华院首席科学家：中文或是人类面对人工智能的最后壁垒-集智俱乐部的财新博客-财新网

文 | 吴迪

“语言可能是人类面对人工智能最后的壁垒，尤其是中文。”

在3月18日集智俱乐部在中央财经大学学术会堂举办的公开讲座上，华院数据首席数据科学家尹相志结合NLU（Natural Language Understanding，自然语言理解）在金融领域的应用之处侃侃而谈。在阿尔法狗在围棋领域击败人类之后，人类又一引以为傲的智慧壁垒被攻破，那么究竟有没有一个领域是人工智能暂时无法企及人类的？尹相志给出的答案是中文。

NLP（Natural Language Processing，自然语言处理）是人工智能的一个子领域，也是人工智能中最为困难的问题之一，“语言本身就是一种特殊的数据，它本身就覆盖着意义，我们需要提取的是语言的意义，而不是语言的符号形式。”

而NLU将通过对自然语言的理解，实现极佳的人机交互体验，将人类从无聊、繁琐但必要的事务性工作中解脱出来。

新时代的“孔乙己之问”：形容「物流很快」有几种说法？

金融从业者每天一早就要读报表、新闻，写出晨报或纪要；而一个医生每天也要对病房、病人的情况进行记录，并进行分析。这些“繁琐但必要”的工作，正是NLU的用武之地。

“人工智能首先替代的不是体力劳动。”尹相志说。人工智能将首先攻陷重复劳动较多、毛利率较高的行业，例如金融、医疗。

传统的NLU技术往往采用穷举法，在尹相志看来，这一招对于神秘莫测、巨量词汇的中文不管用。

“想想看，在电商网站的评论中，形容「物流很快」有几种说法？”尹相志的这个提问，让人想起了鲁迅《孔乙己》中的「孔乙己之问」：茴香豆的茴有几种写法？

这两个问题的不同点是，「孔乙己之问」相对封闭，可以通过穷举法轻松回答，而由于中文词汇的多义性，“尹相志之问”则几乎不可能通过穷举法回答，“我们分析，形容「物流很快」至少有3600种说法，比如「第二天就到了」「物流很给力」「给快递点赞」等等，这就给NLU技术提出了很高的考验。”

汉语表达的多样性

金融业NLU应用痛点：实体/关系识别

“对于人工智能，最难的就是理解语言中不同代词的具体所指。”尹相志举例说，在一段文字中，可能出现多个「公司」的单词，那么人工智能就要判断这些「公司」分别是什么公司，而它们之间又是什么关系，这样才能真正理解一段文字。

尹相志说，在金融业的法金授信、二级市场分析、个人资料掩码、授信照会、投资研究等实际工作中，都可以由NLU对实体、关系进行识别。同样的工作如果由人工来做，难免出现疏漏、错误，并且会产生高昂的时间和工资成本。

词向量：NLU的华丽杀招

NLU的核心命题，在于将语言符号数字化。因此，人们利用计算机工具，将词变成了“词向量”，这种方法把每个词表示为一个很长的向量。这个向量的维度是词表大小，其中绝大多数元素为 0，只有一个维度的值为 1，然后透过深度学习将高达数百维度的超大向量压缩至200~300维，这样高度压缩的结构就是词向量，这个维度就代表了当前的词。通过阅读“词向量”，人工智能可以把语言“可视化”。

“透过自然语言整理知识图谱，知识图谱再透过自然语言进行推理，是人工智能的下一波增长点。”尹相志预测。

除了语义模拟之外，尹相志还举例介绍了如何利用词向量快速生成实体列表与商务规则。为了消灭歧义，可引入语义增强、语义消歧两种手段。