解开填字游戏谜底的人

如今在玩填字游戏时，有更好的作弊方法，那就是利用人工智能。

来自三所大学的研究人员设计了一套系统，运用称为深度学习的人工智能技术来帮助计算机更快速有效地理解语言，而研究人员还顺便打造了一项出现特别让人困惑的填字游戏提示时，能方便解题的网络工具。

剑桥大学博士候选人，也是这项研究报告的第一作者 Felix Hill 说，填字游戏小帮手展现出深度学习技术能如何提高机器理解语言的能力。他说对计算机来说学习语言是件苦差事，它不会像人类一样在学习说和读的能力时，重新建立丰富多元的信息来源。

研究人员着重于协助计算机理解简短的句子。Hill 说计算机虽善于理解单字，“多数有用的信息还是以短句的方式进行传播。”

训练神经网络

研究团队运用深度学习技术，将能理解单字意义的机器，以及能理解长短句子意思的计算机之间的差距拉近距离。研究人员利用深度学习技术来训练人工神经网络，自然从海量资料里学习，以重现媲美人类的能力（请见《Accelerating AI with GPUs: A New Computing Model》一文）。

研究团队使用六本字典和维基百科上的资料来训练神经网络，并且透过 GeForce GTX TITAN Black GPUs 来加快处理数十万笔资料的速度，Hill 说过去训练时间要花上数日，现在缩短到只要约10小时。

“我们的系统不能超出训练时使用的字典资料，不过这套训练方法相当有趣，打造出令人惊讶实力坚强的问答系统，极为擅长解答填字游戏。”Hill说。

更多要学习的东西

报告指出深度学习系统不是特别擅长需要逻辑循环的双关语或抽象问题，却在测试时比起其他商用产品，更善于对标准填字游戏的提示进行解答。

那么它的表现到底怎么样? 我们针对一则由三十多年间将填字游戏售到全美各地的制作者Merl Reagle 所设计出的内容，向在线工具要求一些提示。它给我们一些简单的线索：象是“gradual decline”这题，“deterioration”的确是13个字母的解答，而“Edam”也的确是一种荷兰式起士，但它无法解答其他简单的提示，象是“looked up to”（respected）和“fearful one”（scaredycat）。

在使用字典和维基百科进行训练后，深度学习系统在文化认知水平方面并未有显著提升的情况。它在回答“epic film of 1979”时，有想到《伊利亚德》、《贝奥武夫》及其他文学史诗大作，却没有想到《现代启示录》。而在解答“Flying Pan”这题时，工具有提出多种鸟类和鱼类的名称，没想到那其实是指来自永无岛的小飞侠彼德潘。

Hill 说下一步是使用更多资料来训练神经网络，最终是直接与人类互动，如此一来研究人员便能按照反馈内容来增进系统表现。