月度归档： 2018 年 2 月

【尼沙龙笔记：图灵测试是语言理解的合理表示吗？】

毛:
伟哥对理解的理解似乎与二师兄不同？@wei

李:
董老师是我的启蒙老师他当年的逻辑语义学说回答了一个语句理解的问题觉得豁然开朗迄今也没别的学说这样让我信服过。@董振东

毛:
愿闻其详？

李:
说理解了一句话就是解构出里面的逻辑语义：谁是逻辑主语逻辑宾语等。董老师定义了将近 100 种逻辑语义角色，形成一个 hierarchy，最上层的逻辑语义角色不过10种。简单说就是搞明白谁对谁做了什么何时何地何原因如何做的等等。

毛:
那就必定是符号派了？
乡下的老太太，根本不知道主语谓语，她们不是也能理解吗？

Nick:
@毛德操老太太不知道，但老太太的大脑知道。老太太不知道自己的大脑知道

李:
是啊老太太知道 “她喜欢红烧肉” 与 “红烧肉她喜欢” 是一个意思，也知道与 “红烧肉喜欢她” 意思正好相反，后者是胡说。所以老太太的逻辑语义是明白的虽然她不懂得这就叫 parsing 或逻辑语义解析。

毛:
那怎么知道老太太的大脑知道？她可能并未转化成符号并加以解析。
@wei 你讲的理解是否包含对于因果的认知？

李:
语句理解包含部分的因果。

毛:
“部分”，多大的部分？有多大的部分，才算是理解了？老太太的大脑知道，其外部表现是什么？如何判定？

郭:
“理解”，我的理解如下：我脑子里有一个我自己的“大前提”，或者叫“common sense”，就是我的“认知”。你说一句话，如果我“理解”了，我就可以把你的话作为“小前提”。然后，我可以用“我自己的逻辑”，“推导”出“我的结论”来。这里，是否“符号”并不必然。这“逻辑”，也完全可以“非亚里士多德”，更不必“因果”。但无论如何，要能再走一步。

毛:
这其实就是图灵测试的变形，只是把它用在人与人之间（而不是机器与人之间）。你是以你自己的认知作为对照，看老太太的反应是否与这个对照者等同。所以，我认为唯一的办法就是图灵测试。

郭：
“老太太的大脑”的判定，其实无异于图灵测试。你说“我喜欢红烧肉”，她如果回答“我小时候吃不起啊”，我就认为她“理解”了。

毛:
对。你还可以问:“为什么吃不起”，如果回答“没钱”，就更说明她理解了。通过了图灵测试，就可以认为测试目标真的理解了，或者说具有了（正常）人的智能。图灵在五几年就想透了这一层。问题其实在庄子那个时候就提出来了（子非鱼），但是他没有答案，没有提出方法。

郭:
不过，图灵测试，可是批评者众啊！也是问题一大堆。

白:
图灵测试这思路不对。

毛:
愿闻其详？批评者众可以，但是得要提出替代方案。

白:
我喜欢Winograd Scheme的路子。用代词指代考系统。

毛:
那都涉及语法，可是许多人根本不知语法为何物。比方说我五岁的外孙女，她已经能理解不少事情了，但是她根本不知道语法。

白:
没有显性语法，普通人做得出来的。比如“张三告诉李四他很伤心，他安慰了他。” 然后问：谁很伤心？谁安慰了谁？这完全不涉及显性的语法。

毛:
问题是，你怎么知道她会运用隐性的语法？你钻不到她脑子里，只能从外部观察。

白:
都是这套路。不管有没有隐性语法，做出来算。

毛:
对，做出来算，这实质上就已经是图灵测试了。

白:
不是自然对话，是语言学家和NLP专家设计出来的考题。比较人和机器的考分。

毛:
这实质上仍是图灵测试，形式上有所不同。当然，现在机器一般而言还没有能通过图灵测试。但是观察目标物对于外部刺激所作的反应，并与对照物相比，这个原理是一样的。我们在考察一个软件模块时只看其外部表现，即API，而不追究其内部实现，也是同样的思路。

白:
其实音乐和语法问题很类似。会唱的听众可以不识谱，但是哪里跟原曲不一致是可以听出来的。

毛:
对的。其实这就对应着符号和神经两条路线的差异。

白:
但是用什么记谱更精确，这个问题是有答案的。

李:
说一千道一万，我还是迷信SVO，即逻辑语义。

毛:
你自己已经说了，迷信。

白:
手握精确武器的人对手握原始武器的人，的确有傲视的资本。

毛:
SVO是高级的思维活动，而神经元是低级的，接近于本能的反应（所谓下意识的反应）。下意识的反应猫狗都有，而 SVO 只有人能做。所以脱离 SVO 谈人工智能是不现实的，只是目前的热点是在解决下意识活动而已。

白:
记谱法的好坏不需要迷信。

毛:
记谱方法的好坏，是符号派内部的冲突。简谱与五线谱，基本上就是首调唱名与固调唱名的分岐，我觉得都有道理。一些年轻人把人脸识别说得神乎其神，我说: 别以为你这就有多牛，你去牵条狗来，它照样也能人脸识别。

白:
比如说切分音，这个概念在不同记谱法里面可能表现形式不同，这无关大局。但假设一个记谱法里居然没办法表示切分音，这就是落后的记谱法了。

毛:
是的。这就是所谓“不完备”。这里又可看出深度学习与符号推理之间的差异。前者相当于能跟着唱，或记住了几支小调，但绝对成不了音乐家。所以，连接主义所能达到的水平，只能相当于人类中的文盲。而若想要知书达理，就得上学校去读书，学习符号与推理。

白:
当年表示不了“异或”的情况，就很像表示不了切分音的记谱法。

毛:
对对对

白:
如今表达不了robustness的符号逻辑，则是另一种尴尬。都构成被鄙视的理由。

毛:
反正戈德尔已经说了，逻辑本身就是不完备的。但是这并不意味着可以不要逻辑。

白:
表达不了灵活语序的形式语言，也是另一种尴尬。也不意味着逻辑不要创新。

毛:
那是因为有得必有失。你把语言简化了，当然就得付出代价。

白：
还原复杂的路径不止一条，也不为某种技术路线所专属。

毛:
对，应该互补。所以符号推理与深度学习都需要，而且得要能打通才好。

白:
也许真相离大家都有点远，谁不创新都是危险的。

毛:
是啊。但是创新难呐。

【相关】

【李白梁于94：爱因斯坦是卓别林的崇拜者, 谁崇拜谁？】

梁：
“爱因斯坦是卓别林的崇拜者。” 谁崇拜谁？

李:
好句。歧义句。

爱因斯坦的崇拜者是卓别林
卓别林的崇拜者是爱因斯坦

也都歧义。

以前提过，“者” 是一个看上去像词法后缀（-er），但其实常常跳到句法层面的词素，V-者；VP-者：

违者；违规者；违反规定者；违反中央三令五申的七项规定者

某人的崇拜者：（1）【（对）某人的崇拜】-者 == 【崇拜某人】-者；（2）某人【（对别人）的崇拜】-者。

中文好鬼。

如果改成“对象”，就避免的这个讨厌的“者“带来的歧义：“某人的崇拜对象”。崇拜的宾语（即“对象”）必须他指，而修饰语只能是施事。

我是鲁迅的崇拜者；鲁迅的崇拜者是我。

这个没有歧义。是语言外的知识补脑进来消灭了歧义：我是小人物，鲁迅是大人物；我是当今人，鲁迅是历史人物。常识告诉我们：小人物崇拜大人物，而不是相反。时间铁律告诉我们，活人可以崇拜过世的人物，但历史人物绝不可能了解，更不可能崇拜今人。

