# WHAT Lab 给微信开的那些 AI 脑洞 - 作者：WeChat TechPower - 发布时间：2016-11-21 15:31 - 分类：新创 - 原文：https://www.ifanr.com/750554 ![ai-gateblog](https://s3.ifanr.com/wp-content/uploads/2016/11/AI-GATEBLOG-1024x640.jpg) > 编者按：本文转载自转载自微信公众号 WeChat TechPower（wechattechpower），转载时已获得作者授权。 还记得 WHAT Lab 吗？对，就是一年前微信和香港科技大学成立的人工智能实验室。 一年过去了，WHAT Lab 在自然语言处理、数据挖掘、语音识别和机器人方向均取得阶段性的进展及成果，今天就拿出 WHAT Lab 的部分研究成果，给各位微信迷开开 AI 的脑洞。 ![q1](https://s3.ifanr.com/wp-content/uploads/2016/11/q1.jpg) ### 让机器帮你读书 不知不觉间，我们的微信中已经关注了许多公众号，每天都有小红点提示更新，但想必很多人都忙着工作生活而来不及点开。 在信息爆炸的互联网时代，碎片化阅读让我们已经渐渐失去了主动阅读的能力。 ![q2](https://s3.ifanr.com/wp-content/uploads/2016/11/q2.jpg) 用什么来拯救我们的阅读？如果有人主动跟我们说 Hi，我们大多数时间会给出回应。而在阅读中，谁来担当这个主动打招呼的人呢？ 也许 AI 就可以。让机器阅读帮助人类阅读，正是 WHAT Lab 教授们正在努力的方向。 ![q3](https://s3.ifanr.com/wp-content/uploads/2016/11/q3.jpg) 让机器读取各种文章并不难，但问题是，要怎么让机器读懂，并以人类能理解的语言表达出来？ 这就涉及到了自然语言的处理。对此，WHAT Lab 的研究人员采用了 “强化迁移学习” 的模型，让机器表达更符合我们人类习惯。 我们所说的 “强化学习”，实际上是一种激励机制，当 AI 判断正确时，给予肯定的回馈，这就使得 AI 的这一行为得到了加强。而 “强化迁移学习”，简单来说，就是让 AI 在强化学习的基础上，学会举一反三。 然而，怎样才知道 AI 是否读懂了文章？ 为了让 AI 能够真正理解上下文，研究人员采用了注意力机制进行文档和问题的语义表示，简而言之，就是让 AI 将注意力集中于某些关键词语和段落，从而学会找到问题的答案。 ![q4](https://s3.ifanr.com/wp-content/uploads/2016/11/q4.jpg) 当 AI 阅读技能点满后，就能为我们做很多事了，比如告诉我们一篇文章、一本书到底讲了些什么，甚至可以回答关于书本的各种问题。 至于 AI “代读” 让我们丧失了体会原著语言魅力的问题，那就是另一个需要探讨的话题了。 关于 AI 概括文章内容的能力，目前一个较为实际的应用就是体育战报了。通过提取文字直播的主要内容，AI 能快速生成比赛战报，这显然比人工写要快多了。 ### 想你所想 如果你正在减肥，你可能会对涉及 “健身”、“减脂”、“节食” 这类话题的文章感兴趣；如果你是个皇马球迷，吸引你注意力的除了皇马的文章，肯定还有 C 罗、佩佩甚至是其他西甲球队的新闻…… ![q5](https://s3.ifanr.com/wp-content/uploads/2016/11/q5.jpg) 然而，无论你是查找资料还是浏览新闻，你都只能一个一个地输入关键词去查找，或者是通过相关推荐进入其他话题。 有没有可能让机器人自动为相关文章建立索引？这就是 “公众号数据层次话题分析” 技术要做的事。 首先我们要了解一个概念 “多维划分”，也就是说，同一个事物，按不同的属性可以归入不同的类别，比如微信，本质是一个 app，细分下来又属于“社交媒体” 或者“通讯工具”，但同时又具有支付功能，也可以归入“支付工具”。 ![q6](https://s3.ifanr.com/wp-content/uploads/2016/11/q6.jpg) 那么，怎样让 AI 掌握多维划分的技能？