AI赢得填字游戏冠军！打败1000多名流类选手

中国鑫

原标题：AI赢得填字游戏冠军！打败1000多名流类选手

智东西（公众号：zhidxcom）

编译 | 屈望苗

编辑 | 江心白

智东西5月8日消息，在上周举行的美国填字游戏锦标赛（American Crossword Puzzle Tournament，ACPT）上，一位人工智能选手从1000多名参赛者中脱颖而出，得到胜利，它就是填字游戏步伐“菲尔博士（Dr. Fill）”。

只管在两道题上出现了错误，但Dr. Fill仍在一分钟内完成了游戏，比最快的人类参赛者快了整整两分钟。Dr. Fill的背后有着加州大学伯克利分校（UC Berkeley）伯克利天然语言处置惩罚小组的强盛支持，它会分析标题线索天生答案列表，并根据数据库中的800多万组线索和答案来解谜。

一、神经网络与数据库加持

Dr. Fill是由盘算机科学家马特·金斯伯格（Matt Ginsberg）制作的，他同时也是一名填字游戏制作者。

自2012年以来，金斯伯格就开始让Dr. Fill非正式地到场ACPT，并在每年的角逐中对它的软件举行改进。

睁开全文

▲马特·金斯伯格（Matt Ginsberg）和Dr. Fill

而在本年，金斯伯格与加州大学伯克利分校（UC Berkeley）的伯克利天然语言处置惩罚小组互助，该小组由传授丹·克莱恩（Dan Klein）向导的研究生和本科生构成。

克莱恩是天然语言处置惩罚和无监视学习范畴的专家，他曾得到2016 AMiner天然语言处置惩罚范畴十大最具影响力学者奖。AMiner是由清华大学建立的新一代智能型科技谍报平台。

▲丹·克莱恩（Dan Klein）

就在ACPT开始前两周，他们共同为Dr. Fill开辟了一个混淆体系。此中，伯克利小组用神经网络的方法来资助Dr. Fill分析线索，而金斯伯格编写了用来填写游戏网格的代码。

Dr. Fill另有一个包罗800多万条线索和答案的练习数据库，这些数据来自以往在各种媒体上出现过的填字游戏。为了办理谜题，它的步伐会参考以往的线索和答案。

和人类一样，劈面对新的挑衅时，Dr. Fill必须依赖履历，探求新旧题目之间的接洽。

比方，ACPT 2021中第二题的答案，就是一个长单词后加上后缀-ITY构成的新词。不外荣幸的是，雷同的标题曾出如今2010年《洛杉矶时报（the Los Angeles Times）》发表的一个填字游戏中，Dr. Fill的数据库当中包罗了这道题，以是它顺遂地解出了答案。

二、会分析标题线索，还能筛选答案

只管Dr. Fill的数据库非常巨大，但它并不能靠“抄作业”拿第一。

在现实的解题过程中，Dr. Fill会分析标题线索，并天生与标题线索匹配的候选答案列表，根据大概性对它们举行排序，并查抄它们是否能填字游戏网格中和其他单词适当毗连。只要标题给出了充足的上下文语境，Dr. Fill就能终极解出精确答案。

比方，对于“imposing groups”这个线索，Dr. Fill将精确的答案“ARRAYS”列为首选词。“imposing”一词从未出如今与精确答案相干的线索中，但这些线索中出现过其他同义词，如“impressive”，这使Dr. Fill可以推断出语义上的接洽，并解出精确答案。

▲Dr. Fill从标题线索直接推断出精确答案

Dr. Fill还会将字母举行交织比对来筛选精确答案。好比，在五个字母的答案中，知道第二个字母是O，答案的线索是“Aw, that’s a shame！（太惋惜了！）”，它就可以找到精确的答案“SO SAD”。

▲Dr. Fill将字母举行交织比对来筛选答案

标题中涉及双关语或其他笔墨游戏的线索会比力贫苦，不外，伯克利的神经网络体系使Dr. Fill可以或许辨认出这类线索。克莱恩表明说，固然这些语义上的把戏无法明白地教给Dr. Fill，但通过呆板学习，它能明确要探求没有通例线索那么直接的选项。

三、人脑仍胜在跳跃性逻辑

《纽约时报》的填字游戏编辑威尔·肖茨（Will Shortz）指出，本年的ACPT大概发挥了Dr. Fill的上风，由于“每一个答案都是语义简朴，很好明白的”。肖茨说，他对Dr. Fill的独创性感到敬畏，但他以为人类参赛者在许多方面仍有上风。

他说：“如今，仍旧是人类更善于像填字游戏如许非逻辑的实际天下题目。”在他看来，纵然是在比力简朴的标题中，Dr. Fill仍旧会犯一些人类不会犯的错误。

克莱恩也看到了这一点，同时他也提到，在天然语言处置惩罚范畴常常会出现雷同的挑衅。比方，人类的大脑常常举行所谓的“多跳推理”，就是说，人脑会使用许多不直接相干的知识完成一个跳跃性的推理。

而要教会人工智能遵照如许的逻辑跳跃，就意味着人们要从许多间接表意的语言中提取并归纳出表达的逻辑。但在当下，Dr. Fill仍旧难以明白这些不是“明白话”的语言。

克莱恩以为，Dr. Fill这次的体现只是我们从填字游戏的线索中解读天然语言意义的第一步。当涉及到表意特殊婉转的语言样本时，克莱恩说：“那些难倒人们的语言更会难倒Dr. Fill。”

结语：AI天然语言处置惩罚进阶，从输出到“思索”

Dr. Fill在APCT中的胜利标记了人工智能在天然语言处置惩罚方面的进步。也就是说，人工智能已经不但可以实现简朴的天然语言交换，而且还能“明白”比力复杂的语义、“思索”怎样解谜。

在将来，随着科学家们对天然语言的意义拆解更加深入和体系化，这些人工智能的“思索”本领大概还会更靠近人脑、更增强大。

泉源：Wired返回搜狐，检察更多

责任编辑：