與人類唇槍舌戰(zhàn)的論證技術(shù)

編譯 高斯寒

對(duì)于論證的研究在學(xué)術(shù)界中源遠(yuǎn)流長(zhǎng)，能追溯至古希臘時(shí)期，并且橫跨從理論哲學(xué)直至計(jì)算工程的多個(gè)學(xué)科。在人工智能研究領(lǐng)域，開發(fā)能夠在人類自然語(yǔ)言中識(shí)別論證的計(jì)算機(jī)系統(tǒng)是最耗時(shí)費(fèi)神的挑戰(zhàn)之一。以色列學(xué)者諾姆·斯洛寧（Noam Slonim）等人在《自然》雜志撰文，報(bào)告了該研究領(lǐng)域一項(xiàng)讓人驚艷的進(jìn)展。他們開發(fā)的“辯手項(xiàng)目”是一個(gè)人工智能系統(tǒng)，能夠在辯論競(jìng)賽中與人類交手。他們的研究報(bào)告展現(xiàn)了該領(lǐng)域研究進(jìn)展的程度，并且強(qiáng)調(diào)：研發(fā)能在辯論中識(shí)別、生成和評(píng)論論證的技術(shù)時(shí)，穩(wěn)健工程非常重要。穩(wěn)健工程就是將不同組件結(jié)合在一起，每個(gè)組件負(fù)責(zé)處理某個(gè)特定任務(wù)。

對(duì)人類論述作分析，從而識(shí)別出引用證據(jù)、支持結(jié)論的具體方式，這個(gè)過程現(xiàn)在被稱為論證挖掘（Argument Mining）。10年前，當(dāng)時(shí)的尖端人工智能的性能還不足以完成論證挖掘的工作。從那時(shí)起，人工智能技術(shù)取得不少進(jìn)步，論證技術(shù)的工程化也日益成熟，再加上強(qiáng)烈的商業(yè)需求推動(dòng)，這三個(gè)因素促使論證挖掘的研究版圖迅速擴(kuò)張。放眼全球，目前共有50多家實(shí)驗(yàn)室從事這方面的研究（包括所有大型軟件公司的研究團(tuán)隊(duì)）。

這個(gè)研究領(lǐng)域出現(xiàn)爆炸式發(fā)展的原因之一是，能在大量文本中識(shí)別出語(yǔ)言使用的統(tǒng)計(jì)規(guī)律的人工智能系統(tǒng)直接應(yīng)用在人工智能的許多方面具有變革性；但就其本身而言，并未在論證挖掘上取得同等的成功。這是因?yàn)檎撟C結(jié)構(gòu)過于變化、過于復(fù)雜、過于微妙、過于隱含，以至于無(wú)法像句子結(jié)構(gòu)一樣容易識(shí)別。因此，斯洛寧等研究者決定發(fā)起一項(xiàng)巨大挑戰(zhàn)：開發(fā)一套完全自主的系統(tǒng)，能夠參與和人類的實(shí)時(shí)辯論。“辯手項(xiàng)目”就是這個(gè)研究工作的亮點(diǎn)。

辯手項(xiàng)目首先是一個(gè)巨大的工程壯舉。它匯集了從文本中收集和解釋與爭(zhēng)論相關(guān)的材料的新方法，以及修復(fù)句子語(yǔ)法的方法（使系統(tǒng)能夠在提出其論點(diǎn)時(shí)重新部署提取的句子片段；語(yǔ)法修復(fù)技術(shù)的作用被作者適度低估）。辯手系統(tǒng)的這些組件由人類圍繞關(guān)鍵主題而預(yù)先準(zhǔn)備的信息結(jié)合在一起，從而為廣泛的主題提供知識(shí)、論證和反證。這個(gè)知識(shí)庫(kù)有預(yù)備好的文本（人類事先寫好的句子片段）作為補(bǔ)充，用來在辯論時(shí)引入和組織陳詞。

辯手項(xiàng)目野心勃勃，它既是人工智能系統(tǒng)，也是對(duì)人工智能研究的巨大挑戰(zhàn)。對(duì)于將視野定得太高的幾乎所有人工智能研究而言，其主要瓶頸便是獲取足夠多的數(shù)據(jù)，以便能針對(duì)挑戰(zhàn)，計(jì)算出有效的解決方案。辯手項(xiàng)目已經(jīng)用雙手策略處理了這個(gè)障礙：一方面，它縮小范圍，聚焦于100個(gè)左右的辯論主題；另一方面，它從大型數(shù)據(jù)集（即便以現(xiàn)代語(yǔ)言處理系統(tǒng)的標(biāo)準(zhǔn)來衡量）中采集原材料。

