研究人员正在研究具有AI的机器是否能够模仿人类的思维过程并以类似的方式理解词语。来自美国加州大学洛杉矶分校、麻省理工学院(MIT)和美国国立卫生研究院(NIH)的研究人员刚刚发表了一项回答该问题的研究。

这项发表在《Nature Human Behaviour》上的研究表明，人工智能系统可能真的能够理解高度复杂的词义。研究人员还发现了一种获得这种复杂信息的简单方法。他们发现，他们所研究的人工智能系统以一种跟人类判断非常相似的方式来表示词义。

研究人员们所探索的AI系统在过去十年中被广泛用于分析单词的含义。它通过“阅读”互联网上的大量材料来获取词义，这些材料包含数百亿个单词。

当单词经常出现在一起时--如“桌子”和“椅子”--系统就会了解到它们的含义是相关的。而如果成对的词很少出现在一起--比如“桌子”和“星球”--它就会了解到它们有非常不同的含义。

这种方法似乎是一个合乎逻辑的起点，但考虑一下，如果理解意义的唯一方法是计算单词之间出现的频率而没有任何跟其他人和我们的环境互动的能力，那么人类将如何理解这个世界。

加州大学洛杉矶分校心理学和语言学助理教授Idan Blank是这项研究的共同牵头人，他称研究人员着手了解该系统对所学单词的了解及它有什么样的常识。

Blank表示，在研究开始之前，该系统似乎有一个主要限制：“就系统而言，每两个单词只有一个数值，代表它们的相似程度。”

相比之下，人类的知识要详细和复杂得多。

“考虑一下我们对海豚和短吻鳄的知识，”Blank说道，“当我们在大小的尺度上比较两者时，从‘小’到“大”，它们是相对相似的。就它们的智力而言，它们有些不同。就它们对我们构成的危险而言，在从‘安全’到‘危险’的范围内，它们差别很大。所以一个词的意义取决于上下文。我们想问这个系统是否真的知道这些微妙的差异--它对相似性的想法是否与人类的想法一样灵活。”

为了找出答案，研究人员们开发了一种他们称之为“语义投射”的技术。如人们可以在模型对 “大”和“小”这两个词的表述之间画一条线看看不同动物的表述在这条线上的位置。

通过利用这种方法，科学家们研究了52个词组，以看看该系统是否能学会对意义进行分类--比如根据动物的大小或对人类的危险程度判断动物，或根据天气或总体财富对美国各州进行分类。

在其他词汇分组中，有跟服装、职业、体育、神话生物和名字有关的术语。每个类别都被赋予了多种背景或维度--如尺寸、危险、智力、年龄和速度。

研究人员发现，在这些许多对象和背景中，他们的方法被证明跟人类的直觉非常相似。为了进行这种比较，研究人员还要求每组25人对52个词中的每一个做出类似的评估。

值得注意的是，该系统学会了感知“Betty”和“George”这两个名字在相对“老”方面是相似的，但它们代表不同的性别。还有，“weightlifting（举重）”和“fencing（击剑）”在通常都在室内进行方面是相似的，但在它们需要多少智力方面则不同。

“这是一个如此漂亮的简单方法，而且完全是直观的，”Blank说道，“‘大’和‘小’之间的界限就像一个心理尺度，而我们把动物放在这个尺度上。”

Blank表示，他实际上并不指望这项技术能起作用，但当它起作用时他很高兴。“事实证明，这个机器学习系统比我们想象的要聪明得多；它包含了非常复杂的知识形式，而且这些知识是以一种非常直观的结构组织起来的。仅仅通过记录哪些词在语言中相互共现你就可以了解到很多关于这个世界的信息。”