程序員：我只想買件沒有格子的襯衫，怎么就這么難？

十三 2020-08-15 13:14:54 來源：量子位

曉查 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

說到程序員著裝，大家會(huì)想到什么？

自然是格子襯衫了。

但一個(gè)外國程序員，終于對(duì)此厭倦，他不想再穿格子襯衫或條紋襯衫，于是他打開了亞馬遜網(wǎng)站，輸入了關(guān)鍵詞“無條紋襯衫”（shirt without stripes），結(jié)果卻是這樣的：

為什么幾乎全部都是帶條紋的襯衫?。?/p>

“一定是我打開的姿勢不對(duì)！”

或者只是亞馬遜的自然語音處理（NLP）技術(shù)不夠好吧。

他又接著嘗試了谷歌和微軟的搜索引擎，結(jié)果卻還是這樣：

反正結(jié)果就算不是襯衫，也一定帶條紋，甚至還搜出了球衣。

如果把關(guān)鍵詞換成“沒有格子的襯衫”（shirt without plaid），結(jié)果還是讓人失望。

是不是感到這個(gè)世界滿滿的惡意？程序員想買個(gè)沒有格子的襯衫怎么就這么難！

接著，這位程序員把搜索結(jié)果上傳到GitHub，短短十個(gè)小時(shí)就獲得了300星。

更讓人沒想到是，這件小小的事情影響范圍還在擴(kuò)大，幾個(gè)小時(shí)就在Hacker News上帶了400多條評(píng)論。

看來有相同槽點(diǎn)想吐的人，并不少。

并且事情也“鬧大”了。

大家發(fā)現(xiàn)，何止搜索引擎，現(xiàn)在你只需一個(gè)“不”就能讓AI助手變“人工智障”。

打開你的Siri，和它說“不要告訴我天氣”，但Siri還是義無反顧地告訴了你天氣狀況。

那么問題來了：為什么AI會(huì)犯如此低級(jí)的錯(cuò)誤呢？

人工智能的盲區(qū)

無論是搜索商品圖片還是詢問天氣，加上了一個(gè)“不”或“無”字，就變得復(fù)雜起來。

這個(gè)“不”到底是哪個(gè)部分做出否定，可能人類也說不清楚。

這類問題屬于“歸因”問題，可能是統(tǒng)計(jì)學(xué)方法不能解決的，這就觸及到機(jī)器學(xué)習(xí)的盲區(qū)了。

在上面的問題中，處理一個(gè)“不”還算比較清晰，但是在一些對(duì)準(zhǔn)確性有要求的領(lǐng)域，會(huì)有很大的問題。

比如“無癌癥證據(jù)”，到底是得到了沒得癌癥的證據(jù)，還是根本沒有證據(jù)呢？

這還算是比較簡單的，人類語言中還有很多雙重否定，有時(shí)候連人自己表達(dá)的時(shí)候都會(huì)犯錯(cuò)。

處理這類問題，不能使用過去的統(tǒng)計(jì)方法，而需要更多關(guān)注語法內(nèi)在的邏輯性，語言學(xué)中的喬姆斯基學(xué)派的研究者就是這么認(rèn)為。

但是涉及此類算法的研究很少，甚至很多從事算法的人對(duì)此并不感興趣。

一些從事機(jī)器學(xué)習(xí)研究的大型公司，他們研究的算法具有很大的適用性，但是在歸因等情況下，他們的語言模型可能會(huì)失敗。

而且神經(jīng)網(wǎng)絡(luò)尚未顯示出對(duì)此問題的改進(jìn)。在說“不”這個(gè)問題上，各家的AI都不能通過圖靈測試，甚至顯得愚蠢。

所以是不是“另有隱情”？

技術(shù)不行還是SEO搗亂

是不是因?yàn)楣雀铔]有在搜索引擎里用上NLP技術(shù)，所以才導(dǎo)致錯(cuò)誤的結(jié)果？

實(shí)際上，谷歌去年10月就已經(jīng)在英文版的搜索引擎里用上了BERT。

過去，谷歌的搜索更多的是基于單個(gè)單詞的理解。

比如“2019 brazil traveler to usa need a visa”，以前的谷歌搜索會(huì)基于visa、usa、brazil這幾個(gè)關(guān)鍵詞，而英文結(jié)果里更多的是美國人咨詢?nèi)グ臀?，所以搜索結(jié)果往往是相反的。

更新后的谷歌能夠理解“to usa”的含義，才能識(shí)別正確的結(jié)果

于是這讓一些網(wǎng)友覺得，谷歌亞馬遜研究多年的NLP技術(shù)不過如此，要理解人類語言還有很長的路要走。

不過，經(jīng)過努力，計(jì)算機(jī)已經(jīng)能夠搞清楚英文里的“無癌癥證據(jù)”（No evidence of cancer、Evidence of no cancer）兩者之間的差別。

當(dāng)然，還有一些技術(shù)之外的因素。

任何搜索引擎都繞不開SEO和廣告問題。

那些賣條紋襯衫的商家會(huì)通過各種優(yōu)化手段，霸占“條紋”和“襯衫”這兩個(gè)關(guān)鍵詞的頭部位置，結(jié)果導(dǎo)致“no”和“without”之類的關(guān)鍵詞被忽略。

一些網(wǎng)友認(rèn)為，是SEO的垃圾信息毀了搜索引擎，同時(shí)廣告還是是谷歌搜索的重要收入來源，谷歌自己可能也無心解決——這一點(diǎn)自然無法妄加揣測。

不過，我們也用最大的中文搜索引擎試了試，發(fā)現(xiàn)也是一樣的結(jié)果：

但往好的一面看，這也意味著時(shí)代之問有解了。

之前，總有人“抬杠”，在智能時(shí)代里，你無法判斷跟你交流的是人類還是AI……

但現(xiàn)在，鑰匙來了：機(jī)器是不能說“不”的。

參考鏈接：

https://news.ycombinator.com/item?id=22925087

https://github.com/elsamuko/Shirt-without-Stripes