今天的報(bào)告分三個(gè)部分——人機(jī)交互的內(nèi)涵外延、人機(jī)交互中知識問題、如何在交互中應(yīng)用知識。從內(nèi)涵的角度，人機(jī)交互是認(rèn)知智能展現(xiàn)的窗口；人工智能技術(shù)改變世界的途徑，其中包括通過交互控制這種改變和提供人機(jī)互動的模態(tài)；人機(jī)交互是人工智能技術(shù)落地，改變我們生活和各種形態(tài)必要的而且是最重要的途徑。只有通過人和機(jī)器的交互，才能控制人工智能帶來技術(shù)上、生活上的各種變化，而避免人工智能“暴走”的風(fēng)險(xiǎn)。人工智能的外延角度，人機(jī)交互可以理解為落地的應(yīng)用，最典型的是人機(jī)對話，如客服；其次有智能信息管理，例如語義信息查詢等，在這個(gè)數(shù)字經(jīng)濟(jì)時(shí)代，信息智能管理或者是語義管理越來越重要；還有人機(jī)協(xié)同，比如輔助駕駛或者機(jī)器人助理，人們越來越感受到機(jī)器助理生活在你身邊。代表性的有SIRI。還會有各種APP給你做查詢、做規(guī)劃、做方案等。

知識相關(guān)問題可以分為兩個(gè)方面，一是常識性知識；一個(gè)是領(lǐng)域相關(guān)知識。常識性知識中包括知識認(rèn)知問題和建模算法問題。從認(rèn)知角度上講，做計(jì)算的利用知識，更多看到光明的一面。然而從社會學(xué)的角度有很多不同的聲音（不是誰對誰錯(cuò)的問題）。

下面這張圖是多倫多大學(xué)Frank Rudzicz教授報(bào)告中的截圖。SIRI實(shí)際的反饋，被認(rèn)為是AI倫理問題的例子。因?yàn)檫@些例子批評SIRI，我認(rèn)為是不公平的，SIRI不可能回答這種問題。因?yàn)椋到y(tǒng)沒有足夠的知識支持她回答這么深層語義的問題。

從算法的角度。大家都知道帶來這次人工智能春天的主要是基于統(tǒng)計(jì)學(xué)的機(jī)器學(xué)習(xí)算法。然而統(tǒng)計(jì)學(xué)有偏差。如下圖所示。

She is a doctor and he is a nurse這句話沒有問題。但是，其內(nèi)容可能會影響系統(tǒng)輸出可信度，原因來自于訓(xùn)練語料。這是法律專家認(rèn)為人工智能有性別歧視問題給出的例子。第二個(gè)例子是關(guān)于四川料理是不是辣的問題。這樣的問題在機(jī)器對話中，往往叫做上下文不一致性問題。但是我認(rèn)為這個(gè)是一個(gè)常識性問題。因?yàn)椋恢浪拇侠硪岳睘橹鞯娜耍矔高@樣的錯(cuò)誤。

關(guān)于領(lǐng)域相關(guān)知識我想強(qiáng)調(diào)數(shù)據(jù)與知識庫構(gòu)建兩個(gè)問題。現(xiàn)在是大數(shù)據(jù)時(shí)代，大數(shù)據(jù)的這一波熱潮興起在人工智能之前，包括移動互聯(lián)網(wǎng)帶來大數(shù)據(jù)時(shí)代，但是我們做知識相關(guān)實(shí)際項(xiàng)目時(shí)，它真的不見得是大數(shù)據(jù)，有時(shí)可能沒有大數(shù)據(jù)。給一個(gè)例子如下圖所示。

無法確定數(shù)據(jù)標(biāo)注方法是最大的問題。

另一個(gè)問題是知識圖譜構(gòu)建問題，其中包括如何構(gòu)建、評價(jià)和更新知識圖譜，和誰去做知識圖譜構(gòu)建這件事情。作為學(xué)術(shù)研究者，總覺得應(yīng)該是企業(yè)懂業(yè)務(wù)的人構(gòu)建知識圖譜。但是實(shí)際上行不通，企業(yè)業(yè)務(wù)專家的業(yè)務(wù)邏輯和我們想建的知識圖譜的邏輯不（完全）一致。因此，只有雙方坐下來反復(fù)、深入溝通，才可能完成。

