[[425002]]

自然語言理解（NLU）是很難的問題， 從幾十年前AI誕生到現(xiàn)在， 語言理解一直都是AI一座無法攻克的冰山。一方面， 語言是對(duì)我們所感知到的客觀世界的符號(hào)化， 就如同畫在原始人洞穴里那些似是而非的象形文字， 連接著每一個(gè)真實(shí)世界經(jīng)常出現(xiàn)的事物。 另一方面， 語言是人類思維的載體， 它就像是自然產(chǎn)生的計(jì)算機(jī)程序，描述邏輯，因果， 事物運(yùn)行的方式 。 

人類引以為傲的認(rèn)知能力， 都是以語言為載體進(jìn)行的。 這種能力包含與感知能力相對(duì)的對(duì)世界進(jìn)行概念化，結(jié)構(gòu)化， 預(yù)測(cè)推理等不同能力的總和， 通常以符號(hào)相互連接的某種圖結(jié)構(gòu)表達(dá)。從這里看自然語言的理解， 其實(shí)就是要學(xué)習(xí)到單詞背后所指代的真實(shí)世界的概念，以及符號(hào)和符號(hào)之間所隱藏的人類認(rèn)知的思維過程。

那么相應(yīng)的要構(gòu)建一個(gè)完全理解自然語言的模型， 顯然做到兩件事， 1， 它需要知道每個(gè)單詞背后概念的感知概念 （把“貓”的符號(hào)與背后的視覺概念做對(duì)齊， 類似多模態(tài)感知）， 2 它需要真正掌握自然語言背后所蘊(yùn)含的人類認(rèn)知能力。 我們就先來關(guān)注一下后者。

假定一個(gè)完全沒有見過客觀世界的人， 在純粹文本的空間里翱翔，它是否可以學(xué)習(xí)到語言背后的所有人類認(rèn)知呢？我們可以想象這樣一個(gè)具有無限記憶力， 可以在網(wǎng)絡(luò)空間任意窺視的爬蟲， 它可以不停的反復(fù)窺視和推敲文字的前后銜接， 來理解人是怎么思考這個(gè)世界的。它可能最終可以完美的猜測(cè)你說了一句話， 下一句你想說什么 ， 這就是當(dāng)下自然語言生成模型（如GPT）在做的事情了， 它是否具備了人類的認(rèn)知能力呢？邏輯是人類認(rèn)知最具有標(biāo)志性的思維方式， 那么我們就先把認(rèn)知等同于邏輯， 思考這樣的自然語言模型是否掌握邏輯認(rèn)知。

我們可以根據(jù)知乎 甄景賢 的文章BERT 的邏輯化， 我對(duì)這個(gè)問題進(jìn)行了梳理。 一個(gè)能夠在人類文本里肆意窺視并預(yù)測(cè)的爬蟲， 到底掌握了什么樣的能力呢？

這只生活在自然語言空間的爬蟲， 表面上在根據(jù)上下文回答問題， 但是其實(shí)質(zhì)， 是對(duì)文章背后所反應(yīng)的事實(shí)進(jìn)行解釋和重構(gòu)的過程。這點(diǎn)上， 語言作為一個(gè)符號(hào)和符號(hào)組成的結(jié)構(gòu)， 本質(zhì)上與一個(gè)概念圖對(duì)應(yīng)， 而概念圖又對(duì)應(yīng)真實(shí)世界的物理過程和社會(huì)事件。

如果把單詞看作是語言的單元， 那么單詞無非是被命名的概念（但不是一一映射的，某個(gè)單詞可以是多義的），而句子則是若干概念組成的事件圖。通常情況下句子都符合一定的語法， 語法的本質(zhì)就是通常情況下概念和概念連接的方式。比如主謂賓形式對(duì)應(yīng)一個(gè)三元組（某個(gè)主體產(chǎn)生一個(gè)動(dòng)作于一個(gè)客體上, 例如小明吃蘋果），也就是兩個(gè)節(jié)點(diǎn)被一個(gè)邊相連的情況。 一個(gè)自然段落就是多個(gè)三元組一個(gè)個(gè)相繼出現(xiàn)的過程， 這些三元組描述的事件構(gòu)成一個(gè)真實(shí)發(fā)生的過程，這些事件不是簡單的堆疊， 而是被上帝的針線精密的連接起來， 它就是邏輯。

