近日在由斯坦福大學發起的機器閱讀理解競賽SQuAD中，中國平安旗下金融壹賬通GammaLab憑借領先的機器閱讀理解技術成功超過谷歌、微軟亞研院、阿里達摩院、科大訊飛等優秀競爭者位列榜單第一位實現了繼人類情緒理解競賽多次登頂后的又一重大突破。

在本次的SQuAD競賽中，金融壹賬通GammaLab的深度學習模型的閱讀理解能力非常接近人類水平，可以閱讀任何文章并回答問題，精準匹配準確度可達到83.435%，模糊匹配準確度可達到85.992%，而人類水平是86.831%(精確匹配)和89.452%(模糊匹配)。

SQuAD(StanfordQuestion Answering Dataset)被譽為自然語言處理領域金字塔尖的比賽，旨在解決智能搜索的任務，促進智能搜索引擎的發展。

也正因為是業內公認的機器閱讀理解標準水平權威測試，幾乎所有擁有搜索業務的公司都會參加這個比賽來驗證自身的實力。

來自谷歌、微軟亞研院、阿里達摩院、科大訊飛、IBM以及復旦大學等展開角逐。

2016年，斯坦福大學從維基百科上隨機選取了500多篇文章，并進一步細分成兩萬多個段落。隨后采用眾包的方式，由人類閱讀這些文章后，為每個段落提出五個問題，并對段落內的答案進行人工標注，搭建了該項競賽的數據集1.1。

今年6月3日，斯坦福NLP團隊對外宣稱, 機器閱讀理解數據集1.1完成一波更新，已搭建完成SQuAD 2.0。相較于SQuAD 1.1中的10萬問答，SQuAD 2.0又新增了5萬個人類撰寫的問題，而且問題不一定有對應答案。

在SQuAD1.1數據集當中，閱讀理解的主要難點是上下文的語義理解。所提問題的答案并不能靠簡單的近鄰或相似度對答案進行匹配，而是需要通過NLP的語義分析，在考慮前后文信息后從全文中尋找到最合適的答案位置。想要做好這一點，需要算法能力達到人類閱讀理解的思考水平。在此基礎上，SQuAD2.0中新增的無答案的混淆問題進一步提升了該任務的難度。一個問題所對應的段落中有一定概率不存在正確結果，即要算法判斷是否能夠回答，并在此基礎上準確回答問題。

不止是成功斬獲重磅級國際搜索競賽(SQuAD)第一名，金融壹賬通加馬人工智能研究院GammaLab成立不到兩年，其實已經取得累累碩果。

在微表情國際權威評測OMG微表情競賽(One Minute Gradual Emotion Challenge)公布的評測排行榜中，金融壹賬通GammaLab的微表情識別技術取得重大突破，在情緒強烈程度(Arousal)和正負傾向(Valence)兩方面均以最高分的成績位列榜首，獲得世界第一的排名;在2018 EmotioNet 國際面部動作單元(Action Unit， 簡稱AU)識別競賽上，金融壹賬通GammaLab以94.46%的準確率獲得世界第一的排名。

如今，GammaLab作為平安金融壹賬通旗下人工智能研究院，已擁有超過350位精專于大數據、人工智能等領域的專家，累計申請專利技術200多項，發表論文10余篇，推出了多項影響廣泛的人工智能場景化應用。

比如，金融壹賬通GammaLab推出了一款智能音箱——Gamma智能銷售助手。搭載最新的機器閱讀理解技術, 無需任何人工干預，上傳一篇保險文檔即可進行任何問題的語音問答交互，閱讀理解模塊只需秒級即可完成文檔的理解，問答準確率為91.35%，平均業務時間可縮短30%。