谷歌最新黑科技LaMDA，能讓你的語音助手不再智障嗎？

編者按：本文來自微信公眾號“騰訊研究院”（ID:cyberlawrc），作者：王煥超，36氪經授權發布。

到了今天，已經很少有人會把“智能語音助手”當回事，更多人把它看作是“智障”的同義詞。

自蘋果的Siri在2016年發布以來，相關技術一輪又一輪地革新，模仿者一個又一個地出現。但智能助手的智能化程度，並沒有我們想像中提升得那麼快。

不斷失望之後，我們的要求也越來越低，除了讓它幫忙訂一個明早8:00的鬧鐘或打開某個App，已經別無他望。

最近熱播的《愛，死亡和機器人》第2季，在第1集中也告訴了我們一個智障的語音助手會帶來多嚴重的後果：在清潔機器人“發瘋”並開始無差別攻擊之後，女主人打電話給智能客服，不但沒能解決任何問題，反而一直在添亂，最終靠人的力量才勉強逃出生天。啊，難道說，我們未來仍然要承受這麼智障的語音助手嗎？

好在事情出現了轉機。美國時間2021年5月18日，一年一度的谷歌I/O大會如期而至。在一眾產品和技術之間，LaMDA並不起眼，但它卻可能是智障語音助手的拯救者。

LaMDA究竟是什麼？

LaMDA的全稱是LanguageModel for Dialogue Applications，簡單而言，它是一種能力更強的語言模型，適用於對話應用程序。

與前輩BERT、GPT-3一樣，LaMDA也基於Transformer架構。後者是谷歌公司於2017年發布並開源的神經網絡架構。利用該架構生成的模型，可以被訓練閱讀一組單詞（比如一句話或一個段落），並且關注這些單詞之間的聯系，然後預測接下來會是什麼單詞。[1]與其他模型不同的是，LaMDA在對話方面接受了更多訓練。

在展開介紹之前，我們需要仔細想想，現有的語音助手為何如此“智障”？

智障的根本原因是技術能力不足，具體表現為“文不對題”——不能給我們想要的答案，這一點相對還好解決，只要加大訓練量就能逐漸優化。但另一個更難以解決的問題是，語音智能助手只會孤立地理解我們提出的問題，並且孤立地給出答案。換句話說，你不能指望它聯繫上下文語境，跟我們進行長時間的“連續對話”。

要知道，我們在現實中的對話場景是完全開放性的，經常是從一個主題出發，延伸到另一個主題，最後在完全不相關的主題結束。比如，我們見到一個朋友，常常以“你吃飯了沒？”打頭，聊到前幾天推出的一款新游戲，最後打算週末約一場電影。

現實對話的開放性特徵，使之成為機器學習領域最難解決的問題之一。它涉及到一項很重要的能力，即自然語言理解（NLU），要求AI能夠進行語義語境情感的判斷，這是比自然語言處理（NLP）還要復雜的能力。

而現在大多數智能助手，往往按照狹窄的、預先定義好的對話路徑被設計，並不能進行開放對話、連續對話。這就是它們看起來還相當智障的原因。

而LaMDA就針對這一問題進行了技術突破。LaMDA基於谷歌2020年的一項研究[2]，這項研究顯示，基於Transformer架構的語言模型在經過對話訓練後，能夠談論幾乎所有話題。

在訓練的過程中，LaMDA發現了開放式對話與其他形式語言的細微差別。它最為核心的，就是進行“開放域”（Open Domain）對話的能力。而這項能力的重要依託，就是相比於現有的對話模型，LaMDA更能理解對話的語境。它可以通過閱讀句子或段落來“破譯”對話意圖，發現單詞之間的關聯，並能預測接下來可能出現的單詞，從而做出合乎語境的回答。

在這樣的能力支撐下，LaMDA能夠和人在無窮無盡的話題轉換中聊下去，進行長時間的開放性對話。用谷歌官方的話來形容，就是“能夠用自由流動的方式，談論無窮無盡的主題”。

從“冥王星”到“紙飛機”

在本次谷歌I/O大會上，LaMDA充分展示了強悍的對話能力。[3]演示環節中，LaMDA扮演了冥王星的角色，與用戶進行對話。

在示例場景中，LaMDA能夠根據用戶的提問作出精準回答，而且還能夠將一個主題，引向另一個主題，不斷推進對話。這種主題的過渡並不突兀，顯得自然而合理。

當被問到：“你希望大家瞭解你的哪一面？”

它這樣回答：“我希望人們知道我不僅僅是一顆隨機的冰球（random ice ball），我實際上是一個美麗的星球。”

對於“冥王星之前是否有過到訪者”的問題，LaMDA也能給出准確的答案。它甚至還貼心地提醒用戶，如果要訪問冥王星，需要帶上大衣，因為它非常冷。

這種對話給人的感覺，就像是在和一個知識淵博的朋友聊天。雖然話題天花亂墜、不斷湧現，但LaMDA總能接住話茬，並且自然而然地展開對話。

在另一個演示中，LaMDA也展現了高超的對話能力。

在這個演示中，LaMDA扮演的角色是一架紙飛機。當用戶問，你曾經最糟糕的著陸地點是什麼？它回答說：“可能是一個小水窪（puddle）。”

