人看到照片中的被摄对象,能够直观地察觉到各种事实。比如给人看一张街景照片,人可以判断出穿红衣服的行人到汽车之间大致有多远,还能从行人的位置或视线判断出他们之间的亲密度。此外,还能从人们的穿着推测其经济能力或品位。此前虽然借助深度学习技术,图像识别产业取得了相当大的进展,但把同一张照片给人工智能(AI)看,它只能识别出存在汽车和行人以及它们处在哪个区域,却无法解释人与人之间的关系或含义。
人之所以能从照片中获知大量信息,是因为一种被称为“关系推理(relational reasoning)”的能力。关系推理指的是推断某些对象、句子或概念所具有的外在关系或内在关系的能力,是认知能力的基础。在百货店或超市挑选水果时、寻找目的地时,以及读推理小说时把各种线索组合起来推测凶手时,关系推理能力都会在我们未察觉的情况下发挥作用。
关系推理会让AI再上一个台阶,这一点是明确的,但如何训练它、如何构建或改变网络,甚至该从何入手都并不明确。不过,看到其可能性,谷歌、Facebook等许多信息技术(IT)企业正在推进培养关系推理能力的源头研究。就在此期间,今年6月初,谷歌的子公司、因AlphaGo而闻名的DeepMind发表了一篇颇有意思的论文。
DeepMind没有选择通过改进既有深层神经网络来提升关系推理能力的方式,而是选择把专门负责关系推理的关系网络(Relation Network·RN)做成独立模块的方式。同时使其不受输入形式的限制,从而可以与此前处理图像或自然语言的各种深层神经网络(CNN、LSTM等)连接使用。他们首先进行的实验是,利用图像识别深层神经网络提取图像中存在对象的特征,然后利用RN提取对象之间的关系。如果说以往的深层神经网络只能掌握“褐色球的大小是多少?”这类与关系无关的内容,那么加入RN后,就能进行“与黄色金属材质圆柱形物体大小相近的是哪一个?”这类关系推理。
Facebook在2015年发布的句子推理能力评测数据集(bAbI QA),是为评估依据句子与句子相互关系的推理能力而开发的,可检验20多种不同的关系推理。例如给出“约翰拿起了苹果”“约翰去了客厅”“约翰去了厨房”“约翰放下了苹果”这样的句子,然后提出“在到厨房之前,苹果在哪里?”这样的问题,检验是否回答“客厅”。如果不具备关系推理能力,就无法作出正确回答。DeepMind不仅进行了针对图像的关系推理检验,还进行了针对句子的推理能力检验,在全部检验中取得了90%的成功率。
从论文来看,在图像中评估关系推理的实验成功率平均达到95.5%,这一成绩优于人类的记录(92.6%)。但正如作者所主张的,目前仍处于对有限对象和有限关系进行推理的水平,要扩大应用还堆积着许多待解决的课题。不过,由于众多企业正在竞相研究,预计几年内会出现值得关注的成果。关系推理能力是能把AI的能力再提升一个层次的技术,也是走向能够解决普遍问题的“通用AI”所必需的技术,因此我们也应当集中力量投入。






