“Hi Siri，打开美团外卖。” “好的。”
“小爱同学，我想吃麻辣烫。” “好的。”
在我们的日常生活中，智能语音助手应该时时刻刻站在我们的角度思考，无条件的遵从用户的命令，帮助人们完成任务。然而不知道大家有没有思考过，只会遵从你命令的语音助手真的智能吗？最近一期Nature的封面文章An autonomous debating system告诉我们，对抗性的交流，比如争论、辩论也是人类智能的一个重要组成部分，覆盖了人类众多的日常活动。作者在文章中展示了Project Debater——一个会“抬杠”的人工智能系统。
关于Project Debater
首先因为文章涉及到辩论，我们先了解一下辩论中最主要的的两个专业名词：
动议Motion：也就是论题，你必须根据你队伍的立场来决定是支持还是反对。
论点Argument：每个队伍都需要对动议提出直接的论点，论点包括观点，支撑该观点的证据以及将两者关联起来的分析过程，其结构更像是一篇文章或者段落。
来源
文章介绍了Project Debater是IBM在2012年启动的一个研究项目，最终的目标是和一个冠军辩手进行现场辩论。这也可以说是一场公开的实验，我们一起看看这个实验的形式吧：
确定辩论动议（Debate Motion），之后双方都可以准备15分钟。
双方做三段陈述，具体可以看图：
观众会在陈述之前和之后分别给正反方投票，能够拉到更多选票的人被视为获胜者。我不懂辩论的规则，我想应该是比谁更能过够改变观众的想法，就是
正→反和反→正的数量对比。
值得注意的是：
- 人类选手不是随随便便选的，是曾经获世界大学生辩论赛冠军的选手；
- 这个实验的“动议”没有被用来构建Project Debater的训练数据；
- 这篇文章的重点是描述PD在一系列广泛话题上的表现，不局限于这次比赛。
系统架构
一场辩论中AI要完成的任务非常多，端到端的模型在这个场景里就不适用了，那PD是如何应付这些任务的呢？
文章提到的解决方法是将问题分解为并行执行的模块化具体任务，具体可以分为四个模块：
- 论点挖掘（Argument Mining）
- 论点知识库（Argument Knowledge Base)
- 反驳（Argument Rebuttal)
- 组织语言（Debate Construction）
论点挖掘 AM
该模型分成两个阶段，线下和线上：
对流程图的说明：
- 声明（Claim）指对动议有明确立场的简明陈述；证据（Evidence）指能明确支撑或者反驳动议的一个简单句，用来证明声明是否正确。
- 检索算法是为了得到与动议相关的语句；
- 排序算法用的是神经网络模型，得到最相关的语句；
- 使用神经网络模型和基于知识的方法对语句的立场进行分类；
- 1.该阶段包含主题扩展的组件，用以寻找更多与辩论相关的概念；
- 在挖掘支持自身论点的同时也会挖掘支持对方的论点，以推理出对方可能会用到的声明或者证据，以便及时做出反应。
论点知识库 AKB
构建论点知识库旨在掌握不同辩论之间的共性，比如有的辩论虽然动议不同，但都是在讨论废除或者保持某项法例，属于相同的主题。也就是说AKB主要的作用是输出核心论点。
AKB中的文本可以是手动构建的，也可以是由机器抽取然后人为编辑的，可以是论点，也可以是引用，甚至是一些修饰性的类比和推理，他们被分成了不同的主题类别。
当被提及一个新的动议时，系统通过特征提取器来确定与该动议相关的主题类别，与该类别相关的文本都可以被用到接下来的发言之中，系统会根据他们与动议在语义上的联系来选择最相关文本。
除了应对新动议，AKB还是反驳模块的重要部分。当系统确定了对方表达了某个原则性论点，可以借助AKB来将这个论点映射为反驳他们的反论点。AKB中还包含了许多辩论中常见的情感术语，比如“有害的”，借助基于模式的方法，系统可以反驳聚焦于这些术语的论点。
可以说论点知识库是PD的小抄，密密麻麻的记载了各种话术、各种主题的辩论案例。
反驳 AR
就和上文提到的一样，构建反驳时参考了AKB中的一些关键性的语句，用来做为生成反驳的线索。但到了这一步，系统还不能够输出完整的反驳语句，需要进行最后一步，也就是组织语言。
组织语言 DC
组织语言虽然容易让我想起这个表情包
但是我真的找不到更合适的词了。
这样讲可能还是不太清楚，文章中给出了一个实际例子：
总结与思考
总结一些Project Debater的四个模块：
我觉得前三个模块分别对应了辩论中三个比较重要的因素：
- AM从大量的语料中获取论点，是一个以海量数据为基础的模型；
- AKB主要作用是确定辩论的核心论点，避免出现大方向上的错误，当然也能帮助发现对手的错误；
- AR是攻击对手的主要手段。
当然光会这些技能是不够的，还得会巧舌如簧才能说服观众。
实现Project Debater有哪些难点？
- 论辩结构非常复杂和微妙，有时还很晦涩，不像句子结构那么容易识别；
- 在真实世界中，论点没有清晰的边界，存在着互相引用、类比等等复杂且庞大的网络。
尽管Project Debater还是一个初级辩手，但它已经是在自然人类语言中识别论点这一领域的重大进展了！
“Hi Siri，打开美团外卖。” “你都这么胖了还吃外卖。”
“小爱同学，我想吃麻辣烫。” “我觉得你应该吃点更健康的食物。”
