在CCF-A类学术会议和JCR一区期刊上发表高程度学术论文80余篇，获得中国人工智能学会2018年度最佳青年科技成果奖、2019年度CCF-腾讯犀牛鸟基金优秀专利奖，是中国迷信院青年创新促进会成员……拥有这份亮丽简历的是来自天府之国的“90后”杨敏，抱着对自然言语处理技术的极大热情，她在香港大学攻读计算机迷信专业博士之后，进入中国迷信院深圳先进技术研讨院数字所开启了她的科研之路，目前是副研讨员兼博士生导师。
为什么选择深耕人工智能？杨敏表示兴味与热爱是最大驱动力，“数据发掘研讨令人非常着迷，从大数据中常常能分析出有用和令人兴奋的信息。”同时，杨敏也非常看好人工智能技术的发展前景，她以为随着人类对先进便捷生活的不断追求，人工智能必将在当中扮演重要角色。
让机器听懂人话？从模拟人类行为末尾
近年来，随着智能技术的普及，机器人逐渐在各个范畴代替人工成为客服的主力军。但是，人们在“人机对话”中常常会遇到程序繁琐、答非所问的状况。如何让智能客服更好地了解人类的真实需求？如何更快、更精准地反馈成绩的答案？这些都是自然言语处理技术亟待处理的成绩。
“要让智能问答和人类问答达到相反程度，实践上是非常困难的。”杨敏说，“目前我们还处于弱人工智能时代，需求攻克认知智能，才能让机器真正地了解成绩、停止推理和处理成绩，目前看来还有一定间隔。”
为了让机器读懂人类的言语，杨敏团队尝试根据人类行为设计深度神经网络模型。“比如人类在做一篇文章的阅读了解时，通常会先粗略阅读整个文章的大致内容，第二遍再带着成绩精读寻觅答案，第三遍确保答案正确。” 杨敏团队从人类阅读认知角度出发，模拟人类阅读认知过程中预读、精读、后读三个阶段，提出基于先验知识的交互感知模型、目的感知的语义蒸馏模型、基于强化学习的语义反馈模型等，以更贴近人类阅读认知的方式处理自然言语了解成绩。
光有大数据不够！知识图谱给机器“补课”
当然，人工智能也有“过人之处”，弱小的算力与大量的数据让机器可以疾速获得学习的资源，但只要大数据还远远不能达到人类的程度。
“虽然经过大数据的发掘分析可以得到很多有用的信息，但只要数据驱动是不够的，人类之所以可以疾速做出决策，是由于拥有丰富的阅历常识和背景知识。”杨敏表示，她们团队尝试用数据驱动和知识驱动相结合的方式，经过建立完善的知识图谱，补齐人工智能背景知识的“短板”。
此外，模型紧缩也是杨敏团队主攻的技术方向。当对模型训练的强度越来越大，数据量越来越多，精度越来越高时，耗费也会越来越大。特别是在线上运转时，由于模型过于复杂，反馈结果的工夫会从毫秒级拖延成秒级，导致用户体验效果不佳。
“经过模型紧缩可以在不影响运算精度的状况下，让参数变少，效率提高，节省训练工夫的同时，降低对数据的要求，提升用户体验。”据杨敏引见，团队目前正与腾讯、神州泰岳等企业合作停止模型紧缩的攻关研讨，次要运用于自然言语了解和引荐系统义务。
得理法律平台
在运用落地方面，杨敏团队还与深圳市得文科技有限公司成立了“法律人工智能结合实验室”，将自然言语处理和引荐系统的核心算法运用到司法范畴，开发案件判决预测、类案智能搜索、法律智能问答等系统。
为科技之城贡献力气
在杨敏加入深圳先进院之前，她曾在科技企业有过短暂的工作阅历，她感到科研机构与企业最大的不同之处在于，在科研机构可以无机会深化研讨一些“有难度又有研还价值的课题”，虽然短工夫未必能很快看到结果，但可以投入更多工夫和精神专注攻克，希望能获得打破性的停顿。
不只如此，深圳先进院对于产学研交融的大力支持，也让杨敏感到“可以真正将基础研讨写在祖国大地上”，既能打破技术壁垒，又能疾速找到产业界合作的落脚点，疾速验证本人的算法能否适用。
来深3年，深圳带给川妹子杨敏最大的感受是“科技之城”，“科研技术公司非常多，对于我们寻觅产业合作伙伴和先生寻觅实习工作都非常有利。同时，深圳出台了非常多吸引高端人才的政策，使得深圳汇聚了全世界顶尖的人才，人才又反哺深圳，为深圳的发展作贡献，构成良性循环，对于我们年轻人而言，充满吸引力。”（刁雯蕙） |
