列举网首页
让AI像人一样具备理解能力，到底可行吗？
理解能力对于人类来说并不难。
如果我们需要在便利店购买商品，那么提前在脑海中进行走进商店、挑选商品、付款、走出商店等场景的想象，是非常容易的。
但是对于AI来说这一系列的动作却十分复杂，背后需要诸多数据和程序的支撑。
1、业内关于让AI具备理解能力的尝试
目前，国内和国外都有关于AI理解能力的技术尝试。
国内方面，阿里巴巴旗下的AI就曾在斯坦福大学发起的机器阅读理解领域赛事SQuAD中击败了人类。
SQuAD赛事基于500多篇维基百科文章，总共设置了10万多条配对数据。在这场测试中，阿里巴巴的AI拿到了82.44的高分，人类以82.304的分数惜败。
据阿里巴巴方面介绍，他们之所以能够赢得比赛，很大一部分原因在于其AI的神经网络是基于分层融合注意力机制打造的，因此AI会在阅读理解的过程中带着问题反复阅读文章，避免遗忘标注等相关细节。
阅读理解还只是相对浅的理解层面，美国国防高级研究计划局已经开始探索AI理解现实世界事件的可行性。
根据该计划局的声明，他们创建了基于图式的知识导向人工智能推理系统项目。该项目将开发一个半自动化的机器学习系统，可以筛选每天产生的无数事件和媒体片段。其目的是通过对复杂的现实世界事件进行语境和事件推理，终生成对这些事件的可操作理解并且预测它们接下去将如何展开。
从美国国防高级研究计划局公开的网站信息来看，该研究将会分两个阶段进行：
阶段：这一阶段的目的是探索和创建图式，将侧重于通过基于语言推理和常识推理检测、分类和集中子事件，从大量数据中创建图式库。
第二阶段：这一阶段的目的是进行具体事件的提取，将侧重于将阶段创建的图式库应用于多媒体、多语言信息，以发现和提取复杂事件。
2、让AI具备理解能力依旧面临挑战
有理解能力的AI一直以来都是业内关注的重点方向，但是目前已经进入应用的人工智能技术绝大多数都是没有理解能力的。
尽管这些技术尝试都在进行，但是要真正实现让AI具备理解能力并不简单。
上述美国国防高级研究计划局信息创新办公室的项目经理就表示：“要从大量信息中的时间、事件模式等静态元素来找出相关联的过程，就目前可用的工具和系统来说是非常困难的。”
他们的项目主要是使用图式来帮助绘制信息之间的相关性。
开头我们提到的关于在便利店购买商品的行为，还只是极其简单的图式，但是要用计算机系统能够理解的方式来进行定义却十分困难。
简单的图式都很难达到，就更别说复杂的场景了。
让AI真正具备理解能力，未来我们还有很长一段路要走。更多5G资讯可关注【59区】https://www.59q***
