2018年6月的一天，在IBM公司舊金山辦公室內(nèi)，一場人機辯論大賽如期舉行。

辯論賽的主角叫做“Project Debater”，這是由IBM位于以色列的海法研究院為主的科學(xué)家們歷經(jīng)六年研發(fā)的能進(jìn)行復(fù)雜辯論的AI系統(tǒng)。辯論另一方是以色列國家辯論冠軍Noa Ovadia和以色列國際辯論協(xié)會主席 Dan Zafrir。

IBM Project Debater和人類辯論，

圖引用自IBM官網(wǎng)

Debater與兩位人類辯手進(jìn)行了兩場辯論，辯題分別是“我們是否應(yīng)該資助太空探索”、“我們是否要增加遠(yuǎn)程醫(yī)療的使用”。兩場辯論分別有三個固定環(huán)節(jié)：4分鐘陳述自己論點，4分鐘反駁對方論點，2分鐘總結(jié)陳詞?，F(xiàn)場觀眾通過投票支持各方觀點，決出勝者。

意料之中的事情還是發(fā)生了，機器辯手Debater在主題為“是否應(yīng)該增加使用遠(yuǎn)程醫(yī)療”的辯論中最終扭轉(zhuǎn)了更多的現(xiàn)場觀眾最初觀點，贏得了辯論。

近日，網(wǎng)易智能有幸對Debater團隊幾位主要研發(fā)者進(jìn)行了采訪，詳細(xì)了解了Debater的研發(fā)過程、主要技術(shù)能力，以及未來應(yīng)用前景。

1

計算辯論的崛起

其實，這早已經(jīng)不是人類第一次被機器戰(zhàn)勝。

早在1997年，IBM研發(fā)的超級計算機深藍(lán)（Deep Blue）在國際象棋比賽中擊敗了世界冠軍加里.卡斯帕羅夫（Gary Kasparov）。

2011年，IBM人工智能系統(tǒng)Watson在益智游戲節(jié)目《危險邊緣》(Jeopardy!)中擊敗了兩位最優(yōu)秀的人類冠軍。

2015年，DeepMind研發(fā)的AlphaGo擊敗了人類圍棋冠軍李世石，第一次在圍棋上贏得了冠軍。緊接著在2016年，DeepMind又打敗了更強大的中國圍棋冠軍選手柯潔，再一次證明了AI的實力。

近兩年，人機大戰(zhàn)持續(xù)火熱，不管是***大戰(zhàn)中的人工智能“冷撲大師”（Libratus）賺的盆滿缽滿，還是OpenAI研發(fā)的AI系統(tǒng)在Dota游戲爭霸賽擊敗人類冠軍，AI在游戲領(lǐng)域的已經(jīng)玩到了極致。然而，辯論不是簡單的非黑即白的博弈。

IBM把Project Debater稱為人工智能的又一個里程碑。IBM海法研究院AI Tech副總裁Aya Soffer表示，辯論是一個開放式的挑戰(zhàn)，這與之前AI所解決的挑戰(zhàn)是不同的。之前的挑戰(zhàn)會有一些具體的衡量工具，比如說去判斷是贏是輸，傳統(tǒng)的技術(shù)可以直接幫助制定相應(yīng)的衡量工具，并且判斷輸贏。而在辯論中是沒有辦法做這樣的打分，在辯論中就像在實際中做商業(yè)決策一樣，沒有清晰的以分?jǐn)?shù)高低衡量輸贏的簡單標(biāo)準(zhǔn)。這就對機器的語言文字理解能力和決策能力要求非常高。

IBM為什么要研發(fā)一臺有辯論功能的計算機？Aya Soffer解釋說，IBM會不斷地去尋找在AI領(lǐng)域的重大挑戰(zhàn)是什么？“我們是以尋找到的重大挑戰(zhàn)來引領(lǐng)下一個計算機功能的選擇?！盇ya Soffer認(rèn)為，在真實的世界中，我們并不是需要回答很多瑣碎的問題，而是要回答真正重要的問題做出真正重要的決策。信息是海量的，但是找到那些能助力我們做出正確決策的信息是難的。因此，決策的重要性決定了我們確定要把辯論功能作為AI的下一個重大挑戰(zhàn)去做相關(guān)的研究，并且能夠使得我們的AI發(fā)展讓它擁有辯論的用途和功能。