爱因斯坦卓别林是同时代人，印象两人见过面的。好像见过两人的合影照片。相互崇拜都是可能的。外部知识不能提供区别性消歧支持。

梁：
印象很深，小时候听过“Einstein was a great admirer of Charlie Chaplin's films.“

李:
“邓公是毛公的批评者“，也同样歧义。在毛时代，邓是属下，根本不敢批评毛，只有被批的份儿（三上三下）。在邓时代，邓继大位，毛已作古不能批，只能被批。

于:
@梁焰 @wei 语句的意义由语法不一定能确定，而是语用确定，现在不已经是常识了吗？

白:
现在讨论的是语用确定落实到什么地方

于:
@白硕语用似是考虑语境吧？语境似包含：说者、听者、时间、地点、事件、意图等等。同一语句的不同语义，依赖于语境的变化。目前语境的研究也有一些进展
语境的可计算性方面取得了一些进展

白:
希望有轻武器对接parser，不要一上来就是重武器，30年搞不完那种。

于:
@白硕轻武器很难。据我所知，语境计算似刚刚起步，跟parser对接还得等等。不过，可以写文章了

阮:
很多领域应用中，语境相对明确，感觉可以有轻武器。

于:
@阮彤那就得领域限定，情境也也就相应限定了。限定一定程度，理论上会有轻武器。

白:
批评者作批评对象理解，太少见了。可以做例外处理。至少要一个什么局部占优势的语境才能激活这个例外才可以。标配还是施事。有崇拜者，没有崇拜，更没有崇拜的内部（填坑）结构，自然就打住了。

李:
句法可以高高在上，暂时不烦心深层的逻辑语义。等到落地的时候再看要不要烦，到那时候，绝大多数的问题已经烟消云散。能够留在雷达上的，就是那个落地所指向的实际应用领域场景。进入场景，就是另外一个世界了，领域知识（包括领域本体图谱和领域实体图谱），业务逻辑等开始发力。

白:
现在已经有了“xx对象”这种清晰的表述，再用“xx者”这么暧昧的表述，纯属段子手了。所以“xx者”已经是标配的施事专业户了。

从轻发落的一个办法是，对一个有n个坑的动词V，“V者”只负责填一个坑而不锁定哪个坑。V的pos标记是S/nN，“者”的pos标记是N/S，二者结合并考虑反填的结果就是N/(n-1)N。在这样的句法体系里不必确定逻辑主宾语，也不必确定施受事，只对未饱和坑做加减法。等到说“谁的什么者”的时候，又可以少一个坑。所以，我们不在乎引入“者”的内部结构。这样处理，只不过为了在句法层面找一个能说明“谁和谁有关系”但不必深究“是什么关系”的合适边界。“是什么关系”语义层面自会给出“标配解”，如果必要，语用层面再给出“精确解”。虽然也是高高在上，但是句法本身就能确定的句法结构绝不留给语义。如果V是不及物动词或形容词（S/N），则一切不确定性消失，与“者”结合后形成的就是N。

有意思的是，英语有词法主动被动两个后缀，对歧义完全免疫，比中文的类后缀“者”与“对象”的对比彻底：

A is B's admirer : A admires B
A is B's admiree: B admires A

哈网上有争论说 admiree 不如 admired：-ee 是一个接受度不够广泛的后缀，见：https://www.quora.com/Does-the-word-admiree-exist-as-opposed-to-admirer

高:
killee
lovee

李:
lovee exists in theory; loved (one), beloved are used orally. We never know, as language is evolving, someday this suffix might be more widely adopted or might fade away......

【相关】

【李白宋93：汉语语序的自由与不自由】

白:
我觉得汉语语序没有那么强的作用。坑也不是非要凑齐了再咋地。应该有一种符号化的mechanism，很方便地刻画这种对语序的包容。大家之前都被误导了

李:
语序我觉得汉语没有那么强的作用
没有那么强的作用我觉得汉语语序
汉语我觉得语序作用没有那么强的
汉语语序作用我觉得没有那么强的
............

尝试结论一下：（1）宏观语序没有那么强，虽然统计上一定是少数几种语序最常用，但语序灵活性在。（2）微观语序相对固定。譬如上句中 “汉语语序” 不能说成 “语序汉语”，“我觉得” 不能说 “觉得我”，“那么强” 不能说 “强那么”等（不过 “没有那么强” 倒是可以说 “那么强没有”：这个有点赶巧了，遇到“没有”这个多用法的小词），但“主题化”句式有一定的打破语序的特殊作用：

语序【停顿】汉语作用没有那么强

汉语微观语序（phrase内部）不大自由，与有性数格一致关系的欧洲语言对比强烈：有一致关系的语言，就不需要语序来制约谁是修饰语谁是head了。汉语宏观语序（phrases 之间）的自由度，比我们通常以为的，要大很多。我们确实有意无意被误导很久了。

白:
分析用，“不能说”只是在结构作为一个组件参与排岐的时候才有用。其他情况基本不用。

李:
微观中最显著的关系是 mods 与 head，语序不固定就产生歧义，必须固定。尤其是定中（比较：“木头沙发” vs “沙发木头”）

白:
填坑与盖帽，本来就是两种性质的东西。

李:
到了副词-形容词组合：很好 vs * 好很（但是我们有个 “好得很”）；状语和动词：认真工作 vs 工作认真，居然两可，虽然句式不同。

phrases 之间，语序很自由，但仔细看，也有说法。一般来说，宾语提前很常见，但是主语后置不可以，少数例外是“来去”这些“自动词”：

三个人来了
来了三个人

宾语提前的自由度大于主语后置，这多少因为前者的说法常见，被共同体约定俗成以后，只好牺牲后者的自由度：太多的自由容易乱套，所以一个元素的自由增加建立在另一个密切相关的元素自由减少的前提下。

白:
喜欢死我了

李:
哈这个以前议过（【李白82：汉语重叠式再议】）：“我稀罕死她：是我喜欢她
她稀罕死我：既可以是她喜欢我，也可以是我喜欢她。汉语鬼不鬼？”

S 喜欢死 O：（1） S 喜欢死 O；（2）O 喜欢死 S == O 让 S 喜欢死（O) 【使动解读】

我喜欢死iPhone X 了
iPhone X 喜欢死我了。

歧义：他恨死我了。
不歧义（常识带入）：这破玩意儿恨死我了

宋：
汉语的语序，还是有硬约束的。“张三打李四”，一定是张三动手，李四挨打，这个语序不能乱。一般来说，施动受三个短语组成小句，无约束的全排列有6种，能使用的只有3种：施动受，施受动，受施动。当施受无法根据同动词的语义关系来区分时，后两种也不能用。

白：
施受动到底是句法关系还是语义关系？语义关系句法是可以不管的。

宋：
施受动是语义概念，但在汉语句中受语序限制，应该是语义的形式规则。句法分析可以不管，但语义分析要管。我想，用语义适配性解决不了“张三打李四”的语义分析问题，还要使用这种语义的形式规则。

李：
施动受（SVO）是逻辑语义。逻辑语义解析是分析的根本目标。归在哪个模块分几步走那是系统内部的事情但目标不变。

以前说过常识永远是软约束而显性形式（关于“显性形式”，见【立委科普：漫谈语言形式】）可以是硬约束软的不能代替硬的。当一种形式让我们理解了反常识的时候我们意识到了硬约束。乔姆斯基的绿色思想（“Colorless green ideas sleep furiously”）, 精妙不过如此。

硬约束举例:

1 语序: 白米饭吃了我
2 小词 “被” 和 “把”：我被白米饭吃了。白米饭把我吃了。
3 直接解说（包括用小词也用实词）：白米饭对我不是吃的对象，反过来我成了白米饭食用的对象。

白：
白米饭把我吃胖

李：
“吃胖” 那种句式（vt 加结果补语a 构成）不是硬约束的反例，反而是硬约束的论据。这类词法变式有严格的规则可循。不仅仅是汉语，很多语言都有一套类似的词法，自动变使动等等。

