程序員：我只想買件沒有格子的襯衫，怎麼就這麼難？

2020-09-24 01:03:39

>>文章內容

@量子位

曉查發自凹非寺
量子位報道 | 公眾號 QbitAI

說到程序員著裝，大家會想到什麼？

自然是格子襯衫了。

但一個外國程序員，終於對此厭倦，他不想再穿格子襯衫或條紋襯衫，於是他打開了亞馬遜網站，輸入了關鍵詞“無條紋襯衫”（shirt without stripes），結果卻是這樣的：

為什麼幾乎全部都是帶條紋的襯衫啊？

“一定是我打開的姿勢不對！”

或者只是亞馬遜的自然語音處理（NLP）技術不夠好吧。

他又接著嘗試了谷歌和微軟的搜索引擎，結果卻還是這樣：

反正結果就算不是襯衫，也一定帶條紋，甚至還搜出了球衣。

如果把關鍵詞換成“沒有格子的襯衫”（shirt without plaid），結果還是讓人失望。

是不是感到這個世界滿滿的惡意？程序員想買個沒有格子的襯衫怎麼就這麼難！

接著，這位程序員把搜索結果上傳到GitHub，短短十個小時就獲得了300星。

更讓人沒想到是，這件小小的事情影響范圍還在擴大，幾個小時就在Hacker News上帶了400多條評論。

看來有相同槽點想吐的人，並不少。

並且事情也“鬧大”了。

大家發現，何止搜索引擎，現在你只需一個“不”就能讓AI助手變“人工智障”。

打開你的Siri，和它說“不要告訴我天氣”，但Siri還是義無反顧地告訴了你天氣狀況。

那麼問題來了：為什麼AI會犯如此低級的錯誤呢？

[b]人工智能的盲區[/b]

無論是搜索商品圖片還是詢問天氣，加上了一個“不”或“無”字，就變得復雜起來。

這個“不”到底是哪個部分做出否定，可能人類也說不清楚。

這類問題屬於“歸因”問題，可能是統計學方法不能解決的，這就觸及到機器學習的盲區了。

在上面的問題中，處理一個“不”還算比較清晰，但是在一些對准確性有要求的領域，會有很大的問題。

比如“無癌症證據”，到底是得到了沒得癌症的證據，還是根本沒有證據呢？

這還算是比較簡單的，人類語言中還有很多雙重否定，有時候連人自己表達的時候都會犯錯。

處理這類問題，不能使用過去的統計方法，而需要更多關注語法內在的邏輯性，語言學中的喬姆斯基學派的研究者就是這麼認為。

但是涉及此類算法的研究很少，甚至很多從事算法的人對此並不感興趣。

一些從事機器學習研究的大型公司，他們研究的算法具有很大的適用性，但是在歸因等情況下，他們的語言模型可能會失敗。

而且神經網絡尚未顯示出對此問題的改進。在說“不”這個問題上，各家的AI都不能通過圖靈測試，甚至顯得愚蠢。

所以是不是“另有隱情”？

[b]技術不行還是SEO搗亂[/b]

是不是因為谷歌沒有在搜索引擎裡用上NLP技術，所以才導致錯誤的結果？

實際上，谷歌去年10月就已經在英文版的搜索引擎裡用上了BERT。

過去，谷歌的搜索更多的是基於單個單詞的理解。

比如“2019 brazil traveler to usa need a visa”，以前的谷歌搜索會基於visa、usa、brazil這幾個關鍵詞，而英文結果裡更多的是美國人咨詢去巴西，所以搜索結果往往是相反的。

更新後的谷歌能夠理解“to usa”的含義，才能識別正確的結果

於是這讓一些網友覺得，谷歌亞馬遜研究多年的NLP技術不過如此，要理解人類語言還有很長的路要走。

不過，經過努力，計算機已經能夠搞清楚英文裡的“無癌症證據”（No evidence of cancer、Evidence of no cancer）兩者之間的差別。

當然，還有一些技術之外的因素。

任何搜索引擎都繞不開SEO和廣告問題。

那些賣條紋襯衫的商家會通過各種優化手段，霸占“條紋”和“襯衫”這兩個關鍵詞的頭部位置，結果導致“no”和“without”之類的關鍵詞被忽略。

一些網友認為，是SEO的垃圾信息毀了搜索引擎，同時廣告還是是谷歌搜索的重要收入來源，谷歌自己可能也無心解決——這一點自然無法妄加揣測。

不過，我們也用最大的中文搜索引擎試了試，發現也是一樣的結果：