榮登榜首！科大訊飛刷新機(jī)器常識(shí)推理水平世界紀(jì)錄

4月12日，由科大訊飛（002230）承建的我國(guó)首個(gè)認(rèn)知智能國(guó)家重點(diǎn)實(shí)驗(yàn)室，以76.06%的成績(jī)登頂常識(shí)推理挑戰(zhàn)賽CommonsenseQA 2.0，刷新世界紀(jì)錄，在讓機(jī)器“能理解、會(huì)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(guó)際常識(shí)推理評(píng)測(cè)數(shù)據(jù)集，旨在評(píng)估機(jī)器對(duì)常識(shí)知識(shí)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(guó)際頂尖機(jī)構(gòu)參與挑戰(zhàn)。 科大訊飛首次參賽，即創(chuàng)新性地提出ACROSS模型，以全新深度學(xué)習(xí)算法絕對(duì)優(yōu)勢(shì)，刷新機(jī)器常識(shí)推理水平世界紀(jì)錄。

從做“選擇題”到做“判斷題”

機(jī)器學(xué)會(huì)常識(shí)推理有多難？

常識(shí)推理（Commonsense Reasoning）是 NLP 最重要的前進(jìn)方向之一，其目的是幫助計(jì)算機(jī)學(xué)習(xí)常識(shí)知識(shí)，并利用所掌握的知識(shí)進(jìn)行深層次的理解及推理。該領(lǐng)域的進(jìn)展及技術(shù)突破對(duì)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(wèn)題類型主要是事實(shí)類問(wèn)題，這類型的問(wèn)題答案往往能直接在原文中找到，然而如何基于常識(shí)和背景知識(shí)進(jìn)行推理以獲得答案仍舊是一個(gè)巨大的挑戰(zhàn)。CommonsenseQA正是為了訓(xùn)練機(jī)器像人類一樣基于先驗(yàn)知識(shí)結(jié)合現(xiàn)實(shí)情況作答能力而設(shè)置的數(shù)據(jù)集。 當(dāng)人們回答問(wèn)題時(shí)，往往會(huì)利用自身了解的知識(shí)結(jié)合特定的背景來(lái)判斷問(wèn)題答案，比如常識(shí)、背景知識(shí)、空間關(guān)系、科學(xué)事實(shí)、社會(huì)慣例等。

CommonsenseQA 1.0任務(wù)示例

如上圖任務(wù)示例中的第一個(gè)問(wèn)題，“我可以站在河上的什么地方看水流而不會(huì)弄濕自己？”可以從選擇項(xiàng)中推斷我是在橋上。這種知識(shí)對(duì)人類而言似乎很好理解，但是如何讓機(jī)器學(xué)會(huì)常識(shí)及背景知識(shí)并進(jìn)行準(zhǔn)確推理，仍然是一個(gè)巨大的挑戰(zhàn)。

CommonsenseQA 2.0是一個(gè)二元分類數(shù)據(jù)集，包含14343個(gè)問(wèn)題，主要分為訓(xùn)練/開(kāi)發(fā)/測(cè)試集，需要判斷常識(shí)性陳述是對(duì)還是錯(cuò)。1.0版本所考察的問(wèn)題，是基于現(xiàn)有常識(shí)知識(shí)庫(kù)ConceptNet中的知識(shí)三元組構(gòu)建的，這使得機(jī)器在處理該任務(wù)時(shí)，有能直接聚焦參考的知識(shí)。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(gè)主題實(shí)體或概念、一個(gè)常識(shí)類關(guān)系（且關(guān)系不一定在現(xiàn)有知識(shí)庫(kù)出現(xiàn)），讓人類以自然語(yǔ)言的方式去構(gòu)造機(jī)器較難掌握的常識(shí)知識(shí)。

該構(gòu)造方法所構(gòu)造的常識(shí)推理問(wèn)題具有龐大的想象空間，大部分在當(dāng)前知識(shí)庫(kù)中并未覆蓋，無(wú)疑顯著增加了機(jī)器處理該類問(wèn)題的難度。同時(shí)，該評(píng)測(cè)任務(wù)數(shù)據(jù)構(gòu)造過(guò)程中，還通過(guò)人與機(jī)器不斷博弈對(duì)抗的方式，不斷迭代設(shè)計(jì)，最終確定的問(wèn)題集合基本是當(dāng)前主流算法都完成得不好的問(wèn)題。

CommonsenseQA 2.0任務(wù)問(wèn)題示例

CommonsenseQA 2.0任務(wù)所覆蓋的常識(shí)問(wèn)題類型示例

目前以科大訊飛為代表的中國(guó)人工智能力量在常識(shí)推理領(lǐng)域中已有很大的進(jìn)步，但是仍遠(yuǎn)低于人類94.1%的水平，可見(jiàn)在常識(shí)性推理方向仍有很大挑戰(zhàn)和進(jìn)步空間。

科大訊飛提出ACROSS創(chuàng)新方法破解難題

在CommonsenseQA 2.0這項(xiàng)頗具挑戰(zhàn)的常識(shí)推理評(píng)測(cè)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(jī)猜測(cè)平均水平。此前國(guó)際上該任務(wù)的最優(yōu)方法，通過(guò)1750億級(jí)參數(shù)量大小的GPT3模型生成針對(duì)CommonsenseQA 2.0常識(shí)推理問(wèn)題的相關(guān)知識(shí)，并基于T5模型進(jìn)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(guó)家重點(diǎn)實(shí)驗(yàn)室團(tuán)隊(duì)創(chuàng)新提出的面向常識(shí)知識(shí)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(shí)現(xiàn)了統(tǒng)一語(yǔ)義空間下外部知識(shí)的有效融合，顯著改進(jìn)了超大規(guī)模預(yù)訓(xùn)練模型所存在的問(wèn)題， 在CommonsenseQA 2.0任務(wù)上取得76%的準(zhǔn)確率。

該評(píng)測(cè)的常識(shí)推理問(wèn)題，不論在ConceptNet等知識(shí)庫(kù)，或者互聯(lián)網(wǎng)上，都較難找到直接的答案。從人類進(jìn)行常識(shí)知識(shí)運(yùn)用及推理的習(xí)慣出發(fā)，對(duì)于一個(gè)復(fù)雜的問(wèn)題，首先需要查閱相關(guān)知識(shí)庫(kù)或典籍，其次會(huì)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(shí)庫(kù)、互聯(lián)網(wǎng)相關(guān)信息，在統(tǒng)一的語(yǔ)義空間中進(jìn)行融合處理，最后賦予超大規(guī)模預(yù)訓(xùn)練模型更強(qiáng)的知識(shí)輸入，實(shí)現(xiàn)準(zhǔn)確的常識(shí)知識(shí)推理。 該方法結(jié)果也一定程度上證明了機(jī)器已初步具備對(duì)于各類復(fù)雜文本信息及知識(shí)的深入理解及運(yùn)用能力。

我國(guó)在常識(shí)推理領(lǐng)域的技術(shù)攻堅(jiān)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(shí)推理這一瓶頸，才能在教育、醫(yī)療、養(yǎng)老等國(guó)計(jì)民生場(chǎng)景中，讓人工智能產(chǎn)品更具備實(shí)用價(jià)值。“讓機(jī)器能聽(tīng)會(huì)說(shuō)、能理解會(huì)思考”是清晰可預(yù)見(jiàn)的未來(lái)，科大訊飛求索未止。

關(guān)鍵詞： 世界紀(jì)錄 常識(shí)推理 科大訊飛