人工智能剛上崗就"翻車" 培養一名合格的AI編輯總共分幾步

2020年07月01日07:24  來源:科技日報
 
原標題:人工智能剛上崗就“翻車” 培養一名合格的AI編輯總共分幾步

日前,微軟宣布6月底擬裁撤近80名外包編輯,由AI編輯負責接下來的MSN網站的新聞抓取、排版和配圖等工作。但沒想到,剛到崗沒多久,AI編輯就“翻車”了,而且犯了一個非常低級的錯誤。AI編輯在尋找配圖的時候,把非裔歌手Leigh跟阿拉伯裔歌手Jade弄混了。

針對此次微軟AI的配圖錯誤事件,Jade也在社交媒體上表達了不滿:“正常區分兩個不同膚色的人有那麼難嗎?”為何一向以高識別率著稱的AI,這次卻“翻車”了?

解決臉盲問題需要不斷擴大學習范圍

人臉識別技術是目前AI領域公認的比較成熟的技術,圈內人士也熱衷像刷分一樣把人臉識別准確率屢屢刷出新高,最高的號稱准確率可達99.9%。人臉識別技術有如此輝煌的戰績,為何此次AI編輯還會臉盲呢?

“人臉識別技術的工作原理,主要是比對五官比例以及面部特征。”天津大學智能與計算學部教授韓亞洪解釋,簡單說,就是基於人臉圖像的大數據,先對看到的人臉圖像進行預處理,提取面部各個方面的特征,並通過分層多次提取,尋找對於識別個體人臉最有效的特征表達。

人臉識別技術這些年已經發生了重大的變化,傳統的人臉識別方法已經被基於卷積神經網絡的深度學習方法替代。深度學習方法的主要優勢是它們可通過大規模數據集進行訓練,從而學習到這些數據的最佳特征。

“雖然可以使用大規模數據集進行訓練,但是目前99.9%的准確率,基本上是在一些基准的數據集上測試的結果。這個數據集肯定是有范圍的,如果收集的數據是在數據集分布的范圍內,便可獲得比較高的准確率。”韓亞洪說。

據了解,目前號稱人臉識別准確率達到99%以上的,很多指的都是和全世界最權威的人臉數據庫LFW(Labeled Faces in the Wild)進行比對測試的成績。LFW可以被認作一個考查深度學習系統人臉識別能力的題庫。它從互聯網上提取6000張不同朝向、表情和光照環境的人臉照片作為考題,可以讓任何系統在裡面“跑分”。“跑分”過程是LFW給出一對照片,詢問測試系統兩張照片是不是同一個人,系統給出yes或no的答案。

“解決特定的臉盲問題並不難,其實就是重新針對任務,收集這項任務領域內的人臉圖像,在原有算法模型上訓練,或者重新設計新的算法模型進行訓練,都會提高人臉識別率,以滿足實際應用的需求。”韓亞洪說,但是超出了特定任務,AI的“臉盲症”就會復發。目前並沒有哪個通用的模型算法可以解決所有的任務,但是AI可以通過不斷地調整,大量的學習,從而提高人臉識別的准確性。

深度神經網絡模型是進階的必要條件

“目前針對新聞文檔的分析和處理任務,AI編輯做起來相對得心應手。”韓亞洪介紹,具體地說,比如在一篇很長的報道中,讓AI編輯把重點摘出來,這是沒有問題的。現在是多媒體時代,大量的新聞報道會涉及圖片和視頻,AI編輯可以將圖片或者視頻自動提取出來,再從大篇幅的文字報道中,選取與之相匹配的文字說明,這個工作AI是可以比較准確地做到的。

“解決特定領域的問題,AI大多時候還是沒問題的,但是要實現通用,就比較難了。”韓亞洪強調,實現這些功能需要用到自然語言處理、模式識別、圖像視頻理解等領域的技術。

要培養一名AI編輯,首先需要收集大量的新聞報道和圖片視頻,再根據收集到的數據設計一個針對這個任務的深度神經網絡模型,網絡模型裡會有很多參數,然后通過數據把參數訓練出來,它就具備了最初設定的各種編輯能力了。在使用過程中,隨著AI編輯學習了更多的新聞,它的業務能力和性能也將不斷提升。

“不過目前的新聞生產對於AI編輯來說還很困難。”韓亞洪說,要讓AI學會寫新聞,必須要針對某個特定新聞主題,進行大量資料搜集和模型訓練。目前AI技術隻能在風格相對固定、詞匯量使用范圍較小的領域完成文本生成,比如天氣預報等內容,AI可以很好地輸出相關報道和消息。但要生成人類創作的那種有創新要求、情感描述豐富的文章,AI編輯的能力仍有待進一步提升。

