也可以訓(xùn)練出它一些能力，比如說看見一個什么場景會采取什么動作，這些條件反射的能力。而人最重要的能力是思考，這是人特有的能力。人如何進(jìn)行思考，我們?nèi)绾巫寵C(jī)器人進(jìn)行思考呢？我認(rèn)為需要有三方面的能力，第一個是對語言的理解，大家知道語言是人特有的一種高級的智力活動，僅僅有語言，僅僅可以說話還不夠，我們還需要知道該說什么，這就是背后需要有知識的支撐，需要對知識的掌握，知識的運(yùn)用，以及知識的推理等等。另一方面，人生活在一個社會里，除了跟這些客觀知識打交道以外，還需要和人打交道。我們同一句話說給不同的人聽的時候，他的感受是不一樣的，反應(yīng)不一樣，這就需要機(jī)器人能夠?qū)Σ煌娜诉M(jìn)行建模。我講一個故事給大家，大家知道間諜是一群很神秘?fù)碛泻軓?qiáng)的能力人，非常善于偽裝自己，打入敵人內(nèi)部讓敵人發(fā)現(xiàn)不了。曾經(jīng)有一個故事就是一個女特工，她能力非常強(qiáng)，做得非常好，但是她最后暴露了身份，原因是什么？是她在分娩的時候，不由自主的喊出了母語，被人發(fā)現(xiàn)了。這個故事說明了什么呢？語言是人思維的一個基本載體，不同母語不同語言的人，語言的特點(diǎn)會影響她的思維活動。我們學(xué)英語，如果你學(xué)到比較高的境界需要用英語思考，用英語思考相當(dāng)于你的思維模式發(fā)生變化。同樣一句話用中文說和英文說是不同的，例如屏幕上顯示的這些，用中文和英文語序、用詞、肯定和否定不一樣，這說明語言本身會影響人的思維。當(dāng)一個人需要和機(jī)器交流的時候，比如說問它一些問題，問它天氣怎么樣，或者說跟它聊天等等這些呢，其實(shí)都是用語言來進(jìn)行交互的。我們?nèi)绾巫寵C(jī)器理解語言呢？大家知道語言是人類發(fā)展了很多年發(fā)展出來的，她充分的承載了人類知識、思維、情感方方面面的積累。語言本身是很復(fù)雜的，用我們都熟悉的中文舉例來說。大家知道中文詞與詞之間沒有空格的，所以說中文面臨第一個任務(wù)就是分詞。請看屏幕上，“劉清楚楚動人”，大家看到這樣六個字可以很容易知道這個詞是什么，前面是一個人名劉清，后面是楚楚動人。同樣類似的我們增加了一個字，“劉華清楚這件事”，這里便不是“劉清”了，而應(yīng)該是“劉華”。再改一點(diǎn)，“劉華清楚地重游”，又是另一種分詞結(jié)果又加一個字，“劉華清楚地記得”，又變成了劉華。下面這個例子也很有意思的，“你老張著什么急啊”，是說“老張”別著急，。但再看下一句話，“你老張著什么嘴啊”，又不同了。上面的那些應(yīng)該說還是有一個基本的分法可以分出來的，但是這句話大家看，“乒乓球拍賣完了”，到底是“乒乓球拍”賣完了，還是“乒乓球”“拍賣”完了呢？這兩種說法都是對的，這就是語言的復(fù)雜性，也正是它的魅力所在，中文是一個非常有魅力的語言。下面看在百度的搜索里一個真實(shí)的例子，如果大家在百度搜索框里搜索這個是身高1.80以上的自由泳運(yùn)動員，我們會直接給出這些答案，這么復(fù)雜的一個搜索，我們想把它理解好，可以找到相應(yīng)的答案。左邊這棵樹，就是我們自然語言處理技術(shù)的基礎(chǔ)：語義語法分析，我們可以分析出來詞與詞之間的關(guān)系，從而知道更準(zhǔn)確的理解用戶到底找什么。配合后臺知識庫里面存大量的知識檢索出來，最后得到了這樣的一個答案。