邏輯的本質(zhì)是結(jié)構(gòu)化的思維過程。邏輯的古希臘語原型logos就是言語 。邏輯和因果關(guān)系緊密， 甚至有人認(rèn)為二者幾乎一致， 我認(rèn)為兩者的區(qū)別在于因果更關(guān)注真實(shí)性，是一種真實(shí)世界里的邏輯， 而邏輯在思維和符號(hào)的世界里， 只要具備自洽的結(jié)構(gòu)， 不至于產(chǎn)生悖論，就可以成立，因此范圍更大。邏輯能夠匹配真實(shí)世界， 一定是因?yàn)樗慕Y(jié)構(gòu)構(gòu)成符合某種自然造物的規(guī)律(想象一些世界就是一個(gè)由各種基本作用力構(gòu)成的巨大網(wǎng)絡(luò))。 

邏輯的推演過程一般分為indution（歸納）， deduction（演繹）和abduction（溯因）。這三種分別負(fù)責(zé)連接結(jié)構(gòu)的產(chǎn)生， 和基于這種結(jié)構(gòu)的演化。Induction會(huì)從特例里建立一般的聯(lián)系。而deduction， 則根據(jù)現(xiàn)有的命題， 和已知的結(jié)構(gòu)， 推出新的命題 。對(duì)這些推理步驟的反復(fù)應(yīng)用 ，可以通過簡單的規(guī)則把非常遙遠(yuǎn)的事實(shí)連接起來。

這樣來看， 這只自然語言世界的爬蟲至少掌握了兩件事 1， 語法構(gòu)建 2， 事物和事物之間，事件和事件之間通過邏輯的連接關(guān)系。語言的生成過程本質(zhì)就是一句話生成下一句話的過程，它體現(xiàn)語言背后的概念（事件圖結(jié)構(gòu)）的相互作用， 而產(chǎn)生新的節(jié)點(diǎn)和邊的過程，這對(duì)應(yīng)的就是邏輯推導(dǎo)。一個(gè)完美的生成自然語言的模型， 某種程度上確實(shí)具備了這樣的邏輯。

我們?cè)谡f每句話的時(shí)候都在自覺不自覺的反應(yīng)背后的邏輯思考過程， 比如”動(dòng)物死了，深埋入土， 肉體分解，尸骨保留。“ 對(duì)著一連串的事件，幾乎前面一句都是后面一句的起因， 后一句都是前一句的導(dǎo)出結(jié)果。如果沒有這種前因后果的邏輯， 那就會(huì)讓人感到無法理解。

但是相比計(jì)算機(jī)程序，其實(shí)自然語言背后的邏輯更加難以理解和掌握。因?yàn)樗袃蓚€(gè)缺點(diǎn)，一個(gè)是中間的大量結(jié)構(gòu)化信息經(jīng)常被省略（類似蘇格拉底 （是人， 人都會(huì)死）會(huì)死）， 這也就是我們經(jīng)常說的常識(shí)， 二是它的結(jié)構(gòu)不一定是嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)邏輯。

比如“我老婆覺得她的老板不夠聰明， 她要換工作了， 我很為她擔(dān)心“，這體現(xiàn)一個(gè)事件到事件根據(jù)基本規(guī)律進(jìn)行推演的過程， 老板不聰明 - （老板不聰明 ， 則公司沒有前途。公司沒有前途，則員工沒有前途） - 老婆（員工）換工作- （老婆換工作， 則面臨人生不確定性） - 我擔(dān)心她 。這是一個(gè)典型的deduction的過程， 但隱藏了大量的約定俗稱的常識(shí)， 表露在語言中的只是部分命題， 而大部分背后的推理結(jié)構(gòu)是隱藏的，這也是自然語言難以理解的原因 ，我們需要不停的從只言片語里進(jìn)行溯因， 從我們的記憶里找尋暗信息來解釋。

同時(shí)， 我們通常說某人說話沒有邏輯， 有人說話有邏輯， 這反應(yīng)了語言本身并非精確的公理化的邏輯， 而且每個(gè)人背后的公理系統(tǒng)也不盡相同（雖然同處一個(gè)時(shí)代和文化的人應(yīng)該大部分是相同的）， 這是它和我們狹義理解的數(shù)學(xué)邏輯的一個(gè)區(qū)別， 更加接近一種非公理化的模糊邏輯。