在辯論現(xiàn)場，雖然機器在很多方面都表現(xiàn)地不太自然和磕絆，但AI辯手傳遞信息量的豐富度則優(yōu)于人類，這場史無前例的事件也讓業(yè)內(nèi)注意到計算機如何學(xué)習(xí)并應(yīng)對非結(jié)構(gòu)化的人類決策世界。

據(jù)悉，目前有50多個不同的研究團體都是在做計算輔助辯論方面的研究。但是自2014年以來，IBM已經(jīng)組織了第五次辯論數(shù)據(jù)挖掘研討會，Debater團隊成員在各種高質(zhì)量科學(xué)會議上發(fā)表了他們?nèi)〉玫募夹g(shù)進(jìn)步，目前已在各個研究領(lǐng)域發(fā)表了30多篇作品。計算辯論（Computational Argumentation）正在迅速崛起。

2

演講、聽力理解、模擬困境

IBM海法研究院Project Debater首席研究員Noam Slonim博士在采訪中回顧了辯論過程。

拿到辯題后，Debater首先會分析單個辯論問題，然后掃描龐大的語料庫文檔，通過算法找出與辯題相關(guān)性最高的觀點性內(nèi)容，同時通過算法減少重復(fù)信息。在此基礎(chǔ)上，Debater會挑選出最有說服力、最具多樣性和支持最完善的論點，并對這些論點進(jìn)行編排，從而形成一段完整且有說服力的敘述。

也就是說，辯論雖然是實時辯論，但是機器辯手和人類辯手在拿到選題后都會有30分鐘的準(zhǔn)備時間。30分鐘之內(nèi)，Debater會通過自己的算法，在自己的語料庫中去進(jìn)行搜索，形成有利于自己方面論點的論證。

既然辯論過程是完全即興，Project Debater如何應(yīng)對完全即興、無法預(yù)期的情況？Noam表示，這要靠知識圖譜去模擬人類的困境，形成辯駁的能力。比如說涉及到是否要禁止器官的販運、器官貿(mào)易，是否要禁止酒精的貿(mào)易。類似于這種類型的辯題，我們可以自然而然期待如果禁止了器官交易、酒精交易，有一種風(fēng)險是會有黑市的蓬勃發(fā)展。理論上來講，Project Debater的系統(tǒng)可以理解與這種類型相關(guān)的一些辯論，但凡是針對這種類型的觀點進(jìn)行辯論，后續(xù)就會有可能出現(xiàn)與黑市相關(guān)的問題，于是可以在模擬好中的圖譜等待著與黑市相關(guān)話題的出現(xiàn)。但辯論并不總是這樣，比如美國最近討論比較多的是否要禁止在公共場合母乳喂養(yǎng)，但這跟黑市一點都沒有關(guān)系，所以我們依然是在這個方面不斷地去建模、擴大語料庫，包括人類豐富的語言中各種細(xì)微和微妙的地方。“這樣Project Debater在已經(jīng)建模的知識圖譜中，才能夠更加精準(zhǔn)地為自己導(dǎo)航，找到與支持自己論點相關(guān)的觀點?！盢oam說到。

那么，Debater的論點是怎么形成的？Noam表示，對于給定的主題，Project Debater的系統(tǒng)會在巨大的知識庫內(nèi)進(jìn)行搜索，尋找最相關(guān)的觀點和證據(jù)，然后在其中選擇最吸引人、最多樣化、支持度最高的論點，然后把這些構(gòu)建成一個完整的觀點加以敘述。與關(guān)鍵詞搜索不同，Debater能對話題即時產(chǎn)生更深理解，并基于它的搜索結(jié)果等構(gòu)建自己的觀點。

強大的語料庫是Debater展開辯論的基礎(chǔ)。據(jù)悉，訓(xùn)練Debater的語料庫擁有3億多個可靠信息來源，包含2011年以來全球商業(yè)、法律、學(xué)術(shù)和政府機構(gòu)等領(lǐng)域的專業(yè)人士所使用的主流報紙和雜志中的文章，以及維基百科中的內(nèi)容。

IBM研究院團隊為Debater的系統(tǒng)賦予了三大核心能力：

第一，驅(qū)動的演講稿撰寫與表達(dá)。Debater第一次證實了，計算機能夠理解大量語料庫，若給定一個有爭議的主題的簡短描述，它能夠撰寫結(jié)構(gòu)良好的演講內(nèi)容，并清晰且有針對性地表達(dá)出來，甚至還會適時地展現(xiàn)幽默風(fēng)趣。