大家看其實(shí)“謝霆鋒的兒子是誰”和“謝霆鋒是誰的兒子”，這兩句話的字是一樣，但是順序不一樣。如果說用傳統(tǒng)的搜索技術(shù)，我們會對其分詞，算 term重要性等等，由算出來的相關(guān)性找到的東西是一樣的。顯然這兩句話問題是不一樣的，我們怎么可以做到這一點(diǎn)呢？需要對語言有很深入的分析，對語義理解，從而知道他們要找的答案是不一樣。大家上百度就可以看到，“謝霆鋒的兒子是誰”，可以給“謝振軒”和“謝振南”，這是基于很深刻的語言的分析、理解技術(shù)。再說一種就是和上下文相關(guān)的理解，比如說我們“問北京的今天天氣如何”，然后給一個答案。然后又問“上海呢？”這個時候問上海呢，就三個字，如果說僅看這一句話不知道問的是什么，但是上下文相關(guān)就會知道問的就是上海的天氣，而且是今天的天氣。下面一個例子也是類似的，“我計劃周日北京飛杭州，幫我訂票”。這個時候用戶給了很多的信息，哪一天哪到哪，接下來說“請幫我預(yù)定酒店”，知道是到目的地酒店，哪一天的也知道，這是基于上下文的理解，才能做到這一點(diǎn)。句和句之間的上下文不夠，還可以用篇章級的上下文。比如說我們問天空為什么是藍(lán)的，如果我們就是給出一個經(jīng)典搜索的結(jié)果，百度知道里找到一個結(jié)果，就像左邊的結(jié)果。但是大家看到直接拿出來的這一句話，不是真正解釋天空為什么是藍(lán)的，展開后才能看完整的解釋。在很長的一大段話里，我把真正最相關(guān)的答案這一部分找出來，摘要就會是一個更好的答案。如果我們做到更好，可以給出非常明確的解答。篇章級分析應(yīng)該說比句子級更放大，對一個事件持續(xù)很長時間，幾個月，甚至是幾年的時間，其中有一些關(guān)鍵的時間點(diǎn)出現(xiàn)了一些里程碑的事件，我們也可以分析。在更長的時間段里，更多的數(shù)據(jù)里把這些關(guān)鍵的時間點(diǎn)發(fā)生的關(guān)鍵事件提取出來，這就是我們說的事件脈絡(luò)。我給這個例子也是在百度搜索可以看到的，比如說在百度搜索棱鏡門和斯諾登，右側(cè)會給過去一段時間跟棱鏡門相關(guān)的重要事件。剛才我講的所有例子都是中文相關(guān)的。其實(shí)人類的語言，就像剛才我也講了間諜的故事，還會涉及到其它的語言，除了我們母語以外的其它語言。例如去國外旅游，到歐洲旅游但我不懂當(dāng)?shù)卣Z言，有一個翻譯器幫我點(diǎn)菜和當(dāng)?shù)厝私涣鳎@是對大家有幫助的。我們針對這種語言的理解，開發(fā)了多語言翻譯系統(tǒng)，現(xiàn)在已經(jīng)覆蓋 14個語種，36個翻譯方向。既可以在網(wǎng)頁和PC打一段文字給你翻譯，包括在手機(jī)可以拿著它直接和人對話，甚至你看到一個外文菜單不懂，拿著手機(jī)攝象頭一照，百度翻譯就會自動為你把菜單翻譯成中文的，這相當(dāng)于你看到的就是一個中文菜單而不是用其它語言的菜單了。還有一個更高的境界，我們擁有語言能力，除了基本的交流和對話等等，我們發(fā)展出一些文學(xué)形式。比如說中國語言發(fā)展的非常好的詩歌，我們基于我們語言翻譯技術(shù)，開發(fā)了這樣的一個寫詩的系統(tǒng)。我給系統(tǒng)輸進(jìn)去照片，自動就會做出一首詩，這是完全自動做出來的。比如說這首詩就是“日出日落一天天，人去人生幾十年，人水無聲情不斷，水天一色韻相連。 ”我接下來講知識挖掘，對應(yīng)人對知識的學(xué)習(xí)，可以從書本上學(xué)，老師家長朋友等等很多不同渠道來學(xué)。學(xué)到這些知識以后，我們構(gòu)建了一個非常龐大的知識圖譜，這樣一個知識圖譜我們有上億級別的實(shí)體，比如說桌子一個實(shí)體，椅子是，攝像機(jī)都也是。每一個實(shí)體有很多的屬性。這個凳子是白色的，是什么材質(zhì)的，有很多的屬性，這些屬性已經(jīng)有上百億級別。而無論是實(shí)體還是屬性，其增長都是線性，更多的會是什么呢？實(shí)體之間的關(guān)系，實(shí)體之間組合起來，量就會急劇增加。一個實(shí)體可以跟很多實(shí)體有不同的關(guān)系，例如一個人可能跟很多不同的人有關(guān)系，同學(xué)關(guān)系、朋友關(guān)系等等。這時候會構(gòu)建更復(fù)雜的網(wǎng)絡(luò)，這個知識圖譜描述能力更強(qiáng)，現(xiàn)在我們已挖掘了千億級別的關(guān)系在我們的知識圖譜里。這些一方面從網(wǎng)頁里挖掘，網(wǎng)頁里有很多信息，除了本身文字信息，圖片信息，還有它的排版信息，它的字號信息，它的連接等等，構(gòu)成了網(wǎng)頁非常豐富的信息，可以挖掘很多基本的知識出來。還有文字，又回到我最開始說的語言上來了，語言文字里面蘊(yùn)含很多信息。這樣一句話“奢侈品牌路易威登1854年成立法國巴黎”，我們分析清楚知道里面的語法和語義關(guān)系，我們可以提取很多有用的知識來。比如說路易威登成立的時間，成立在哪兒，這是一個奢侈品牌。包括巴黎是法國的，這些都可以從這樣簡單的一句話里抽取出來，所以說大家看到我們可以抽取到的知識其實(shí)是非常多。抽取這些知識以后就涉及到知識的存儲、檢索和管理，我們把這些知識大量存在知識圖譜里，要對知識相互之間的關(guān)系進(jìn)行計算?！爸x霆鋒的兒子是誰”，問題理解了是第一步，需要在龐大的庫里找到答案，這就是做相應(yīng)的檢索。這里包括了線下做很多的數(shù)據(jù)處理，以及線上實(shí)時地去響應(yīng)用戶需求。知識推理。講到推理其實(shí)是很復(fù)雜的一件事，比如說破案的時候有非常復(fù)雜的推理，甚至還有一些直覺在推理里面。我講一個非常簡單的例子，我們知識庫里知道很多人的生日。我這里舉了兩個例子，一個是劉德華，一個是李彥宏先生。他們兩個人的生日我們都能知道，如果問年齡，大家知道年齡是一個動態(tài)的，今年問和明年問，這個月問和下個月問，其實(shí)是不一樣的。這時候不能簡單說把一條某某人的年齡存在那兒，靜態(tài)的放在那兒。而隨著時間的遷移答案就不對，所以要計算。這種計算人看來并不復(fù)雜，但是要讓機(jī)器知道年齡這樣一件事應(yīng)該怎么算，這個技術(shù)本身讓機(jī)器如何知道，是一個我們需要做的技術(shù)。大家看到比如說劉德華是 9月份生日，所以現(xiàn)在用今年2014年減去61年現(xiàn)在是53歲。李彥宏是11月份生的，現(xiàn)在沒有到過生日的時候，所以用今年2014減生日1968應(yīng)該是46，但是因?yàn)闆]有過生日就是45，這個是真正實(shí)時算出來的。我們有了龐大的知識庫以后，我們希望通過擴(kuò)充聯(lián)想不斷豐富知識庫，讓它有越來越強(qiáng)大的能力。舉這樣一個例子，上面的這行字“謝霆鋒兒子的母親的前夫的父親”,這句話聽起來拗口，但是實(shí)際上我們把這一個一個的關(guān)系分析出來，之后得到這是謝賢，這就是聯(lián)想推理過程。