“I can't say it makes my blood boil, because I have no blood. But it seems some people naturally suspect technology because it's new. （如果我有血液，它將讓我的血液沸騰。有很多人天然的懷疑新技術(shù)，因為這是新的。）”IBM的人工智能辯論系統(tǒng)Project Debater（以下簡稱：Debater）在2018年6月18日在舊金山舉辦的一次公開現(xiàn)場人機辯論賽中，就“遠程醫(yī)療”這一辯論進行陳述時，如此陳詞。

（上圖為2018年6月18日舊金山舉辦的Project Debater人機辯論公開賽）

Debater是人類歷史上首次出現(xiàn)的可以與人類對手進行復(fù)雜辯論的AI人工智能系統(tǒng)，舊金山辯論賽的人類對手為曾在2016年獲得以色列國家辯論冠軍以色列大四女生Noa Ovadia和以色列國際辯論協(xié)會主席Dan Zafrir。Debater與兩位人類辯手在兩場辯賽中，成功在“是否應(yīng)該增加使用遠程醫(yī)療”辯論中扭轉(zhuǎn)了更多現(xiàn)場觀眾的最初觀點。

無論是人類辯手還是Debater，都是現(xiàn)場拿到辯題并臨時準備?，F(xiàn)場觀眾的評價是：整體來看，人類辯手的表達更好，但AI辯手傳遞信息量的豐富度則優(yōu)于人類。Debater歷時逾六年研發(fā)，是IBM繼1997年打敗人類國際象棋大師的“Deep Blue”（深藍）和2011年在益智游戲節(jié)目《危險邊緣》國戰(zhàn)勝人類冠軍的“Watson”（中文音譯：沃森）之后的又一里程碑。

顯然，人工智能在國際象棋中要學(xué)習(xí)的是高度程序化的游戲規(guī)則、在益智游戲節(jié)目中要學(xué)習(xí)的是冷冰冰的百科知識，而與人類辯論則要理解和掌握人類的政治、文化、法律、宗教、經(jīng)濟甚至是情感和藝術(shù)等非理性內(nèi)容，同時還要在短時間內(nèi)完成廣泛而深度的閱讀理解以及長篇陳述表達，表達除要有復(fù)雜的邏輯外，還要融入適當(dāng)?shù)挠哪颓榫w以感染現(xiàn)場觀眾。種種挑戰(zhàn)，如果成功，亦如Debater的闡述：如果我有血液，我的血液將沸騰。

就在2018上海人工智能大會前夕，筆者采訪了IBM海法研究院的三位科學(xué)家，深挖了Project Debater背后的AI技術(shù)、科研價值，及其在AI發(fā)展歷程中的地位。

36篇頂級學(xué)術(shù)論文

【上圖為IBM 海法研究院Project Debater首席研究員Noam Slonim博士（右）、Project Debater全球經(jīng)理Ranit Aharonov博士（左）接受視頻采訪】

Debater是由IBM Research開發(fā)的AI技術(shù)集成項目，該項目由IBM研究院以色列海法實驗室于2011年提出。與傳統(tǒng)辯論相同，Debater與人類辯手各有4分鐘陳述自己論點，4分鐘反駁對方論點，2分鐘總結(jié)陳詞。

對于給定的主題，Debater系統(tǒng)會在巨大的知識庫內(nèi)進行搜索，尋找最相關(guān)的觀點和證據(jù)，然后在其中選擇最吸引人、最多樣化、支持度最高的論點，把這些構(gòu)建成一個完整的觀點加以敘述。與人類辯手一樣，Debater事先并不知道辯題，在現(xiàn)場只有30分鐘左右的準備時間。當(dāng)Debater知道了辯題后的30分鐘之內(nèi)，就會通過自己的算法在知識庫和語料庫中搜索，形成有利于自己論點的論證。

六年來，IBM研究院團隊為Debater系統(tǒng)賦予了三種能力，每種能力都可開創(chuàng)新的人工智能領(lǐng)域：數(shù)據(jù)驅(qū)動的演講稿撰寫和表達——Debater第一次證實了計算機能夠消化海量語料庫，針對給定的有爭議的簡短主題描述，能夠撰寫結(jié)構(gòu)良好的演講內(nèi)容，并清晰且有針對性地表達出來，甚至還會適時地展現(xiàn)幽默感；聽力理解——能夠識別長段連續(xù)口語中隱含的重要概念和觀點；模擬人類困境——通過獨特的知識表達方式來模擬人類爭議和困境，使系統(tǒng)能夠根據(jù)需要提出有原則的論點。