第二，實時聽力理解。當(dāng)對方辯手開始講的時候，Project Debater要能聽長達(dá)4分鐘的內(nèi)容，對方人類辯手在講的過程中語速可能是快的，情感可能是充滿激情的，同時還會有一些道德性、倫理性的問題，Project Debater要能夠識別人類辯手口述的長篇大論中隱含的重要概念及觀點主張，能夠識別長段連續(xù)口語中隱含的重要概念觀點。

第三，模擬人類困境。通過獨特的知識表達(dá)方式來模擬人類爭議和困境，使系統(tǒng)能夠根據(jù)需要提出有原則的論點。研發(fā)團隊總結(jié)了人類專家辯手的一些共同性，對他進(jìn)行模擬、建模，并且把這個注入到系統(tǒng)中去，就形成了一個知識圖譜給到Project Debater來用。所以一旦開始去進(jìn)行辯論的時候，Project Debater就可以在已經(jīng)形成的圖譜中去做自己的向?qū)Ш?a target="_blank">索引，找到可以支撐他的證據(jù)。

3

商業(yè)價值與AI未來發(fā)展

IBM海法研究院Project Debater全球經(jīng)理Ranit Aharonov闡述了如何將Project Debater應(yīng)用到商業(yè)中。

關(guān)于商業(yè)運用，Debater僅僅預(yù)示著一個開始，未來主要有兩大類用途。

第一類是應(yīng)用在有研究、分析的領(lǐng)域，比如幫助金融分析師找出金融事實，用以支持或反對金融分析師所思考的金融投資選擇；幫助律師尋找相關(guān)案件和主張，或借助Project Debater模擬法庭辯論來分析優(yōu)勢和劣勢；幫助記者或?qū)W生找出更多信息以改進(jìn)報告和論文。

第二類是決策領(lǐng)域的應(yīng)用，比如幫助企業(yè)高層分析優(yōu)劣勢，提供基于事實、沒有人為偏見的觀點?；蛘咄ㄟ^Debater拓寬思路，在關(guān)鍵決策中納入他們可能沒有考慮到的新觀點?！安还苁切畔⒌氖占?、研究分析還是做決策，總的來講，Debater最終的目的是支持基于循證的決策，而不是基于直覺的決策?！?/p>

Ranit同時表示，Project Debater相關(guān)的項目和技術(shù)依然在進(jìn)行進(jìn)一步深耕之中，其商業(yè)應(yīng)用僅僅是一個預(yù)設(shè)?！艾F(xiàn)在商業(yè)化為時尚早，也沒有具體的計劃?！?/p>

Noam表示，Debater雖然已經(jīng)研發(fā)了六年，但目前仍然是在不斷再開發(fā)、再開發(fā)過程中，在工程、算法上依然有很多的挑戰(zhàn)。比如，目前的Debater只能參與一對一辯論，無法跟大規(guī)模選手辯論。

Debater是否真正理解對方辯手的話？當(dāng)網(wǎng)易智能把這個問題拋出的時候，Ranit笑著回答說，這是一個哲學(xué)高度的問題，因為這涉及到我們?nèi)绾稳ダ斫釧I的理解能力?！皬慕Y(jié)果上來看，當(dāng)我們就是否要為太空探索來提供資助提出辯論的時候，AI也能聽，也能回應(yīng)，也能形成自己的觀點去辯論，它所展示的是理解了對方講的話的理解能力。但是如果當(dāng)我們說理解是指人類之間的理解，比如我理解你、你理解我的這種理解、內(nèi)心的理解，意識到對方和心理過程的理解，AI目前是沒有這個理解能力的?！?/p>

在談到Debater所代表的AI的未來發(fā)展方向，Aya Soffer向網(wǎng)易智能表達(dá)，希望讓人工智能更像人。人之所以能夠從小數(shù)據(jù)中學(xué)習(xí)，就是因為人可以去理解概念，并且在概念的基礎(chǔ)上學(xué)以致用到新的領(lǐng)域，這種開放域的應(yīng)用能力是非常強的。發(fā)達(dá)的AI，應(yīng)該不僅從大數(shù)據(jù)，還能從小數(shù)據(jù)，甚至未來能把概念進(jìn)行學(xué)以致用的應(yīng)用?！拔覀兿Ｍ鸄I進(jìn)一步發(fā)展這個能力，從比較窄的具體例子中學(xué)習(xí)，而后擴展到比較寬泛的領(lǐng)域、跨不同領(lǐng)域的應(yīng)用，以及能夠從概念上學(xué)習(xí)?！盇ya說到。