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。