WHAT Lab 的研究人员使用了一种叫 “隐树分析” 的算法——一种包含多个隐变量的树状的概率图模型。 所谓隐变量，就是无法直接观测到数据，例如小明数学 100 分，我们可以得出小明数学能力很强的结论，而这又能进一步推论出其分析能力出色，进而了解到他智力应该不错。这里的 “分析能力”、“智力” 就属于隐变量。 通过对各种隐变量的划分，赋予其权重，再辅以各种复杂的算法处理，我们就能从多个维度对话题进行划分。 层次话题的分析，除了我们前面所提到的建立文章索引外，在未来还可以有多种应用场景，例如根据用户的常用话题，进行用户画像，从而实现广告的精准投放；将用户的反馈、bug 提交归类，方便工程师们填坑；而通过层次话题的分析，我们甚至还能了解到一个热点的演变历程，进行舆情监测等。 ### 数据也要美美哒 “不转不是中国人！” 这种老梗，究竟从何而来？一篇文章又是如何成为 10W+ 的爆款文？ 要追根溯源，就必须用上传播可视化技术了。所谓 “传播可视化”，你可以理解为将数据以一种更美的形式呈现出来，毕竟作为视觉动物，我们总是更能接受图象所传达的信息。 ![q7](https://s3.ifanr.com/wp-content/uploads/2016/11/q7.jpg) 比如这张亮瞎眼的图，就是微信消息传播路径可视化的结果： ![0](https://s3.ifanr.com/wp-content/uploads/2016/11/0-21.gif) 当然，传播可视化显然不是将数据制作成图表这样简单，也不是图表做得好看就够了，其中涉及到了各种冗余数据的处理，也就是数据的取舍问题。 在舍弃部分数据之前，我们得到的图是这样的： ![q8](https://s3.ifanr.com/wp-content/uploads/2016/11/q8.jpg) 很美，然而并没有什么用…… 在使用裁剪与收拢算法排除一些数据后，我们得到的图是这样的： ![q9](https://s3.ifanr.com/wp-content/uploads/2016/11/q9.jpg) 消息的传播趋势瞬间明朗：即有一手传播，也有二次传播、多向传播。既要颜值也要实用，这就是 “传播可视化” 作用。 作为普通用户，我们可能不会接触到这项技术，但微信团队会用这 “千里眼” 做热点追踪、谣言监控，给用户带来更好的阅读环境。 ### 机器人也要有情商 为什么机器人要有情商？WHAT Lab 的教授告诉我们，有情商人的机器人，用户对其的接受程度更高、配合度更好。 讲真，打造一个有情商的 AI，其难度并不比开发一个高智商的 AI 低，需要为 AI 构建应答策略体系，在面对用户的问题时，它才能做出正确而又合理的回答。 ![q0](https://s3.ifanr.com/wp-content/uploads/2016/11/q0.jpg) 在实验过程中，WHAT Lab 研究人员实际是打造了两种不同性格的 AI：主导型和委婉型，以测试用户对其的接受程度。 主导性 AI 性格更为强势，比如当你走神时，它会一直在你耳边唠叨：“快听我讲，快听我讲。” 委婉型 AI 显然性格就温柔多了，属于打不还手，骂不还口那种，你不想听，它会表示：“那行，你忙吧，我等你。” 看上去委婉型的机器人更合你意？然而对于拖延症患者来说，大概更愿意有一个主导性的机器人来监督自己吧…… ![q11](https://s3.ifanr.com/wp-content/uploads/2016/11/q11.jpg) 对于机器人情商的要求，目前主要见于家政机器人领域，但我们相信在微信公众号上，我们也很快能遇到各种高情商机器人，可软萌可汉子、可攻可受、可逗逼可高冷，这样的机器人你是不是更愿意与之交（tiao）流（xi）？ 讲到这里，各位是不是已经在憧憬着 AI 将以什么形式服务人类？我们也很期待人工智能时代的到来，到时微信一定会越来越聪明！ 题图来源：[The Gate Interactive](http://www.thegateinteractive.com/news/machines-dont-light-bulb-moments-spotlight-ai/)