谷歌在訓練AI編寫維基百科,然而這事兒并不簡單

高層速讀

1.關鍵信息:1.谷歌大腦教人工智能總結網(wǎng)頁信息、生產(chǎn)維基百科風格的文章;

2.機器文本摘要的實際難度比較大,其結構是非常重復僵硬的。

谷歌在訓練AI編寫維基百科,然而這事兒并不簡單

眾所周知,互聯(lián)網(wǎng)永不停息地在生產(chǎn)文章、社交媒體帖子、米姆(meme,以衍生方式復制傳播的互聯(lián)網(wǎng)流行文化基因),制造歡樂和仇恨。而人們不可能不停閱讀、了解一切。使用人工智能去分辨圖片上的動物是貓還是狗有點做作,但如果這樣的電腦能把信息濃縮成有用的片段,那就很方便了。不過,這并不是一件容易的事。

2017年4月發(fā)表的一篇論文,剛剛被今年舉行的國際學習代表會議(ICLR)錄取,它描述了文本摘要的實際難度。

這里有一個應用的例子:對堪薩斯上空的翅膀(Wings over Kansas)——一個飛行員和飛行愛好者的航空網(wǎng)站——這個條目進行解釋。左邊的段落是由計算機生成的組織摘要,右邊內容取自維基百科頁面。

谷歌在訓練AI編寫維基百科,然而這事兒并不簡單

▲左邊是人工智能編寫的條目,右邊是人為編寫的條目

總的來說,計算機生成的句子很簡短;他們缺乏由人編寫的文本的創(chuàng)造性天賦和節(jié)奏。谷歌大腦的最新努力稍微好一點:句子更長且看起來更自然。

在新句子開始時,如果沒有清晰的大寫字母,軟件涂鴉的段落就有點難讀了,而且大多數(shù)句子的結構都是相同的??偟膩碚f,它的可讀性還不錯。而下一代模型,如果不抱很大期望的話,文本生成似乎還可以;盡管對于這個特殊的例子,其摘要方面并不好,因為它比相應的維基百科里的詞條還長

該模型的工作方式是獲取給定主題的前十頁(不包括維基百科條目),或者從維基百科文章的參考鏈接中抓取信息。大部份選定頁面用于訓練,并保留少數(shù)頁面以開發(fā)和測試系統(tǒng)。

通過添加所有頁面的文本并排練頁面上的所有段落,一個長文檔得以創(chuàng)建。通過分割成32000個單獨的單詞,并作為標簽(用于搜集用戶信息,根據(jù)不同的 type 屬性值,輸入字段擁有多種形式)使用,文本被編碼和縮短。

然后進入一個抽象模型,在這里標簽中的長句被切短。這是一個聰明的伎倆,用來創(chuàng)造和總結文本。句子從早期提取階段生成,不是從頭開始構建的,這解釋了為什么這個結構是非常重復和僵硬的。

總結

我們離有效的文本摘要或生成還有很長的路要走。雖然谷歌大腦項目相當有趣,但是使用這樣一個系統(tǒng)來實現(xiàn)維基百科詞條的自動生成可能是不明智的,至少從現(xiàn)在來看。

此外,由于它依賴互聯(lián)網(wǎng)上前十個網(wǎng)站的流行程度來確定所有特定主題,如果這些網(wǎng)站不是特別可信的,由此產(chǎn)生的作品可能就不是很準確了。當然,你不能相信你在網(wǎng)上讀到的所有東西。

信息來源:The Register


微信搜索【AI商業(yè)報道】,獲取行業(yè)最新資訊。

免責聲明:本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網(wǎng)站出現(xiàn)的信息,均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產(chǎn)權或存在不實內容時,應及時向本網(wǎng)站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。

2018-02-26
谷歌在訓練AI編寫維基百科,然而這事兒并不簡單
高層速讀1 關鍵信息:1 谷歌大腦教人工智能總結網(wǎng)頁信息、生產(chǎn)維基百科風格的文章。2 機器文本摘要的實際難度比較大,其結構是非常重復僵硬的。

長按掃碼 閱讀全文