谷歌推出开源的ActiveQA，一个学习如何问好问题的AI

编译：chux

出品：ATYUN订阅号

AI系统自然不善于提问，人们必须教导它们。这是Google关注的核心领域，它利用自然语言处理和其他会话AI技术，使与Google智能助理的互动尽可能自然。

谷歌开源的Active Question Answering (ActiveQA)，是一个调查使用强化学习来训练AI智能体进行问答的研究项目。

Google AI的软件工程师Michelle Chen Huebscher将ActiveQA描述为“使用自然语言与QA系统反复交互的智能体，目的是提供更好的答案”。它就像一个孩子，不断问问题“特斯拉何时出生？”，以新的形式“特斯拉出生于哪一年”和新颖的措辞“特斯拉的生日是什么时候”问问题，最终目标是获得更好的答案。

“智能体位于用户和黑匣子QA系统之间，并学会重新制定问题，以获得最佳答案，”谷歌研究人员在一篇论文“Ask the Right Questions: Active Question Reformulation with Reinforcement Learning”中写道。“该智能体用一个初始问题的自然语言重构来探究系统，并汇总返回的证据以得出最佳答案。”

随着时间的推移，ActiveQA在强化学习框架的推动下，学会提出更具针对性和具体的问题，从而得出它所寻求的结果。向QA系统提出的每个问题都根据其与答案的对应程度进行评估，并且在调整模型参数时响应好的和坏的结果。

谷歌正在以TensorFlow（其机器学习框架）的软件包形式提供ActiveQA。除了答案选择模型 （使用斯坦福大学GloVe数据集中公开可用的单词嵌入训练的卷积神经网络）以及基于斯坦福大学BiDAF（用于机器理解的双向注意流程）的问答系统，该搜索巨头正在提供从TensorFlow神经机器翻译教程代码改编的预训练序列到序列系统。

在上述论文中，谷歌团队证明ActiveQA可以胜过底层QA系统，提供问题的答案，在这种情况下，从Jeopardy中提取数据集。

“我们设想这项研究将有助于我们设计能够提供更好和更可解释答案的系统，”Huebscher博士和Google AI的学生和软件工程实习生Rodrigo Nogueira表示，“谷歌的使命是组织世界的信息，使其普遍可用和有用，我们相信ActiveQA是实现这一使命的重要一步。”