IBM開發辨論機械人 仿人類思維決策

IBM
IBM以色列海法研究院科學家Noam Slonim(左)及Ranit Aharonov:Debater可以舉一反三,從範例學習推理,才有望更接近人類辨論能力。

IBM人工智能研究一直取得不少突破,1997年IBM超級電腦「深藍」(DeepBlue)擊敗國際象棋棋王卡斯帕羅夫(Garry Kasparov),而2011年IBM的Watson勝出了益智問答比賽《Jeopardy!》。2018年IBM再以AI科技Debater辯論機械人與人類展開辯論。

機器可就不同課題與人類辯論,代表機器可處理事項愈來愈多。人類不少決定,都不是非黑即白,往往權衡輕重之後才作出。以往,電腦只能處理邏輯上絕對是非,所謂決策支援,不少只是以樹狀結構,以獲得一個預定答案,沒有全盤考慮所有觀點。

但是,實現世界處理的問題複雜,往往要參考不少事實,從蒐集證據,再經過辯證,考慮正反意見,作出更好決策。AI處理自然語言,也理解大量文獻和資訊,下一步就是透過辯論,幫助人類作出決策。

《Jeopardy!》顯示Watson可以閱讀並理解大量的資訊,並可以參加問答比賽。從2014年,IBM以色列海法研究院AI團隊開發Debater,懂得理解辯論命題,並且組織觀點。今年四月,Debater參加三藩市舉辦的辯論比賽,不少聽眾均接受Debater提出的觀點,顯示利用AI作為辯論,技術上已具備足夠條件。

IBM團隊以4年時間開發開發Debater。IBM研究院副總裁Aya Soffer說,Debater涉及多項AI技術,從機器學習、自然語言處理、語音合成/分析、資訊搜集、知識圖表和推理、自然語言理解及自然語言生成。

Debater可應用於新聞、財務諮詢、法律、選舉、高層管理會議,以權衡各種觀點和利益關係。從教育角度,Debater也助學生有更批判思維,從多角度考察問題。

Soffer說,Debater技術有數個突破;首先Debater純粹以數據驅動,能以數據建立所有觀點;首次是須能夠自行整理4分鐘開場白,並且具一定說服力;最後可具完整聽讀的理解能力,可聽取辯論另一方長篇贅述,並不是基於片言斷語,而是整篇作通盤分析,可分出陳述時,那些論點訴諸感情,何者基於事實,組織觀點反駁。

IBM Debater
IBM Debater在三藩市首次登場與人類辯論,結果平分春色,竟有近半人認同Debater觀點。

IBM以色列海法研究院Noam Slonim說,IBM的Debater事前不知道辨論的議題。辯論過程會利用半小時,再籌備4分鐘的主要論點,時間上跟人類差不多。

科學家向Debater輸入了大量資料和新聞報導,並以AI為方式訓練了不同辯論模型,可為Debater建立分析觀點,遇見相同的論題時,就從相關論點加以發揮。

「例如論題關於應否禁止某種活動,有可能引致黑市活動。比方說,政府完全禁煙、禁酒、槍械,易導致黑市交易。可是,並非禁止每項活動,黑市都會出現。如禁止墮胎,就不會有相同效果。Debater必須知道何種情況下,能應用不同辯論模型,否則鬧出笑話。」

Debater計畫全球經理Ranit Aharonov表示,Debater利用弱監督學習(Weak Supervised)模式的DNN神經網絡訓練辯論的模型,訓練DNN自然語言處理,往往必須花大量的人力在標注資料,以便AI能判斷資料的性質。

弱監督學習則從環境,或者上文下理,可獲知如何標注該筆資料,可減省大量人手。事實上,辯論時也不可能靠人手標注。Aharonov解釋,Debater可從前言後語,標注辯論另一方所說為除述事實(Fact),抑或只是作出聲稱(Claim),例如對方以 Think或Believe,以後所說就是一項聲稱,能夠加以反駁。

Aharonov說,辯論跟其他問題不同之處,是沒有絕對的對與錯,所以不可能跟AlphaGo圍棋一樣,以加強學習(Reinforcement Learning),系統透過自我辯論去提昇技巧。

Debater擁有海量的記憶能力。不過,人類學習的奇妙之處,乃是推理能力,快速從學習一樣事物,套用到其他相同處境。科學家也希望能訓練Debater具備相同的能力,可以舉一反三,從範例學習推理,才有望更接近人類辨論能力。

 

 

Leave a Reply

Your email address will not be published. Required fields are marked *