圖據網路
技術揭秘
要拿高分 機器人的難處你不懂
機器人高考，難在哪?中科院自動化所模式識別國家重點實驗室助理研究員汪昆,主攻機器翻譯與自然語言處理。他分析説，機器人高考聽起來輕鬆幽默，其實是一個複雜的科技命題。
簡單問題要複雜處理
汪昆先描摹了機器人參加高考的情境：在讀文字、聽聽力、識圖的過程中，機器人首先要把人類的語言、圖形映射為電腦能夠處理的形式語言，再分析、理解和處理，最後以人類能夠理解的方式呈現答案。
“這個過程會涉及語音識別、自然語言處理、自動問答和自然語言生成等諸多環節。”汪昆説。假如，我們給機器人出道題——姚明的身高是多少?對於這句話，機器人首先並不清楚哪幾個字是一個詞，它就要先做中文分詞，然後進行具體命名實體識別，把這個句子裏關鍵的人物、地點等資訊識別出來，接著進行句法和語義分析，最終理解問題後，再在相應的知識庫去搜索答案，然後以人類的方式給出回答。
機器人知識庫的形成可以通過人工總結，也可以通過在網際網路大數據庫中自動挖掘。“相比之下，人工總結的方法成本較大，可靠性比較有保證。而網路數據量大、時效性強，但有時受網路資源本身的限制，有可能會産生一些誤差甚至錯誤。”汪昆説。
推理讓機器人頭大
姚明身高的問題可能還相對簡單，如果換成“姚明老婆的身高是多少”，機器人的大腦可就得多轉幾圈了。“因為這涉及知識推理。”汪昆解釋説。機器人要把“姚明老婆”的表述準確轉化為“葉莉”，再到有關葉莉的知識庫裏去搜尋答案。如果一個表達涉及多層的語義轉化和推理，對機器人來説就比較難了。
目前，機器人高考的每一個技術層面都有需要進一步攻克的難點。比如，自然語言處理在中文分詞和實體識別上的準確率是95%以上，而對於更難的句法和語義分析，仍有待提高。對於比較複雜的知識推理，機器人處理起來會覺得很頭大。
汪昆介紹説，相比中文，英文更容易被機器人理解。一方面由於英文的相關技術研發起步早、發展快，另一方面因為英文本身語言上的特點，便於機器人進行判斷。