當被用戶問到：“一架真正好的紙飛機的秘訣是什麼？”

它主動追問用戶：“‘好’是什麼意思？”，體現了足夠的靈活和機敏。

用戶回答：“我關心距離（distance）。”LaMDA進而圍繞“如何優化紙飛機的飛行距離”這一話題，分享了相關知識。

要知道，LaMDA的這些回復都不是預先設定的，而是自然生成的。這也就意味著，LaMDA不必再經過專門的訓練才能進行另一次對話，也不會作出重復的回答。這樣的能力確實令人驚奇。

這兩個示例中，僅憑寥寥幾語就能看出LaMDA使問題應答更有意義了，而這就是理解對話語境能力帶來的結果。在這樣的能力輔助下，LaMDA表現得相當理智和機敏。

谷歌公司也表示，理智和特異性並不是LaMDA所追求的唯一品質。他們還注重洞察力、幽默感等能力。與此同時，谷歌也非常關注事實性問題，也就是LaMDA的回答是否符合事實。[4]畢竟對於一個語音助手來說，有趣很重要，正確更重要。

LaMDA的前路仍然遙遠

無論是更先進的AI還是更智能的聊天機器人，谷歌在過去幾年一直在著力促進AI如何更好地與人類溝通。

皮查伊在演講中提到，語言的豐富性和靈活性正在使其成為人類最偉大的工具之一，同時，它也成為計算科學的最大挑戰之一。雖然現在LaMDA可以根據對話語境提供建議和答案，讓對話不違和地進行下去，但它仍在研發初期，想要達到AI助手的功能，還需要時間的磨合。

問題是，提升AI助手的對話能力，究竟有什麼意義？至少對於谷歌而言，這項能力作用重大，因為谷歌的很多重要產品都與信息檢索有關，它們都基於對計算語言的解讀，無論是翻譯能力，還是對用戶檢索信息的理解。如果谷歌能讓AI更好地理解語言，那麼它就能改進相關的核心產品，比如Google Search、Assistant和Workspace。“它甚至可以將搜索變成對話，更自然流暢。”皮查伊如是說。

當然也不單單是對谷歌一家公司，對話能力的進步突破，無疑會給所有涉及到人機對話的領域帶來全新想像力。

但語言的豐富性、靈活性以及隨之伴生的復雜性，無疑使這項工作成為極大的挑戰。可以說，面對這樣一個困難領域，LaMDA的能力還稱不上成熟。在現實運行中，它仍可能出錯，給出荒謬的回應。

比如，在扮演冥王星的演示案例中，它就說到自己跳得很高（jump really high），經常練習翻轉動作，並且很樂於用它最喜歡的球——月球來玩接球游戲。這些回答顯然是違背常識的。

除此之外，作為語言模型，LaMDA也無可避免地面臨一些AI的老問題。比如它可能會被濫用或者傳播偏見。算法偏見是個極為復雜的問題，既可能源於算法結構設計，也可能是訓練數據集的問題，它的本質是社會偏見在算法層面的延伸。

如谷歌所言，“語言可能是人類最偉大的工具之一，但像所有工具一樣，它可能會被濫用。接受語言訓練的模型可能傳播這種濫用行為——例如，通過內化偏見、反映仇恨言論或復制誤導性信息。即使它所訓練的語言經過仔細審查，模型本身仍然可能不被善用。”[5]

當然，LaMDA還會面臨許多意想不到的現實風險。比如被違法犯罪分子用於網絡欺詐，類似的新聞已經屢見不鮮。更仿真的對話能力，也就意味著更強大的欺詐能力。

即便在技術層面，LaMDA也有更大的優化空間。目前，LaMDA主要是圍繞文本對話進行構建的，在未來，LaMDA可能會兼容其他的媒介形態，包括圖像、音頻、視頻等等。這可以寄希望於同在本次大會發布的MUM（多任務統一模型），未來人機交互手段或許會因這兩項技術而出現革命性的變化。

LaMDA的具體作用如何，還待進一步觀察，畢竟Google之前有過黑歷史（2017年，Google發布了餐廳訂位服務AI Duplex，後來被發現背後有真人幫忙完成[6]）。不過，人們和AI進行更自然、開放的對話，相信已經不再遙遠了。

參考資料：

1.https://www.blog.google/technology/ai/lamda

2.https://ai.googleblog.com/2020/01/towards-conversational-agent-that-can.html

3.https://www.youtube.com/watch?v=aUSSfo5nCdM

4.https://www.blog.google/technology/ai/lamda

5.https://www.blog.google/technology/ai/lamda

6. https://wallstreetcn.com/articles/3567850

本文經授權發布，不代表36氪立場。

如若轉載請註明出處。來源出處：36氪