MIT的科学家发现计算机可以理解复杂的词汇和概念

研究人员正在研究带有人工智能的机器是否可以模仿人类的思维过程并以类似的方式理解单词。 来自加州大学洛杉矶分校、麻省理工学院 (MIT) 和美国国立卫生研究院 (NIH) 的研究人员刚刚发表了一项研究来回答这个问题。

  这项发表在《自然人类行为》上的研究表明，人工智能系统可能确实能够理解高度复杂的词义。 研究人员还发现了一种获取这种复杂信息的简单方法。 他们发现，他们研究的 AI 系统以非常类似于人类判断的方式表示词义。

  研究人员正在探索的 AI 系统在过去十年中被广泛用于分析单词的含义。 它通过“阅读”互联网上包含数百亿个单词的大量材料来获得词义。

当单词经常一起出现时——比如“table”和“chair”——系统会知道它们的含义是相关的。 如果成对的词很少一起出现——比如“table”和“planet”——它会知道它们有非常不同的含义。

  这种方法似乎是一个合乎逻辑的起点，但考虑一下如果理解意义的唯一方法是计算单词之间出现的频率，而没有任何与其他人和我们的环境交互的能力，那么人类将如何理解这个世界。

  共同领导这项研究的加州大学洛杉矶分校心理学和语言学助理教授伊丹·布兰克说，研究人员着手了解系统对正在学习的单词的了解以及它的常识。

  布兰克说，在研究开始之前，该系统似乎有一个重大限制：“就系统而言，每两个单词只有一个数值，代表它们的相似程度。”

  相比之下，人类的知识更加详细和复杂。

  “想想我们对海豚和短吻鳄的了解，”布兰克说。  “当我们从‘小’到‘大’的尺度上比较两者时，它们是相对相似的。就它们的智力而言，就它们对我们构成的危险而言，它们在‘安全’的尺度上差异很大 '到'危险'。所以一个词的含义取决于上下文。我们想问这个系统是否真的知道这些细微的差异——它的相似性想法是否像人类的一样灵活。”

  为了找出答案，研究人员开发了一种他们称之为“语义投影”的技术。 例如，可以在模型对单词“大”和“小”的表示之间画一条线，以查看不同动物的表示在这条线上的位置。

  使用这种方法，科学家们研究了 52 个短语，看看系统是否可以学会对含义进行分类——例如根据动物的大小或它们对人类的危险程度来判断动物，或者根据天气或按州分类的整体财富来判断动物。

  其他词汇分组包括与服装、职业、运动、神话生物和名称相关的术语。 每个类别都有多个上下文或维度——例如大小、危险、智力、年龄和速度。

  研究人员发现，在如此多的物体和环境中，他们的方法被证明与人类的直觉非常相似。 为了进行这种比较，研究人员还要求每组 25 人对 52 个单词中的每一个进行类似的评估。

值得注意的是，该系统学会了感知“Betty”和“George”这两个名字在相对“年龄”方面相似，但它们代表不同的性别。 此外，“举重”和“击剑”的相似之处在于它们通常在室内进行，但它们需要多少智力不同。

  “这是一种非常简单的方法，而且完全直观，”布兰克说。  “‘大’和‘小’之间的界限就像一个心理尺度，我们把动物放在那个尺度上。”

  布兰克说，他实际上并不期望这项技术能够奏效，但当它奏效时他很高兴。  “事实证明，这个机器学习系统比我们想象的要聪明得多；它包含了非常复杂的知识形式，并且这些知识以非常直观的结构组织起来。只需通过记录语言中哪些单词之间的相互作用与协同—— 发生的事情你可以学到很多关于这个世界的知识。”