因此， 這個(gè)能夠不停預(yù)測(cè)腦補(bǔ)下文的自然語言爬蟲并不簡單， 它不僅僅發(fā)現(xiàn)了一段文字背后隱藏的結(jié)構(gòu)， 而且還需要不停的把文字里表露出的實(shí)體不停的和腦中常識(shí)結(jié)構(gòu)進(jìn)行綁定， 來處理這種模糊的邏輯。我們先說前者，這里面就包含了三種基本的運(yùn)算， 一個(gè)是entity dection（實(shí)體概念提?。?， 一個(gè)是structure selection（結(jié)構(gòu)選擇和匹配），一個(gè)是variable binding（將實(shí)體與結(jié)構(gòu)綁定）。

entity detection可以從語言里根據(jù)語法得到主謂賓這樣的基礎(chǔ)結(jié)構(gòu)， 從而發(fā)掘出單詞背后實(shí)際表達(dá)的概念（以經(jīng)典的三段論蘇格拉底會(huì)死為例， 首先挖掘出蘇格拉底是人）。而variable binding可以把名詞和其背后的本體結(jié)構(gòu)相綁定（人是一種會(huì)死的動(dòng)物），從而進(jìn)入演繹推理（蘇格拉底是人，所以會(huì)死），這就完成了理解， 當(dāng)然也會(huì)關(guān)聯(lián)到一些新的命題（比如蘇格拉底要吃飯， 要喝水， 有七情六欲）。

這樣能夠完美預(yù)測(cè)下文的模型到底存在與否？答案是否定的， 但是我們的確在不停逼近這個(gè)答案， 而且走了一大步， 這一大步，就是transformer。我們用之前分析的觀點(diǎn)看看transformer模型結(jié)構(gòu)， 會(huì)發(fā)現(xiàn)它的確是為理解自然語言而生的。我猜測(cè)self attention就像是為這幾個(gè)功能而生的。一個(gè)句子進(jìn)來， 它首先被離散化成一個(gè)個(gè)單詞token的集合，然后 Q，K，V就像是指針一樣， 將這些單詞實(shí)體映射到背后的概念，實(shí)現(xiàn)實(shí)體的識(shí)別和概念的綁定， 而 

則通過累加和乘積的形式，實(shí)現(xiàn)文中概念和概念的一個(gè)全連接圖， 它代表了所有可能的命題結(jié)構(gòu)（主謂賓）， 并最終得到新的一組可能的命題結(jié)構(gòu)， 通過后面的全連接層（類似一個(gè)命題結(jié)構(gòu)的詞典），得到新的命題（句子）。 通過層數(shù)的增加， transformer可以組合得到從簡單到復(fù)雜邏輯的嵌套結(jié)構(gòu)，也就是實(shí)現(xiàn)全文級(jí)別的推理。

Attention is all you need

GPT-3 在文本的生成上已經(jīng)越來越以假亂真，但是有些時(shí)候卻依然像是兒童的臆語，而非嚴(yán)謹(jǐn)?shù)某扇苏Z言， 這個(gè)關(guān)鍵差距在哪里呢？就是剛剛講的單純的人類語料往往是一種模糊的邏輯， 中間欠缺大量信息， 推理也不嚴(yán)格。 如 果要讓它在掌握人類的認(rèn)知上再進(jìn)一步， 就需要把這種嚴(yán)格的常識(shí)邏輯補(bǔ)回來， 而不能僅僅是語言概率建模。

事實(shí)上常識(shí)邏輯這條線AI系統(tǒng)早已為之，從經(jīng)典的圖算法到GNN這類的深度學(xué)習(xí)算法。從一開始依賴于規(guī)則做問答到后面用GNN在知識(shí)圖譜上學(xué)習(xí)規(guī)則。從AI產(chǎn)生的初始階段，人們的目標(biāo)就是制造一個(gè)通用解決問題的具有邏輯的系統(tǒng)， 也就是當(dāng)下我們說的AGI。

由于無法解決最一般的問題， 這一分支的努力很快便成了細(xì)分領(lǐng)域的專家系統(tǒng)。它們采用符號(hào)來描述專家知識(shí)，并以三元組，類似知識(shí)圖譜的形式存儲(chǔ)， 并根據(jù)一定的條件執(zhí)行推理。它們的弱點(diǎn)是學(xué)習(xí)不容易， 靈活性較差， 維護(hù)成本高，而且， 就像剛剛討論的， 人所使用更多的是一種模糊邏輯而非嚴(yán)格的數(shù)學(xué)公理邏輯。當(dāng)然， 也有一些另類的努力， 做的就兼容了這些特性。比如王培教授的NARS系統(tǒng)。它是一套可以學(xué)習(xí)演化的非公理化的邏輯機(jī)器， 可以執(zhí)行一般性的命題推理。 并且通過模擬人腦認(rèn)知的不同特點(diǎn)， 比如事件認(rèn)知， 目標(biāo)行動(dòng)認(rèn)知，情緒自我認(rèn)知，實(shí)現(xiàn)推理基礎(chǔ)上的行為控制。

