“I can't say it makes my blood boil, because I have no blood. But it seems some people naturally suspect technology because it's new. (如果我有血液，它將讓我的血液沸騰。有很多人天然的懷疑新技術，因為這是新的。)”IBM的人工智能辯論系統(tǒng)Project Debater(以下簡稱： Debater)在2018年6月18日在舊金山舉辦的一次公開現(xiàn)場人機辯論賽中，就“遠程醫(yī)療”這一辯論進行陳述時，如此陳詞。

Debater是人類歷史上首次出現(xiàn)的可以與人類對手進行復雜辯論的AI人工智能系統(tǒng)，舊金山辯論賽的人類對手為曾在2016年獲得以色列國家辯論冠軍以色列大四女生Noa Ovadia和以色列國際辯論協(xié)會主席Dan Zafrir。Debater與兩位人類辯手在兩場辯賽中，成功在“是否應該增加使用遠程醫(yī)療”辯論中扭轉了更多現(xiàn)場觀眾的最初觀點。

無論是人類辯手還是Debater，都是現(xiàn)場拿到辯題并臨時準備。現(xiàn)場觀眾的評價是：整體來看，人類辯手的表達更好，但AI辯手傳遞信息量的豐富度則優(yōu)于人類。Debater歷時逾六年研發(fā)，是IBM繼1997年打敗人類國際象棋大師的“Deep Blue”(深藍)和2011年在益智游戲節(jié)目《危險邊緣》國戰(zhàn)勝人類冠軍的“Watson”(中文音譯：沃森)之后的又一里程碑。

顯然，人工智能在國際象棋中要學習的是高度程序化的游戲規(guī)則、在益智游戲節(jié)目中要學習的是冷冰冰的百科知識，而與人類辯論則要理解和掌握人類的政治、文化、法律、宗教、經(jīng)濟甚至是情感和藝術等非理性內(nèi)容，同時還要在短時間內(nèi)完成廣泛而深度的閱讀理解以及長篇陳述表達，表達除要有復雜的邏輯外，還要融入適當?shù)挠哪颓榫w以感染現(xiàn)場觀眾。種種挑戰(zhàn)，如果成功，亦如Debater的闡述：如果我有血液，我的血液將沸騰。

就在2018上海人工智能大會前夕， 筆者采訪了IBM海法研究院的三位科學家，深挖了Project Debater背后的AI技術、科研價值，及其在AI發(fā)展歷程中的地位。

36篇頂級學術論文

【上圖為IBM 海法研究院Project Debater首席研究員Noam Slonim博士(右)、Project Debater全球經(jīng)理Ranit Aharonov博士(左)接受視頻采訪】

Debater是由IBM Research開發(fā)的AI技術集成項目，該項目由IBM研究院以色列海法實驗室于2011年提出。與傳統(tǒng)辯論相同，Debater與人類辯手各有4分鐘陳述自己論點，4分鐘反駁對方論點，2分鐘總結陳詞。

對于給定的主題，Debater系統(tǒng)會在巨大的知識庫內(nèi)進行搜索，尋找最相關的觀點和證據(jù)，然后在其中選擇最吸引人、最多樣化、支持度最高的論點，把這些構建成一個完整的觀點加以敘述。與人類辯手一樣，Debater事先并不知道辯題，在現(xiàn)場只有30分鐘左右的準備時間。當Debater知道了辯題后的30分鐘之內(nèi)，就會通過自己的算法在知識庫和語料庫中搜索，形成有利于自己論點的論證。

六年來，IBM研究院團隊為Debater系統(tǒng)賦予了三種能力，每種能力都可開創(chuàng)新的人工智能領域：數(shù)據(jù)驅動的演講稿撰寫和表達——Debater第一次證實了計算機能夠消化海量語料庫，針對給定的有爭議的簡短主題描述，能夠撰寫結構良好的演講內(nèi)容，并清晰且有針對性地表達出來，甚至還會適時地展現(xiàn)幽默感;聽力理解——能夠識別長段連續(xù)口語中隱含的重要概念和觀點;模擬人類困境——通過獨特的知識表達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。

截止到2018年9月，Debater項目一共在6大研究領域誕生了36篇國際性學術論文以及相關的數(shù)據(jù)集。

其中，在海量語料庫挖掘辯論內(nèi)容領域(Argument Mining)，涉及：在語料庫中偵測論點、在語料庫中自動偵測證據(jù)、自動否認論點、通過循環(huán)預測進行論點綜合分析、整個語料庫中無監(jiān)督式論點偵測、弱監(jiān)督式論點內(nèi)容搜索引擎、用自然語言計算辯論質量、辯論質量評估、用聯(lián)合推理模型進行辯論關系分類等9篇學術論文。

在深度神經(jīng)網(wǎng)絡和弱監(jiān)督領域，涉及：用弱監(jiān)督學習抽象概念、用弱監(jiān)督學習訓練辯論內(nèi)容搜索引擎、用于提高辯論內(nèi)容挖掘神經(jīng)網(wǎng)絡的高質量人工標注數(shù)據(jù)與低質量自動產(chǎn)生數(shù)據(jù)的混合、近似句偵測、語音輸出時的強調詞預測和強調句預測、辯論表達時的停頓預測、自動辯論內(nèi)容識別、辯論打分等9篇國際學術論文。

在自然語言處理領域，涉及：用概念圖譜表達文本語義的相關性、偵測辯論結構和框架等4篇國際學術論文。在文本到語音轉換領域，涉及：改進演講稿模型等3篇國際學術論文。此外，還產(chǎn)生了7篇數(shù)據(jù)集相關的國際學術論文。

IBM海法研究院Project Debater首席研究員Noam Slonim博士表示，盡管是六年之前開始Debater的研究，但時值今日依然認為一切工作才剛剛起步，就計算辯論本身而言就有太多有趣的問題等待被發(fā)掘。

找到用于決策的有效信息

(上圖為IBM 海法研究院AI Tech副總裁Aya Soffer博士接受視頻采訪)

AI領域的重大挑戰(zhàn)是什么?在AI領域應該關注什么樣的人類難題，從而以關注的難題去推動AI領域的下一步發(fā)展?