協作將使新聞生產更加高效

“有趣的是,AI犯的錯誤大多是我們意想不到的低級錯誤,但在某些方面又強悍到讓人類望塵莫及。”韓亞洪舉例說,像給文章分類這種工作,人類編輯要進行大量閱讀,重復性勞動耗時耗力,速度非常慢。但這項工作AI編輯做起來就非常簡單了,通過文字—文檔的主題建模,AI可以比較准確地對文章按主題進行分類。另外,對於可以使用模板的短新聞,比如天氣預報、証券信息等,AI編輯可以准確迅速地將各種數字或者專有名詞嵌套到模板中,從而完成一定的文檔生成任務。

美聯社曾使用AI系統自動編發企業財報。AI系統對數據進行自動抓取,將其嵌套在美聯社預先設定的新聞模板中,幾秒鐘就能完成一篇150—300字的短消息,該系統每季度能產出約4000篇新聞,與之相比,美聯社的人工編輯們每季度隻能完成400篇。

做這些特定的工作,AI編輯比人類厲害的地方不僅在於速度,准確率也可圈可點。“像分類或者是嵌套模板寫短消息這類的工作,因為任務明確,AI的准確率還是非常高的,很少出現錯別字或者數據錯誤。”韓亞洪介紹。

在運用大數據分析預測爆款方面,AI編輯可能比人類單純從經驗出發顯得更“科學”。2015年,《紐約時報》使用AI機器人對社交平台中的文章進行篩選和分析,預測哪部分內容適合推廣。凡是由它自動推薦的文章的點擊量都大大增加,甚至達到了普通文章的38倍。

“但在AI編輯的世界中,隻有知道和不知道兩種狀態,因此處理的內容一旦超綱,它們就會立刻犯很多低級到可笑的錯誤。”韓亞洪說,像這次AI編輯把非裔的Leigh跟阿拉伯裔的Jade弄混了的這樣的錯誤,對於人類來說,即使沒見過Leigh ,但根據常識,也不會把非洲裔和阿拉伯裔弄混。

“目前階段的編輯工作完全依賴AI是不現實的,讓AI成為人類編輯的幫手似乎更切實可行。”韓亞洪說。美聯社預測,AI介入媒體行業能夠幫助新聞工作者釋放20%左右的時間,讓后者可以將這部分時間更多地投入到內容創作方面,簡單的事實核查與調研方面的工作交給AI,有利於提高新聞質量。

“未來,人類應該把AI編輯當作合作伙伴,雙方協同起來,使工作更加高效有質量。”韓亞洪說,人類不應該覺得AI是來“搶飯碗”的,而應該為有AI這樣的合作伙伴而感到幸運。(記者 陳 曦)

(責編:宋心蕊、趙光霞)

推薦閱讀

打造具有強大影響力競爭力的新型主流媒體
  中共中央總書記習近平在主持學習時強調,推動媒體融合發展、建設全媒體成為我們面臨的一項緊迫課題。要運用信息革命成果,推動媒體融合向縱深發展,做大做強主流輿論,鞏固全黨全國人民團結奮斗的共同思想基礎……
【詳細】打造具有強大影響力競爭力的新型主流媒體   中共中央總書記習近平在主持學習時強調,推動媒體融合發展、建設全媒體成為我們面臨的一項緊迫課題。要運用信息革命成果,推動媒體融合向縱深發展,做大做強主流輿論,鞏固全黨全國人民團結奮斗的共同思想基礎…… 【詳細】

聚焦第二十九屆中國新聞獎獲獎作品
  眾多獲獎作品充分運用融媒體優勢,不斷開拓渠道,錘煉寫作能力,提升傳播效果﹔同時關心時代發展,緊跟時代脈搏,深耕社會需求,堅持獨立思考,始終堅持社會效果和傳播效果並重的原則,涌現出許多主題鮮明……
【詳細】聚焦第二十九屆中國新聞獎獲獎作品   眾多獲獎作品充分運用融媒體優勢,不斷開拓渠道,錘煉寫作能力,提升傳播效果﹔同時關心時代發展,緊跟時代脈搏,深耕社會需求,堅持獨立思考,始終堅持社會效果和傳播效果並重的原則,涌現出許多主題鮮明…… 【詳細】