雷锋网 AI 科技评论按：随着机器学习蓬勃发展，新的研究领域不停出现。除了创造并解决新的问题之外，现有的应用其实也可以从机器学习中大为受益。Salesforce 近期的一篇论文就介绍了利用机器学习，无需学习 SQL 语言就可以在数据库中进行查询。雷锋网 AI 科技评论把相关报道编译如下。
SQL 在编程领域越来越少被提及，但是 SQL 语言的学习曲线仍然陡峭，这就让很多人放弃了尝试直接和关系型数据库打交道。CRM 软件服务商 Salesforce 的人工智能研究团队就从自己的业务开始下手，探索如何让不具备 SQL 知识的人通过机器学习打开数据库操作的大门。
在他们近期的论文「Seq2SQL: Generating Structured Queries from Natural Language using Reinforcement Learning」（Seq2SQL：用强化学习从自然语言生成结构化查询语句）中，构建了一个机器学习中典型的序列到序列模型。在其中用到的强化学习让模型在翻译自然语言到 SQL 数据库查询语句任务中取得了让人眼前一亮的成果。
这就意味着，在实际应用中用户可以直接问系统：“橄榄球高校巡回赛排名第一的是哪支队伍”，系统就会自动查询对应的数据库，然后告诉你答案是密歇根大学队。正如下面这张动图示意的？
Salesforce 研究员 Victor Zhong，也是这篇论文的第一作者，介绍说：“一个正确的查询语句其实可以有好几种写法。如果给系统里输入一个自然语言的问题，对应的查询语句可能会有两三种。我们用强化学习来鼓励系统选用能够查询到相同结果的语句。”
随着自然语言的提问里包含的单词变多，可以想象这种机器翻译任务也会很快变得非常复杂。应对方式就是，对于每一个缺失单词的可能翻译数目施加的限制越多，翻译任务就会变得越简单。Salesforce 的研究人员们就利用了这种想法，他们对系统的提问里、数据库标签里和典型 SQL 查询语句里能够包含的单词做了一些限制，从而简化了翻译系统的设计难度。
让 SQL 平民化其实也不是新鲜事了，Tableau 最近收购了创业公司 ClearGraph，后者的业务就是提供用英语而不是 SQL 语言查询数据的方案。
Victor Zhong 补充说：“有的模型直接在数据库上做操作，但是如果提问一个关于身份证号的问题就会有潜在的隐私问题。”
除了论文里的方案本身，Salesforce 的这项研究还有一个贡献是他们构建的 WikiSQL 数据集，他们的翻译模型就是用这个数据集训练出来的。他们首先从 Wikipedia 采集了 HTML 表单，这些表单就成为了随机生成的 SQL 查询语句的基础；他们从这些查询生成了对应的问题，然后把问题放到亚马逊 Mechanical Turk 众包平台上让人类把它们改写成自然语言。每个改写后的句子都会被确认两次，而且还安排了单独的人指导这些确认过程。最终构成的 WikiSQL 数据集也是目前所有同类数据集中最大的一个。
via TechCrunch，雷锋网 AI 科技评论编译
论文地址：https://einstein.ai/static/images/layouts/research/seq2sql/seq2sql.pdf
相关文章