我們把一些實(shí)體放在庫里以后，怎么解答一些問題呢？比如說我們要找觀賞魚，我們可以先進(jìn)行細(xì)分類，因?yàn)橐粋€用戶來找觀賞魚的時候，可能是對觀賞魚的某個小類更感興趣。里面分很多小的不同的分類，我們?nèi)绻阉智宄?，可能對某一類更加有興趣，這時要在后臺要做知識分類的工作。包括右邊舉了狗品種的例子，美食和小說，這都是在百度真實(shí)實(shí)現(xiàn)的。還有一類知識，比如我們現(xiàn)在百度一個搜索結(jié)果，在左側(cè)有很多自然的結(jié)果出來，同時我們在右側(cè)會有一些相關(guān)的推薦。張飛右側(cè)會推跟他相關(guān)的一些趙云、關(guān)羽、諸葛亮等等。例如趙云，下面還有灰色的字，給的是推薦理由。推薦理由也是我們通過自動的知識挖掘把它相關(guān)的，就是張飛和趙云是什么關(guān)系。我們這里給了，大家可以看到寫的是“同事”，這個同事不是我們?nèi)司幍模娴氖窃诰W(wǎng)上大量的挖掘，挖掘出來最后發(fā)現(xiàn)他們是同事關(guān)系。按道理張飛和趙云在三國時代沒有同事概念，這就是互聯(lián)網(wǎng)的能力。網(wǎng)友把他來的關(guān)系寫成“同事”被我們挖掘出來了，關(guān)系比較貼切。點(diǎn)了關(guān)羽，進(jìn)了關(guān)羽的搜索頁，推薦了很多人出來，有一個是貂蟬，貂蟬下面給的理由就是同鄉(xiāng)。我看過三國，聽過三國的評書，看過電視劇，了解很多三國相關(guān)的知識，但是之前真的不知道他們兩個是同鄉(xiāng)?？吹竭@個結(jié)果以后，我想知道是對是錯，我在網(wǎng)上做了些調(diào)研，發(fā)現(xiàn)真是說他們兩個是同鄉(xiāng)，機(jī)器可以挖掘出來很多普通人不了解的知識。同一個名字“李娜”，很多人都叫李娜，這個時候推薦哪一個李娜出來，這是一個問題。比如我的Query是小威，可能就是網(wǎng)球員李娜，給的標(biāo)簽就是“小威的對手”。但是如果搜的就是一首歌呢，我推薦的就是歌手李娜。人的腦袋里也是，你有好幾個同學(xué)都是同一個名字，突然說這個名字，你反應(yīng)出哪一個人，有和他相關(guān)的一些事情限定：這是中學(xué)同學(xué)，那是大學(xué)同學(xué)等等。除了我剛才講的這些大家比較直觀的看到這些知識以外，還有一類也是人的高級智力活動。很多人喜歡下棋，有的下圍棋，有的下象棋。國際象棋，很多年以前國際象棋，計算機(jī)已經(jīng)戰(zhàn)勝人類，圍棋復(fù)雜度高很多，所以我們讓我們的機(jī)器具備了一些下更難的圍棋的能力。我們現(xiàn)在已經(jīng)做到9x9圍棋達(dá)到了職業(yè)選手水平，19x19也可以達(dá)到業(yè)余段位棋手水平。剛才講了對語言的理解，對知識的掌握和運(yùn)用，還有剛才我要說就是對人的理解。人可以是對某一個個人，即使是兩個親兄弟，兩個同學(xué)，他們都是不一樣，但是他們有共性。真是兄弟倆一定有很多的共性，如果是同學(xué)兩個人，也有很多的相似性。所以我們既要對個體建模，也要對群體建模。比如咱們今天在會場的這些人，一定是對“科技改變世界”會有興趣，我們有一些共同的興趣。還有社會整體趨勢，現(xiàn)在越來越多的人開始使用智能手機(jī)，整個社會整體在發(fā)生變化。