IBM海法研究院AI Tech副總裁Aya Soffer博士表示，在真實的世界中并不需要回答很多瑣碎的問題，而是要回答真正重要的問題，從而做出真正重要的決策。從海量信息中找到有助于正確決策的信息，是非常困難的：首先，能幫助人們做出正確決策的信息量本來就少;其次，如何找到這些信息就更加困難。因此，從對于決策的重要性出發(fā)，IBM研究院六年前確定要把辯論作為AI的下一個重大挑戰(zhàn)做研究，并且使得AI擁有辯論的功能和用途。

辯論是一個開放式的挑戰(zhàn)，這與之前AI所解決的挑戰(zhàn)完全不同。之前的AI挑戰(zhàn)總是有具體的衡量指標用于判斷輸贏，而在辯論中則沒有明確的辦法進行打分。辯論中就像實際的商業(yè)決策一樣，沒有清晰而簡單標準，可以用分數(shù)高低衡量輸贏。Debater項目的本身目標就是建立一個系統(tǒng)，幫助人們在答案不是非黑即白時，作出基于證據(jù)的決定。

辯論在算法方面的重大挑戰(zhàn)包括Debater要能聽長達4分鐘的內(nèi)容，對方人類辯手在講的過程中可能是很快的語速，充滿激情的演說，同時還帶有道德性、倫理性陳述，Debater要在聽力理解中做到能夠理解對方所表達的主旨。這與業(yè)界所熟悉的個人智能助手完全不同，因為像個人智能助手類AI只需要聽懂一句話就可以，比如開燈、關燈，而Debater要在很長的語句中聽懂對方的主旨。

此外，在辯論開始時要做一個本方觀點開場白，即觀點陳述文章，要求Debater具有自動寫成功能，可以具有說服力的清晰地闡述。Debater還總結了人類專家辯手的一些共性，進行模擬、建模后注入到系統(tǒng)中，就形成了一個知識圖譜。一旦開始辯論，Debater就可以在已經(jīng)形成的知識圖譜中進行索引和導航，找到可以支撐觀點的證據(jù)。

走近人類的智慧

“關于AI的下一步，就是智慧上越來越接近人類。我覺得Debater是一個很好的例子，它展示了我們?nèi)绾谓淌跈C器，只要有充足的時間、充分的數(shù)據(jù)和算法就可以充分前進。”Aya Soffer表示。

就Debater本身的下一步發(fā)展，Noam Slonim表示，人類的辯論能力包括三個部分，也就是幾千年前亞里士多德提出的辯論三原則：邏輯(logos)、表達(ethos)、情感(pathos)。亞里士多德曾經(jīng)指出辯論術是對話中辯駁的技術，而修辭學則是演講中說服的技術，兩者在表現(xiàn)形式上不同，但卻有著內(nèi)在的一致性。現(xiàn)在的AI還只能關注到邏輯本身，而對于自己的立場、向對方傳達信息時所帶有的色彩、傳遞方式和修辭表達方式的研究還很少。

今天的Debater仍然是一個初級階段，但已經(jīng)能夠向世界展示它的可行性和可達到性。那么，Debater之后的下一個挑戰(zhàn)是什么?

Aya Soffer認為，下一個挑戰(zhàn)就是要讓人工智能更像人類。就好像一個小孩子去上學，看了兩三張大象的圖片后，學會了從不同的角度看大象，那么再下一次再看到大象的圖片，即使是其它的角度也能知道這是大象，也就是人可以理解概念，并且在概念的基礎上學以致用到新的領域，這種開放域的強應用能力是目前機器不具備的。

目前AI再發(fā)達，尚不能把概念進行學以致用的應用。IBM研究員們希望AI下一步的發(fā)展是從比較窄的例子上學習，而后擴展到比較寬泛的領域、跨不同領域的應用，以及能夠從概念上學習。這不是再學習的能力，而是具備能夠自行推理的能力。

對于Debater的商業(yè)應用，將有助于各類決策。辯論本身不是源于沖突和競爭，而是源于更有建設性的討論。辯論豐富了決策制定的過程，幫助人們權衡新想法、新理念的利弊。辯論不只是為了說服他人，也是為了理解和學習彼此的觀點，做出更加無偏見的決策。

IBM海法研究院Project Debater全球經(jīng)理Ranit Aharonov博士表示，Debater的可能商業(yè)應用范圍包括：金融顧問，通過Debater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;律師，借助Debater來尋找相關案件和主張，或借助Debater模擬法庭辯論來分析優(yōu)勢和劣勢;公共事務決策，通過Debater公正的優(yōu)/缺點分析和對人類困境的模擬，為決策提供基于事實、沒有人為偏見的觀點;企業(yè)決策，通過Debater拓寬思路，在關鍵決策中納入可能沒有考慮到的新觀點等。

展望未來，雖然計算辯論是一個嶄新的科學領域，但是所支持的是人類非常古老和傳統(tǒng)的辯論文化。對于計算辯論的研究，無論是人工智能本身，還是研究學者，都是“熱血沸騰”式里程碑式，將對人類的前途有著深遠的意義和影響。