人工智能擊敗人類這個話題在今天已經(jīng)沒什么新鮮感了。28年前《終結者2》上映時，天網(wǎng)和終結者代表的人工智能還是遙遠未來撒到現(xiàn)實中的水滴：電影中計算機科學家偷師終結者從40年后帶來的芯片，能做的工作就是在設計一種全新結構的處理器芯片，也就是說還是在尋求算力的突破。以現(xiàn)在計算機科學的眼光來看，離人工智能的距離實在有點遠。

不過也不能難為作為編劇的詹姆斯·卡梅隆。《終結者2》之前沒幾年的1986年，美國國家科學基金會創(chuàng)建的大學骨干網(wǎng)NSFNET作為未來互聯(lián)網(wǎng)的基礎剛剛誕生，1990年才正式商用。1991年影片上映那年，萬維網(wǎng)之父蒂姆·伯納斯-李剛剛在歐洲核子研究中心寫出HTTP協(xié)議的最初版本，離真的WWW全球網(wǎng)絡大范圍進入民用至少還要5年時間左右。

于是，至少在《終結者2》中，依然看不到任何互聯(lián)網(wǎng)的影子，離基于云計算和網(wǎng)絡的現(xiàn)代人工智能那就更遠了。

這30年，其實是人類世界其實發(fā)生巨大變化的30年。在互聯(lián)網(wǎng)變成日常生活的一部分之后，人工智能看起來也正在往這個趨勢發(fā)展。每一個手機應用和服務似乎都有點人工智能的成分，每個公司的宣發(fā)似乎都在說人工智能的布局和未來。

實際上，人工智能現(xiàn)在的意思，比它剛剛誕生時要更大一些。當年的人工智能更多的是指像終結者這樣的高級的、通用的、完全模擬人類意識的強人工智能，而如今的人工智能有了更多自動化、自主學習方面的微觀涵義。

但這并不是說AI變得不重要了，恰恰相反，被擴展了含義的人工智能正在深入整個IT行業(yè)，并且在不斷創(chuàng)造全新的場景和價值。聯(lián)想也是重要的參與者，并且正在學術和應用領域取得突破。

就在剛剛過去的9月，聯(lián)想集團旗下推進技術未來發(fā)展的聯(lián)想研究院，在人工智能領域剛剛?cè)〉萌棿螵劊?/p>

“自動自然語言理解”算法獲獎：讓人工智能來訓練人工智能

9月初結束的2019世界人工智能大會（WAIC）黑客馬拉松中，來自聯(lián)想研究院人工智能實驗室智能算力平臺組的參賽團隊，在自動自然語言理解（AutoNLP）賽道中首秀即獲得了決賽二等獎 （第二名）的戰(zhàn)績。

本次AutoNLP比賽要求參賽隊伍在不同內(nèi)容主題、不同語言的混合字符、文本集里，不借助任何離線或在線算力優(yōu)勢，進行代碼設計，并在規(guī)定時間內(nèi)完成全自動文本分類。這其中存在著不少的挑戰(zhàn)，比如單樣本長度和數(shù)據(jù)集樣本量差異巨大；任務的類別數(shù)不定，且類別間可能極度不均衡，不同類樣本比率可能達到數(shù)千比一；對系統(tǒng)泛化能力要求極高等。

聯(lián)想研究院提交的方案是自動化機器學習應用于自然語言理解，方案采取了輕量級元學習思路下的自動化深度學習框架。方案具有通用性和自適應性，基于數(shù)據(jù)特征和任務元特征來進行自動學習，避免在測試任務上的過擬合。

簡單的說，此次獲獎的算法所在的自動化機器學習（AutoML）是人工智能發(fā)展的新階段，它可以讓缺乏資源的公司和團體可以以更低的門檻、甚至零門檻設計自然語言識別機器學習算法，從長遠戰(zhàn)略意義上說，自動化機器學習是邁向強人工智能的必經(jīng)階段，是人工智能研究重要的戰(zhàn)略高地。