我舉一個簡單的例子，這是我們真實(shí)的從百度搜索用戶需求角度，我們做了一些分析，這一分析利用很多我們數(shù)據(jù)挖掘技術(shù)，自動分析出來的。用戶對一些不同類別的需求，工作時間和業(yè)余時間的不同。大家可以看第三到七列是跟游戲相關(guān)，藍(lán)色是工作時間，黃色是業(yè)余時間。按道理，打游戲應(yīng)該都是業(yè)余時間的事，但我們看到這張圖，大家可以發(fā)現(xiàn)這很有意思，這種大型游戲工作時間玩的人不多，但是也有。但是業(yè)余時間玩的人很多，但大家看網(wǎng)頁游戲，反倒是工作時間玩的人很多，這個很有意思，我們一推理可能也一定，就是很多人工作時間忍不住想玩一下，但是玩大型網(wǎng)游肯定不方便，小游戲一打開玩兩下，網(wǎng)頁游戲很方便，這看上去符合人的直覺，這也是一種建模。這是另一個模型，我們每天要一日三餐，考慮吃什么，吃川菜，粵菜，做了全國各地不同地區(qū)對不同菜系感興趣的模型，川菜受歡迎的程度很高，除了廣州大家最感興趣的還是粵菜，全國各地很多地方對川菜感興趣。這是個性化的例子，這怎么看？如果不同的用戶，一個用戶是對動漫感興趣，一個是對快遞感興趣。我們搜SF這兩個字母的時候，用戶找的東西是不一樣，如果對動漫感興趣的可能是找跟動漫相關(guān)的，快遞的用戶找的就是順豐速遞，我們根據(jù)個人不同興趣進(jìn)行推薦，會推薦不同的東西出來。剛才講了三方面，語言、知識、對人的理解，我們結(jié)合起來會有綜合的思考能力，綜合的思考能力可以從很多方面來展現(xiàn)。大家看了小度機(jī)器人，這樣一個小度機(jī)器人可以聽人的問題，可以去回答。背后是什么，背后就是對語言的理解，對知識的掌握，從而形成我們叫“深度問答技術(shù)”。除了小度機(jī)器人，這些技術(shù)應(yīng)用在百度的產(chǎn)品，我們問瀕臨滅絕的動物是什么，或者問某一個片子的片尾曲，百度都可以給出答案?！霸袐D可以吃荔枝嗎”，在座的朋友有多少可以回答這個問題，其實(shí)這類的問題不同人可能會有不同的回答，該怎么辦？百度會告訴你，有多少人認(rèn)為能吃，還會告訴你相應(yīng)的能吃的原因是什么，認(rèn)為不能吃的原因是什么。包括問“寶寶打嗝怎么辦”，百度會告訴你怎么辦，會把這些答案精煉提取出來。說智能交互，交互有很多形式，剛才我說的問答也是一種交互，對話也是一種交互。我們的機(jī)器不僅具備了語言交互能力，可以識別聲音，可以識別圖像，這就是我們所說的我們可以做“多通道、多輪對話的智能交互”。我給大家看這樣一幅圖片，問大家這是什么花？有可能有人會覺得是櫻花或者是梅花，看上去有一點(diǎn)像。圖片相對花的部分比較小，所以機(jī)器這個時候可以很智能的提示用戶說，我看不清楚，照一個花的特寫。有了特寫以后，因?yàn)楝F(xiàn)場照的，我們可以結(jié)合很多信息，我知道現(xiàn)在是什么時間照的，通過定位信息知道什么地方照的，春天的時候在玉淵潭照的很有可能就是櫻花，我們結(jié)合這樣的背景信息可以猜到答案是什么。如果沒有這些信息后臺我們會挖掘很多知識，大家記得我們會挖掘很多知識，知識會知道櫻花和梅花之間的區(qū)別，花柄會有不同。我問用戶有沒有花柄，用戶不知道，我有一個花柄的特寫，他一看這就是花柄，他說那是有的。實(shí)際我們就知道它是什么花了。剛才舉的是一個形象的例子，這在百度的產(chǎn)品里已經(jīng)實(shí)現(xiàn)了，大家如果拿手機(jī)就可以拍一個花，有一個