NARS系統(tǒng)的特點(diǎn)是任何一個(gè)自然語言的句子， 都被理解為一個(gè)主謂賓的命題結(jié)構(gòu)， 并且作為一個(gè)證據(jù)進(jìn)行歸納， 增加公理系統(tǒng)的一條新的邊， 或?qū)σ延械倪呥M(jìn)行更新。比如說企鵝會(huì)游泳， 它會(huì)自動(dòng)的推演南極的企鵝會(huì)游泳，但也會(huì)推倒出鳥類會(huì)游泳，只是前者的置信度高，后者的置信度低。因此它在接受一個(gè)自然語言的證據(jù)后，會(huì)同時(shí)使用induction， deduction和abduction形成新的命題，某種程度類似人類的類比和聯(lián)想能力。

我們來看如何借鑒這條路線的工作加強(qiáng)NLU自然語言理解：

（1） NLP與常識(shí)圖的結(jié)合

我們知道大規(guī)模預(yù)訓(xùn)練自然語言模型如bert和gpt已經(jīng)蘊(yùn)含了大量的語言結(jié)構(gòu)信息， 如語法， 和蘊(yùn)藏在語言里的概念和概念間的關(guān)聯(lián)。既然純粹自然語言包含大量隱含常識(shí)，我們自然會(huì)想到以某種方式補(bǔ)充，比如知識(shí)圖譜。這就如同我們的大腦會(huì)用長期記憶里的概念常識(shí)去詮釋語言文字，從而將文字的概念與記憶中的模型對(duì)齊來實(shí)現(xiàn)理解。通過知識(shí)圖譜來增加語言文字的信息也就成為一個(gè)NLU很重要的方向， 在這個(gè)過程里， 每個(gè)單詞被選擇讀取， 它背后關(guān)聯(lián)的概念常識(shí)也可以同時(shí)進(jìn)行展開， 一種最簡單直接的方法，當(dāng)然是直接將kg和自然語言模型融合， 如K-Bert

有些則需要加入融合的embedding。將知識(shí)圖譜的內(nèi)容通過預(yù)訓(xùn)練形成其隱式編碼， 在進(jìn)入到自然語言模型的text decoder 。這些知識(shí)圖譜里的知識(shí)就像外掛一樣可以被加載和讀取。

也有一些則更融合的更為徹底， 把對(duì)文本的encoding和對(duì)圖的encoding先分別執(zhí)行， 再融合， 使語言序列可以時(shí)刻關(guān)系到其背后的概念網(wǎng)絡(luò)：

（2） NLP與邏輯規(guī)則的結(jié)合

那么除了規(guī)則， 現(xiàn)實(shí)的induction， deduction， abduction 的邏輯法則能否幫助NLP的文章理解呢？當(dāng)然可以。很多面向任務(wù)扽對(duì)話系統(tǒng)就是這樣的例子。

首先通過意圖識(shí)別找到人類語言背后的真實(shí)原因， 然后通過一個(gè)belief tracker不停的在對(duì)話中尋找用戶可能的狀態(tài)， 并選擇需要執(zhí)行的干預(yù)， 最終通過generation network啊這種干預(yù)轉(zhuǎn)化為自然的語言和用戶進(jìn)行交互，引導(dǎo)客戶完成目標(biāo)。這就很靈活的把邏輯結(jié)構(gòu)放入到了自然語言生成中。

最后總結(jié)下：

NLP理解問題的本質(zhì)是（ 1）概念定位 （2）合理的潛入某個(gè)符合邏輯的內(nèi)部結(jié)構(gòu)（3）讓這種結(jié)構(gòu)最自洽的解釋文本中出現(xiàn)的所有單詞。

NLP生成問題背后的本質(zhì)是 （1）概念定位 （2）挑選合理的邏輯規(guī)則和結(jié)構(gòu) （3）進(jìn)行推理進(jìn)行生成新的邏輯statement （4）翻譯成表象的語言形式 。

這兩者其實(shí)需要的結(jié)構(gòu)類似，一個(gè)好的生成模型應(yīng)該也具備好的理解力。

當(dāng)然這些角度依然是拋磚引玉， 如何把兩者真正融合， 讓自然語言模型的靈活性補(bǔ)其之前的邏輯系統(tǒng)， 而邏輯系統(tǒng)的嚴(yán)格性，常識(shí)的穩(wěn)定性控制自然語言模型， 是一條意義極為深遠(yuǎn)的道路。