智器械（"大众,"号：zhidxcom）
编译 | 屈望苗
编辑 | 江心白
智器械5月8日消息，在上周举办的美国填字游戏锦标赛（American Crossword Puzzle Tournament，ACPT）上，一位人工智能选手从1000多名参赛者中脱颖而出，获获成功，它就是填字游戏法度榜样“菲尔博士（Dr. Fill）”。
尽管在两道题上出现了缺点，但Dr. Fill仍在一分钟内完成了游戏，比最快的人类参赛者快了整整两分钟。Dr. Fill的背后有着加州大年夜学伯克利分校（UC Berkeley）伯克利天然说话处理小组的强大年夜支撑，它会分析标题线索生成谜底列表，并根据数据库中的800多万组线索和谜底来解谜。
一、神经收集与数据库加持
Dr. Fill是由计算机科学家马特?金斯伯格（Matt Ginsberg）制造的，他同时也是一名填字游戏制造者。
自2012年以来，金斯伯格就开端让Dr. Fill非正式地参加ACPT，并在每年的比赛中对它的软件进行改进。
▲马特?金斯伯格（Matt Ginsberg）和Dr. Fill
而在本年，金斯伯格与加州大年夜学伯克利分校（UC Berkeley）的伯克利天然说话处理小组合作，该小组由传授丹?克莱恩（Dan Klein）引导的研究生和本科生构成。
克莱恩是天然说话处理和无监督进修范畴的专家，他曾获得2016 AMiner天然说话处理范畴十大年夜最具影响力学者奖。AMiner是由清华大年夜学创建的新一代智能型科技谍报平台。
▲丹?克莱恩（Dan Klein）
就在ACPT开端前两周，他们合营为Dr. Fill开辟了一个混淆体系。个中，伯克利小组用神经收集的办法来赞助Dr. Fill分析线索，而金斯伯格编写了用来填写游戏网格的代码。
Dr. Fill还有一个包含800多万条线索和谜底的练习数据库，这些数据来自以往在各类媒体上出现过的填字游戏。为懂得决谜题，它的法度榜样会参考以往的线索和谜底。
和人类一样，当面对新的挑衅时，Dr. Fill必须依附经验，寻找新旧问题之间的接洽。
例如，ACPT 2021中第二题的谜底，就是一个长单词后加上后缀-ITY构成的新词。不过荣幸的是，类似的标题曾涌如今2010年《洛杉矶时报（the Los Angeles Times）》揭橥的一个填字游戏中，Dr. Fill的数据库傍边包含了这道题，所以它顺利地解出了谜底。
二、会分析标题线索，还能筛选谜底
尽管Dr. Fill的数据库十分宏大年夜，但它并不克不及靠“抄功课”拿第一。
在实际的解题过程中，Dr. Fill会分析标题线索，并生成与标题线索匹配的候选谜底列表，根据可能性对它们进行排序，并检查它们是否能填字游戏网格中和其他单词恰当连接。只要标题给出了足够的高低文语境，Dr. Fill就能最终解出精确谜底。
例如，对于“imposing groups”这个线索，Dr. Fill将精确的谜底“ARRAYS”列为首选词。“imposing”一词从未涌如今与精确谜底相干的线索中，但这些线索中出现过其他同义词，如“impressive”，这使Dr. Fill可以揣摸出语义上的接洽，并解出精确谜底。
▲Dr. Fill从标题线索直接揣摸出精确谜底
Dr. Fill还会将字母进行交叉比对来筛选精确谜底。比如，在五个字母的谜底中，知道第二个字母是O，谜底的线索是“Aw, that’s a shame！（太可惜了！）”，它就可以找到精确的谜底“SO SAD”。
▲Dr. Fill将字母进行交叉比对来筛选谜底
标题中涉及双关语或其他文字游戏的线索会比较麻烦，不过，伯克利的神经收集体系使Dr. Fill可以或许辨认出这类线索。克莱恩解释说，固然这些语义上的把戏无法明白地教给Dr. Fill，但经由过程机械进修，它能明白要寻找没有惯例线索那么直接的选项。
三、人脑仍胜在跳跃性逻辑
《纽约时报》的填字游戏编辑威尔?肖茨（Will Shortz）指出，本年的ACPT可能发挥了Dr. Fill的优势，因为“每一个谜底都是语义简单，很好懂得的”。肖茨说，他对Dr. Fill的独创性认为敬畏，但他认为人类参赛者在很多方面仍有优势。
他说：“如今，仍然是人类更善于像填字游戏如许非逻辑的实际世界问题。”在他看来，即使是在比较简单的标题中，Dr. Fill仍然会犯一些人类不会犯的缺点。
克莱恩也看到了这一点，同时他也提到，在天然说话处理范畴经常会出现类似的挑衅。例如，人类的大年夜脑经常进行所谓的“多跳推理”，就是说，人脑会应用很多不直接相干的常识完成一个跳跃性的推理。
而要教会人工智能遵守如许的逻辑跳跃，就意味着人们要从很多间接表意的说话中提取并归纳出表达的逻辑。但在当下，Dr. Fill仍然难以懂得这些不是“大年夜白话”的说话。
克莱恩认为，Dr. Fill此次的表示只是我们从填字游戏的线索中解读天然说话意义的第一步。当涉及到表意特别委婉的说话样本时，克莱恩说：“那些难倒人们的说话更会难倒Dr. Fill。”
结语：AI天然说话处理进阶，从输出到“思虑”
Dr. Fill在APCT中的成功标记了人工智能在天然说话处理方面的进步。也就是说，人工智能已经不仅可以实现简单的天然说话交换，并且还能“懂得”比较复杂的语义、“思虑”若何解谜。
在将来，跟着科学家们对天然说话的意义拆解加倍深刻和体系化，这些人工智能的“思虑”才能或许还会更接近人脑、加倍强大年夜。
来源：Wired
