AI 赢得填字游戏冠军，打败 1000 多位人类选手

在上星期举办的英国填字游戏公开赛（American Crossword Puzzle Tournament，ACPT）上，一位人工智能技术参赛选手从 1000 多位参赛选手中出类拔萃，取得胜利，它便是填字游戏程序流程“菲尔博士研究生（Dr. Fill）”。

虽然在两条题上发生了不正确，但 Dr. Fill 仍在一分钟内完成了手机游戏，比更快的人们参赛选手快了整整的2分钟。Dr. Fill 的身后拥有美国加州大学伯克利大学（UC Berkeley）伯克利自然语言解决工作组的强劲适用，它会剖析题型线索转化成答案目录，并依据数据库查询中的 800 多万元组线索和答案来解迷。

一、神经元网络与数据库查询扶持

Dr. Fill 是由电子计算机生物学家塞特・金斯伯格（Matt Ginsberg）制做的，他另外也是一名填字游戏创作者。

自 2012 年至今，金斯伯格就逐渐让 Dr. Fill 非正规的地参与 ACPT，并在每一年的赛事中对它的手机软件开展改善。

▲塞特・金斯伯格（Matt Ginsberg）和 Dr. Fill

而在2020年，金斯伯格与美国加州大学伯克利大学（UC Berkeley）的伯克利自然语言解决小组合作学习，该工作组由专家教授丹・克莱恩（Dan Klein）领导干部的硕士研究生和本科毕业生构成。

克莱恩是自然语言解决和无监督学习行业的权威专家，他曾得到 2016 AMiner 自然语言解决行业十大最具知名度专家学者奖。AMiner 是由清华开创的新一代全智能科技情报服务平台。

▲丹・克莱恩（Dan Klein）

就在 ACPT 逐渐前两个星期，她们一同为 Dr. Fill 开发设计了一个混合器。在其中，伯克利工作组用神经元网络的方式 来协助 Dr. Fill 剖析线索，而金斯伯格撰写了用于填好手机游戏网格图的编码。

Dr. Fill 还有一个包括 800 多万条线索和答案的训炼数据库查询，这种数据信息来源于过去在各种各样新闻媒体上发生过的填字游戏。为了更好地处理迷题，它的程序流程会参照过去的线索和答案。

和人们一样，当应对新的挑戰时，Dr. Fill 务必借助工作经验，找寻新老难题中间的联络。

比如，ACPT 2021 中第二题的答案，便是一个长单词后再加上后缀名 – ITY 组成的新词汇。但是幸运的是，相近的题型曾发生在 2010 年《洛杉矶时报（the Los Angeles Times）》发布的一个填字游戏中，Dr. Fill 的数据库查询之中包括了这题，因此 它顺利地解出了答案。

二、会剖析题型线索，还能挑选答案

虽然 Dr. Fill 的数据库查询十分巨大，但它并不可以靠“抄作业”拿第一。

在具体的答题全过程中，Dr. Fill 会剖析题型线索，并转化成与题型线索配对的备选答案目录，依据概率对他们开展排列，并查验他们是不是能填字游戏网格图中合别的英语单词适当联接。只需题型得出了充足的前后文情境，Dr. Fill 就能最后解出恰当答案。

比如，针对“imposing groups”这一线索，Dr. Fill 将恰当的答案“ARRAYS”列入优选词。“imposing”一词从没发生在与恰当答案有关的线索中，但这种线索中发生过别的近义词，如“impressive”，这使 Dr. Fill 能够推测语义上的联络，并解出来恰当答案。

▲Dr. Fill 从题型线索立即推测恰当答案

Dr. Fill 还会继续将英文字母开展交叉式核对来挑选恰当答案。例如，在五个字母的答案中，了解第二个英文字母是 O，答案的线索是“Aw, that’s a shame！（太遗憾了！）”，它就可以寻找恰当的答案“SO SAD”。

▲Dr. Fill 将英文字母开展交叉式核对来挑选答案

题型中涉及到双关或别的文字类游戏的线索会较为不便，但是，伯克利的神经系统应用系统使 Dr. Fill 可以鉴别出这种线索。克莱恩表述说，尽管这种语义上的伎俩没法确立地传授给 Dr. Fill，但根据深度学习，它能搞清楚要找寻沒有基本线索那麼立即的选择项。

三、人的大脑仍胜在跳跃式逻辑性

《纽约时报》的填字游戏编写维诺・肖茨（Will Shortz）强调，2020年的 ACPT 很有可能充分发挥了 Dr. Fill 的优点，由于“每一个答案全是词义简易，非常好了解的”。肖茨说，他对 Dr. Fill 的原创性觉得敬畏之心，但他觉得人们参赛选手在许多层面仍有优点。

他说道：“如今，依然是人们更善于像填字游戏那样非逻辑性的现实世界难题。”在他来看，即便是在非常简单的题型中，Dr. Fill 依然易犯一些人们不容易犯的不正确。

克莱恩也看到了这一点，另外他也提及，在自然语言解决行业常常会发生相近的挑戰。比如，人们的人的大脑常常开展说白了的“多跳逻辑推理”，就是，人的大脑会运用许多不立即有关的专业知识进行一个跳跃式的逻辑推理。

而要教會人工智能技术遵照那样的逻辑性弹跳，就代表着大家要从许多间接性表意文字的语言表达中获取并梳理出表述的逻辑性。但在时下，Dr. Fill 依然难以理解这种并不是“通俗易懂”的语言表达。

克莱恩觉得，Dr. Fill 此次的主要表现仅仅大家从填字游戏的线索中讲解自然语言实际意义的第一步。当牵涉到表意文字尤其婉转的语言表达样版时，克莱恩说：“这些难住大家的语言表达更会难住 Dr. Fill。”

总结：AI 自然语言解决升阶，从輸出到“思索”

Dr. Fill 在 APCT 中的获胜标示了人工智能技术在自然语言解决层面的发展。换句话说，人工智能技术早已不但能够完成简易的自然语言沟通交流，并且还能“了解”非常复杂的词义、“思索”怎样解迷。

在未来，伴随着专家对自然语言的实际意义拆卸更为深层次和专业化，这种人工智能技术的“思索”工作能力也许还会继续更贴近人的大脑、更为强劲。