北京举办“智源大会” 推动全球人工智能学术和创新

10月31日，北京举办了“智源大会”，这是一场旨在打造全球领先的人工智能学术和创新生态的重要活动。会上，自然语言处理领域的国际领军人物、清华大学教授孙茂松接受了采访，并分享了他对自然语言处理领域的看法和未来展望。

孙茂松教授指出，当前大数据驱动的自然语言处理已经取得显著进展，但基于丰富知识的自然语言处理才刚刚起步。智源的目标是实现大数据和大知识双轮驱动的自然语言处理。为了实现这一目标，构建一个全球通用的人类知识库是关键。然而，目前这样的知识库尚未建成，因此这也是现阶段需要攻克的技术难题。

孙茂松教授访谈实录

孙茂松： 近年来，人工智能领域的发展大家更多关注的是图像识别方面的成就，例如人脸识别等。然而，图像只是智能的一部分，人类智能的最大特点在于语言。人工智能领域有句话叫做：“让计算机理解自然语言是人工智能皇冠上的明珠。”因此，下一步的关键任务是让机器理解人类语言，这在人工智能学科中占据重要地位。

自然语言处理方向的研究目标是根据历史发展线索设定的。近年来，自然语言处理的进步和图像识别的进步都依赖于深度学习，而深度学习的特点是需要海量数据进行训练。自然语言处理的相关领域，如语音识别和机器翻译，近年来发展良好，得益于大数据驱动。虽然这种方法可以快速提升性能，但也存在一些问题。大数据驱动的深度学习模型通常被视为黑箱，尽管看起来翻译效果不错，但实际上并没有真正理解语义，尤其在处理复杂语义时非常脆弱。

例如，如果句子中包含世界知识，翻译系统往往无法准确翻译。比如“前门快到了，请从后门下车”这样的句子，现在的所有计算机系统都无法正确处理，因为它们不了解“前门”这一概念。

孙茂松： 下一步我们需要真正理解语言，攻克人工智能的难关，需要知识驱动。我们提出口号，大数据驱动的自然语言处理已经做得不错，大知识驱动的自然语言处理才刚刚起步。在智源框架下，我们希望实现大数据和大知识双轮驱动的自然语言处理，这将是人工智能的一大突破。要实现这一目标，需要一个计算机可操作的人类知识库作为基础资源，但目前这样的知识库尚未建立。尽管世界上有些知识库，但还没有真正能够驱动自然语言处理的人类知识库，特别是常识库。我们希望在常识知识库和世界知识库方面进行尝试，从而在此基础上研究新的大数据和大知识结合的人工智能算法。

访谈问答

问： 您提到知识和数据互补，不同的人会有不同的知识，如何提炼人的常识？我们如何让机器学习？

孙茂松： 尽管知识体系看起来各有不同，但人类共有知识的核心是相对稳定的。比如“人是动物的一种”这样的知识，现在比较充分。然而，更详细的描述则较为匮乏。例如，谷歌、维基数据等大规模知识库实际上是大而不强的。以关羽为例，维基数据中关于关羽的描述包括他是武将、三国时期蜀国的将领等基本信息，但缺乏具体事迹的描述，如“过五关斩六将”等，这导致系统无法进行推理。因此，我们需要把这些总结出来，形成全人类共识的知识。

我们希望能够建立一个知识库，至少涵盖某一领域的详细信息。要做到这一点，不能完全依靠人工。文本中有描述关羽的事迹，但需要形式化。例如，“关羽在哪年哪月从麦城开了哪个门趁夜逃走”，这句话是有的，但需要抽取关键信息，如人物、地点、时间等，才能将句子转换为一阶谓词逻辑表达式，即变成数学公式，从而让计算机进行逻辑推理。