知識應(yīng)用有兩大方向——建模過程中融入知識和在系統(tǒng)框架中利用知識。

在建模中如何融入知識，包括知識表示、知識推理影射，以及多路徑融合和知識動態(tài)分析。這里介紹幾個(gè)我們課題組博士生的工作。論文列表如下：

舉一個(gè)例子，TransG模型。目前最通用的知識三元組表示方法是用向量關(guān)系表示實(shí)體關(guān)系，一個(gè)頭向量，一個(gè)尾向量，還有中間的關(guān)系向量。事實(shí)上，知識表達(dá)關(guān)系內(nèi)涵特別豐富，例如，a part of這個(gè)關(guān)系，一個(gè)城市是一個(gè)國家的部分，一個(gè)椅子腿是桌子的部分.....用一個(gè)向量去表示是非常困難的。博士生所提出的混合高斯的方法可以比較好地解決這類問題。

另一個(gè)例子是2013年發(fā)表在SIGIR的工作，討論如何從動態(tài)變化的社交媒體內(nèi)容上挖掘動態(tài)的、有時(shí)效性的知識。比如這是奧巴馬，隨著不同的時(shí)間在互聯(lián)網(wǎng)上尋找他相關(guān)的最熱的話題，對這個(gè)話題進(jìn)行描述，展示相關(guān)內(nèi)容。如下圖所示。最開始就是奧巴馬參加選舉，有各種各樣的話題。他連任時(shí)又有一些新的話題。這也是一個(gè)圖譜概念，把知識跟互聯(lián)網(wǎng)上的信息關(guān)聯(lián)起，不停獲取和更新知識。

在建模時(shí)融合知識的另一類工作是以生成模塊為背景的工作。如：

對生成語句的控制。“我非常餓”，在不同的情況下，可以給出不同的語句。這就是一種對機(jī)器的控制。我們希望機(jī)器人能被人控制的。對機(jī)器人的評價(jià)有“智能”和“智障”，有些用戶說“我寧愿機(jī)器智障，也不想讓他抽風(fēng)”。因此，能夠控制機(jī)器的輸出，控制其語音行為、控制風(fēng)險(xiǎn)是非常重要的。

另一個(gè)工作是情緒化對話生成。控制機(jī)器表達(dá)的情緒，讓機(jī)器人可以更生動一些。也是通過控制機(jī)器的語言，進(jìn)而控制其動作。另一個(gè)例子是個(gè)性化的對話生成。例如下圖，這個(gè)寶寶叫旺仔，是一個(gè)3歲、喜歡玩游戲和彈琴的男孩。這個(gè)工作生成的系統(tǒng)可以控制輸出內(nèi)容，不僅僅是迎合用戶的問題，而是有自己的基本原則。

最后一部分是如何在系統(tǒng)架構(gòu)中通過知識，迭代學(xué)習(xí)。還沒有很好的論文發(fā)表主要考慮如何將環(huán)境數(shù)據(jù)、語義理解和知識圖譜維護(hù)這三個(gè)環(huán)節(jié)聯(lián)合建模。

結(jié)論：知識是必須的，知識缺失的系統(tǒng)無法達(dá)成人類對智能系統(tǒng)的期待。知識是可用的，某種意義上已經(jīng)能夠支持開放領(lǐng)域、特定領(lǐng)域多種信息服務(wù)。知識相關(guān)研究遠(yuǎn)遠(yuǎn)不夠，知識表示、知識融合、知識評估等有極大的發(fā)展空間。研究不是孤立的，知識的研究與多種信息處理技術(shù)息息相關(guān)。例如數(shù)據(jù)采集、語義計(jì)算、語義理解、推理等、等。簡而言之“任重道遠(yuǎn)”。