提起阅读理解这四个字，你会想到什么？
被四六级雅思托福支配的恐惧？语文试卷上连原作者都搞不懂的选择题？
不管哪种答案，肯定都逃不出一个规律：进行阅读理解这项有益身心运动的主体，必然是跟你我一样的人类。
毕竟嘛，这东西堪称考试中最费脑筋，也最考验综合能力的一个环节。所以你的英语老师一定说过这样一句话：得阅读理解者得天下。
然而，可是，但是，如果告诉你今天得这个天下的已经不再是人类，而是AI了，你会怎么想？可事实就是这样，1月11日，斯坦福大学著名的机器阅读理解赛事SQuAD刷新了全球排名，令人惊奇的是阿里巴巴凭借82.440的精准率打破了世界纪录。最重要的是，这个成绩超越了人类82.304的平均得分，正式宣布AI在精准阅读能力上超越了人类。
当然了，AI是不会去跟你比托福刷分的。但AI通过机器阅读理解，撬动理解力这扇大门开启，意义也远远不是测试和排名所能概括的。国外网友和AI从业者，面对这个中国公司完成的壮举纷纷脱帽致敬，将其列为2018伊始AI的重要突破，卡内基梅隆发现计算机科学学院机器人研究所的研究教授Jeff Schneider等等业界大牛也对阿里团队表示了致敬。
所以说，机器做阅读理解这件事的背后，脑洞有点大哦…
什么是机器阅读理解？
机器阅读理解，虽然看起来只是让AI上阵来一场考试。但是却是自然语言处理技术中，继语音判断、语义理解之后最大的挑战：让智能体理解全文语境。所以这个领域的“跑分”，一直是AI界的大事件。
而斯坦福大学发起的SQuAD挑战赛，则是业内公认的机器阅读理解最高水平赛事，甚至可以说是标准水平测试。其参赛者来自全球学术界和产业界的研究团队，比如我们耳熟能详的微软亚洲研究院、IBM、Facebook、谷歌以及卡内基・梅隆大学、斯坦福大学等等。
SQuAD挑战赛的基本规则，是通过众包的方式构建一个包含10万个问题左右的大规模数据集，并给出来源于维基百科长度大约在几百个单词左右的文章。参赛者提交的AI模型在阅读完数据集中的一篇短文之后，回答若干个基于文章内容的问题，答案与标准答案进行比对，最终得出成绩。
这项测试的得分，包括确匹配(Exact Match)和模糊匹配(F1-score)两项结果，这次阿里巴巴提交的模型，在精准匹配领域超越了人类的得分能力。模糊匹配还差2.5分，但是也已经比较接近。
由于阅读理解这项“智能”调整，需要运用到大量逻辑、细节和结构分析能力，并且直接作用于现实中的文本资料，所以实际价值巨大。
比如说，我们首先要面对的问题就是，假如人工智能已经比人类平均水平更擅长在对文本中精准信息进行理解和回答，会带给我们什么呢？
当AI的“阅读理解”得分 超越人类，意味着什么
如何理解阿里的AI阅读理解能力，超越人类得分的价值呢？
举个例子或许可以很简单的理解这个问题：英语考试上，当机器可以翻译单词的时候，我们一点都不惊奇；但机器可以听写整句话的时候，我们会感叹技术进步了；当机器自己做阅读理解的时候，我们大概会想：还要我考这个试干什么?
这里面的差别，在于处理阅读理解相关问题时，AI不只是要运算和记录，而是要主动去分析和理解，所以阅读理解问题一直被人问是NLP的标志性临界点。但这个点被AI破解，直接意味着很多必须人类才能完成的工作已经正式能够被AI接管。
因为阅读理解问题处理和关注词汇、语句、篇章结构、思维逻辑、辅助语句和关键句等等元素构成的复杂组织网络。
当超越人类均值这个时刻真正到来，或许意味着在语言交互领域，机器智能将可以从感知应用向着理解应用进发。从学术到产业应用的角度讲，背后都有无数种可能蔓延开来。
最直接的产业影响，是大多数今天还必须由人工完成的规则、对话、服务信息类的相关理解工作，都可以被人工智能所取代。比如说客服、信息管理和推荐类的工作，都可以考虑用不眠不休、高运算速度的机器来取代。
或许阿里产业线是最大赢家
或许我们都注意到了这样一个问题：今天的互联网世界，在生产越来越多文本内容。太多你知道的、你不知道的、你以为自己知道的却实际不知道的事情呼啸而过。甚至你双11想要剁个手，都有各种各样的游戏规则等着你。
这里或许就可以用机器阅读理解来解决了。比如客户对某个电商促销规则有疑问，就可以直接向AI提问，而AI就可以把这个问题当做一道阅读理解问题来进行解决方案回馈。
机器阅读理解能力，将在如何向客户提供非模板式的智能客服服务中迈出关键一步。而当AI在这些能力上超越人工，那么机器客服的利用价值和空间当然飞速上涨。
由此不难看出，这种关键能力的标杆性突破，对大量强调与普通消费者交互的产业线益处最多。阿里投入这项技术突破，显然也是看到了其与自身产业线结合的可能性。
事实上，致力于新零售和大规模人机协同的阿里，显然对机器阅读理解能力有着多方面的需求。比如说阿里小蜜已经应用了这项能力，提高双11时机器客服的处理效率与精准度。而进一步扩大来看，各种线下新零售场景、物流服务和在线金融服务都离不开机器阅读理解能力的帮助，来构建高效低成本的客户交互体系。
推而广之，机器阅读能力也是文娱领域进行内容寻找和推荐的有效方式，比如阅读用户提出的复杂需求，进行精准推荐；而与天猫精灵等硬件相结合，给出对用户大段语言的回馈，乃至对话互动，都必须以机器理解能力为依托。
而当机器可以大量阅读互联网资料，形成自己的知识谱系甚至专家系统，那么反向提供服务的能力更加令人期待。
理解力，让我们在未来面前不仅是个孩子
除了知道AI可以充当更好的客服之外，究竟我们为什么应该关注机器阅读理解这件事？或许关键，是我们应该知道“理解力”在目前AI世界中的重要程度和期待指数。
就像上文所说的那样，阿里这次是在精准匹配领域超越了人类得分，而下一步就是在模糊匹配领域完成突破。如果这个突破很快到来，显然意味着AI模型在理解力的指数上进一步提升了。这个人类期盼已久的能力，终于开始启动它的轴承。
AI先天具备的是运算能力，而希望进行仿人类智慧的智能模拟，第二步就是模仿人类的感知。今天我们看到的机器视觉、语音识别、语义理解，都是在做这件事。而第三步，就是让AI产生理解力。
假如单纯的识别出却无法产生输出，那么AI无非是更灵活的传感器而已。
从这个逻上看，阅读理解这道题绝不仅仅是个测试，或者商业应用的技术加持，更重要的是开启AI纪元里理解力的加速器，让人类漫长的制造、学习和掌握机器历史逐步画上句号，开启机器去学习和理解人类的新纪元。
阿里所达到的新记录和超越人类的数值，更广阔的意义在于，我们或许距离永远不用测试机器阅读理解更近了一步。当我们不再考虑机器是否能理解人类文本和语言，那么DeepNLP将达成，人机交互的范围将几何级扩大。机器智能可以清晰捕捉到人类的逻辑和函指。
可能那还很远，也可能很近，但理解力的意义，是让我们在未来面前不止是个孩子，应该是毫无疑问的。
此为亿邦专栏作者文章，如要转载请签订内容转载协议，联系run@ebrun.com
