清华大学教授、智源首席科学家孙茂松：这才是攻克人工智能的关键！-技术圈

图为孙茂松老师

人工智能这几年的发展，主要是图像方面的成果，包括很多创业公司，像人脸识别、刷脸等等，图像方面的进步非常快。但是，人的智能区别于动物最主要的特征是语言，图像只是智能的一部分。

人工智能领域有一句话叫：让计算机理解自然语言是人工智能皇冠上的明珠。下一步，人工智能要害的地方就是想办法让机器理解人类的语言，这是自然语言处理在人工智能学科中的地位。

自然语言处理这几年的进展和图像识别进展背后依赖的基本方法是差不多的，就是深度学习。深度学习最显著的特点就是依靠大数据——即必须要有海量的数据来训练。自然语言处理相关的如语音识别和机器翻译，也都是靠大数据驱动，这样的好处是能使性能飞速提升；但同时，它也存在问题：大数据驱动的深度学习是典型的黑盒。虽然看起来翻译得不错，好像机器理解了这句话，其实完全没有理解，这个系统在处理复杂语义的时候非常脆弱。

如果一个句子中包含世界知识，翻译系统经常会被搞得稀里糊涂。比如公交车上的到站提醒“前门快到了，请从后门下车”，把这个句子给计算机翻译，现在所有的计算机系统都是不行的，它不知道“前门”这个地方。

攻克人工智能的关键在于知识驱动

要真正理解语言、攻克人工智能的难关的关键在于知识驱动。

大数据驱动的自然语言处理已经做得不错，大知识或者比较丰富的知识驱动的自然语言处理才刚刚起步。在智源的框架下，我们希望做到大数据和大知识或者富知识双轮驱动的自然语言处理，这对现在人工智能的大数据驱动的方法也是重要的突破。

虽然全世界范围内有一些知识库，但是还没有真正能够很好地驱动自然语言处理的人类知识库，特别是常识库，可能有一些基于某个角度的知识库，但得到全人类认可的还没有。我们希望在常识知识库、世界知识库方面做一些尝试，然后在这个知识库基础上研究新的大数据和大知识结合的人工智能算法。

如何提炼人的常识并让机器学习？

知识体系看起来好像每个人都有不同，但实际上人类共同知识的核心是相对稳定的。

有一种范畴，在全世界都差不多。比如说人是动物的一种，这一类的知识现在是比较充分的，但更丰富的细节就很匮乏。比如看现在谷歌、Wikidata 等国际上已经放出来的规模特别大的知识库，其实是大而不强的。

举个例子：关羽。Wikidata 中关于关羽的描述包括关羽是一个武将，关羽是中国三国时期蜀国的一个将领，他生在哪年、死在哪年，他儿子是谁。但我们熟知的关羽的所有事迹都没有形式化的描写，比如关羽过五关斩六将、走麦城都没有，Wikidata 只是给你一篇文章，它只能做粗浅的处理，没办法做推理。

这类世界知识现在做得非常不够，这些知识是客观存在的，我们需要把这些总结出来，全人类应该有很多是有共识的。

我们希望能做这样的一个库，至少其中的一部分做得比较深入一些，要做到这一点不能完全靠人工。文本中有这种描述：关羽哪年哪年从麦城开了哪个门趁夜逃走，这句话是有的，但是需要形式化。谁逃走了？关羽。地点在哪？城门。什么时候？半夜。这些得抽取出来，抽取出来以后，才能把所有句子变成一阶谓词逻辑表达式，相当于变成数学公式，计算机就可以操作了，可以用数学逻辑的办法来推理，可以比较深入。但前提是，必须能对这句话分析出刚才说的结构，这就是自然语言处理的任务。

*以上内容来自2019年北京智源大会孙茂松教授发言记录，经整理