2018 年伊始，人工智能取得重大突破！1 月 11 日，由斯坦福大學(xué)發(fā)起的機器閱讀理解領(lǐng)域***賽事 SQuAD 刷新排名，令業(yè)界振奮的是人工智能的閱讀能力歷史上***超越人類。   阿里巴巴憑借 82.440 的精準率打破了世界紀錄，并且超越了人類 82.304 的成績。

　　SQuAD 的負責(zé)人 Pranav Rajpurkar 難掩興奮之情。他在社交媒體上表示，2018 年一個強勁的開始，***個模型（阿里巴巴 iDST 團隊提交的 SLQA +）在精準度匹配上超越人類表現(xiàn)！下一個挑戰(zhàn)：模糊匹配，人類仍然領(lǐng)先 2.5 分！

　　SQuAD 比賽構(gòu)建了一個大規(guī)模的機器閱讀理解數(shù)據(jù)集(包含 10 萬個問題)，文章來源于 500 多篇維基百科文章。

　　人工智能在閱讀完數(shù)據(jù)集中的一篇短文之后，需要回答若干個基于文章內(nèi)容的問題，然后與標準答案進行比對，得出精確匹配(Exact Match)和模糊匹配(F1-score)的結(jié)果。

　　SQuAD 是行業(yè)內(nèi)公認的機器閱讀理解***賽事，吸引了包括谷歌、卡內(nèi)基.梅隆大學(xué)、斯坦福大學(xué)、微軟亞洲研究院、艾倫研究院、IBM、Facebook 等知名企業(yè)研究機構(gòu)和高校的深度參與。

　　此次技術(shù)的重大突破源于阿里巴巴研究團隊提出的“基于分層融合注意力機制”的深度神經(jīng)網(wǎng)絡(luò)模型。該模型能夠模擬人類在做閱讀理解問題時的一些行為，包括結(jié)合篇章內(nèi)容審題，帶著問題反復(fù)閱讀文章，避免閱讀中遺忘而進行相關(guān)標注等。

　　模型可以在捕捉問題和文章中特定區(qū)域關(guān)聯(lián)的同時，借助分層策略，逐步集中注意力，使答案邊界清晰；另一方面，為避免過于關(guān)注細節(jié)，采用融合方式將全局信息加入注意力機制，進行適度糾正，確保關(guān)注點正確。

　　阿里巴巴自然語言處理***科學(xué)家司羅表示，對于解決 wiki 類客觀知識問答，機器已經(jīng)取得非常好的結(jié)果，我們將繼續(xù)向?qū)νㄓ脙?nèi)容的“能理解會思考”的***目標邁進。

　　今后，研發(fā)的重點在于把這項技術(shù)真正應(yīng)用在廣大實際場景，讓機器智能普惠生活。

　　實事上，這項技術(shù)已經(jīng)在阿里巴巴內(nèi)部被廣泛使用。比如，每年雙 11 都會有大量的顧客對活動規(guī)則進行咨詢。阿里小蜜團隊通過使用司羅團隊的技術(shù)，讓機器直接對規(guī)則進行閱讀，為用戶提供規(guī)則解讀服務(wù)，是最自然的交互方式。

　　再比如，顧客還會針對單個商品詢問大量的基礎(chǔ)問題，而這些問題其實在商品詳情頁都是有答案的?，F(xiàn)在通過機器閱讀理解技術(shù)，能夠讓機器對詳情頁中的商品描述文本進行更為智能地閱讀和回答，降低服務(wù)成本的同時提高購買轉(zhuǎn)化率。

　　由司羅領(lǐng)導(dǎo)的自然語言處理團隊支撐了阿里巴巴整個生態(tài)的技術(shù)需求。由他們研發(fā)的 AliNLP 自然語言技術(shù)平臺每日調(diào)用 1200 億+次，Alitranx 翻譯系統(tǒng)提供 20 個語種在線服務(wù)日調(diào)用量超過 7 億+次。

　　此前曾在 2016 年 ACM CIKM 個性化電商搜索、2017 年 IJCNLP 中文語法檢測 CGED 評測、2017 年年美國標準計量局 TAC 評比英文實體分類等大賽中取得全球***的成績。