有了结果补语，合成词词法从自动变为使动，模式的语序也相应变动，逻辑语义在这个变式中是确定的，因此其中语序仍然是硬约束。如果我们说“我把白米饭吃胖了”，虽然反常识，但语义是确定的。

直接量（小词）、语序这些显性形式是硬约束的基本材料，在硬约束实现到pattern的时候是它们的组合在 enforce 硬约束。

NP1 把 NP2 Vt 了
NP2 把 NP1 Vt+Buyu

其所以后者可以转变自前者，乃是 pattern 里面所规定的语序与小词的硬约束在起作用。无论 “把” 在一种 pattern 里面引入的是受还是施它都是硬约束能够实行的一个硬件。否则施受和语句理解就无从谈起。如果常识语义这种软约束可以一统天下决定我们的理解过程如果语言学显性形式这些硬约束可以排除在理解之外，人类就不存在新的思想不存在童话和小说也不存在知识的更新和应付动态世界的可能。

事实上常识是最没有信息量的知识我们的语言交流其关注点总是集中在非常识和反常识的部分那才是我们的真正的信息营养。俗话说狗咬人不是新闻（不具有太多的情报性）人咬狗才是。

白：
歧义丰富的情况和歧义贫乏的情况，常识的作用是不一样的。歧义丰富时，常识帮助消岐。歧义贫乏时，常识无感，反常识帮助建立修辞性理解。

李：
但是硬材料不一定是硬约束只是硬约束可以利用的元素，硬约束离不开 pattern，pattern 才是实行硬约束的执行者，也是协调软约束的场地。是 pattern 告诉我们有个著名的软约束协调的问题譬如 pp attachment：vt np pp，pattern 是重中之重。FSA++ 就是 pattern 描述和实行的利器和理想的形式平台 formalism，因为它最直接直观抓住 pattern 的描述。

白:
举个例子啊这两筐、这筐、两筐，都OK。两这筐不ok，可分析用，也不care。这pattern长啥样，挺关键的。

李:
白老师是要说语序没大关系不需要作为硬条件么？问题是，有的时候，它的确就是硬条件，不 care 的前提是它不留歧义的余地或隐患（其他条件足够补偿这个条件的缺失）。但这事儿很难说，至少是睡不好觉。睡不好觉是因为我们不知道它留下隐患的几率有多大。任何一个条件理论上都可以抽掉，在有些 cases 并不影响解析，但其他的一直想不到的 cases 呢？总之，如果觉得某个 pattern 的词序是硬性的（譬如 SVO 不能倒过来 OVS），那么最好还是强制实施。“两这筐” 这种要不要强制排除，存疑。毛姑姑，作为分析不强制问题不大。（当然，作为生成，则必须强制，否则不是人话。）

一般而言，我们在NLP中玩条件平衡术，松一点或紧一点，带入词序或不带入词序，主要是因为自然语言的组词成句的排列，在“法”的平面是非常稀疏的，人类已经或可能说出来的序列比起全排列只是一个极小的子集。因此，作为分析的 parsing patterns 不必要把“合法”的约束，予以全面的强制，只要针对可能的歧义做出区别即可。

完全不需要语序制约的语言理论上存在，因为语序不过就是一种显性形式，总是可以以其他的显性形式代替来表达逻辑语义。可以假想一种语言有足够丰富的格标记（通常用后缀或前缀这种显性形式：介词可以看成是前缀，常用来表示格），董老师定义了近100个逻辑语义，算是非常细了，那么我们假想一种语言有相应的 100 个格标记可以使用，一一对应，没有歧义。再假想这种语言还有足够丰富的一致关系（agreement）标记来表达哪个词与哪个词发生逻辑语义的关系。

可以假想一种语言有足够丰富的格标记（通常用后缀或前缀这种显性形式：介词可以看成是前缀，常用来表示格），董老师定义了近100个逻辑语义，算是非常细了，那么我们假想一种语言有相应的 100 个格标记可以使用，一一对应，没有歧义。再假想这种语言还有足够丰富的一致关系（agreement）来表达哪个词与哪个词发生逻辑语义的关系。

有了这两样东西（小词或语缀常常是表达这些东西的显性形式），语序这种形式就可以完全排除了。因此，任何排列组合都不影响解析。可惜，实际中没有这种自然语言：即便声称自由语序的语言如俄语和世界语，也不是可以完全排除语序条件而达到解析的。

【相关】

【语义计算：汉语语序自由再辩】

【语义计算沙龙：语序自由度之辩】

【立委科普：漫谈语言形式】

【尼沙龙笔记：图灵测试是语言理解的合理表示吗？】

【李白92：自然语言漏得筛子似的，未必要补漏】

李:
火车上要注意安全，贵重物品随身带，行李箱放在能看到的地儿哈！贼春节不放假

乍看以为贼是修饰语一愣还有骂春节的呢。要是改成小偷就好了：“小偷春节不放假”。

严格说放假是个复合概念它挖了两个坑：【谁1】给【谁2】放假，就是
【谁1】放【谁2】的假。小偷是谁1 还是谁2 呢？好像既是谁1也是谁2 小偷通常是单干不成组织自己给自己放假。如果是盗窃团伙也许应该是谁2，需要头儿批准才能放假回家过个年。

梁:
“红杉树最便宜的是多少钱一包？ “ 新春快乐！！！

白:
咋不说中南海呢……

“睡觉我喜欢开着空调”“牛肉我喜欢三分熟的”两例中，“睡觉”和“牛肉”的句法功能相同吗？

宋:
什么是句法功能？主谓宾定状补吗？

白:
@宋柔如果是，该怎么定？

李:
句法不如逻辑语义容易有标准答案，因为句法是形式归纳，而形式归纳有不同的形式角度，所以句法学家特别爱吵架历史上甚至著名的语言学家之间也针锋相对，充满了不毛之争。逻辑语义则较少争议：人类趋向于有一把共同的尺子。

从词序的形式角度，从discourse的话题的表达，二者是相同的功能。从逻辑语义角度，则差别很大。

这个句首的 Topic 与句末的“的字结构” 是回指的关系，因为的字结构里面的 AP 与 NP 有逻辑修饰关系。

白:
相同之处都是把被修饰语前移为话题，不同之处是一个体词一个谓词。只画树，难以体现话题跟谁关联。

“那些字帖我只临了王羲之的。” “王羲之的”并不修饰“那些字帖”而只修饰“字帖”。

树藏起来了很多东西，不能作为讨论的基础。

李:
句首谓词比较讨厌，可以说是话题，但具体逻辑语义可以表示条件、时间、伴随情况等。

睡觉的时候，我喜欢开着空调。
睡觉的话，我喜欢开着空调。

白:
关键是，谁睡觉？至于睡觉和开着空调什么关系，在句法层面才真的不重要。二者搭上扣（有关系）即可。但是谁睡觉，过这村就没这店了。

李:
不重要。
甚至谁开空调也不重要。非谓语动词省掉主语是有道理的：我喜欢（我 or 别人为我 or 机器自动）开着空调。

白:
“着”表遗留状态，谁造成状态确实不重要。“门开着”天生就是自足的，不需要额外萝卜。睡觉不同。“墙上挂着画”谁挂的也无关紧要。

李:
一般认为主语可以顺着梯子下：“我喜欢游泳”。

白:
穿透

李:
谁游泳？尽管是个很无聊的 “理解” 问题，大家通常认为是 “我”：我喜欢我洗澡（其实加了“我”逻辑语义是全了，听上去反而别扭，或增加了言外之意：我喜欢自己洗澡，不喜欢人家给我洗澡）。