问： 黑箱对研究和应用会带来什么风险？

孙茂松： 黑箱并不完全是坏事。图灵测试本身就是一种黑箱测试。如果我们必须先了解人脑的机制才能做人工智能，那么直到今天人工智能也不会取得如此大的进展。黑箱并不是贬义词，它只是在不同阶段的不得已选择。如果能深入了解人脑机制再进行研究，一定会更加深入。例如，图像识别很容易受到攻击，因为它是一个黑箱模型，输入和输出之间存在许多变化，即使有99%的准确率，剩下的1%也可能导致问题。

举个例子，“The box was in the pen”这句话，机器翻译系统会将其错误翻译为“箱子在钢笔里”，因为缺乏知识。围栏这个词出现频率较低，系统会选择更常见的词“钢笔”。如果系统具备知识，就能判断这种翻译是错误的。

问： 如何构建适合全人类的知识库？如何训练机器去阅读这些材料？

孙茂松： 我们所说的主要是人类知识的核心部分，这部分是相对稳定的，即所谓的常识。超出常识范围的知识，相当于观点，不同人会有不同看法。我们需要刻画常识部分，例如在餐馆就餐的基本流程，无论在哪个国家，这些流程都是相同的。

观点是灵活的，所以我们提出“双轮驱动”，因为观点难以穷尽且因时而变。此外，知识库必须是高质量的，不能包含人为错误。

问： 使用较小的数据集是否会导致精度下降？如何在保护隐私的同时，仍能达到良好的效果？

孙茂松： 使用较小的数据集确实会导致精度下降。目前，大部分方法都依赖大数据，小数据的研究还处于初级阶段。在特定领域，如果有足够的知识引导，使用小数据集仍然有可能取得成功。然而，目前还没有统一的解决方案，不像深度学习那样有一套普遍适用的工具。

问： 构建庞大的世界知识库的最大难点是什么？

孙茂松： 这个知识库不能完全依靠专家来编写，需要高水平的人才，花费大量时间和精力才能做好。在中国，这样的条件基本不具备，因为科研评价体系过于急功近利。构建知识库需要对世界万物有准确的把握，而这是一件非常困难的事情。目前，我们尝试从现有知识库中提取信息，并通过文本挖掘进一步补充知识库。然而，将互联网上的所有文本形式化，使其成为谓词逻辑表达式，是一项艰巨的任务。目前，这项工作的瓶颈在于机器难以准确分析出主谓宾结构。

问： 图神经网络的发展潜力如何？

孙茂松： 图神经网络的算法研究相对常规，并没有特别的创新。将现有神经网络方法应用于图结构是一种自然的扩展。近两年，图神经网络受到关注，是因为端到端的方法已经走到极致，科研红利基本耗尽。图神经网络的挑战在于如何构建图结构，以及如何从图中抽取知识。

问： 当前深度学习的局限性有哪些？

孙茂松： 目前深度学习的优势已经得到了广泛的应用，但其局限性也逐渐显现。例如，机器翻译在处理复杂语义时仍有困难。端到端的方法虽然强大，但在某些情况下表现并不理想。因此，我们需要引入知识库来解决这些问题。

问： 国内在自然语言处理领域的研究现状如何？

孙茂松： 从研究角度来看，国内自然语言处理领域的水平在国际上处于领先地位，不逊于斯坦福、麻省理工等顶尖机构。然而，自然语言处理领域缺少具有里程碑意义的突破，例如图像领域的ImageNet。目前，语音识别和机器翻译两个方向取得了较大进展，但这些主要由企业推动。从发表高水平论文的角度来看，国内自然语言处理研究做得不错，但从实际效果来看，还需要加强。工业界在推动应用方面发挥了重要作用，尤其是在计算能力方面。

问： 工业界在自然语言处理领域的作用是否会持续增强？

孙茂松： 工业界在利用学术界创新成果方面发挥了重要作用。0到1阶段的创新大多由学术界完成，1到2阶段则由学术界和工业界共同推动。3到N阶段则主要由工业界主导。学术界应该专注于0到1阶段的创新，培养人才，解决更深层次的问题。