在DeepMind AlphaGo在圍棋上徹底碾壓人類之後，IBM的人工智能Project Debater已經準備好和人類展開一場辯論。
最早在1997年，深藍（Deep Blue）計算機在國際象棋比賽當中戰勝了當時的國際象棋大師加里.卡斯帕羅夫（Gary Kasparov）；2011年的時候在《危險邊緣》（Jeopardy!）的遊戲中，IBM的第二個人工智能Watson又打敗了當時在這個遊戲中的兩位人類冠軍。
IBM Project Debater看起來是IBM在AI技術上的延續，儘管一些人們對IBM展現AI技術的方式上頗有微詞。但幾十年以來，人工智能遵循在遊戲對壘中的發展，尤其是在棋類遊戲中。研究人員通常是會在既定的遊戲規則中，讓人工智能與人類對壘，很少會在一個很開放的領域去研討人工智能如何打敗人的問題。而就是在那之後， IBM研究團隊就提出要有這樣的人工智能，提出這樣的課題，並且與人類進行辯論。
IBM Project Debater由IBM研究院以色列海法實驗室於2011年開始展開研究，研究人員討論如何設計一個能夠與人類辯論的人工智能系統。
它在2018年6月那場公開的Project Debater與人類的辯論比賽中公開亮相。人類和Project Debater各拿下一局。
IBM Proejct Debater是一個像人一樣高的黑色長方形物體，擁有簡單的類似於語音助手一樣的UI交互設計，在當天的議題當中，Project Debater對壘人類2016年以色列全國辯論冠軍Noa Ovadia和以色列辯論專家Dan Zafrir，他們各擁有4分鐘陳述論點，4分鐘反駁論點，2分鐘做最後總結，探討是否資助太空探索和是否增加遠程醫療的使用。
IBM Project Debater在比賽前並不知道比賽的議題，它在瞭解到辯論議題之後，分析辯論的問題，然後掃描數據庫中的文檔內容，從大數據中獲取信息，組成句子，最後形成自己的觀點用以反駁。
在這其中，Project Debater需要“聽懂”輸入人類辯論的陳詞，“理解”其中的句子，主要技術建立在NLP和TTS之上，最後以一個類似人工智能語音助手的聲調“表達”出來。IBM Project Debater發言人提到，他們的辯論，沒有任何內容是被提前安排。
在IBM Project Debater的核心技術內容中，擁有三個主要功能。第一是數據驅動的演講稿撰寫與表達功能。在辯論過程中首先要做一個本方觀點開場白，就像觀點陳述的文章，這個要有自動寫成的功能，清晰地闡述，具有說服力。
第二是聽力理解功能。這不同於我們熟知的閱讀理解的功能，當對方辯手開始講的時候，Project Debater要能聽長達4分鐘的內容，對方人類辯手在講的過程中語速可能是快的，情感可能是充滿激情的，同時還會有一些道德性、倫理性的問題，Project Debater要在聽力理解中做到能夠理解對方所表達的主旨。
Project Debater首席研究員Noam Slonim對包括PingWest品玩（公眾號：wepingwest）在內的幾家媒體介紹道，“這和我們已經熟悉的個人助手一類的智能是完全不同的，因為像個人助手類只需要聽懂一句話就可以，比如開燈、關燈，而在Project Debater要在很長的語句中去聽懂對的主旨。”
第三是模擬人類困境的功能。“我們總結了人類專家辯手的一些共同性，對他進行模擬、建模，並且把這個注入到系統中去，就形成了一個知識圖譜給到Project Debater來用。所以一旦開始去進行辯論的時候，Project Debater就可以在已經形成的圖譜中去做自己的嚮導和索引，找到可以支撐他的證據。”
從人類的角度來說，辯論專家的表達似乎會更好，或者說更貼合人類自然表達的方式。但Project Debater利於引用全球事件和大量事實形成論點，更多的時候它模仿人類的辯論技巧和方式，甚至是語氣對人類辯論進行反駁。
我們知道辯論是一個非勝即敗的內容，它是一個開放式的挑戰，IBM Project Debater與之前AI所解決的挑戰不太相同。
此前的AI挑戰會有一些具體的衡量工具，比如在AlphaGo對壘人類的圍棋比賽中有具體判斷輸贏的方法，傳統的技術可以直接幫助制定相應的衡量工具，並且判斷輸贏。在辯論中沒有這樣的輸贏問題。辯論就像在實際中做商業決策，沒有清晰的以分數高低衡量輸贏的簡單標準。
這也是IBM Project Debater立項的初衷，它被用來在大數據中檢索信息，提供分析意見，輔助人類做出決策。這個決策基於數據，它沒有完全的對錯，只有更適合和不適合，人類在這樣的輔助數據面前能得到更好的答案。
IBM Project Debater全球經理Ranit Aharonov提到， 辯論是Project Debater展示技術的一種方式，但是我們可以從商業的角度來看，看我們具體如何去使用Project Debater，具體可以使用到什麼的案例中去。
Project Debater在辯論過程中可以看出一個事情的好與壞、利與弊、支持與反對不同的觀點，這就可以幫助我們做決策。