可是：“我喜欢下雪”。谁下雪？老天、上帝，反正不是“我”。

白:
下雪❄已经针插不进水泼不进了。来个老天也只能是状语。

李:
我喜欢反右。谁反右？其实是组织群众最终是领袖。
md 我其实恨透了反右。自己就是个右派只不过生不逢时没下地狱。

白:
“我恨透了做家务”，好象不是恨别人做家务唉。

李:
如果省掉 “做”呢？“我喜欢家务。”

白:
没有做，就没有穿透的问题。

李:
这个“做”都无关痛痒更崩提“谁做”了。总之语言不像逻辑那样完整自有其道理。逻辑不必分轻重主次讲究的就是完备自洽。而语言漏得筛子一样却有效传达了语用的需求。

白:
各坑有各坑的权重。算术往往比逻辑聪明。应该有相应robust的逻辑联结词，没有是逻辑不尽责。比如我上次说的，超过三分之二的布尔变量取值为真。还应该有不拘泥于语序的符号连接运算。这些都需要改造逻辑、改造形式语言理论。可以有不刻板的逻辑。可以有允许灵活语序和自由省略的形式语言。

李:
自然语言最大特点还不是歧义而是不逻辑常省略含糊其辞。交流的常态就是说者糊里糊涂说听者糊里糊涂听，奇的是二者还不觉得糊涂可以一样谈得热火朝天酒逢知己。

梁:
对，使用语言，是为了有效传达信息。你已经知道的，我就不说了。什么不知道，你问我呀，等会我补上就行了。

李:
除了语言学家和段子手没人在乎细节不 care 语义模糊。正常交流中 90% 的含混之处双方都不感知，只有少数的细节感兴趣了，于是发现含混，要求澄清。

于:
@wei 日常谈话语义并不模糊。@wei 省略并不意味含混

李:
省略和歧义都是含混的缘由。省略了，就有个默认标配。而标配在共同体宏观上有一个约定的填补但在个体之间未必一致。省略在语言学上叫零形式，因为形式为零理论上无法不导致含混，至少是留下了争论的余地。段子当中很多这种例子，捧哏的突然不捧了处处别扭，把所有的标配推翻。

白:
一般是抬杠的余地。对标配不合作，总是可能的。

李:
是啊显性形式就堵塞了这个漏洞没有含糊的余地。法律文书很讲究这个，结果读起来就不像人话。

日常对话：

a 打败了打败了
b 好哇好哇真太开心了

a 你开心啥？
b 不是打败了吗？

a 是啊你们队打败了
b 好哇。对了，打败了谁家？

a 我们队打败了
b 好哇一样值得庆贺

a 你们队败了我们队打败了你们队快快喝一杯
b ……

于:
@wei 省略是因为对方知道。如果把所有信息补齐，就太啰嗦了，对话根本进行不下。

李:
子非鱼啊。你怎么知道对方知道即便你以为对方知道？

于:
@wei 如果对方不知道，大多对话就结束了。当然教育除外

李:
上面的多轮对话互相并不知道也一样没结束

白:
有sentiment，一样可以做出猜测，只不过猜测一直在动态修改。
胜败，与喝彩，的传导路径。谁是哪一头的，可以顺着这个传导路径慢慢明晰。

【相关】

【李白91：休眠唤醒需要打离婚证】

李:
以前说过，local n元组搞定分词，通常认为n等于5足够（5-gram 平天下，见【李白71：“上交所有不义之财！”】）。今天有个例子，可以看看 bigram trigram and 10+ gram 的各自说法:

这所以自由时尚叛逆和反潮流著称的学校连塔也不得雍容。

Bigrams：这所所以 ……
trigram：这所以 ……
10+ gram：以 …………著称；这所…………学校

毛估估一下这场分词拔河赛的力量对比：“这所” 和 “所以” 单算的话，大概势均力敌，感觉 “所以” 稍微更强一点。到了trigram “这所以” 形势基本明朗了。【这所/以】（or 【【这/所】/以】）远远强过【这/所以】，虽然小概率反例会永远存在。到了 10+ gram，由于框式结构的搭配要求， “以 ……著称”（介词动词搭配）和“这所……学校”（量词名词搭配），【这所/以】的分词及其解析，占绝对优势可以板上钉钉了。

可是谁等得起 10+ 呢？或者我们找到一个投机取巧的算法把搭配距离缩短，或者咱就将就在 ngram （n 小于等于5）里面玩分词。原句（from yours truely today）以及插图（courtesy of yours truely too）是：

“一直觉得作为地标这塔缺了点啥想来是太过苗条。这所以自由时尚叛逆和反潮流著称的学校连塔也不得雍容。”

白:
还有“所……学校”之间的chemistry。强化所/以分离

李:
都是远距离。所以得有个合理的距离缩短机制：

白:
距离拉近时和平分手即可。

李:
和平分手很难有一屁股屎要擦：（i）“所以” 先成了连词后，要保证里面的两个词素仍然看得见这是其一。（ii）尝试分手的时候要一分为二，数据结构凭空要多出一个 token 出来。（iii）一分为二各就各位以后，要重新查词典得到各自全新的特征。（iv）然后才是参与到 parsing 去，该搭配搭配。哪里那么容易分手啊，离婚证也不好领。如此“休眠唤醒”（？？？），对平台很有要求的。

一个方案是，所有的多字词在一开始就把每个字当成 token 进入数据结构，然后把初步的词典为基础的分词当成是合成词的“绑架性”黑箱组词（组字成词，而不是切词），组词以后，由于黑箱原理，立马屏蔽下层的词素使不见天日，让其休眠，以防添乱。这样的话休眠唤醒一分为二的时候就不需要从根基上动土。但这种处理在单字层做了太多的虚功。不是完全不可行，但也没见人真地践行到 real life 系统去。

白:
退一张北京到上海的票，可以卖北京到济南和济南到上海两张票。12306都能搞定的数据结构，很难么？“所/以”这一近距离无优势而有远距离呼应可能性的分词方案，相当于分别挂两个订单，如果这两个都找到买主，我就退票。

所不是量词的情形也有可能：“他所以为荣的那点本事，早就过气了。”

所有认准一条标配的道儿，但不准备走到黑的，都可以挂出反悔订单，外面时机成熟了，立刻造反。

组合订单（多笔交易要么同时成交要么同时撤销）必然引入同步，同步必然损失效率。所以一定是trigger驱动，而不是挂单驱动。无 trigger则无时间开销，至于空间开销，那是毛毛雨。

李:
trigger word driven？以前我主张的休眠唤醒之术，就是trigger词驱动（见【歧义parsing的休眠唤醒机制再探】的“难过”）。

不过，关于时间空间开销其实好像都不是事儿。fact of life is 比起图像比起语音，比起当今有如军备竞赛一样地使用计算资源的那些 monsters，动辄成百上千的GPUs集群，目前的 NLU 太小儿科了简直像过家家。给个 high end pc，就乐颠颠地研发或耍弄 deep parsing。老朋友那天跟我说，现在的问题是给你100万倍的计算资源你能做什么？我懵了打死我我也用不了这多资源。只会螺丝壳里做道场玩具一般。还梦想着建通天之塔探究人类语言最微妙的奥秘。

郭：
机器翻译，用的计算资源也不少。

李：
那天说了神经mt与语音转写同理已经不是 nlu 了：都是鹦鹉学舌离开理解越来越远。看看这篇分析：

【立委科普：歧义parsing的休眠唤醒机制再探】

It’s pretty lengthy. Pointing the fact of no understanding in deep learning. We all know it is true. What we did not know was how far a system can go without understanding or parsing on an end to end deep neural network modal. All criticisms here are valid but still MT has never been this impressive and useful in practice unless you make the wrong choice to use it for translating literary works or for translating domain documents where it has no human translation data to learn from.

