「AI自創語言」的標題黨和恐懼，只會令我們忽略更迫切的科技問題

今年6月中，我讀到一篇說有人工智能發展出非人類語言的文章，於是翻查內文提到的研究，發現那是標題黨，也見到一些誇張報道。不過當時見沒太多人在Facebook分享這新聞，就沒有寫，畢竟人工智能非我專長，要了解得花太多時間（一字記之曰懶）。

於是我後悔了。近日外國一些大媒體陸續發現這份來自Facebook人工智能研究小組（FAIR）的研究，然後紛紛變成標題黨，煽動讀者對人工智能恐懼。這是破解流言的永恆兩難︰沒人傳的流言破解後也沒有人看，而真相總是追不上多人傳的流言。

近來跟「人工智能創造語言」有關並引起媒體關注的研究最少有三個，由於語言使用、翻譯等是人工智能的重要領域，未來肯定會有更多類似研究，相信也會有更多標題黨，所以還是先寫清楚比較好。

Google翻譯AI發明了中介語言？

三項研究中，最早出現的一個跟Google翻譯有關。2016年9月，Google翻譯改用新系統，稱為Google神經機器翻譯（Google Neural Machine Translation, GNMT）。從數以百萬計的例子中學習，GNMT能大幅提升其翻譯質素。然而Google表示，把系統應用到Google翻譯所支援的103種語言是一個巨大挑戰。

同年11月，Google在其研究網誌介紹其團隊如何解決這個難題，並把解決方案應用到Google翻譯。研究人員擴展了GNMT，令單一系統可以翻譯多種語言，更實現所謂的「零數據翻譯」（zero-shot translation）——系統未曾明確學習翻譯兩種語言下，仍然可以成功翻譯。

聽起來好像很神奇，以下用Google提供的例子解說︰假設系統只需要處理三種語言——日語、韓語及英語，而研究人員先訓練其多語言GNMT系統學習雙向的日英、韓英翻譯，系統會把翻譯這四對語言（日英、英日、韓英、英韓）的參數共同儲存，從而可以把「翻譯知識」轉移，即使系統未受過日韓翻譯訓練，仍然可以把日語翻譯成韓語（反之亦然）。

Image Credit: Google

文章指出，實現「零數據翻譯」帶出另一重要問題︰系統是否學會了一種「中介語言」（interlingua），可以獨立於各種語言來代表語句的意義？研究人員分析數據後認為，這個神經網絡會把句子的語意編碼，而非單純記住不同語言的詞語配對，所以他們視這為「中介語言」存在的跡象。

這固然是一項重要的研究發現，不過有媒體就將之誇大成「電腦把字詞及概念配對」或「人工智能創造了一種通用語言」。實際上，這種「中介語言」是用來描述翻譯對象語言的特質，讓系統處理多種語言之間的翻譯，仍然把每種語言的數據分開處理，只是不同語言意思相近的句子會放在相近位置，而非系統創造了一種新語言。

學習溝通的人工智能

第二項容易引起誤解的研究，在今年3月中由非牟利人工智能研究公司OpenAI公開。

研究的兩名作者Igor Mordatch及Pieter Abbeel指出，透過在語料庫中尋找統計模式，機器學習在處理自然語言上有顯著進展，包括機械翻譯、對答以及情緒分析等。然而兩人認為要讓程序有智慧地跟人類互動，單靠統計模式並不足夠，因此他們研究能夠讓AI在合作達成目標期間，創造出有基礙的組合性語言（grounded compositional language）。

「有基礎」是指語言中的字詞直接跟使用者的經驗連結，例如「樹」這個字跟樹的影像、接觸樹的經驗關聯。「組合性」則是指使用者可以把語言中不同字詞組合成句子，以表達特定意念，例如把「我」、「喜歡」及「貓」三個詞語，結合成句子「我喜歡貓」。

他們於是建立一個實驗環境，三個AI（分別以紅、藍、綠色代表）「活」在一個簡單的平面世界，這個世界有三個分別為紅、藍、綠色的地標。每個均可以做三件事︰移向某個地方、把「視線」指往某個方向，以及跟其他AI溝通（如下圖所示）。

Image Credit: Open AI

在這個環境中，AI都是以「單熱向量」（one-hot vector，只有一個「1」其他均為「0」的向量）來溝通，為方便理解，作者把這些向量加上「前往」、「望向」及「不做任何事」等標籤。每個AI採取行動前，都會先觀察其他AI之前的通訊，以及所有物件（三名AI及三個地標）的位置。

實驗中，每個AI都被指派一個只有自己知道的目標，這些目標可能是要求其他AI前往某個地方，由於別的AI無法得知這個目標，從而促使AI互相溝通。實驗中研究人員比較這些AI在各種設定下的分別，例如可以使用語言溝通、不可使用語言溝通、只可以使用非語言溝通（例如調整視線）等。

簡單來說，研究人員透過設計這個多參與者環境，令AI在未有接觸人類語言的情況下，自行產生一套有基礎的組合性語言。受到實驗環境所限，這套抽象語言非常簡陋，Mordatch和Abbeel希望未來在實驗中容許更多行動，引發出語法更複雜、更多詞匯的語言，他們亦想讓AI在實驗過程中接觸人類語言。

據說令Facebook害怕的研究

最後一項，則是文章最初提及的研究。整件事就是FAIR的研究員讓兩個AI學習談判，並設定好談判目標和分數，讓它們對話。

這項研究取得不錯成果，程式學會了一些談判技巧，例如起初偽裝對一些無價值的物品有興趣，再於談判期間「讓步」放棄，Facebook介紹此研究的網誌提到，這項技巧並非預先編寫好，而是程式在嘗試達成目標時發現的方法。