晓查发自凹非寺
量子位报道公众号 QbitAI
说到程序员着装，大家会想到什么？
自然是格子衬衫了。
但一个外国程序员，终于对此厌倦，他不想再穿格子衬衫或条纹衬衫，于是他打开了亚马逊网站，输入了关键词“无条纹衬衫”（shirt without stripes），结果却是这样的：
为什么几乎全部都是带条纹的衬衫啊？
“一定是我打开的姿势不对！”
或者只是亚马逊的自然语音处理（NLP）技术不够好吧。
他又接着尝试了谷歌和微软的搜索引擎，结果却还是这样：
反正结果就算不是衬衫，也一定带条纹，甚至还搜出了球衣。
如果把关键词换成“没有格子的衬衫”（shirt without plaid），结果还是让人失望。
是不是感到这个世界满满的恶意？程序员想买个没有格子的衬衫怎么就这么难！
接着，这位程序员把搜索结果上传到 GitHub，短短十个小时就获得了 300 星。
更让人没想到是，这件小小的事情影响范围还在扩大，几个小时就在 Hacker News 上带了 400 多条评论。
看来有相同槽点想吐的人，并不少。
并且事情也“闹大”了。
大家发现，何止搜索引擎，现在你只需一个“不”就能让 AI 助手变“人工智障”。
打开你的 Siri，和它说“不要告诉我天气”，但 Siri 还是义无反顾地告诉了你天气状况。
那么问题来了：为什么 AI 会犯如此低级的错误呢？
人工智能的盲区
无论是搜索商品图片还是询问天气，加上了一个“不”或“无”字，就变得复杂起来。
这个“不”到底是哪个部分做出否定，可能人类也说不清楚。
这类问题属于“归因”问题，可能是统计学方法不能解决的，这就触及到机器学习的盲区了。
在上面的问题中，处理一个“不”还算比较清晰，但是在一些对准确性有要求的领域，会有很大的问题。
比如“无癌症证据”，到底是得到了没得癌症的证据，还是根本没有证据呢？
这还算是比较简单的，人类语言中还有很多双重否定，有时候连人自己表达的时候都会犯错。
处理这类问题，不能使用过去的统计方法，而需要更多关注语法内在的逻辑性，语言学中的乔姆斯基学派的研究者就是这么认为。
但是涉及此类算法的研究很少，甚至很多从事算法的人对此并不感兴趣。
一些从事机器学习研究的大型公司，他们研究的算法具有很大的适用性，但是在归因等情况下，他们的语言模型可能会失败。
而且神经网络尚未显示出对此问题的改进。在说“不”这个问题上，各家的 AI 都不能通过图灵测试，甚至显得愚蠢。
所以是不是“另有隐情”？
技术不行还是 SEO 捣乱
是不是因为谷歌没有在搜索引擎里用上 NLP 技术，所以才导致错误的结果？
实际上，谷歌去年 10 月就已经在英文版的搜索引擎里用上了 BERT。
过去，谷歌的搜索更多的是基于单个单词的理解。
比如“2019 brazil traveler to usa need a visa”，以前的谷歌搜索会基于 visa、usa、brazil 这几个关键词，而英文结果里更多的是美国人咨询去巴西，所以搜索结果往往是相反的。
更新后的谷歌能够理解“to usa”的含义，才能识别正确的结果
于是这让一些网友觉得，谷歌亚马逊研究多年的 NLP 技术不过如此，要理解人类语言还有很长的路要走。
不过，经过努力，计算机已经能够搞清楚英文里的“无癌症证据”（No evidence of cancer、Evidence of no cancer）两者之间的差别。
当然，还有一些技术之外的因素。
任何搜索引擎都绕不开SEO和广告问题。
那些卖条纹衬衫的商家会通过各种优化手段，霸占“条纹”和“衬衫”这两个关键词的头部位置，结果导致“no”和“without”之类的关键词被忽略。
一些网友认为，是 SEO 的垃圾信息毁了搜索引擎，同时广告还是是谷歌搜索的重要收入来源，谷歌自己可能也无心解决——这一点自然无法妄加揣测。
不过，我们也用最大的中文搜索引擎试了试，发现也是一样的结果：
但往好的一面看，这也意味着时代之问有解了。
之前，总有人“抬杠”，在智能时代里，你无法判断跟你交流的是人类还是 AI……
但现在，钥匙来了：机器是不能说“不”的。
参考链接：
阅读(368) | 评论(0) | 转发(0) |