在2018和2019年進(jìn)行的一系列競(jìng)賽中，辯手項(xiàng)目和多位有才華、著名的人類辯手進(jìn)行了辯論，觀眾以非正式的方式評(píng)估了它的表現(xiàn)。該系統(tǒng)依靠論證技術(shù)，受到它所處理的數(shù)據(jù)集的推動(dòng)，生成4分鐘的發(fā)言，開啟辯論；辯論主題來自系統(tǒng)存儲(chǔ)的主題資料，接著由人類辯手進(jìn)行回應(yīng)；系統(tǒng)再對(duì)其對(duì)手的論點(diǎn)做出反應(yīng)，生成第二段4分鐘的發(fā)言；人類辯手發(fā)表4分鐘的辯駁作為回應(yīng)；最后雙方分別給予2分鐘的總結(jié)陳詞，辯論結(jié)束。

系統(tǒng)最薄弱的方面大概是它要竭盡所能來模仿人類辯手的連貫思維和流暢語(yǔ)言——這個(gè)問題與它的處理流程能夠選擇、摘要和編制論證的最高水平有關(guān)。然而，這一局限并非辯手項(xiàng)目所獨(dú)有。盡管有兩千年的研究，人類對(duì)論證結(jié)構(gòu)的了解仍然很差。辯論研究的重心（語(yǔ)言使用、認(rèn)識(shí)論、認(rèn)知過程或邏輯驗(yàn)證）不同，關(guān)于論證和推理的連貫?zāi)Ｐ椭陵P(guān)重要的特征也千差萬(wàn)別。

“辯手項(xiàng)目”與人類辯手唇槍舌戰(zhàn)：斯洛寧等研究者研發(fā)出人工智能系統(tǒng)“辯手項(xiàng)目”，它能參與和人類的辯論比賽

因此，構(gòu)成良好論據(jù)的模型極其多樣化，而構(gòu)成良好辯論的模型只不過是形式化的直覺。所以，并不奇怪，辯手項(xiàng)目的表現(xiàn)評(píng)價(jià)僅僅是詢問人類觀眾，問他們是否認(rèn)為人工智能系統(tǒng)可作為“表現(xiàn)出色的榜樣”。在幾乎三分之二的主題辯論中，觀眾認(rèn)為人工智能系統(tǒng)足以充當(dāng)榜樣。

所有論證技術(shù)體系都會(huì)面臨的最后挑戰(zhàn)是：將論證當(dāng)作受到一組孤立考量影響的局部論述片段，還是將論證置于社會(huì)層級(jí)辯論的更大范圍？在很大程度上，這是設(shè)計(jì)要去解決的問題，而不是工程化解決方案。給論證限定“先驗(yàn)”的范圍，理論上的簡(jiǎn)化就成為可能，并能提供較多計(jì)算優(yōu)勢(shì)。譬如說，識(shí)別出“主要主張”是定義明確的任務(wù)，用機(jī)器來完成和靠人來完成幾乎一樣可靠。問題是人類根本不擅長(zhǎng)這項(xiàng)任務(wù)，正是因?yàn)樗侨藶樵O(shè)計(jì)的。在開放討論中，特定的論述在某種語(yǔ)境中也許是主張，而在另一種語(yǔ)境中就可能是前提。

不僅如此，在現(xiàn)實(shí)世界中，并不存在論證的明晰界限：在辯論室之外發(fā)生的話語(yǔ)不是孤立的，而是與交叉引用、類比、例證和概括的網(wǎng)絡(luò)有關(guān)。人工智能要如何才可以攻克這樣的論證網(wǎng)？相關(guān)想法已經(jīng)在理論中出現(xiàn)，并用軟件予以實(shí)施。譬如說，有個(gè)名叫“辯論圖表”（Debate Graph）的系統(tǒng)屬于互聯(lián)網(wǎng)平臺(tái)，向使用者提供計(jì)算工具，將復(fù)雜和關(guān)聯(lián)的思維網(wǎng)絡(luò)進(jìn)行視覺化和分享。然而，理論挑戰(zhàn)以及與實(shí)施相關(guān)的社會(huì)技術(shù)問題難以克服：設(shè)計(jì)引人注目的方法，吸引大量受眾到此類系統(tǒng)與設(shè)計(jì)能夠與這些復(fù)雜的爭(zhēng)論網(wǎng)進(jìn)行交互的簡(jiǎn)單機(jī)制一樣困難。

辯手項(xiàng)目是論證技術(shù)發(fā)展的關(guān)鍵步驟，也是將論證當(dāng)作局部現(xiàn)象進(jìn)行工作的關(guān)鍵步驟。它的成功展示了人工智能系統(tǒng)如何與爭(zhēng)論網(wǎng)交互的動(dòng)人一幕，人類可以輕松解讀爭(zhēng)論網(wǎng)。鑒于假新聞的泛濫、民意的兩極化、懶惰推理的普遍性，這很容易掩蓋人類在創(chuàng)造、處理、瀏覽和分享復(fù)雜論證方面迫切需要得到支持，而AI或許能夠提供這種支持。因此，盡管辯手項(xiàng)目響應(yīng)研究的需要去推進(jìn)并解決了一個(gè)重大挑戰(zhàn)，但它更代表了人工智能的進(jìn)步，有助于人類推理。正如斯洛寧等人所說，這遠(yuǎn)遠(yuǎn)超出了當(dāng)前人工智能技術(shù)的舒適區(qū)。

資料來源 Nature