他说机器不过是处理了符号序列它根本就没有丝毫 reading 的真实能力。reading、 parsing 和 comprehending 及 understanding 在英语都是一个意思。是 Elisa 效应让我们以为它理解了就跟领导在家老跟宠物牛顿说话坚信牛顿能听懂也能表达尤其是肚子饿的时候牛顿表达能力惊人的丰富。牛顿的表达能力虽然只是 meow 的不同变体领导声称可以解码。

“传统” AI 和 NLU 就是理解了吗？也难说因为符号体系内部也是人类自己跟自己玩。好的符号体系更像是好的助记符摆弄出貌似逻辑的推理链条来具有算法过程的透明性如此而已。但起码这看上去还在模仿人类的理解和思维。

理解的根基是举一反三高度概括以有限对无限所以不需要大数据大计算大记忆。建立在三大基础上的深度其实是靠蛮力。不是举一反三而是举一百甚至上千也未见得就能返一。

【相关】

【李白71：“上交所有不义之财！”】

【立委科普：结构歧义的休眠唤醒演义】

【一日一parsing：休眠唤醒的好例子】

【尼沙龙笔记：宁顺不信，神经机器翻译的成就和短板】

大赞了神经机器翻译的革命性进步以后，提到两个短板其一是不忠：无中生有或化有为无以假乱真指鹿为马胆大包天。其二是依赖领域数据没有数据的领域立马傻眼。

李:
我用有道app里面的口译功能测试了一下字正腔圆的做节目的人，【文昭談古論今】，一边在 youTube 上看他的视频，一边把有道打开做现场口译，几乎完美无缺。

毛:
同声传译，以后是不需要的了。

李:
识别我的口音还是有误：识别我的英文比中文似乎更好一些。上面的那位是自媒体里面的很受欢迎的一位，文科背景，出口成章，比播音员说话还清晰。

语音识别的两个明显错误：neural network 错成了 neutral network，text 成了 tax（税），大概是我的英语发音的确不够好。但总体而言，句子蛮长，一口气说一大段，它也一样即时翻译（通过wifi接云端，立等可取）。

哈，text 与 taxi（出租车）也打起架来：

从这些人类不会犯的错误看，神经 MT 的巨大成功，与语音转写的巨大成功，完全是一个道理，都是在真正的海量数据中模仿，而没有任何“理解”。不合逻辑不合事理的句子会以一种蛮“顺耳”的方式呈现出来。

尽管如此，我们当年还是没想到，在没有解析和理解的前提下，这条路能走这么远。很久以来，我们的信念是，没有理解，无从翻译。鹦鹉学舌，可以学几句零碎的片段，但绝不可能把如此复杂的自然语言，学得如此栩栩如生。但事实上，“鹦鹉学舌”方式，在强大的数据和运算能力支持下，的的确确可以做到在很大的范围几乎可以以假乱真。

短板也是显然的，没有数据的话，再强大的运算也培训不出一只鹦鹉来。譬如，电商场景的机器翻译，由于缺乏汉英对照的大数据，就寸步难行。

下面是我说中文，让有道口译为英文的试验：

“二次大战”先转错为“20大战”，继而又错译为 “20th centuray”。这个错误很值得评论，说明了神经翻译为什么求得了“顺畅”牺牲了“忠实”。我说的是“大约是在二次大战以后”，虽然转写就错了一个字，成为“大约是在20大战以后”，翻译却错得离谱：这不是原来意义上的错误放大（error propagation），而是目前神经翻译“乱译”趋向的一个表现，by design：这种乱译的确在很大程度上克服了上一代统计机器翻译“不顺畅”的致命缺点。

“乱译”（或者“顺畅”）的根子在，目前的机器翻译里面有专门针对目标语的语言模型在，不仅仅是双语对照模型。目标语的模型里面“beginning of 20th century”一定是足够的常见，被记住了，所以尽管原句是“20大战以后”，它也一样无视（“大战”居然摇身一变，成了 century，是为指鹿为马，“以后”弄成了其反面 beginning，这简直是颠倒黑白），如果是前一代统计翻译（statistical MT），或者前前一代的规则翻译（rule-based MT），这种错误绝不会出现，应该是译成 “20 wars later”或 “after 20th war”之类。可是目标语训练数据中根本就没有这个 “20 war” 这样的提法，与其忠实而别扭，不如化有为无或无中生有，甚至指鹿（20 war）为马（20th century），以求“顺畅”。这是目前机器翻译的短板，已经被很多人察觉和批判，研究界也在研究对策。

也就是说，为了“顺畅”，目前的系统可以无视原文中的一些材料。同样为了“顺畅”，译文也可以无中生有加一些材料。这对不懂原文的人可能非常误导：批评者说，找翻译本来就是因为不懂原文，结果你翻译出来，听上去那么顺畅，让我不得不信，可其实你暗度陈仓，居然敢于胡编乱造，这也太搞了吧。

这种批评当然言之成理，信达雅，信是基础，信求不得，达雅何用？无信，达雅反而更加迷惑人，不如不译。你无中生有了一个地方，让我怀疑你整篇都不可信了。这种想当然的胡编乱造真是害死人。

不过，其实了解历史和经历过机器翻译不同阶段的人，会有不同的角度。实际是，前两代机器翻译的译文大都惨不忍睹，在可读性和顺畅上没有根本的解决途径（点滴的积累式进步还是有的），虽然意思也能勉强传达（就是说不会在“信”上胆敢无中生有或化有为无）。这个问题是如此严重，以至于影响了很多人使用机器翻译的意愿，除非是不得已，因为看机器译文实在是太别扭，太难受了。

毛:
能把谎说圆，这不正是逼近了人的智能吗？

李:
@毛德操问题是，鹦鹉学舌，哪里有什么“把谎说圆”。机器不会说谎，正如机器不会说真；同理，潜艇不会游泳。无中生有是真的，但“胡编乱造”不过是个比喻说法。机器没有歹心，正如机器没有良心。因为机器根本就没有心。有的不过是记忆和计算而已。硬要把计算说成智能，硬要把比喻当成真相，那也没辙。乔姆斯基的态度是，不理睬。还好，当年创造的是“人工智能”这个词，脱不开“人工”、“人为”、“模仿”的涵义。如果先驱们当年达特茅斯开会，不小心起个名字是“机器智能”，那可就糟透了。

Nick：
@wei 英国最早的说法就是machine intelligence。大概到七十年代才开始被美国带成人工了。

李：
达特茅斯会上呢？

马：
达特茅斯会上，还有一个词是复杂信息处理，不过最后还是AI占了上风。

李：
先驱们蛮“接地气”啊。其实，“复杂信息处理”很中肯，符合术语命名的严肃性。AI 还是太过“性感”了。

机器翻译更惨，很长时间是 “自动翻译”、“机器翻译” 混用，后来基本统一为机器翻译，因为自动翻译有多种用法什么全自动翻译半自动翻译等等。当然较真的话，自动翻译比机器翻译还不堪。其实应该叫做随大流翻译，或者叫做 NLU-free translation，简称无智翻译，and I was not kidding.

