記者／林子筠
還記得擊敗南韓棋王李世乭的AlphaGo嗎？AlphaGo的勝利不僅被視為人工智慧發展史上重要的里程碑，更為機器學習技術打下成功的基礎。儘管人工智慧前景大好，但要讓機器完全理解人類語言，至今仍是一大挑戰。微軟亞洲研究院這次發布了知識資料庫（Microsoft Concept Graph）及單字關聯模型（Microsoft Concept Tagging Model），教電腦懂得常識性概念，更了解人類語言。
■微軟新研究為電腦建立常識性概念，讓機器理解人類語言。（圖／Microsoft）
目前，人工智慧與人類智慧最大的差距在於人類擁有理解萬物的「常識」及「概念化」的能力，而微軟這次發布的兩項研究成果就是縮小機器與人類在理解語言上的落差。兩個模型的概念相輔相成，第一步是將常識建檔為資料庫。微軟為知識資料庫（Microsoft Concept Graph）收集540萬個核心概念，每個概念裡會連結許多實體與子概念。例如：「蘋果」這個概念會連結到「水果」與「科技公司」，甚至是「牛頓」較冷門的連結點。這項技術可應用在聊天機器人的開發與關鍵字廣告，資料庫可為廣告商觸及到更多消費者，提升獲取利潤的機會。
■微軟知識資料庫（Microsoft Concept Graph）包含540萬個概念。（圖／Microsoft）
有概念資料庫後，第二步是讓電腦可正確將單字對應到特定情境。微軟發布的單字關聯模型（Microsoft Concept Tagging Model）讓電腦根據句子涵義計算單字對應到各個概念的關聯性，推斷出單字正確代表的概念。例如：「I want to eat an apple.」，模型計算對應到「水果」的關聯性較大；而「I want to visit Apple.」則推斷出單字代表「科技公司」的概念。這個模型可應用於阻擋社群媒體中的不當言論，藉由擴展關鍵字原有的概念，在系統中找到其他和關鍵字相關性強的字彙，使屏蔽特定字詞的程式更有效地運作。
目前的模型皆只支援英文版本，可供下載於研究使用。未來除了支援中文版本外，微軟希望讓電腦藉由上下文正確判斷單字，完全理解人類語言，並應用於搜尋引擎、自動問答系統、聊天機器人等，最終推動人工智慧領域的進步。