智東西（公眾號：zhidxcom）
編譯 | 趙迪
編輯 |?云鵬
智東西1月19日消息，據外媒報(bao)道，近來，AI語言處(chu)理(li)工(gong)具“tl;dr papers”在推特上得到大量學(xue)者推薦。“tl;dr papers”運用AI語言處(chu)理(li)領域（AI language processing）的(de)前沿技術，根據論文(wen)(wen)摘要總結論文(wen)(wen)觀點，能(neng)將難以理(li)解的(de)學(xue)術文(wen)(wen)章(zhang)提煉(lian)為簡潔通俗的(de)短句，增強(qiang)趣味性(xing)，不僅便于(yu)讀者閱讀，也(ye)為教育科普提供了(le)新(xin)手段。同時(shi)，它(ta)對文(wen)(wen)章(zhang)的(de)概(gai)括也(ye)能(neng)啟發研究人(ren)員從新(xin)角度(du)重新(xin)審視研究對象(xiang)。
英語俚語中(zhong)用縮寫“tl;dr”代表(biao)“Too Long；Didn’t Read”，意(yi)為(wei)“文章太(tai)長(chang)，沒有(you)興(xing)趣看”。對(dui)于那(nei)些有(you)難度(du)、不想看的學術(shu)論(lun)文，“tl;dr papers”正好可以助(zhu)你一臂之力，它將長(chang)篇幅的文章濃縮至一句(ju)話(hua)，讓你能夠快速(su)瀏覽文章內容。
目前，AI語言處理(li)工(gong)具在微(wei)軟、谷歌等主(zhu)流(liu)公司被(bei)廣泛應用(yong)，但它(ta)們(men)對訓練數據的依賴(lai)性(xing)較高，不能自(zi)主(zhu)辨別不良信(xin)息，甚至會幫助(zhu)傳播(bo)這些信(xin)息。此(ci)外，AI語言處理(li)工(gong)具常(chang)產生違背基本常(chang)識的處理(li)結果，其準確(que)性(xing)還有待提高。
一、一句話概括高難度論文，新科普手段出現
“tl;dr papers”是由(you)亞什·達尼（Yash Dani）和辛迪·吳(wu)（Cindy Wu）在兩年前創建的(de)AI語言處(chu)理(li)網站，本意是協助(zhu)自己了(le)(le)解更(geng)多軟件開發知識。上(shang)(shang)周末，學(xue)(xue)(xue)者們(men)紛(fen)紛(fen)在推特上(shang)(shang)分享(xiang)“tl;dr papers”對其學(xue)(xue)(xue)術(shu)論文的(de)概括總結，熱度一夜飆升。“tl;dr papers”主要根據學(xue)(xue)(xue)術(shu)論文摘要進(jin)行概括，刪減(jian)了(le)(le)學(xue)(xue)(xue)術(shu)術(shu)語，用語簡(jian)潔，雖然忽(hu)略了(le)(le)概念之間的(de)細微差(cha)別，但(dan)整(zheng)體上(shang)(shang)總結準確(que)，富有(you)趣味(wei)性，得到學(xue)(xue)(xue)者們(men)的(de)廣泛肯定(ding)。
澳大利亞國立大學(xue)全球女(nv)性領導力(li)(li)研究(jiu)所所長米歇爾?瑞恩(en)（Michelle Ryan）教授曾發表一篇關(guan)于“glass cliff”的文章，指出在(zai)組(zu)織面臨(lin)危(wei)機或經濟低迷時(shi)期，女(nv)性比男性更有可能(neng)被(bei)選中擔任領導角(jiao)色，這(zhe)本質上是一種性別歧視。“tl;dr papers”將(jiang)其概(gai)括為(wei)“很多女(nv)性被(bei)置于‘glass cliff’之(zhi)上，這(zhe)是一個糟糕的地方”，這(zhe)句(ju)總(zong)結句(ju)式簡單、意義明確，小(xiao)學(xue)生也能(neng)毫不費力(li)(li)地看懂。
▲Ryan教授在推特上發文支持“tl;dr papers”
賓夕法尼(ni)亞大(da)學(xue)(xue)安納(na)伯格傳播學(xue)(xue)院的(de)博士生贊恩·格里(li)芬·塔利·庫珀(po)（Zane Griffin Talley Cooper）也用其概(gai)括了一(yi)篇(pian)有(you)關“數據(ju)外圍（data peripheries）”的(de)論(lun)文，原文內(nei)容(rong)是追溯大(da)數據(ju)基礎(chu)設施材料的(de)物理學(xue)(xue)歷史。這篇(pian)論(lun)文最后被總結為“大(da)數據(ju)存儲在硬(ying)盤(pan)驅(qu)動器(qi)上，硬(ying)盤(pan)驅(qu)動器(qi)由(you)非常小的(de)磁鐵制(zhi)成，磁鐵從(cong)地下開采(cai)出來。”庫珀(po)意識到(dao)(dao)，表面(mian)上看(kan)“tl;dr papers”是用于娛樂(le)，但(dan)實際上它還可以(yi)被應用到(dao)(dao)教學(xue)(xue)和研(yan)究中，比如幫助學(xue)(xue)生閱(yue)讀(du)復雜的(de)論(lun)文，為在線期刊(kan)生成簡化版摘要，方便公(gong)眾閱(yue)讀(du)。
二、看看機器如何理解，激發研究人員創造力