Nick：
自动/机器定理证明。mt就不太好说artificial translation，中文更不能说人工翻译。artificial本来就有点瞎编的意思。

李：
其实还真就是 artificial，本来就是仿造啊。译成汉语是仿人翻译。没有人的翻译样本，大量的样本，当今的MT根本就不可能。

马：
AI翻译

李：
人工智能其实应该翻译为人造智能。人造翻译（或仿人翻译）与人工翻译可大不相同。但取法乎上仅得其中的古训不大灵了，古训忽略了量的概念。被取法者足够大量的时候所得不止于中。AI 代替中庸势在必行。取法乎众可得中上，这是事实。但最好的机器翻译不如最好的人工翻译，这也是事实。因为后者有智能有理解。而前者虽然号称神经了，其实连“人造的理解”（譬如 NLU）都没有。

现如今人工智能好比一个性感女郎，沾点边的都往上面贴。今天跟一位老人工智能学者谈，他说，其实人工智能本性上就是一个悲催的学科，它是一个中继站，有点像博士后流动站。怎么讲？人工智能的本性就是暂时存放那些机理还没弄清楚的东西，一旦机理清楚了，就“非人工智能化”了（硬赖着不走，拉大旗作虎皮搞宣传的，是另一回事儿），独立出去成为一个专门的学科了。飞机上天了，潜艇下水了，曾几何时，这看上去是多么人工智能啊。现在还有做飞机潜艇的人称自己是搞人工智能的吗？他们属于空气动力学，流体动力学，与AI没有一毛钱的关系。同理，自动驾驶现如今还打着AI的招牌，其实已经与AI没啥关系了。飞机早就自动驾驶了，没人说是人工智能，到了汽车就突然智能起来？说不过去啊。总之，人工智能不是一个能 hold 住很多在它旗下的科学，它会送走一批批 misfits，这是好事儿，这是科学的进步。真正属于人工智能的学问，其实是一个很小的圈圈，就好比真正属于人类智能的部分也是很小的圈圈，二者都比我们直感上认为的范围，要小很多很多。我问，什么才是真正的恒定的AI呢？老友笑道，还是回到前辈们的原始定义吧，其中主要一项叫做“general problem solver”（西蒙 1959）。

马：
是这么回事。11年写的一篇博客：人工智能，一个永远没有结果的科学_马少平_新浪博客。

李：
好文。马老师科普起来也这么厉害啊堪比白居易写诗老妪能解。有说服力而且生动。

“11年写的一篇博客”。走火入魔第一眼看这句我无意识把自己变成了神经网络网络里面是这样编码的：“11 years ago 写了一篇博客”，宁顺不信。我的大数据训练我首先排除了 2011 的选项然后无中生有加了个 ago 以求顺畅。摩登时代，忠实值几个钱？忽悠才是摇钱树。

马：
用时11年，?

洪：
人工智能是江湖，八仙过海都威武。武侠人物不绝出，很多虚晃都诈唬。

AI像狗头前置棍，棍拴骨头引狂奔。确实因之人前进，精髓却总不得啃。

李：
洪爷的诗没治了，大AI无疆，无处不诗啊。

回头说宁顺不信。两相比较，平心而论，对于多数人多数场合还是顺畅的权重似乎更大。只是需要记住三点：（1）认真使用前，需要人工核对：机器译文只是提供一个快速浏览，了解个大概的选项，虽然总体的忠实比例其实不差，但任何一个点都可能错得离谱；（2）翻译工作者如果不学会利用机器翻译，与机器合作提高效率（要善于做核对和后编辑），很可能不久会淘汰：实际上翻译的工作市场已经急剧萎缩中，有道本身提供的人工翻译已经快速便宜到不行，可见能够生存下来的少数人工翻译一定是学会人机合作的工作模式的。（3）AI 还在飞速发展中，让我们拭目以待，看今后的系统能不能在信达雅三者之间做更好的平衡。可以想象的一个可能是，将来的系统至少可以让用户在“忠实”和“顺畅”中做权重的选择：根据偏好的不同，系统应该可以做不同的翻译：偏重忠实但生硬一点的选项（就是鲁迅曾经践行过的“硬译”），或者偏重顺畅却可能局部不忠实的选项。

人工智能，一个永远没有结果的科学_马少平_新浪博客

【相关】

【校长对话录：向有道机器翻译同仁致敬】

【谷歌NMT，见证奇迹的时刻】

有道的机器翻译（http://fanyi.youdao.com/）

【开复老师说：AI 是最好的时代，也可能是最坏的时代】

【校长对话录：向有道机器翻译同仁致敬】

校长:
因为缅因州法条文少了个逗号，牛奶公司吃官司付出500万美金：

Maine law requires time-and-a-half pay for each hour worked after 40 hours, but it carved out exemptions for: The canning, processing, preserving, freezing, drying, marketing, storing, packing for shipment or distribution of: agricultural produce; meat and fish products; and perishable foods. What followed the last comma in the first sentence was the crux of the matter: "packing for shipment or distribution of." The court ruled that it was not clear whether the law exempted the distribution of the three categories that followed, or if it exempted packing for the shipment or distribution of them. Had there been a comma after "shipment," the meaning would have been clear.

原来我这些年学的都是假英文

不过法庭favor劳工，就已经甩天朝几万条街了。在那片国土，只有高端人口才可以随意耍流氓。。。

李:
“缅因州法律规定，在40小时后，每小时的工作时间为1.5美元，但它却为:罐装、加工、保存、冷冻、干燥、销售、储存、包装运输或分发农业产品提供了豁免。肉类和鱼类产品;和易腐食品。在第一句话中最后一个逗号是问题的关键:“包装运输或分配。”法院裁定，不清楚该法律是否豁免了随后的三种类别的分配，或是否豁免了对其装运或分销的包装。如果在“装运”之后有一个逗号，意思就清楚了。”

这是有道翻译，比像我这样的英语专业生在时间压力下去翻译这段，要强多了。顺便向有道同人致敬一下，他们超越了名震天下的谷歌翻译。谢谢他们提供的免费服务，我经常用它，其实是愿意付费的。MT 连同互联网，与水和空气一样，成了不值钱的必需品。

“1.5 美元” 是一个巨大的错译，应该是一倍半加班费的意思，神经机器翻译的错译问题已经是一个被反复曝光的痛点，在追求顺畅（达雅）的同时，牺牲了精准（信）。

我是这么看机器翻译走向的：

（1）机器翻译一定会译错，所以认真使用前需要核对。
（2）核对所花时间比一切靠人翻译节省太多人工了。翻译员市场萎缩以后，大批译员会退出，少量留存的是那些知道善用机器的核对员，这个工作不会被取代：核对校订的需求永远存在。
（3）机器翻译本身在进步，明天的错应该比今天的少。
（4）论顺畅机器越来越赶上或超越人因为机器是在海量数据里面找 norm，而一个个体，无论学了多少年的外语，都是有限的语言接触，偏离 norm 的可能远大于机器，因此更容易生硬，尤其是在时间压力下。我本人偏好顺畅，更甚于精准，因为翻译错误我一眼可以看出来做译后编辑，但顺畅我老感觉自己还有很多力不从心的时候，需要机器帮助。自己常觉得写不顺，但评判顺不顺还是容易很多。因此，翻译工作先交给机器，然后自己校订，无论纠错，还是找出个别不顺达的细节，都容易很多，因为苦活累活机器做了。

校长:
@wei 有道翻译可以免费用么？amazing!