截止到2018年9月，Debater項目一共在6大研究領(lǐng)域誕生了36篇國際性學(xué)術(shù)論文以及相關(guān)的數(shù)據(jù)集。

其中，在海量語料庫挖掘辯論內(nèi)容領(lǐng)域（Argument Mining），涉及：在語料庫中偵測論點、在語料庫中自動偵測證據(jù)、自動否認論點、通過循環(huán)預(yù)測進行論點綜合分析、整個語料庫中無監(jiān)督式論點偵測、弱監(jiān)督式論點內(nèi)容搜索引擎、用自然語言計算辯論質(zhì)量、辯論質(zhì)量評估、用聯(lián)合推理模型進行辯論關(guān)系分類等9篇學(xué)術(shù)論文。

在深度神經(jīng)網(wǎng)絡(luò)和弱監(jiān)督領(lǐng)域，涉及：用弱監(jiān)督學(xué)習(xí)抽象概念、用弱監(jiān)督學(xué)習(xí)訓(xùn)練辯論內(nèi)容搜索引擎、用于提高辯論內(nèi)容挖掘神經(jīng)網(wǎng)絡(luò)的高質(zhì)量人工標注數(shù)據(jù)與低質(zhì)量自動產(chǎn)生數(shù)據(jù)的混合、近似句偵測、語音輸出時的強調(diào)詞預(yù)測和強調(diào)句預(yù)測、辯論表達時的停頓預(yù)測、自動辯論內(nèi)容識別、辯論打分等9篇國際學(xué)術(shù)論文。

在自然語言處理領(lǐng)域，涉及：用概念圖譜表達文本語義的相關(guān)性、偵測辯論結(jié)構(gòu)和框架等4篇國際學(xué)術(shù)論文。在文本到語音轉(zhuǎn)換領(lǐng)域，涉及：改進演講稿模型等3篇國際學(xué)術(shù)論文。此外，還產(chǎn)生了7篇數(shù)據(jù)集相關(guān)的國際學(xué)術(shù)論文。

IBM海法研究院Project Debater首席研究員Noam Slonim博士表示，盡管是六年之前開始Debater的研究，但時值今日依然認為一切工作才剛剛起步，就計算辯論本身而言就有太多有趣的問題等待被發(fā)掘。

找到用于決策的有效信息

（上圖為IBM海法研究院AI Tech副總裁Aya Soffer博士接受視頻采訪）

AI領(lǐng)域的重大挑戰(zhàn)是什么？在AI領(lǐng)域應(yīng)該關(guān)注什么樣的人類難題，從而以關(guān)注的難題去推動AI領(lǐng)域的下一步發(fā)展？

IBM海法研究院AI Tech副總裁Aya Soffer博士表示，在真實的世界中并不需要回答很多瑣碎的問題，而是要回答真正重要的問題，從而做出真正重要的決策。從海量信息中找到有助于正確決策的信息，是非常困難的：首先，能幫助人們做出正確決策的信息量本來就少；其次，如何找到這些信息就更加困難。因此，從對于決策的重要性出發(fā)，IBM研究院六年前確定要把辯論作為AI的下一個重大挑戰(zhàn)做研究，并且使得AI擁有辯論的功能和用途。

辯論是一個開放式的挑戰(zhàn)，這與之前AI所解決的挑戰(zhàn)完全不同。之前的AI挑戰(zhàn)總是有具體的衡量指標用于判斷輸贏，而在辯論中則沒有明確的辦法進行打分。辯論中就像實際的商業(yè)決策一樣，沒有清晰而簡單標準，可以用分數(shù)高低衡量輸贏。Debater項目的本身目標就是建立一個系統(tǒng)，幫助人們在答案不是非黑即白時，作出基于證據(jù)的決定。