莫納(na)什大學(xue)新興(xing)技術研究(jiu)(jiu)實驗室(shi)的(de)(de)(de)高(gao)級研究(jiu)(jiu)員賈森·薩多夫斯基（Jathan Sadowski）對“tl;dr papers”很感興(xing)趣，將它看作研究(jiu)(jiu)人員創造力的(de)(de)(de)催化劑。他認為“tl;dr papers”提供的(de)(de)(de)總結往(wang)往(wang)具有“偶然(ran)的(de)(de)(de)智慧”，這也許(xu)是機(ji)器(qi)學(xue)習無法完全(quan)理解(jie)語言的(de)(de)(de)副產(chan)品，但機(ji)器(qi)提供的(de)(de)(de)這些(xie)視角能夠幫助(zhu)在自己的(de)(de)(de)領(ling)域(yu)挖掘甚深的(de)(de)(de)學(xue)者從更新奇(qi)的(de)(de)(de)角度看待(dai)自己的(de)(de)(de)研究(jiu)(jiu)對象。
薩多夫斯基(ji)認為(wei)，像“tl;dr papers”這樣(yang)的AI語言(yan)處理工具(ju)可以挖(wa)掘自(zi)身作(zuo)為(wei)“創(chuang)(chuang)造力(li)催化劑”的定位。布(bu)萊恩·伊諾（Brian Eno）和(he)彼(bi)得·施密特（Peter Schmidt）曾(ceng)創(chuang)(chuang)造一組卡片(pian)“Oblique Strategies”，每張卡片(pian)上(shang)都有一個警句(ju)或(huo)評論，旨在通過鼓勵(li)橫向思維(wei)來幫助藝術家(jia)（尤其是音(yin)樂家(jia)）打破創(chuang)(chuang)作(zuo)障礙。“tl;dr papers”也可以提供類(lei)似的服務(wu)，激發學者開拓新的思維(wei)模式。事實上(shang)，一些公司已經察覺到AI在這方面的潛力(li)，推出(chu)了(le)AI創(chuang)(chuang)意寫作(zuo)助手。
▲Oblique Strategies網站隨機生成的警句
三、囿于數據庫和統計方法，AI語言處理工具難辨是非
目前AI語(yu)言(yan)處理工(gong)具(ju)以訓(xun)練(lian)(lian)數據(ju)為基(ji)礎，而訓(xun)練(lian)(lian)數據(ju)通(tong)常只(zhi)是從互聯(lian)網上搜集的(de)大量(liang)文本，因此這些AI語(yu)言(yan)處理工(gong)具(ju)有(you)可能會(hui)強(qiang)調不良信息，比如重復(fu)涉及種族主義和(he)性別歧視的(de)污言(yan)穢語(yu)，還(huan)可能以更(geng)微妙的(de)方(fang)式帶有(you)偏見。
AI語(yu)言處理工具(ju)的(de)不準確性也令(ling)人(ren)擔憂。這(zhe)些工具(ju)運(yun)用統計(ji)方法(fa)處理語(yu)言，對(dui)內容(rong)的(de)理解方式(shi)與人(ren)類不同(tong)，這(zhe)可能會(hui)導致一些非常基本的(de)錯誤，甚(shen)至(zhi)可能危及生命。谷歌(ge)搜(sou)索曾(ceng)在回答“癲癇發作應(ying)對(dui)措施”問題時提供了誤導性的(de)醫療建議。去(qu)年12月，亞馬遜的(de)語(yu)音助手(shou)Alexa在一個(ge)孩(hai)子(zi)讓其隨機(ji)推薦一個(ge)挑戰時，引導孩(hai)子(zi)把手(shou)機(ji)充電(dian)器插到墻上插座的(de)一半，然(ran)后用一枚(mei)硬幣(bi)去(qu)觸碰暴露在外的(de)金屬(shu)頭。
▲用戶發布(bu)了Alexa給出的誤導性信息截圖
這(zhe)些都說明了AI語言(yan)處(chu)理工具在結構模型上的弱點，即作為(wei)模型基礎的數(shu)據魚龍(long)混雜，模型采(cai)用的方法與人類理解語言(yan)的方式也存在差距。薩多夫(fu)斯基認為(wei)，像這(zhe)樣的AI語言(yan)處(chu)理工具應(ying)該小心處(chu)理，讓(rang)它(ta)們盡量可以發揮正面作用。
結語：AI語言處理工具拓展應用范圍，但精確性還需加強
AI語言處理工(gong)(gong)具“tl;dr papers”對高難度學(xue)術論文(wen)進(jin)(jin)行了準確、簡潔的概(gai)括，使(shi)學(xue)術內容以更富趣味性(xing)的形式呈現在大(da)眾面(mian)前。這些概(gai)括不僅具有娛樂性(xing)，還能(neng)(neng)夠促進(jin)(jin)知識科(ke)普，激發研(yan)究人員的創造力(li)(li)，助力(li)(li)教學(xue)和研(yan)究工(gong)(gong)作，展現了人工(gong)(gong)智(zhi)能(neng)(neng)語言處理工(gong)(gong)具廣闊(kuo)的應用前景。
AI語言(yan)處(chu)理(li)工具長期采(cai)用以統計為主(zhu)的(de)(de)(de)經驗主(zhu)義方(fang)法(fa)，這種與人類大相徑庭的(de)(de)(de)語言(yan)理(li)解方(fang)式幫助人們(men)(men)在(zai)計算機(ji)語言(yan)處(chu)理(li)上取得(de)了極大進步。未來，這種方(fang)法(fa)能否(fou)進一(yi)步消除人們(men)(men)對其(qi)錯(cuo)誤(wu)傾向性(xing)、準確(que)性(xing)的(de)(de)(de)擔憂，值得(de)期待。
來源(yuan)：The Verge