李:
http://fanyi.youdao.com/
try it yourself
天下真有免费午餐的。

有道的傻瓜式袖珍翻译器大约100多美元可以买一台周游世界的时候用。

校长：
@wei 我靠！你没感受到同行竞争压力？

李:
感到压力的应该是讯飞。他们也出了个翻译器，好像很贵？
这个行业整体提升了，保持领先已经很难。巨头谷歌也不能。

我早跟MT说拜拜了，前几年还较劲，觉得统计MT鲁棒是鲁棒，意思也勉强可以出来，但出来的译文惨不忍睹，想着有空怼一怼统计。神经翻译出来后，基本熄灭了狂妄，顾左右不言他，反给它做宣传，吹喇叭了。(【谷歌NMT，见证奇迹的时刻】) 当然，任何技术都有短板（行话叫知识瓶颈），譬如进入一个没有人工翻译大数据可以学习的领域，神经系统就抓瞎了，譬如电商数据的机器翻译目前的可用度不到 30%（相比较：在新闻领域，机器翻译的可用度高过90%），就是说几乎完全不可用。

校长:
正确选择
典型的乱拳打死老师傅

李：
AI 这次炒热其实是有群众基础的，不完全是媒体鼓噪和精英忽悠。一个是神经机器翻译，一个是语音识别（如讯飞的自动速记和语音输入），还有一个是人脸和图像识别，这三块儿的进步，不是忽悠，而是现实。还有一个对话，从苹果的 Siri 开始，虽然还有磕磕绊绊，虽然绝大多数普罗还是拿它当玩具，落地应用的产品多不成熟，但 Siri 还是启蒙了大众和教育了市场。这些都是普罗百姓可以亲眼见证和切身体会的科技奇迹。这些个东西激发了草根的想象力。于是，AI 热在民间还是很时髦正面的形象。

留个证据图以防哪天系统退化（虽然是小概率事件：但马斯克昨天说科技并不自动进步逆水行舟不进则退它举的是航天技术在 SpaceX 前停滞不前反而退化的例子） MT奇迹不得重复。先防着别人怀疑假造，说不可信：

校长:
本来就是不进则退。很多科幻片里面未来都是破破烂烂破铜烂铁。就是天上一堆飞船在shithole上面飞。我认为那更接近未来的发展方向。

李：
那个是科幻，对科幻，no comment

今天，领导在网上查看 IKEA 网页上的商品，问几个单词怎么讲，我说以后不用问我了，我给你的 iPhone 装了有道，比我强多了，还 handy，可她懒得查词典。我说，你不用查，拍个照就行了，打开 app 有个“拍照翻译”的按钮。wow：

挑错永远可以挑，能做到这么贴心、intuitive，乔布斯再世，也不过如此了。

Guo:
@wei 真要给你泼泼冷水了。哈，也不能太不顾事实啊。“复习空气”，完全不搭啊。这可是连“流畅”也不及格的。打住吧！

李:
还有 39.9克。

原文是:
Airy, soft seersucker duvet covers with a naturally crinkled texture. The beautiful cotton fabric breathes and feels cool against your skin, which is extra comfortable during warm summer nights.
Size: Twin

这玩意儿我不查词典也翻译不了，特别是第一句。领导以为我是英语大拿，这辈子没少拿这些东西问我，我哪里记得住这些家庭主妇关心的“领域词汇”啊？每次我被问住了，形象分就损减一分，一辈子下来，在家里我这英语专家的光环已经消磨殆尽了。呵呵。

郭:
看看微信自带的翻译：

轻盈、柔软的泡泡纱被套，具有自然的皱褶质感。美丽的棉织品呼吸和感觉凉爽的皮肤，这是特别舒适，在温暖的夏季夜晚。
大小：双胞胎

李:
不错不错。这就是我说的，这是整个行业的技术提升，不是哪一家可以专美的了。语音、图像和MT。

$39.99 翻译成 39.9克原来是因为 OCR 识别成 39.9g 了哈。实在说，9 跟 g 长得的确差不离儿，加上在数字后常见，也是事出有因。可惜了前面那个 $ sign 的痕迹。

哈，领导以前迷信我是英语大拿，这辈子没少拿这些东西问我，我哪里记得住这些家庭主妇关心的“领域词汇”啊？每次我被问住了，形象分就损减一分，一辈子下来，在自家这英语专家的光环已经差不多消磨殆尽了。呵呵。

回过来想，以前我们常常赞佩的那些大学问家过目不忘，词汇量超大，现在想来算啥，再大也比不上一个小U盘，脑子里被词汇填满，实在有点浪费。反正随身有iPhone，iPhone 里面有【有道】，有道不仅有本地词典，还可以接得上云，脑袋是无限延伸了的。可是托福 GRE 还在考那些稀奇古怪的词，明知道好不容易记住了，考完了，还是会忘掉。跟不上时代啊。

这个也好玩请看：

这张截屏里头两句很顺最下一句莫名其妙：原因是我不小心按了英语的话筒说的却是汉语哈哈。这岂止是垃圾进垃圾出啊。但它一本正经给你匹配完全错位的语音也不设个置信下限一样翻译出莫名其妙貌似顺畅的句子来。

“英语按钮” 转写成 “英语的二牛”（为什么不是二妞呢），继而翻译成 English two cattle.

有道自己做的翻译器却把自己的品牌名“有道”，在英语读出来一个古怪的读音哈。我说的是 “这个我得反映给有道”，成了“这个我的反应跟有道理”，考虑到我的口音，难为它了，倒也情有可原。

下面的实验是读一段英文新闻

翻译基本没问题。

接着到文学城找一篇中文新闻，读给它听：

不可思议地顺畅精准，甚至那些百分比那些数字也能“听懂”我的口音。

有点吓倒了。老革命心脏也不都好。

最后是我阅读的新闻的网页截屏有兴趣可以自己对照一下。

这一切是在我这种普通话不标准有口音干扰的信道中发生的。错误放大理论会说这种翻译是完全不可能的，见证的不是奇迹，只能是AI魔术。

想起来谁说过的名言：“NLP 不是魔术，但是，其结果有时几乎就是魔术一般神奇。”

【相关】

【谷歌NMT，见证奇迹的时刻】

【立委随笔：猫论，兼论AI福兮祸兮】

有道的机器翻译（http://fanyi.youdao.com/）

谷歌翻译 https://translate.google.com/

有道的机器翻译（http://fanyi.youdao.com/

【开复老师说：AI 是最好的时代，也可能是最坏的时代】

李:
李开复老师最近发文说：
“据我估计，大约一半的工作将在未来十年消失。在全球范围内，人工智能和机器人将很快被人工智能和机器人取代。这一巨大的挑战给一种叫做“普遍基本收入”的旧观念注入了新的活力。在这种观念中，政府为每个公民提供稳定的津贴，不论他们的需要、就业状况或技能水平。”

这就是我前几天说的，AI福兮祸兮很难定（【猫论，兼论AI福兮祸兮】）。因为人类对工作（job）的情结，以及社会观念和按X（劳、资、权等）分配的制度，都受到很大挑战，不一定来得及适应。

Ming:
这的确是大趋势，但未来十年有些夸张了吧

李:
是不是10年不好说，但AI取代人类很多工作是肯定的，其取代速度肯定比人类的观念改变和社会制度的适应要快很多很多，因此最坏的时代不完全是危言耸听。这跟霍金马斯克之流说 AI 自主思维控制人类，完全不同。前者不仅是危言耸听，而且匪夷所思，尽管出自名人大嘴。后者却是真切的人类自身的威胁，AI 不过是 trigger。

开复老师继续说：

“那么，我们应该盲目地给每个人1万美元吗?绝对不是。”

“乐观主义者天真地认为，UBI将成为人们专业重塑自我的催化剂。但是，只有当硅谷的领导者们把他们自己的角色投射到所有将要被转移的工人身上时，UBI才有意义。事实上，如果我们谈论的是一个成功的硅谷企业家，他或她的技能、创业、经验和网络可能成功地帮助将一个中等的UBI收入转化为下一个科技帝国。但这种情况肯定不会发生在那些生活在失业会因传统经济衰退而加剧的地区的失业工人身上。”

“免费发放给失业工人的钱可能会意外地帮助一些人找到工作，但更有可能的是，他们很快就会找到一份新的工作，而且很快就会被淘汰。这是我们在整个劳动力市场看到的一个熟悉的模式。曾经在工厂装配线上工作的卡车司机很快就得再次学习，成为其他的东西。大多数失业的工人不会有远见预测哪些职业会在人工智能革命中幸存下来，因此不知道如何最好地使用UBI货币来确保未来的稳定。”

Qing:
硅谷的领导者们真把自己当颗葱了

李：

下文是：“我们必须共同努力，找到一个全面的解决方案，包括建立新的职业、价值观和社会规范，而不是重新分配现金，并希望得到最好的结果。我们需要重新培训和适应，让每个人都能找到合适的职业。这里有五个必要条件:

1 保证生存。

首要任务是建立和支持项目，以确保没有人挨饿或没有住房和基本的卫生保健。”

这第一条是同情论，就是说，知道你没用，但必须养着你跟养pets同理，这叫人道。作为基点是对的，但总觉得观念上有点不对。

首先被养的“没用的”人，并不是被其他同类或组织养。这个观念必须改变。如果相信人生来平等的天律，生来平等的本义至少包括我们赖以生存的地球上的原始资源应该人人有份。“没用”的人实际上是让出了自己的原始资源，给了社会去用来创造财富（或保护环境，譬如决定闲置），财富部分回流给他们（基本生存在现代社会，比起出让的资源来说，微不足道，其实经济上不参与价值创造的人其实是“亏”了），天经地义，没有“被养”的问题（硬要算谁养谁，那是精英阶层被大众的资源所支持产生出来的巨大社会财富养到富得流油：天平是往精英阶层倾斜，远远谈不上对普罗的平等）。

Qing:
以人类这个操性，多半还是要打一架的

李：
“2 最大化创造性的工作。

只有人类才能创造和提出新的创新。人工智能今天不能跳出框框思考，它只能优化由人类定义的问题。因此，在早期教育中，我们必须确保系统不会抑制好奇心、创造力、批判性思维和个性。在中学和高中，我们应该增加对有天赋和有才能的项目的资助。在大学里，我们需要帮助有创造力的学生学习人工智能工具的程序。”

行:
布热津斯基的奶嘴理论

李:
这第二个说法是，在可能被养的人群中，通过优化教育的机制，百里挑一找出“精英”去养人（做管理者、参与生产），如此延续社会的科技进步和财富创造。

“3 增加社会就业机会。

爱不能表达爱和移情，也不能建立不可替代的社会关系——只有人能。与那些不容易被教授的创造性职业不同，人们可以在大量的社会职业中接受培训。此外，我预计人工智能将产生数万亿美元，消费者支出将随之增加，并将用于民间服务。

这意味着需要人类接触的服务工作——社会工作者、治疗师、教师和生活教练——将会供不应求。此外，新的社会工作将会被发明，在这个过程中，人类将成为顾客和人工智能之间的中间人。例如，当使用人工智能诊断工具时，一位医疗顾问可能帮助病人排除故障并提供补充建议。其中一些工作甚至会得到很高的报酬。”

就是说大都去做服务性工作？很多服务机器人做得更专业：譬如按摩椅比平庸按摩师更具有优势。但总有顾客与机器人之间的”中间人”和“协调人”（或随机应变性）的工作在？

Qing:
做好多手准备吧

李:
“4 鼓励唯意志论。【貌似译错】

我们需要建立更多的志愿者项目来帮助那些对高技能职业兴趣不大的退休和失业工人。我们还应该考虑补偿志愿者。”

“5。重新定义的职业道德。

每个人都需要有一种自我价值感和自我实现感——他或她相信他或她的存在是有意义的。不幸的是，工业革命错误地灌输了一种社会规范，即自我价值应该主要来自于职业道德——如果你努力工作，你就会得到回报。但是因为人工智能，基于重复性任务的工作很快就会消失。”

“我们需要重新定义新的劳动力范式的职业道德观念。一份工作的重要性不应仅仅取决于它的经济价值，而应由它对社会的贡献来衡量。我们还应该重新评估我们的观念:延长工作时间是获得成功的最佳途径，应该消除与服务行业相关的耻辱。”

“即将到来的人工智能革命将带来最好的时代或最坏的时代。结果将取决于我们是否会被天真的乐观主义所陶醉，或致力于全面解决问题。显然，UBI是不够的。我们要认真、迅速地进行辩论。只有到那时，这场神奇的革命才会引领我们走向创造性的复兴。”
（原文在《华尔街邮报》由有道现场翻译。）

第五点很有道理：工作所带来的荣誉感和高人一等的自我感觉需要被新的观念取代否则 AI 时代会重复工业革命时代的悲剧：在越过温饱线以后，社会财富越增长，人类的多数人越不幸福。

行:
一开始社会（部落）的发展水平由50%的人的水平决定；
工业社会由10-20%的决定；
20世纪由1-2%的决定；
21世纪后由0.00001-0.0001%的决定；
其余的一部分从事辅助工作；越来越多的从事非效率性工作。

李:
如果说工业革命时代财富的增长至少减少了忍饥挨饿的人群在“生存权”层面上改善了人类，多少弥补了精神上不幸福和焦虑。

到了 AI 取代工作时代，前者的优势不复存在，因为基本上已经没有人忍饥挨饿需要改进。那么其副作用一面即引起更多的焦虑痛苦则被放大。所以 AI 福兮祸兮，看来是祸更大。因为人类社会适应的速度没有科技进步的速度快。这就是开复说的可能是最坏的时代。

行:
不会
工业时代的大多数人肯定比贫困的农业时代的人幸福。

李:
从挨饿到吃饱饭，肯定增加了幸福感，这是飞跃性增加，没有疑问，生存权是最基本的。但如果都不挨饿了，失去工作感觉到自己无用无价值就是纯粹增加痛苦。

行:
满血打怪去。回复到，戴着乌纱帽，骑着小毛驴，吟诗作画的悠闲文人时代。

李:
以上议论过程里，我顺便做了一个AI现场实验：开复在华盛顿邮报这篇是英文，我用有道的机器翻译过来（http://fanyi.youdao.com/），未加修饰，看来以假乱真，也基本不影响我们的阅读、领会和讨论。这是真实世界的AI剥夺翻译员工作市场的一个鲜活实例。搁以前，翻译这篇文章，怎么也得半天时间。

行:
现在任何一台机器都可能取代了过去几百万人的工作，人因此失去工作了吗？

一个人的功率小于一马力，0.75千瓦。现在一台百千瓦，万千瓦的机器比比皆是，兆千瓦的机器也不希奇，人不还得更卖命的工作？！只是不要在上述邻域试图跟机器比大小。

关于技术进步，我有两个观点：一是圈圈理论。即圈圈越大，边界越大，遇到要解决的未知问题越多。二是水舟理论。技术如水，人类在舟。水涨船高。

AI作为一种技术，概不能外。不要自我感觉太好！只是大部分要承认天才和自己的无能。就象你围棋下不过柯洁又咋了？

技术进步像马克思说的，给人真正的自由发展创造了条件。只是之前人的发展重点是解决效率问题，今后人的自娛自乐互娱互乐，甚至与机器人娱乐可能成为产业前沿。

李:
摩登时代我们看到了两个极端：一个是失业的痛苦；一个是在业的忙得要死过度竞争高度紧张随时面对失业的威胁。二者都是幸福感的反面。正常的、合理的社会不应该是这样的。

工业社会解决不了的这些后工业时代可以解决吗？

Ming：
理想情况下，应该研究一下技术进步速度与社会人类幸福感之间的关系，从而寻求一个最佳的发展模式和速度。但现在国家的界限还未消除，不同国家，不同意识形态之间还有竞争。竞争之中，当然是技术进步越快越有优势。在这种情况下，无法奢谈对技术进步的控制。

李：
这就是我说的，也许AI应该缓行（虽然知道缓行不了，人类的一切大多是命定）。

行：
现在的技术进步不是很大程度解决了血汗工厂和高比例失业问题吗？摩登时代预言的地狱并没有到来。总体上，更快的速度和幸福感正相关。正象中国最长寿的地区是雾霾重重的北上广，而不是所谓的长寿之乡巴马之类的地方。

【相关】

华尔街邮报李开复原文

【立委随笔：猫论，兼论AI福兮祸兮】

【猫犹如此，人何以忧，霍金之论谬矣】