提起阅读理解这四个字，你会想到什么？
被四六级、雅思、托福支配的恐惧？英语试卷上连原作者都搞不懂的选择题？
不管哪种答案，肯定都逃不出一个规律：进行阅读理解这项“有益身心运动”的主体，必然是跟你我一样的人类。
毕竟嘛，这东西需要阅读一大段文字，然后理解了意义之后再做题目，堪称一场英语考试中最复杂最费脑筋，也最考验综合能力的一个环节。所以你的英语老师一定说过这样一句话：得阅读理解者得天下。
但是，我如果告诉你今天得这个天下的，已经不再是人类而是 AI 了，你会怎么想？也许此前我们想象过 AI 可以完成单词听写、句子翻译甚至写作，但可能很多人可能都没有想到，AI 做阅读理解现在也能甩人类几条街。
可事实就是这样，1 月 11 日，斯坦福大学著名的机器阅读理解赛事 SQuAD 刷新了全球排名，阿里巴巴凭借 82.440 的精准率打破了世界纪录，超越了人类 82.304 的平均得分。
当然了，AI 是不会去跟你比托福刷分的，这件事的背后，脑洞有点大哦......
什么是机器阅读理解？
机器阅读理解，虽然看起来只是让 AI 上阵来一场考试。但是却是自然语言处理技术中，继语音判断、语义理解之后最大的挑战：让智能体理解全文语境。
而斯坦福大学发起的 SQuAD 挑战赛，则是业内公认的机器阅读理解最高水平赛事。
SQuAD 挑战赛的基本规则，是通过众包的方式构建一个包含 10 万个问题左右的大规模数据集，并给出来源于维基百科长度大约在几百个单词左右的文章。参赛者提交的 AI 模型在阅读完数据集中的一篇短文之后，回答若干个基于文章内容的问题，答案与标准答案进行比对，最终得出成绩。
由于阅读理解这项“智能”调整，需要运用到大量逻辑、细节和结构分析能力，并且直接作用于现实中的文本资料，所以实际价值很大。
比如说，我们首先要面对的问题就是，假如 AI 已经比人类平均水平更擅长于对文本中的精准信息进行理解和回答，会带给我们什么呢？
当 AI 的“阅读理解”得分超越人类，意味着什么
举个例子或许可以很简单地理解这个问题：英语考试上，当 AI 可以翻译单词的时候，我们一点都不惊奇；但 AI 可以听写整句话的时候，我们会感叹技术进步了；当 AI 自己做阅读理解的时候，我们大概会想，还要我考这个试干什么?
这里面的差别，在于处理阅读理解相关问题时，AI 不只是要运算和记录，而是要主动去分析和理解。所以阅读理解问题一直被人当成是 NLP 的标志性临界点。但这个点被 AI 破解，直接意味着原本很多必须由人类才能完成的工作，已经能够被 AI 接管。
因为阅读理解问题，不只是要处理语音和简单的语义，而是要理解和关注词汇、语句、篇章结构、思维逻辑、辅助语句和关键句等等元素构成的复杂组织网络。
机器阅读理解“达标”，最直接的产业影响是大多数今天还必须由人工完成的规则、对话、服务信息类的相关工作，都可以被 AI 所取代。比如说客服、信息管理和推荐类的工作，都可以考虑用不眠不休、高运算速度的机器来取代。
机器阅读理解如何工作
或许我们都注意到了这样一个问题：今天的互联网世界，文本内容在变得越来越多，各种各样的信息爆炸而来。太多你知道的、你不知道的、你以为自己知道的却实际不知道的事情呼啸而过。甚至你双 11 想要剁个手，都有各种各样的游戏规则等着你。自己读吧，太累太痛苦还没时间，问客服吧，很可能出错还很慢，简直是薛定谔式问题。
这里或许就可以用 AI 阅读理解来解决了。比如客户对某个电商促销规则有疑问，就可以直接向 AI 提问，而 AI 就可以把这个问题当做阅读理解来进行解决方案回馈。
AI 的阅读理解能力，将在如何向客户提供非模板式的智能客服服务中发挥作用。而当 AI 在这些能力上超越人工，那么 AI 客服的利用价值将可能快速提升。换句话说，AI 客服终于可以不那么机械化了。
由此不难看出，这种关键能力的突破，对大量强调与普通消费者交互的产业线益处最多。
推而广之，AI 阅读能力也是文娱领域进行内容寻找和推荐的有效方式，比如阅读用户提出的复杂需求，进行精准推荐；与 IoT 产品相结合，给出对用户大段语言的回馈，乃至对话互动，都必须以机器理解能力为依托。
理解力，让我们在未来面前不仅是个孩子
除了知道 AI 可以充当更好的客服之外，究竟我们为什么应该关注 AI 阅读理解这件事？或许关键，是我们应该知道“理解力”在目前 AI 世界中的重要程度和期待指数。
AI 作为一种从计算机科学下的分支，一个智能体先天具备的是运算能力，而希望进行仿人类智慧的智能模拟，第二步就是模仿人类的感知。今天我们看到的机器视觉、语音识别、语义理解，都是在做这件事。而第三步，就是让 AI 产生理解力。
显然，识别有着庞大应用场景，并会在接下来很长一段时间内占据主流。但是 AI 的理解能力是大多数识别能力的进化，假如单纯识别出却无法产生输出，那么 AI 无非只是更灵活的传感器而已。
从这个逻辑上看，阅读理解对于 AI 来说绝不仅仅是个测试，或者商业应用的技术加持，更重要的是开启 AI 纪元里理解力的加速器。
更广阔的意义在于，当我们不再考虑 AI 是否能理解人类文本和语言，那么 DeepNLP 将可能达成，人机交互的范围将级扩大。AI 可以开始捕捉人类的逻辑和函指。
可能那还很远，也可能很近，但机器理解力让我们在未来面前不再是个孩子，这应该是毫无疑问的。
相关文章
