2018年6月的一天，在IBM公司舊金山辦公室內，一場人機辯論大賽如期舉行。

辯論賽的主角叫做“Project Debater”，這是由IBM位于以色列的海法研究院為主的科學家們歷經六年研發的能進行復雜辯論的AI系統。辯論另一方是以色列國家辯論冠軍Noa Ovadia和以色列國際辯論協會主席 Dan Zafrir。

IBM Project Debater和人類辯論，

圖引用自IBM官網

Debater與兩位人類辯手進行了兩場辯論，辯題分別是“我們是否應該資助太空探索”、“我們是否要增加遠程醫療的使用”。兩場辯論分別有三個固定環節：4分鐘陳述自己論點，4分鐘反駁對方論點，2分鐘總結陳詞。現場觀眾通過投票支持各方觀點，決出勝者。

意料之中的事情還是發生了，機器辯手Debater在主題為“是否應該增加使用遠程醫療”的辯論中最終扭轉了更多的現場觀眾最初觀點，贏得了辯論。

近日，網易智能有幸對Debater團隊幾位主要研發者進行了采訪，詳細了解了Debater的研發過程、主要技術能力，以及未來應用前景。

1

計算辯論的崛起

其實，這早已經不是人類第一次被機器戰勝。

早在1997年，IBM研發的超級計算機深藍（Deep Blue）在國際象棋比賽中擊敗了世界冠軍加里.卡斯帕羅夫（Gary Kasparov）。

2011年，IBM人工智能系統Watson在益智游戲節目《危險邊緣》(Jeopardy!)中擊敗了兩位最優秀的人類冠軍。

2015年，DeepMind研發的AlphaGo擊敗了人類圍棋冠軍李世石，第一次在圍棋上贏得了冠軍。緊接著在2016年，DeepMind又打敗了更強大的中國圍棋冠軍選手柯潔，再一次證明了AI的實力。

近兩年，人機大戰持續火熱，不管是***大戰中的人工智能“冷撲大師”（Libratus）賺的盆滿缽滿，還是OpenAI研發的AI系統在Dota游戲爭霸賽擊敗人類冠軍，AI在游戲領域的已經玩到了極致。然而，辯論不是簡單的非黑即白的博弈。

IBM把Project Debater稱為人工智能的又一個里程碑。IBM海法研究院AI Tech副總裁Aya Soffer表示，辯論是一個開放式的挑戰，這與之前AI所解決的挑戰是不同的。之前的挑戰會有一些具體的衡量工具，比如說去判斷是贏是輸，傳統的技術可以直接幫助制定相應的衡量工具，并且判斷輸贏。而在辯論中是沒有辦法做這樣的打分，在辯論中就像在實際中做商業決策一樣，沒有清晰的以分數高低衡量輸贏的簡單標準。這就對機器的語言文字理解能力和決策能力要求非常高。

IBM為什么要研發一臺有辯論功能的計算機？Aya Soffer解釋說，IBM會不斷地去尋找在AI領域的重大挑戰是什么？“我們是以尋找到的重大挑戰來引領下一個計算機功能的選擇。”Aya Soffer認為，在真實的世界中，我們并不是需要回答很多瑣碎的問題，而是要回答真正重要的問題做出真正重要的決策。信息是海量的，但是找到那些能助力我們做出正確決策的信息是難的。因此，決策的重要性決定了我們確定要把辯論功能作為AI的下一個重大挑戰去做相關的研究，并且能夠使得我們的AI發展讓它擁有辯論的用途和功能。

在辯論現場，雖然機器在很多方面都表現地不太自然和磕絆，但AI辯手傳遞信息量的豐富度則優于人類，這場史無前例的事件也讓業內注意到計算機如何學習并應對非結構化的人類決策世界。

據悉，目前有50多個不同的研究團體都是在做計算輔助辯論方面的研究。但是自2014年以來，IBM已經組織了第五次辯論數據挖掘研討會，Debater團隊成員在各種高質量科學會議上發表了他們取得的技術進步，目前已在各個研究領域發表了30多篇作品。計算辯論（Computational Argumentation）正在迅速崛起。

2

演講、聽力理解、模擬困境

IBM海法研究院Project Debater首席研究員Noam Slonim博士在采訪中回顧了辯論過程。

拿到辯題后，Debater首先會分析單個辯論問題，然后掃描龐大的語料庫文檔，通過算法找出與辯題相關性最高的觀點性內容，同時通過算法減少重復信息。在此基礎上，Debater會挑選出最有說服力、最具多樣性和支持最完善的論點，并對這些論點進行編排，從而形成一段完整且有說服力的敘述。

也就是說，辯論雖然是實時辯論，但是機器辯手和人類辯手在拿到選題后都會有30分鐘的準備時間。30分鐘之內，Debater會通過自己的算法，在自己的語料庫中去進行搜索，形成有利于自己方面論點的論證。

