机器的阅读理解能力或许已经超过人类？

想想这样一个画面：在剧院的舞台上，一名女子坐在一架钢琴前。

那么她将要：

A）坐在长凳上，同时，她的妹妹在玩洋娃娃；

B）当音乐响起时朝某人微笑；

C）在人群中，看舞者起舞；

D）紧张地把手指放置在琴键上；

事实上，作为人类，我们很容易地就能推断出可能的情况：一个女人在演奏钢琴，一群人在看着她。我们甚至还能推断她即将进行的下一步行动：她将自己的手放在钢琴键上，并开始演奏。

这是年8月，一家总部位于美国西雅图的艾伦人工智能研究所（AllenInstituteforArtificialIntelligence），在一篇文献中提到的一道给机器的英语测试题。当时，机器的正确率只有大约60%。

但是现在看来，机器的理解能力正在，或许已经超越人类。

机器理解能力究竟如何？

所谓的机器阅读理解，其概念和大家学生时代所做的阅读理解基本相似，同样是给出一段材料和问题，给出正确答案，不过主角从人类换成AI模型。

虽然机器阅读理解看起来只是让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。

简单的来看，语音识别帮助机器“听”，图像识别帮助机器“看”，但机器如何做到听懂和看懂，是语义理解解决的问题。

相比于拼写检查和自动翻译，语义理解不只是运算和记录，而是主动分析和理解，所以阅读理解问题一直被认为是自然语言处理（NLP）的标志性临界点。

自然语言处理的其中一个关键就是语义理解，因为机器无法做到人类对自然语言的理解，就比如文章开头的问题。所以，语义理解也一直被认为是“人工智能皇冠上的明珠”，它融合了语言学、计算机科学、人工智能，其目的就是“让机器可以理解自然语言”。

语义理解也一直是科研和资本

转载请注明:http://www.aideyishus.com/lkyy/4351.html