【我們為什麼挑選這篇文章】「讓電腦聽得懂人話」一直是翻譯及 AI 語音想要達到的理想。谷歌似乎做到了！開發了 AI 軟體 Talk to Books ，以 10 萬本書及報章雜誌為數據庫，大幅提升 AI 跟人類對話的準確性。（責任編輯：鄧天心）
電腦如何理解我們的日常語言呢？
谷歌是利用數十億條對話來直接告訴 AI，真正的人類對話是什麼。
而書籍，是人類語句最大的匯聚地。
谷歌開發 AI 軟體 Talk to Books 昨日上線，為了通過搜索讓電腦理解人類的日常用語。
網站鏈接：https://research.google.com/semanticexperiences/about.html
在 Talk to Books 中，當你輸入一個問題或一個陳述時，系統會查找超過 10 萬本書籍中的每個句子，找到最有可能出現在對話中的答案。
- 讓我們看一個谷歌給出的案例：
文摘自己做了嘗試，輸入：「AI 會比人類更聰明嗎？」
出現在第 1 位的答案來自 Kevin Gurney 的《神經網絡入門》，而排在第 2 位第 3 位的分別是生物科學和語言學的兩本書，點擊可以直接進入谷歌圖書，找到相關語句。
AI搜尋，打趴傳統關鍵字搜尋
在谷歌官方發布的介紹文章中，表示：「它的目標和技術與傳統的搜索完全不同。」
在這個實驗中，其實沒有考慮這本書是權威的還是只是論題，該系統只是查看每個句子與查詢配對的情況。
此外，直接問出完整的句子，會比輸入關鍵詞或者短語獲得更好地結果，而這一點與傳統的搜索引擎有根本不同。
對於開發人員來說，谷歌也提供了更詳細的技術細節來供探索。
專門的開發者頁面：
https://research.google.com/semanticexperiences/for-developers.html
谷歌稱「我們很高興與社區分享這些模型，我們知道展示僅僅只是一個開始……。」
以下是谷歌給技術人員寫出的技術細節，《大數據文摘》編譯如下：
訓練模型
我們上面分享的模型主要是通過對自然語言輸入以及反饋進行訓練。最簡單的例子是訓練使用報紙文章中的上下具。
- 正面例子：從 Q/A 數據集中輸入：「今晚你為什麼不去吃晚餐？」其配對答復是：「對不起，我不能去。」
- 反面例子：隨機配對的輸入/回复：「為什麼你今晚不來吃飯呢？」其配對答復是：「大都會隊贏了三場比賽。」
通過學習區分正確短語對，使用問答數據庫、報紙文章，模型可以讓句法、主題、語義都達到，學習適當表示自然語言語法、語義。
但是有效性隨著輸入長度的增長而下降，這些向量可用於語義相似任務、Q/A任務、自然語言建議任務等。
敏感話題怎麼處理？
還沒有（也可能永遠不會）有一個完整的解決方案來識別偏見及敏感話題。正如 Caliskan 等人在他們最近的論文《自動從語言語料中導出的語義包含類似於人類的偏見》中指出，這些深深地存在我們日常用語中。
語言理解模型使用數以十億計的例子來了解這個世界。語言理解模型的進步可以推動社交也可以反映人類的認知偏見。
在 Talk to Books 中，雖然我們不能手動審核 10 萬冊書籍中的每個句子，但我們增加專業出版社出版的圖書的比例，提高標準。
AI 實驗項目，沒有採取減輕偏見的措施，表明了AI的全部能力和弱點，但使用者還使可以透過反饋工具報告冒犯性關聯，以便改進未來的模型。
使用模型
TensorFlow 最近發布了 TFHub，TF-Hub 是一個分享機器學習專業知識的平台。在這個平台上，提供了教程，包括語義相似和文本分類，裡面包含預先訓練的模塊中的專業知識。
延伸閱讀：
翻譯英文秘密武器！世界上「英翻中」最強的公司，並非 Google 或微軟
【宇宙通用翻譯機】卡內基美隆大學研發，超越 Google 神經網路的翻譯法！
（本文經合作夥伴 大數據文摘 授權轉載，並同意 TechOrange 編寫導讀與修訂標題，原文標題為 〈谷歌AI上线“与书籍对话”项目，从10w+本书中搜索你要的答案〉，首圖來源：YouTube。）
