4. 人机交互(中学指南)

核心观点

  • 计算机能够使用自然语言来传达事实性信息,但在理解诸如隐喻、意象、幽默和讽刺等非字面意义的表达方式时却存在困难(语言是构成人类特性的一个重要部分。隐喻、意象和幽默是人类文化的一部分,然而,我们缺乏关于人们如何理解这些内容的精确且详细的理论,也不清楚计算机应该如何处理它们)
  • 计算机能够识别情感,但无法体验情感。对于情感的恰当回应必须由人类进行编程设定(人工智能系统运用算法来识别人类的情感。然而,当机器对我们的痛苦表示同情时,它并没有一颗会为我们而感到疼痛的心)
  • 当前的人工智能系统是专为处理定义明确的问题而设计的专用推理器。类似人类的灵活推理能力,即所谓的 “通用人工智能” 或 “强人工智能”,目前尚未实现(我们尚不清楚何时能够构建出能够模仿甚至超越人类推理能力的通用人工智能系统)
  • 当前的人工智能系统缺乏意识和自我意识。一台具有自我意识的计算机需要对自身的存在和思想进行表征,并且需要存储其过往经历的记忆(意识是对自身存在的认知,也就是对自身身体和所处环境的察觉。自我意识则是认识到自己是一个有意识、能思考并且具备对自身思想进行推理能力的存在。有关这些观点的简要讨论可参见 Jabr (2012)的相关内容)

自然语言:语言结构(4-A-1

  • 学习目标:借助解析器程序展示句子的句法结构,以此证明计算机对语法的掌握程度,并解释各节点的含义。
  • 基本理解:解析树是一种呈现句子句法结构的方式,能展示词与词之间的关系。计算机可利用句法树来分析和生成句子。
  • 详细说明:
    • 句子的语法结构是理解其含义的关键。例如,若任务是回答问题,那么我们需要理解问题的含义才能进行恰当的查询。若任务是让机器人执行某项操作,机器人必须明白所提出的请求。
    • 解析器会生成句法树,其中非终结符节点代表诸如名词短语(NP)、动词短语(VP)和介词短语(PP)等语法类别。
    • “把杯子放在茶碟上” 与 “把茶碟放在杯子上” 这两个句子就体现了句法的重要性。这两个句子包含相同的单词,但单词之间的句法关系不同。这就是为什么改变词序会改变句子的含义。此外,“cup” 既可以是名词,也可以是动词,但在这个语境中,句法表明它在这里用作名词。
  • 参考资源:伯克利神经解析器既能进行词性(POS)标注,也能生成解析树。这些标注源自宾州树库项目

    自然语言:语言歧义性(4-A-2

    • 学习目标:通过给出包含介词短语可以有两种附着位置的句子,说明计算机理解句子为何具有挑战性,并展示有时如何基于语义来解决这种歧义。
    • 基本理解:语言常常存在歧义,但如果某些可能的语义不合理,就可以将其排除。在利用上下文和世界知识进行这类判断方面,计算机目前还不如人类。
    • 详细说明:“约翰用望远镜看到了那个男人” 这句话存在歧义,因为不清楚是谁拿着望远镜。但 “约翰看到了拿着小提琴的男人” 这句话则没有歧义。附着歧义是句法歧义的一个例子,因为其解析树不同:“用望远镜” 既可以附着在 “约翰” 上,也可以附着在 “那个男人” 上。语义知识(含义)可以帮助人类选择最合理的解析方式。将此与 3 - 5 节中讨论的指称歧义进行比较。
    • 活动:创建有歧义的句子,并通过伯克利神经解析器进行处理,查看它是否能将介词短语正确地附着到相应的词上。

      自然语言:文本推理(4-A-3

      • 学习目标:举例说明如何利用词嵌入来推断单词的含义。
      • 基本理解:词嵌入将含义相近的单词表示为语义特征空间中相邻的点,使我们能够通过算术运算来推断单词的含义。
      • 详细解释:推断单词含义的一个例子是离群值检测,例如,在 “早餐”“午餐”“香蕉”“晚餐” 这个列表中,哪个单词与其他单词不匹配?单词之间的相似度可以用特征空间中的距离来衡量;离群值与其他单词的距离会更远。另一个推断含义的例子是类比补全,例如,“男人之于国王如同女人之于女王”。这可以通过计算特征向量 “国王” - “男人” + “女人”,并找出与结果最接近的单词来解决。词嵌入真正的优势在于,它们被用作 Transformer 网络的输入,Transformer 网络可以对文本执行更为复杂的推理操作。
                 关于词嵌入的更多内容请参阅 2-A-4,6-8 年级模块,关于 Transformer 网络的内容请参阅 2-A-4.9-2 年级。
      • 活动 :
                 使用词嵌入演示程序进行实验,探索真实的词嵌入。
                 运用词嵌入知识解释 Semantris 游戏(方块活动)的工作原理。
        自然语言:应用(4-A-4

        • 学习目标:描述计算机能够执行的一些自然语言处理(NLP)任务,并解释这些任务是如何运作的。
        • 基本理解:自然语言处理(NLP)任务包括文本摘要、文本生成、情感分析、问答系统、机器翻译以及对话交互。

        常识推理(4-B-1

        • 学习目标:解释计算机要解决一个简单的物理推理问题所需具备的知识。
        • 基本理解:计算机能够运用简单的物理推理规则来对物理现象进行推理,这些规则将我们对诸如质量、体积、力和运动等概念的直观理解形式化。目前,计算机在这方面还不太擅长。
        • 详细说明:简单的物理学包括对守恒定律的认识。将一大容器的水倒入一个较小的容器中会导致水溢出,这是因为小容器的容积较小,而水的总量并没有改变。到六至八年级时,学生应该已经掌握了守恒定律;可查看这篇关于皮亚杰守恒任务的文章。简单的物理学还包括用于对力进行推理的推理规则,例如 “当一个重的物体撞击一个轻的物体时,轻的物体会移动”。
        • 活动:提出一个需要运用简单物理学知识才能解决的推理问题,并说明所需要的是哪些知识

          情感理解(4-C-1

          • 学习目标:描述计算机如何利用不同类型的线索来识别人类的情绪状态。
          • 基本理解:计算机可以通过观察面部表情、眼神、手势、肢体语言、语音语调以及用词选择来识别人类的情绪状态。
          • 详细说明:例如,肢体语言能够显示出一个人是否投入、怀有敌意、感到焦虑或者觉得无聊。肢体语言包含诸多因素,比如一个人双臂的摆放方式、双脚的位置、身体是前倾还是后仰,以及头部的倾斜角度等。计算机能够从网络摄像头拍摄的图像中提取这些姿势信息。

          心灵哲学(4-D-1

            • 学习目标:定义意识的标准,并根据这些标准评估人工智能系统或虚构的人工智能角色。
            • 基本理解:意识的本质是一个尚未解决的问题,但两个重要的标准似乎是自我意识和个人经历。
            • 详细说明:关于意识的问题:(1)自我意识(或 “对意识的意识”)是必要的吗;(2)个人经历(对过去经历的记忆)是必要的吗;(3)心理语言是必要的吗;(4)意识有不同的层次,还是要么有要么无;(5)动物表现出什么样的意识。
            • 活动:研究关于动物是否能有意识,以及动物意识与人类意识有何不同的讨论。如果意识存在一个等级量表,你认为计算机在这个量表上有可能达到或超过人类吗?