既然辯論過程是完全即興，Project Debater如何應對完全即興、無法預期的情況？Noam表示，這要靠知識圖譜去模擬人類的困境，形成辯駁的能力。比如說涉及到是否要禁止器官的販運、器官貿易，是否要禁止酒精的貿易。類似于這種類型的辯題，我們可以自然而然期待如果禁止了器官交易、酒精交易，有一種風險是會有黑市的蓬勃發展。理論上來講，Project Debater的系統可以理解與這種類型相關的一些辯論，但凡是針對這種類型的觀點進行辯論，后續就會有可能出現與黑市相關的問題，于是可以在模擬好中的圖譜等待著與黑市相關話題的出現。但辯論并不總是這樣，比如美國最近討論比較多的是否要禁止在公共場合母乳喂養，但這跟黑市一點都沒有關系，所以我們依然是在這個方面不斷地去建模、擴大語料庫，包括人類豐富的語言中各種細微和微妙的地方。“這樣Project Debater在已經建模的知識圖譜中，才能夠更加精準地為自己導航，找到與支持自己論點相關的觀點。”Noam說到。

那么，Debater的論點是怎么形成的？Noam表示，對于給定的主題，Project Debater的系統會在巨大的知識庫內進行搜索，尋找最相關的觀點和證據，然后在其中選擇最吸引人、最多樣化、支持度最高的論點，然后把這些構建成一個完整的觀點加以敘述。與關鍵詞搜索不同，Debater能對話題即時產生更深理解，并基于它的搜索結果等構建自己的觀點。

強大的語料庫是Debater展開辯論的基礎。據悉，訓練Debater的語料庫擁有3億多個可靠信息來源，包含2011年以來全球商業、法律、學術和政府機構等領域的專業人士所使用的主流報紙和雜志中的文章，以及維基百科中的內容。

IBM研究院團隊為Debater的系統賦予了三大核心能力：

第一，驅動的演講稿撰寫與表達。Debater第一次證實了，計算機能夠理解大量語料庫，若給定一個有爭議的主題的簡短描述，它能夠撰寫結構良好的演講內容，并清晰且有針對性地表達出來，甚至還會適時地展現幽默風趣。

第二，實時聽力理解。當對方辯手開始講的時候，Project Debater要能聽長達4分鐘的內容，對方人類辯手在講的過程中語速可能是快的，情感可能是充滿激情的，同時還會有一些道德性、倫理性的問題，Project Debater要能夠識別人類辯手口述的長篇大論中隱含的重要概念及觀點主張，能夠識別長段連續口語中隱含的重要概念觀點。

第三，模擬人類困境。通過獨特的知識表達方式來模擬人類爭議和困境，使系統能夠根據需要提出有原則的論點。研發團隊總結了人類專家辯手的一些共同性，對他進行模擬、建模，并且把這個注入到系統中去，就形成了一個知識圖譜給到Project Debater來用。所以一旦開始去進行辯論的時候，Project Debater就可以在已經形成的圖譜中去做自己的向導和索引，找到可以支撐他的證據。

3

商業價值與AI未來發展

IBM海法研究院Project Debater全球經理Ranit Aharonov闡述了如何將Project Debater應用到商業中。

關于商業運用，Debater僅僅預示著一個開始，未來主要有兩大類用途。

第一類是應用在有研究、分析的領域，比如幫助金融分析師找出金融事實，用以支持或反對金融分析師所思考的金融投資選擇；幫助律師尋找相關案件和主張，或借助Project Debater模擬法庭辯論來分析優勢和劣勢；幫助記者或學生找出更多信息以改進報告和論文。

第二類是決策領域的應用，比如幫助企業高層分析優劣勢，提供基于事實、沒有人為偏見的觀點。或者通過Debater拓寬思路，在關鍵決策中納入他們可能沒有考慮到的新觀點。“不管是信息的收集、研究分析還是做決策，總的來講，Debater最終的目的是支持基于循證的決策，而不是基于直覺的決策。”

Ranit同時表示，Project Debater相關的項目和技術依然在進行進一步深耕之中，其商業應用僅僅是一個預設。“現在商業化為時尚早，也沒有具體的計劃。”

Noam表示，Debater雖然已經研發了六年，但目前仍然是在不斷再開發、再開發過程中，在工程、算法上依然有很多的挑戰。比如，目前的Debater只能參與一對一辯論，無法跟大規模選手辯論。

Debater是否真正理解對方辯手的話？當網易智能把這個問題拋出的時候，Ranit笑著回答說，這是一個哲學高度的問題，因為這涉及到我們如何去理解AI的理解能力。“從結果上來看，當我們就是否要為太空探索來提供資助提出辯論的時候，AI也能聽，也能回應，也能形成自己的觀點去辯論，它所展示的是理解了對方講的話的理解能力。但是如果當我們說理解是指人類之間的理解，比如我理解你、你理解我的這種理解、內心的理解，意識到對方和心理過程的理解，AI目前是沒有這個理解能力的。”

在談到Debater所代表的AI的未來發展方向，Aya Soffer向網易智能表達，希望讓人工智能更像人。人之所以能夠從小數據中學習，就是因為人可以去理解概念，并且在概念的基礎上學以致用到新的領域，這種開放域的應用能力是非常強的。發達的AI，應該不僅從大數據，還能從小數據，甚至未來能把概念進行學以致用的應用。“我們希望AI進一步發展這個能力，從比較窄的具體例子中學習，而后擴展到比較寬泛的領域、跨不同領域的應用，以及能夠從概念上學習。”Aya說到。