OpenAI发现人工智能已开始学会情绪判断能力

OpenAI 的研究人员意外发现，一个训练用来预测亚马逊网站（Amazon）评论文章下一个字符的神经网络，竟然自行学会情绪的判断。这种非监督式学习是机器学习领域追求的目标。

能自我学习情绪的判断

今日，多数的人工智能使用了机器学习中的监督式学习（Supervised learning）方法，也就是说，计算机必须从特定的数据集学习相关信息后，才能分析并响应结果。换句话说，机器学习算法必须使用现存数据来预测结果。近日，OpenAI 的研究人员发现，他们开发的一种机器学习系统，原本用于预测亚马逊评论文字的下一个字符，但已经发展成一种非监督式（Unsupervised）的系统，可以自我学习情绪的判断。OpenAI 是一家非营利的人工智能研究机构，其投资者包括 Tesla 执行长伊隆·马斯克（Elon Musk）、知名创业家彼得·泰尔（Peter Thiel）以及 Y Combinator 执行长萨姆·奥尔特曼（Sam Altman）。OpenAI 在部落格提到：「我们的模型学会了一种判断功能，经由预测亚马逊评论中的下一个字符，导致发现了情绪的概念，这让我们感到非常惊讶。」OpenAI 的神经网络能经由区分正面和负面评论，以训练情绪分析的能力，并能产生带有正面或负面情绪的文字。

准确率高达 91.8%

这种人工智能系统使用「相乘性长短期记忆模型」（multiplicative long short-term memory，mLSTM），利用 8200 万笔亚马逊评论的词语库，设计了 4096 个学习单元，并持续训练了一个月，以预测评论下一个字符的文字。在完成训练之后，研究人员对这些学习单元使用线性组合进行分析，并将模型转变成情绪分类器。研究人员发现，当到这个模型使用少量的学习单元时，只有一个「情绪神经元」能对情绪值进行准确的预测。这种人工智能的情绪分析能力，超越了使用 Stanford Sentiment Treebank（SST）进行分析的所有其他相关研究，SST 是一个小型但被广泛研究的情绪分析数据集。OpenAI 人工智能的准确率高达 91.8%，比之前作过的最佳准确率 90.2% 还要高。

非监督式学习

非监督式学习是机器学习领域追求的目标，这种人工智能具有自我学习的能力，不必提供特定的数据集进行训练。OpenAI 的 mLSTM 模型实现了这个目标，不过，其开发者认为此系统可能不是唯一能进行这种非监督式学习的系统。OpenAI 的研究人员表示：「我们认为这种现象并非这个模型的特性，而是大型神经网络所具有的一般属性，这些神经网络经过训练后，能用来预测输入后的下一个步骤或维度。」非监督式学习将为人工智能的能力带来显著的提升，不但能减少接受训练的时间，同时还能提高表现。例如，这种人工智能可以分析，甚至预测用户的需要，以提供所需的虚拟协助。不过要实现相关的应用之前，仍需进一步研究非监督式学习算法的开发。OpenAI 研究人员解释：「我们的研究结果，对非监督式表征学习来说是一项进展。经由探索语言建模的副作用，进而学习高质量的情感判断，并在仔细选择的数据集上扩大既有的模型，最后终于找到结果。不过，底层的现象仍然相当神秘，有值得更进一步探索之处。」原文来源至：星座女神测运势 http://mitsp.com/

转载于:https://my.oschina.net/u/3695307/blog/2988570