0
4月12日,由科大訊飛承建的我國首個認(rèn)知智能國家重點實驗室,以76.06%的成績登頂常識推理挑戰(zhàn)賽CommonsenseQA 2.0,刷新世界紀(jì)錄,在讓機器“能理解、會思考”上邁出一大步!
CommonsenseQA 2.0是艾倫人工智能研究院(Allen Institute for AI)于2021年主導(dǎo)發(fā)布的國際常識推理評測數(shù)據(jù)集,旨在評估機器對常識知識的理解及掌握水平,吸引了包括Google、Allen Institute for AI、華盛頓大學(xué)等眾多國際頂尖機構(gòu)參與挑戰(zhàn)??拼笥嶏w首次參賽,即創(chuàng)新性地提出ACROSS模型,以全新深度學(xué)習(xí)算法絕對優(yōu)勢,刷新機器常識推理水平世界紀(jì)錄。
常識推理(Commonsense Reasoning)是 NLP 最重要的前進方向之一,其目的是幫助計算機學(xué)習(xí)常識知識,并利用所掌握的知識進行深層次的理解及推理。該領(lǐng)域的進展及技術(shù)突破對人工智能發(fā)展具有重要的意義。
當(dāng)前典型的閱讀理解模型所關(guān)注的問題類型主要是事實類問題,這類型的問題答案往往能直接在原文中找到,然而如何基于常識和背景知識進行推理以獲得答案仍舊是一個巨大的挑戰(zhàn)。
CommonsenseQA正是為了訓(xùn)練機器像人類一樣基于先驗知識結(jié)合現(xiàn)實情況作答能力而設(shè)置的數(shù)據(jù)集。當(dāng)人們回答問題時,往往會利用自身了解的知識結(jié)合特定的背景來判斷問題答案。比如常識、背景知識、空間關(guān)系、科學(xué)事實、社會慣例等。
CommonsenseQA 1.0任務(wù)示例
如上圖任務(wù)示例中的第二個問題,“我可以站在河上的什么地方看水流而不會弄濕自己?”可以從選擇項中推斷我是在橋上。這種知識對人類而言似乎很好理解,但是如何讓機器學(xué)會常識及背景知識并進行準(zhǔn)確推理,仍然是一個巨大的挑戰(zhàn)。
CommonsenseQA 2.0是一個二元分類數(shù)據(jù)集,包含14343個問題,主要分為訓(xùn)練/開發(fā)/測試集,需要判斷常識性陳述是對還是錯。1.0版本所考察的問題,是基于現(xiàn)有常識知識庫ConceptNet中的知識三元組構(gòu)建的,這使得機器在處理該任務(wù)時,有能直接聚焦參考的知識。相比較1.0的“選擇題”,2.0“判斷題”挑戰(zhàn)難度更高,僅給定一個主題實體或概念、一個常識類關(guān)系(且關(guān)系不一定在現(xiàn)有知識庫出現(xiàn)),讓人類以自然語言的方式去構(gòu)造機器較難掌握的常識知識。
該構(gòu)造方法所構(gòu)造的常識推理問題具有龐大的想象空間,大部分在當(dāng)前知識庫中并未覆蓋,無疑顯著增加了機器處理該類問題的難度。同時,該評測任務(wù)數(shù)據(jù)構(gòu)造過程中,還通過人與機器不斷博弈對抗的方式,不斷迭代設(shè)計,最終確定的問題集合基本是當(dāng)前主流算法都完成得不好的問題。
目前以科大訊飛為代表的中國人工智能力量在常識推理領(lǐng)域中已有很大的進步,但是仍遠低于人類94.1%的水平,可見在常識性推理方向仍有很大挑戰(zhàn)和進步空間。
CommonsenseQA 2.0任務(wù)問題示例
CommonsenseQA 2.0任務(wù)所覆蓋的常識問題類型示例
在CommonsenseQA 2.0這項頗具挑戰(zhàn)的常識推理評測任務(wù)上,業(yè)界主流的中等大小預(yù)訓(xùn)練模型方法也只能取得55%的水平,略高于隨機猜測平均水平。此前國際上該任務(wù)的最優(yōu)方法,通過1750億級參數(shù)量大小的GPT3模型生成針對CommonsenseQA 2.0常識推理問題的相關(guān)知識,并基于T5模型進行融合處理,該方法取得了73%的準(zhǔn)確率。
本次由科大訊飛承建的認(rèn)知智能國家重點實驗室團隊創(chuàng)新提出的面向常識知識推理的ACROSS(Automatic Commonsense Reasoning on Semantic Spaces)模型,是繼2016年科大訊飛提出神經(jīng)聯(lián)想模型NAM(Neural Association Model),并取得Winograd Schema Challenge冠軍后的又一力作。
該模型實現(xiàn)了統(tǒng)一語義空間下外部知識的有效融合,顯著改進了超大規(guī)模預(yù)訓(xùn)練模型所存在的問題,在CommonsenseQA 2.0任務(wù)上取得76%的準(zhǔn)確率。
該評測的常識推理問題,不論在ConceptNet等知識庫,或者互聯(lián)網(wǎng)上,都較難找到直接的答案。從人類進行常識知識運用及推理的習(xí)慣出發(fā),對于一個復(fù)雜的問題,首先需要查閱相關(guān)知識庫或典籍,其次會借助互聯(lián)網(wǎng)搜索去查找相關(guān)信息。ACROSS模型正是借鑒該思路,充分收集知識庫、互聯(lián)網(wǎng)相關(guān)信息,在統(tǒng)一的語義空間中進行融合處理,最后賦予超大規(guī)模預(yù)訓(xùn)練模型更強的知識輸入,實現(xiàn)準(zhǔn)確的常識知識推理。該方法結(jié)果也一定程度上證明了機器已初步具備對于各類復(fù)雜文本信息及知識的深入理解及運用能力。
我國在常識推理領(lǐng)域的技術(shù)攻堅還在繼續(xù)。
人工智能技術(shù)的下一步發(fā)展,必須要突破常識推理這一瓶頸,才能在教育、醫(yī)療、養(yǎng)老等國計民生場景中,讓人工智能產(chǎn)品更具備實用價值。
“讓機器能聽會說、能理解會思考”是清晰可預(yù)見的未來,科大訊飛求索未止。
雷峰網(wǎng)(公眾號:雷峰網(wǎng))
雷峰網(wǎng)版權(quán)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。