学界 | Facebook ICLR 2017研究成果概述，对话研究的创新与优势

深度学习盛会 ICLR 2017 正在法国的土伦举行，Facebook 在大会前夕对人工智能实验室 FAIR 近期在对话系统上的研究进行了梳理，并列出了即将在大会上发表的 7 篇论文，让我们先睹为快。

建立有效的对话系统

在 Facebook AI Research（FAIR），让机器理解自然语言对话的内容是一项雄心勃勃的长期人工智能研究目标。真正有效的对话系统将会成为有效的辅助技术——其中会包含通过自然语言与人类进行交互的聊天系统。对话系统可以帮助用户更好地理解周遭的世界，更有效地与他人进行交流，消除沟通不畅的问题。随着网络世界的不断扩大，研究和开发这类技术正在变得越来越重要。

让机器理解和解释对话内容并不是一种全新的尝试。在过去 20 年中，很多人曾试图构建一台可以与人自然对话，或可以从人类那里学会对话的机器。这些技术和工程结合的系统各自只适用于很小的一部分领域，使用预编程内容对需求产生回应。

随着近年来机器学习的兴起，让人工智能与人类使用自然语言展开交谈的梦想正变得越来越接近现实。这一展望也得到了学界和业界的共同关注。

然而，技术的发展并没有人们想象得那么快。今天的大多数对话系统仍然是脚本化的：其中的自然语言理解模块或许是基于机器学习的，但它们生成的回答仍然基于编程中的 if/then——或其他已经写好的规则。尽管目前的技术相比过去已经有了很大改观，但其本质仍然是一种基于大容量数据库的反应机制。

解决两端挑战

使用自然语言与聊天机器人进行顺畅的对话目前仍然是一个挑战，仍需要一系列技术突破。在 FAIR，我们希望从两端同时着手解决这些问题：从通用人工智能和机器在交流中的推理能力，到对话系统面临的实际问题（从已公开发布的聊天机器人在运行中收集到的问题）。Facebook 的优势在于同时能够探究这两种角度的多样性——从致力于长远角度的 CommAI initiative 到面向短期应用方向的 FastText 和 Facebook M。所有这些，结合 Facebook 人工智能团队的强大实力，通过深度学习的自然语言处理、强化学习、计算机视觉和计算机工程能力，这家公司正在打造先进的自然语言处理系统。

FAIR 在对话系统中的研究有着坚实的基础：

• 强大的基线：用于自然语言处理的先进学习系统应该能够有效提升性能（较之更加传统的办法）。为此，我们打造了 FastText，旨在使用相对简单、容易理解的技术实现最好的结果。