“再比如說律師在準備庭審過程中需要去翻閱非常多的卷宗，去了解對方的觀點，為自己的辯護方做更多的辯護，就可以通過我們的Project Debater為他去提供基於證據更好的信息和決策。”
董事會的高管需要做出基於海量事實的決策，需要了解一件事情的正反面。Ranit Aharonov還提到，Project Debater有潛力在全球範圍內協助人類制定日常複雜決策，包括在金融顧問領域、公共事務決策領域、學生助手領域以及律師和企業決策領域等。
辯論的起源不是衝突和對抗，也從來不是侷限在觀賞的層面。而是建立更有效的討論，提出建設性的觀點，理解不同人們思考問題的方式，瞭解一件事物中的利與弊，以此做出權衡。
IBM AI Tech副總裁Aya Soffer認為，在真實的世界中，我們並不是需要回答很多瑣碎的問題，而是要回答真正重要的問題做出真正重要的決策。信息是海量的，但是找到那些能助力我們做出正確決策的信息是難的。
目前IBM Project Debater還在研究階段，還沒有商業化，IBM目前還沒有具體的計劃。
以下根據多家媒體現場問答內容整理：
中國電子報： 人類一直希望找一些場景打造和訓練AI以使AI更接近人的智慧，甚至超越人的智慧或者幫助人類。像我們之前說的從象棋到圍棋，現在到辯論，就是從有條件到無條件、從有規則到無規則。您認為在辯論之後更大的場景或更大的挑戰是什麼？什麼比辯論更難，你們如何去定義更大的場景？
Aya Soffer：關於AI的下一步，就是智慧上越來越接近人類。我覺得Project Debater是一個很好的例子，它展示了我們是如何教授機器，只要有充足的時間、充分的數據和算法就可以充分前進。
講到未來的方向，Project Debater下一步就是要讓人工智能更像人。一個小孩子去上學，學科學，學歷史，你給他看了兩三張大象的圖片，人就學會了從不同的角度看大象。下一次再看到大象的圖片，即使不是這個角度也知道是大象，也就是人可以去理解概念，並且在概念的基礎上學以致用到新的領域，這種開放域的應用能力是強的。但是機器不會，即使目前AI再發達，AI和計算機所學的還是從一個具體的例子中去學，學不會概念，尚不能把概念進行學以致用的應用。現在AI做的工作還是再學習的工作，而我們希望AI下一步的發展是從比較窄的例子上學習，而後擴展到比較寬泛的領域、跨不同領域的應用，以及能夠從概念上學習。不是再學習的能力，而是具體自己去推理的能力。
品玩：這個項目展現了結構良好的演講內容，甚至會適時展現幽默感。請問從技術的角度看，機器的幽默感怎麼產生的？這是自發的，還是IBM有意去展現出來的？
Ranit Aharonov：我們也知道要讓人能夠持續聚精會神地去辯論，任何一方都應該有點幽默。我們也知道在人類中開玩笑有兩種，第一類是原創的笑話，第二是複製的笑話。我們在系統中首先有海量笑話、開玩笑、幽默的輸入，算法可以告訴Project Debater什麼時候適合它去開哪一個玩笑。
所以從技術上來講，它不是一個自發的行為，它更傾向於第二種，而是之前有海量的幽默和笑話在系統裡面。但是它又具有一定的自發性，從這個意義上來講是我們故意去做的，有意為之。它有一定的自發性，因為算法可以告訴Project Debater在什麼時候合適去開什麼樣的玩笑。
知識分子：我所理解的Project Debater辯論的過程是自發的、實時完成的過程。在這個過程中既要了解對方辯手的觀點，同時也要準備好自己如何駁斥對方觀點，自發、實時完成的進程是怎麼樣做到的？
Noam Slonim：這次辯論是完全即興，Project Debater之前沒有見到，也不知道辯論的題目是什麼。一旦開始辯論，是很難預期到對方會怎樣說的，這是主要的挑戰。如何應對呢？主要是在兩個層面去應對完全即興、無法預期的情況。
一方面是剛才講到第一個層面上通過知識圖譜來模擬人類困境，形成辯駁的能力。我們是在系統中去模擬了，並且對不同論證中的共同點來建模。舉個例子，比如說涉及到是否要禁止器官的販運、器官貿易，是否要禁止酒精的貿易。類似於這種類型的辯題，我們可以自然而然期待如果禁止了器官交易、酒精交易，有一種風險是會有黑市的蓬勃發展。理論上來講，Project Debater的系統可以理解與這種類型相關的一些辯論，但凡是針對這種類型的觀點進行辯論，後續就會出現與黑市相關的問題，於是可以在模擬好中的圖譜等待著與黑市相關話題的出現。
如果這樣講，大家就會覺得這並不難，語料庫足夠大就夠了，一旦出現要禁止什麼東西，你就等著，或者Project Debater就自己去搜索，去找與出現黑市相關的論證就可以了。但是並不總是這樣，比如美國最近討論比較多的是否要禁止在公共場合母乳餵養的選擇。這也同樣是一個要禁止什麼東西的選擇，但是我們知道這個東西跟黑市一點都沒有關係，所以我們依然是在這個方面不斷地去建模、擴大語料庫，包括人類豐富的語言中各種細微和微妙的地方。這樣Project Debater在已經建模的知識圖譜中，才能夠更加精準地為自己導航，找到與支持自己論點相關的觀點。
閱讀更多 PingWest品玩 的文章
