【创新】IBM科学家借助人工智能通过语法规则捕捉美式英语中的细微差别

欢迎关注映魅咨询（IMC）旗下教育科技媒体“POWER4EDU”官方微信：power4edu，做不一样的教育科技媒体，看不一样的教育科技

我们是否能够分清楚独立子句和从属子句之间有什么区别吗？是应该用“I”还是用“Me”？“affect”和"effect"之间有什么区别呢？大量的证据显示，语法知识和写作技能之间存在着很强的关联性。最近的研究也显示，在人工智能方面也有可能是这样的。在最近的几篇学术论文中，IBM的科学家详细测试了一个以语法规则为基础的自然语言处理系统，科学家们表示，这些规则有助于自然语言处理系统能够学习得快，性能表现也更为出色。

该项研究将在今年6月的计算语言学协会北美分会（North American Chapter of the Association for Computational Linguistics）上发表。

MIT-IBM Watson AI Lab的研究员Miguel Ballesteros表示，语法模型能够让系统在表现性能上更接近于人类的处理方式，因为对于序列模型（sequential models）并不关心究竟是用非语法语句来结束一个句子，因为这个模型并不关注语法等级。

IBM团队和麻省理工学院、哈佛大学、加州大学、卡耐基梅隆大学以及京都大学的科学家们一起设计了一套工具，来研究具有语法意识的人工智能模型的语法能力。其中一个模型是针对名为递归神经网络语法的句子结构进行训练的，这种结构赋予了模型基本的语法知识。

在RNNGs模型或类似模型中，几乎很少有语法训练，告诉这些模型好的，或是不好的，或是模糊的语法句子。人工智能系统能够为每个单词分配概率，比如在带有语法“off”句子中，低概率单词出现在高概率单词中的位置。

填空和间隙依赖关系要比你想象得复杂得多，比如在句子“the police who the criminal shot the political during the trial shock”中，"who"出现的位置有点反常。从技术上来讲，它应该出现在动词“shot”之后，而不是“shock”。改写后的句子应该是“The policeman who the criminal shot with his gun shocked the jury during the trial.”

麻省理工大学的大脑与认知科学教授Roger Levy表示，如果没有接受过数千万个单词的训练，即使最先进的序列模型不会在意这些单词之间的空格出现在哪里，也不会在意句子中是否会出现这样的空白。

研究团队表示，他们的任务是朝着更为精确的语法模型发展，但他们也承认，这需要在更大的数据集上的验证。

映魅咨询活动

2019年映魅咨询TAB少儿编程教育专场（上海）论坛

（点击本条微信“阅读原文”访问报名链接）

映魅研究报告

《2018年年度全球教育科技创业投资报告》

《2018年中国少儿编程教育产业研究报告》