全國知識圖譜大賽第一名：讓AI讀懂人類世界的關鍵

同樣是在9月初，聯(lián)想研究院人工智能團隊在全國知識圖譜與計算大會上取得了“人物關系抽取比賽”的第一名，以及“短文本實體鏈指比賽”的第二名。

所謂的知識圖譜，就是讓計算機理解人類詞匯、語句中的邏輯和知識性練習。舉例來說，想讓AI給你介紹一款新電腦，AI就必須知道這款電腦的參數(shù)、性能、售價、周邊知識等等在內(nèi)的所有聯(lián)系，這就是知識圖譜。完成這樣的訓練，你問任何一個和產(chǎn)品有關的問題，AI都能給正確的答案。

當然了，實際應用的大多數(shù)，可能都比介紹產(chǎn)品這樣的案例要更復雜。聯(lián)想研究院此次獲獎的人物關系抽取比賽，就是讓計算機讀懂人類的社會結構。

此次的人物關系抽取比賽任務包含35個類別，包括夫妻，長輩，晚輩，同輩，其他親戚；以及老師、學生，戀人，朋友等。人物類型非常多元，包括歷史名人、政治人物、娛樂明星、小說人物等，還包括部分外國人物。

算法可以實現(xiàn)的效果就是，AI讀到“賈玲師從相聲表演藝術家馮鞏”這句話，就知道他們是師徒的關系。

而短文本實體鏈指比賽，則是要求對于給定的一個中文短文本（如搜索Query、微博、用戶對話內(nèi)容、文章標題等），識別出其中的實體，并與給定知識庫中的對應實體進行關聯(lián)。ERL整個過程包括實體識別和實體鏈指兩個子任務。

比如看到一條新聞“比特幣吸粉無數(shù)，但央行的心另有所屬|(zhì)界面新聞 · jmedia”之后，可以輸出“比特幣、央行、界面新聞”這幾個有價值的知識實體詞匯。

簡單地說，理解人物關系和知識的結構，同樣是人工智能未來發(fā)展的重要工具和方向。

副語言語音屬性評測國際第一：讓AI讀懂人類的話里有話

在9月底閉幕的國際語音盛會Interspeech2019上，聯(lián)想研究院AI Lab語音團隊和昆山杜克大學的DKU-LENOVO聯(lián)合系統(tǒng)在今年的副語言語音屬性評測中（ComParE2019，The Interspeech 2019 Computational Paralinguistics ChallengE ）奪得冠軍。

ComParE是Interspeech系統(tǒng)評測之一，從2009開始已經(jīng)連續(xù)舉辦十年，在語音領域?qū)儆谥亓考壴u測。語音是語言的聲音表現(xiàn)形式，不僅包含了語言語義信息，同時也傳達了說話人、語種、性別、年齡、情感、信道、嗓音、病理、生理、心理等多種豐富的副語言語音屬性信息。

ComParE的目的就是根據(jù)語音信號，識別或檢測各類副語言語音屬性，比如情感識別、哭聲檢測、嗓音病理識別、方言語種識別等，每年都會有不同任務。今年參賽單位有20多家，包括Idiap Research Institute、CMU、慕尼黑大學、***清華大學等眾多知名研究機構。

DUK-LENOVO系統(tǒng)參加了鯨魚叫聲檢測項目，主辦方提供部分包含鯨魚叫聲的語音作為訓練數(shù)據(jù)，大家在共同的測試集上檢測聲音信號中是否包含鯨魚叫聲。通過采用數(shù)據(jù)擴展、多特征融合以及基于Fish vector的deep embedding技術，DKU-LENOVO提交系統(tǒng)在測試集上達到94.8%的正確率，顯著優(yōu)于官方提供的86.6%的基線和其他單位系統(tǒng)，穩(wěn)居第一。

這三項人工智能領域的大獎只是聯(lián)想研究院和人工智能團隊取得成績的一小部分。實際上過去一年多，團隊已經(jīng)獲得了超過14個全球性人工智能競賽的大獎和最佳論文，顯示了極高的算法水平和開發(fā)管理能力

而聯(lián)想研究院人工智能團隊的成果，早已開始為公司運營提升效能，改進運營水平，擴大盈利空間。舉例來說，聯(lián)想的工廠生產(chǎn)、售后維修保障、公司內(nèi)部運營都已經(jīng)部署了聯(lián)想研究院自行開發(fā)的AI技術。而且下一步，聯(lián)想作為中國智能制造的使能者與賦能者，這些AI解決方案正在為其他行業(yè)與公司提供變革的力量。