AI辩手的工作原理，以及失利的两个原因

这已经不是新闻了——IBM的人工智能辩论系统Debater在前不久输给一位人类辩手。这其实是Debater的第二次亮相。第一次是去年6月跟两位以色列高手（因为IBM这个项目实验室在以色列），但那次的人类据说比较水，两位之中相对牛逼的Noa Ovadia也只是以色列冠军而已，而这一次的Harish Natarajan好歹是2012年欧锦赛的冠军。

Debater的原理，我的猜测，大致是这样的。给定辩题之后，有四个步骤：一是依据相关性原则，从海量数据库中选出相关信息；二是通过语义分析，判断这些信息是支持自己的，还是反对自己的；三是挑出支持的信息，去重，并按照逻辑进行分类分层；四是按演讲稿的要求，进行润色，怎么开场，怎么引用数据，怎么抖包袱。第四步其实也比较难，所以IBM几年前开始储备的，不仅是媒体及社交数据本身，还有人们对这些信息的反应，这样才能在最终效果上打动人类。

那如此强大，为什么还失败了呢。个人觉得有两个原因，第一个，也是很多媒体谈到的，就是在反驳环节犯了逻辑错误。这次辩论分三个环节：4分钟的立论，4分钟的反驳和2分钟的结论。立论和结论环节，基本都是陈述性的，按前面讲的原理，AI应该是比较强的，所以没有露怯。但到了反驳环节，由于语义理解，或者处理时间的问题，AI似乎并没有理解人类的观点，所以也就没法进行针对性的反驳，于是相形见绌。

第二个原因，是赛制和运气的问题，辩论的胜负取决于现场观众的取向变化。所以AI先前的79张赞同的高票，反而成为一种负担，因为你“劝降”对象只有少数21人，而对手可以在你的79人里尽情挖角；第二，是人情味还有人类自尊心的问题，同样一句话，AI说和人类说，让人产生的共鸣程度是不同的。如果AI能做到自然语音，然后在图灵测试这样纯语音环境下进行比赛，胜负的结果可能更有说服力。

IBM从最早的Deep Blue，到现在的Debater，在决策支持上可谓矢志不渝。这一次的操作，还是挺值的，不仅显示了在AI领域叫板Google的实力，也为自身决策支持系统积累了强大的案例和品牌。最终达到的效果，肯定不是辩论赛了，我觉得一方面，是在中间性的问题上给出直接的决策建议；另一方面，也是在决策的过程中提供更多的参考信息。所以，Debater虽然输了这次辩论，但观众在投票“哪位辩手更能为你提供有用信息”这个问题上，还是投给了Debater。估计看到这个结果，IBM的PR心里都松了口气。