張蓋倫 陸越
“基本上,只要人類交流和工作過程中涉及到語言和文字的地方,自然語言處理技術(shù)都有可能發(fā)揮作用?!比f小軍說,在科研論文寫作過程中,可以借助自然語言處理技術(shù)幫助推薦參考文獻,并自動生成related work等章節(jié)的文字;業(yè)界也有基于自然語言處理技術(shù)自動編撰圖書的嘗試?!拔覀€人也接觸到很多很有意思也很有挑戰(zhàn)的應(yīng)用需求,但可惜的是不少需求都無法基于目前的自然語言處理技術(shù)進行實現(xiàn)。自然語言處理技術(shù)還需要進一步地發(fā)展和突破,我相信在未來將有更多的用武之地?!?/p>
中國知網(wǎng)常務(wù)副總經(jīng)理張宏偉長期關(guān)注自然語言處理,大數(shù)據(jù)和人工智能方面的應(yīng)用研究。他告訴筆者,在數(shù)字出版和知識服務(wù)的全鏈條中,你都能看到人工智能和機器學(xué)習(xí)技術(shù)的身影。
人工智能可以對數(shù)字出版的選題策劃、協(xié)同撰稿、內(nèi)容編審進行賦能。大數(shù)據(jù)標(biāo)注機器人則能對海量文獻信息資源進行OCR文字識別,智能版面分析,知識元抽取,自動分類,自動標(biāo)引主題,自動生成摘要,自動翻譯,自動標(biāo)注引用和參考文獻。
人們熟悉的論文抄襲檢測,同樣需要智能技術(shù)。它不是簡單的語句重復(fù)檢測,而是要對文本內(nèi)容(包括圖片、公式、表格等)進行語義索引,“看你在思想上有沒有抄襲別人”。如果存在不同語言之間的互抄,還需要動用“機器翻譯”。張宏偉表示,初級的語義抄襲可以由機器揪出來,不過,如果足夠有“心機”,完全用自己的語言“洗”了別人的思想,對人工智能的技術(shù)要求一下就提高了許多。目前已有利用神經(jīng)網(wǎng)絡(luò)模型對文本內(nèi)容構(gòu)建高維度語義索引等新技術(shù)出現(xiàn),不管是中文還是英文,一律映射到一個統(tǒng)一的語義空間,實現(xiàn)真正基于內(nèi)容理解的語義級全文比對檢索。
知識庫是智慧社會的基礎(chǔ)設(shè)施
至于在學(xué)術(shù)研究中必不可少的資料索引,看似簡單,也仍然具有技術(shù)含量。
張宏偉說,數(shù)字出版和數(shù)字圖書館的資源類型非常豐富,有大量文本、圖像和音視頻數(shù)據(jù),且數(shù)據(jù)是非結(jié)構(gòu)化的,若想對其進行深度的挖掘利用,難度不小。
深度學(xué)習(xí)等統(tǒng)計方法嚴(yán)重依賴于大樣本數(shù)據(jù),然而,現(xiàn)實世界中,很多實際問題僅僅依靠統(tǒng)計方法是無法解決的,這就需要建立專門的計算機能理解的知識庫,實現(xiàn)真正的人工智能。但構(gòu)建知識庫,本身是一項極其艱難且耗時漫長的工作。畢竟,機器和人對知識的理解方式大相徑庭。
張宏偉說,像知網(wǎng)這樣的機構(gòu)正在致力于深度整合全球知識信息資源,建設(shè)世界知識大數(shù)據(jù)。也在讓文本文獻碎片化、網(wǎng)絡(luò)化,依據(jù)知識使用的場景,采用半自動知識抽取算法來構(gòu)建面向垂直領(lǐng)域的知識圖譜。2019年知網(wǎng)陸續(xù)推出了一些基于知識圖譜的行業(yè)智慧應(yīng)用產(chǎn)品,如醫(yī)療領(lǐng)域的臨床智能診斷,法律領(lǐng)域的智能量刑判案等。
“不過,我們在這些領(lǐng)域剛剛起步。我個人覺得,還是要少一點浮躁,踏踏實實做一些基礎(chǔ)性的工作。沒有知識的支撐,就談不上‘智慧。”在張宏偉看來,知識庫和人工智能,本身就是互相促進、相互賦能的關(guān)系。構(gòu)建知識庫需要人工智能,而人工智能的發(fā)展,也離不開知識庫。怎么將人類的知識庫轉(zhuǎn)換成計算機能理解的知識庫是人工智能的核心問題,面臨許多困難,需要學(xué)術(shù)界和產(chǎn)業(yè)界共同努力。