IBM 的「AI 杠精」登頂 Nature 封面，曾打敗頂尖人類辯手一戰成名

本文作者：付靜

2021-03-18 18:11

導語：一個完全自主的計算機系統已被開發出來，這預示著未來 AI 能幫助人類形成、理解復雜論點。

談及辯論，在行的除了人類 BB King，還有“機器杠精”。

早在 2018 年 6 月，IBM 的 AI 辯手 Project Debater 擊敗以色列國際辯論協會主席 Dan Zafrir 和 2016 年以色列國家辯論冠軍 Noa Ovadia，一戰成名。

轉眼 3 年過去，號稱「首個能在復雜話題上與人類辯論的 AI 系統」的 Project Debater 更是出現在最新一期 Nature 雜志封面上。

IBM 的「AI 杠精」登頂 Nature 封面，曾打敗頂尖人類辯手一戰成名

AI 走出「舒適區」

2021 年 3 月 17 日，IBM Research 題為 An autonomous debating system（自主辯論系統）的論文正式發表于 Nature。

IBM 的「AI 杠精」登頂 Nature 封面，曾打敗頂尖人類辯手一戰成名

AI 被定義為“可以執行有智慧的生物所能完成的任務的機器” 。而眾所周知，爭論、辯論是體現人類智力的一個基本方式，也是人類眾多活動所必需的、人類社會共有的能力。因此，提升計算機對自然語言的理解和處理能力、發展論證技術，已成為 AI 研究的一個新興方向。

多年前，即便是最為先進的 AI，也不能很好地做到對人類話語進行分析、確定論據如何用于支持結論（這一過程被稱為論點挖掘）。

后來，隨著 AI 技術的進步和論證技術工程日益成熟，加之商業需求強烈，這一領域開始迅速發展。雷鋒網了解到，當前全世界有 50 余個實驗室正在研究這一問題，其中就包括所有大型軟件公司的研究團隊。

來自英國鄧迪大學辯論技術中心（Centre for Argument Technology）的 Chris Reed 認為，這一領域之所以能呈現快速發展之勢的一個原因便是：AI 系統可識別大量文本中語言使用的規律，這已在許多應用中產生了變革，但其本身在論點挖掘方面卻并不成功。

繼續深究便能發現其原因：論點結構太多變、太復雜、太微妙，且常常太隱蔽，難以像句子結構那樣易識別。

基于這一大背景，IBM 提出了 Project Debater，即一個可以與人類打辯論的自主系統，這一系統通過掃描儲存了 4 億篇新聞報道和來自維基百科的內容。

IBM 的「AI 杠精」登頂 Nature 封面，曾打敗頂尖人類辯手一戰成名

論文中，IBM 對其系統架構進行了完整的描述、全面系統的評估。

值得一提的是，IBM 強調了 AI 與人類辯論、AI 在游戲中挑戰人類之間的根本區別。

IBM 認為，后者是過去幾十年里 AI 研究學者們主要追求的經典挑戰，它尚存在于 AI 的“舒適區”內——而 AI 與人類辯論顯然意味著 AI 已走出了“舒適區”，畢竟在辯論中人類仍占上風，需要新的范式才能取得實質性進展。

正如 Chris Reed 評論的那樣：這一論文表明，該領域的研究已取得了長足進步。

Project Debater 成為工程壯舉

在 Chris Reed 看來，Project Debater 是一個巨大的工程壯舉。

具體而言，Project Debater 涵蓋了：

文本中收集、解釋與論證相關的材料的新方法
修復句子語法的方法（主要是為了系統在論證時重新部署所提取的句子片段）

圍繞著關鍵主題，上述方法與人類預先準備的信息結合在一起，將提供相關的知識、論證和反駁。實際上，這個知識庫還將以人類預先寫好的句子片段作為補充，這樣一來，在打辯論時準備、介紹演示文稿也不在話下。

其主要流程是：

查詢相關論據的高傾向性句子；
使用神經模型，對句子代表論據的概率進行一個排序；
結合神經網絡、基于知識，對每個論點立場做一個分類。

Chris Reed 對 Project Debater 的評價是：

無論是作為一個 AI 系統，還是一項 AI 領域的重大挑戰，Project Debater 都是非常有野心的。

這背后的邏輯是，幾乎所有的 AI 研究都把眼光放得很高，而一個關鍵問題就在于獲取足夠的數據、計算出有效解決方案。對此，Project Debater 通過一種雙管齊下的方式解決了這一障礙：一方面，僅著眼于百余個辯論主題；另一方面，從龐大的數據集中獲取材料作為支撐。

無疑，Project Debater 目前并非做到了完美的程度。

目前來看，或許這一系統最大的弱勢在于難以模仿人類辯手的連貫性和流暢性，其實這與其處理程序選擇、提取和組織語言的水平有關。

當然這種限制并不僅僅出現在 Project Debater 身上——盡管人們對論證的研究已經進行了兩千年，但人們對其結構仍然知之甚少。畢竟，對于一個連貫的論證推理模型而言，辯論研究的重點不同（是語言使用、認識論、認知過程還是邏輯有效性），關鍵特征也將有很大的不同。

因此，什么是好的論點模型，本身就是一大難題。

AI 辯手一戰成名

Project Debater 在實戰中表現如何，想必密切關注 AI 領域發展的小伙伴早有耳聞。

首先在 2018 年 6 月 18 日，IBM 舊金山辦公室，Project Debater 迎戰兩位頂尖人類辯手：以色列國際辯論協會主席 Dan Zafrir 和 2016 年以色列國家辯論冠軍 Noa Ovadia。

IBM 的「AI 杠精」登頂 Nature 封面，曾打敗頂尖人類辯手一戰成名

在兩場以「4 分鐘開場演講-4 分鐘反駁-2 分鐘論證總結」為流程的辯論中，人類辯手首先發言，然后 Project Debater 進行反駁。

IBM 的「AI 杠精」登頂 Nature 封面，曾打敗頂尖人類辯手一戰成名

Project Debater 通過處理大量文本，就主題構建出了結構良好的演講，觀點清晰明確。據外媒 Engadget 報道，Project Debater 拋出了不少自方觀點，同時還根據對手發言做了流利的反駁。最終，Project Debater 比 Dan Zafrir 多獲得 9 票，贏得了比賽。

隨后在 2019 年 2 月 11 日，Project Debater 與 2016 年世界大學辯論錦標賽總決賽選手、2012 年歐洲大學辯論錦標賽冠軍 Harish Natarajan 現場較量，最終人類辯手獲得勝利。

2019 年 11 月 21 日，劍橋大學舉辦了一場辯題為“AI 誕生是否弊大于利”的比賽，Project Debater 再次迎戰人類辯手。

從結果來看，Project Debater 的支持率為 51％，以微弱的優勢取勝。

但拋開票數來看，不少人認為：