近日，AAAI 2020大會(huì)放榜，在今年提交的8800篇論文中，最終錄取數(shù)量為1591篇，接收率20.6%。小i機(jī)器人研究院團(tuán)隊(duì)聯(lián)合加州大學(xué)戴維斯分校發(fā)表的論文《MOSS: End-to-End Dialog System Framework with Modular Supervision》入選AAAI 2020大會(huì)，標(biāo)志著小i機(jī)器人的人工智能相關(guān)技術(shù)得到了更多國(guó)際頂尖學(xué)術(shù)會(huì)議的認(rèn)可。
關(guān)于A(yíng)AAI 2020
AAAI的全稱(chēng)是 Association for the Advance of Artificial Intelligence——美國(guó)人工智能協(xié)會(huì)。該協(xié)會(huì)是人工智能領(lǐng)域的主要學(xué)術(shù)組織之一，其主辦的年會(huì)也是人工智能領(lǐng)域的國(guó)際頂級(jí)會(huì)議。在中國(guó)計(jì)算機(jī)學(xué)會(huì)的國(guó)際學(xué)術(shù)會(huì)議排名以及清華大學(xué)新發(fā)布的計(jì)算機(jī)科學(xué)推薦學(xué)術(shù)會(huì)議和期刊列表中，AAAI均被列為人工智能領(lǐng)域的A類(lèi)頂級(jí)會(huì)議。據(jù)悉，第34屆AAAI大會(huì)——AAAI 2020將于2020年2月7日-2月12日在美國(guó)紐約舉辦。
關(guān)于入選論文
《MOSS:End-to-End Dialog System Framework with Modular Supervision》是小i機(jī)器人研究院團(tuán)隊(duì)與加州大學(xué)戴維斯分校聯(lián)合發(fā)表的一篇關(guān)于面向任務(wù)型對(duì)話(huà)的論文。MOSS（模塊化監(jiān)督網(wǎng)絡(luò)）是一個(gè)End-to-End的Encoder-Decoder訓(xùn)練框架，整合了來(lái)自中間對(duì)話(huà)系統(tǒng)中的各種有監(jiān)督模塊，包括自然語(yǔ)言理解、對(duì)話(huà)狀態(tài)跟蹤、對(duì)話(huà)策略學(xué)習(xí)和自然語(yǔ)言生成。由于缺乏數(shù)據(jù)是訓(xùn)練端到端面向任務(wù)的對(duì)話(huà)系統(tǒng)的主要瓶頸，MOSS更有效地利用有限的培訓(xùn)數(shù)據(jù)，在只有60%的訓(xùn)練數(shù)據(jù)條件下，讓CamRest676任務(wù)達(dá)到了最先進(jìn)的水平。在只有40%的訓(xùn)練數(shù)據(jù)條件下，讓復(fù)雜的筆記本電腦網(wǎng)絡(luò)故障排除數(shù)據(jù)集（LaptopNetwork）任務(wù)達(dá)到了最先進(jìn)的水平。此外，MOSS也是一個(gè)靈活的框架，可以去掉一些模塊的監(jiān)督學(xué)習(xí)，是一個(gè)可插拔使用的模型。
論文提出了遵循模塊化系統(tǒng)的思路，在一個(gè)端到端的可訓(xùn)練框架中，為每個(gè)對(duì)話(huà)模塊注入豐富的監(jiān)督。在MOSS框架下，諸如自然語(yǔ)言理解、對(duì)話(huà)狀態(tài)跟蹤、對(duì)話(huà)策略學(xué)習(xí)和自然語(yǔ)言生成等對(duì)話(huà)模塊共享一個(gè)編碼器，但分別有各自的解碼器。不同模塊的解碼器通過(guò)隱藏狀態(tài)連接，而不是通過(guò)符號(hào)輸出。然后對(duì)各模塊進(jìn)行聯(lián)合優(yōu)化，避免誤差傳播和模型失配。此外，由于MOSS在測(cè)試過(guò)程中會(huì)產(chǎn)生單個(gè)模塊的輸出，所以可以通過(guò)檢查模塊輸出來(lái)輕松定位錯(cuò)誤。