辯論在算法方面的重大挑戰(zhàn)包括Debater要能聽長達4分鐘的內(nèi)容，對方人類辯手在講的過程中可能是很快的語速，充滿激情的演說，同時還帶有道德性、倫理性陳述，Debater要在聽力理解中做到能夠理解對方所表達的主旨。這與業(yè)界所熟悉的個人智能助手完全不同，因為像個人智能助手類AI只需要聽懂一句話就可以，比如開燈、關(guān)燈，而Debater要在很長的語句中聽懂對方的主旨。

此外，在辯論開始時要做一個本方觀點開場白，即觀點陳述文章，要求Debater具有自動寫成功能，可以具有說服力的清晰地闡述。Debater還總結(jié)了人類專家辯手的一些共性，進行模擬、建模后注入到系統(tǒng)中，就形成了一個知識圖譜。一旦開始辯論，Debater就可以在已經(jīng)形成的知識圖譜中進行索引和導(dǎo)航，找到可以支撐觀點的證據(jù)。

走近人類的智慧

“關(guān)于AI的下一步，就是智慧上越來越接近人類。我覺得Debater是一個很好的例子，它展示了我們?nèi)绾谓淌跈C器，只要有充足的時間、充分的數(shù)據(jù)和算法就可以充分前進?！盇ya Soffer表示。

就Debater本身的下一步發(fā)展，Noam Slonim表示，人類的辯論能力包括三個部分，也就是幾千年前亞里士多德提出的辯論三原則：邏輯（logos）、表達（ethos）、情感（pathos）。亞里士多德曾經(jīng)指出辯論術(shù)是對話中辯駁的技術(shù)，而修辭學(xué)則是演講中說服的技術(shù)，兩者在表現(xiàn)形式上不同，但卻有著內(nèi)在的一致性?，F(xiàn)在的AI還只能關(guān)注到邏輯本身，而對于自己的立場、向?qū)Ψ絺鬟_信息時所帶有的色彩、傳遞方式和修辭表達方式的研究還很少。

今天的Debater仍然是一個初級階段，但已經(jīng)能夠向世界展示它的可行性和可達到性。那么，Debater之后的下一個挑戰(zhàn)是什么？

Aya Soffer認為，下一個挑戰(zhàn)就是要讓人工智能更像人類。就好像一個小孩子去上學(xué)，看了兩三張大象的圖片后，學(xué)會了從不同的角度看大象，那么再下一次再看到大象的圖片，即使是其它的角度也能知道這是大象，也就是人可以理解概念，并且在概念的基礎(chǔ)上學(xué)以致用到新的領(lǐng)域，這種開放域的強應(yīng)用能力是目前機器不具備的。

目前AI再發(fā)達，尚不能把概念進行學(xué)以致用的應(yīng)用。IBM研究員們希望AI下一步的發(fā)展是從比較窄的例子上學(xué)習(xí)，而后擴展到比較寬泛的領(lǐng)域、跨不同領(lǐng)域的應(yīng)用，以及能夠從概念上學(xué)習(xí)。這不是再學(xué)習(xí)的能力，而是具備能夠自行推理的能力。

對于Debater的商業(yè)應(yīng)用，將有助于各類決策。辯論本身不是源于沖突和競爭，而是源于更有建設(shè)性的討論。辯論豐富了決策制定的過程，幫助人們權(quán)衡新想法、新理念的利弊。辯論不只是為了說服他人，也是為了理解和學(xué)習(xí)彼此的觀點，做出更加無偏見的決策。

IBM海法研究院Project Debater全球經(jīng)理Ranit Aharonov博士表示，Debater的可能商業(yè)應(yīng)用范圍包括：金融顧問，通過Debater找出金融事實，用以支持或反對金融分析師所思考的金融投資選擇；律師，借助Debater來尋找相關(guān)案件和主張，或借助Debater模擬法庭辯論來分析優(yōu)勢和劣勢；公共事務(wù)決策，通過Debater公正的優(yōu)/缺點分析和對人類困境的模擬，為決策提供基于事實、沒有人為偏見的觀點；企業(yè)決策，通過Debater拓寬思路，在關(guān)鍵決策中納入可能沒有考慮到的新觀點等。

展望未來，雖然計算辯論是一個嶄新的科學(xué)領(lǐng)域，但是所支持的是人類非常古老和傳統(tǒng)的辯論文化。對于計算辯論的研究，無論是人工智能本身，還是研究學(xué)者，都是“熱血沸騰”式里程碑式，將對人類的前途有著深遠的意義和影響。