值得一提的是，該入選論文中還首次發(fā)表了LaptopNetwork——由小i機(jī)器人研究院團(tuán)隊(duì)與加州大學(xué)戴維斯分校共同收集整理的一個(gè)真實(shí)的筆記本電腦網(wǎng)絡(luò)故障排除的中文任務(wù)。LaptopNetwork數(shù)據(jù)集收集來(lái)自于一個(gè)在線(xiàn)打字的售后服務(wù)平臺(tái)，它涉及到有技術(shù)問(wèn)題的真實(shí)客戶(hù)和專(zhuān)業(yè)的電腦維護(hù)工程師，因此更加真實(shí)。在LaptopNetwork中，工程師可能會(huì)根據(jù)客戶(hù)的反饋給出不同的解決方案。LaptopNetwork有來(lái)自97名工程師的618個(gè)對(duì)話(huà)，每個(gè)對(duì)話(huà)平均14.76個(gè)回合，每個(gè)話(huà)語(yǔ)平均有51.67個(gè)漢字，每個(gè)對(duì)話(huà)平均耗時(shí)985.82秒。為L(zhǎng)aptopNetwork開(kāi)發(fā)一個(gè)注釋方案是很有挑戰(zhàn)性的，因?yàn)閷?duì)話(huà)框中充滿(mǎn)了諸如“網(wǎng)絡(luò)適配器”和“網(wǎng)絡(luò)編程接口”之類(lèi)的計(jì)算機(jī)維護(hù)術(shù)語(yǔ)，這些術(shù)語(yǔ)對(duì)于初學(xué)者來(lái)說(shuō)很難理解。論文最后確定了60種不同的對(duì)話(huà)行為，其中12種是與網(wǎng)絡(luò)解決方案相關(guān)的對(duì)話(huà)行為。與CamRest676這類(lèi)只有請(qǐng)求和提供信息兩種對(duì)話(huà)行為的信息查詢(xún)?nèi)蝿?wù)相比，論文提出的網(wǎng)絡(luò)故障排除任務(wù)要復(fù)雜得多。
通過(guò)論文的實(shí)驗(yàn)結(jié)果表明，當(dāng)對(duì)話(huà)任務(wù)具有更復(fù)雜的對(duì)話(huà)狀態(tài)和操作空間時(shí)，引入模塊化監(jiān)控會(huì)帶來(lái)更大的好處。如圖所示，在只有40%的訓(xùn)練數(shù)據(jù)的情況下，MOSS-all在所有指標(biāo)上都優(yōu)于TSCP。
小i機(jī)器人用認(rèn)知智能技術(shù)探索無(wú)限可能
多年來(lái)，小i機(jī)器人非常注重產(chǎn)學(xué)研的深度結(jié)合，研發(fā)探求技術(shù)創(chuàng)新，也一直將最新的認(rèn)知智能技術(shù)研究成果和落地應(yīng)用展示于國(guó)際頂級(jí)學(xué)術(shù)會(huì)議和賽事中。今年7月，小i機(jī)器人研究院團(tuán)隊(duì)在國(guó)際權(quán)威機(jī)器閱讀理解評(píng)測(cè)SQu AD1.1挑戰(zhàn)賽中獨(dú)立參賽斬獲全球第三的成績(jī)；9月，小i機(jī)器人聯(lián)合北京郵電大學(xué)發(fā)表的論文在中國(guó)智能自動(dòng)化大會(huì)（CIAC）上獲得“最佳論文獎(jiǎng)”；10月，小i機(jī)器人憑借優(yōu)秀的技術(shù)創(chuàng)新能力和成熟的商業(yè)應(yīng)用能力獲得“第九屆吳文俊人工智能科技進(jìn)步獎(jiǎng)”等。
未來(lái)，小i機(jī)器人也會(huì)將先進(jìn)的認(rèn)知智能技術(shù)與產(chǎn)業(yè)應(yīng)用相融合，賦能產(chǎn)業(yè)發(fā)展，用認(rèn)知智能技術(shù)探索人工智能的無(wú)限可能。
