焦正，張強(qiáng)(通信作者，韓清華，李明遠(yuǎn)

1.棗莊學(xué)院 人工智能學(xué)院，山東棗莊，277160；2.伊爾庫茨克國(guó)立理工大學(xué)，俄羅斯伊爾庫茨克州，664074

0 引言

人類在接觸一個(gè)新事物的時(shí)候，會(huì)把新事物分為兩類：已知和未知。分辨的依據(jù)就是我們腦海中已有的知識(shí)，通過與腦海中已知事物進(jìn)行特征比對(duì)，可以很快地辨別出，新事物以前是否見過。如果匹配，則會(huì)將腦海里有關(guān)這個(gè)事物的所有知識(shí)全部調(diào)用出來；如果不匹配，下一步則會(huì)想，這個(gè)新事物和這個(gè)已知的事物有多少特征相似，然后通過已知事物的特征來標(biāo)記未知事物，然后通過各種渠道搜集資料和信息，得到新事物的一個(gè)定義，然后結(jié)合剛剛的特征，就會(huì)把這個(gè)未知事物轉(zhuǎn)化為已知事物，進(jìn)而成為儲(chǔ)存在腦海里的知識(shí)。這就是人類接觸一個(gè)新事物的時(shí)候，大腦中的一個(gè)簡(jiǎn)單的連鎖反應(yīng)。

1 “類比算法模型”概念的提出

1.1 類比思維模式

人認(rèn)知世界的過程中就是在不斷地給各種事物打上各種各樣的標(biāo)簽：高、矮、胖、瘦……打的標(biāo)簽越多，我們對(duì)這個(gè)世界的認(rèn)知就越全面，對(duì)世界的認(rèn)知也就更容易。數(shù)據(jù)標(biāo)注，就是在給數(shù)據(jù)打標(biāo)簽。目前的數(shù)據(jù)標(biāo)注，大部分工作還是需要人力來完成，所需人力資源龐大[1]。為了解決這個(gè)問題，我們通過類比思維模式提出了一個(gè)算法概念。首先，該算法可以通過已知事物的標(biāo)簽來標(biāo)注未知事物，數(shù)據(jù)庫中的數(shù)據(jù)越多，標(biāo)簽的定義也就越詳細(xì)，通俗來講就是已有標(biāo)注數(shù)據(jù)越多，對(duì)新數(shù)據(jù)的標(biāo)注工作也就越輕松。該算法就是在模擬人接觸新事物的一個(gè)思維過程——類比思維模式。

此算法雖然基于機(jī)器學(xué)習(xí)，但不同于現(xiàn)有的算法，此算法會(huì)對(duì)已經(jīng)儲(chǔ)存的數(shù)據(jù)進(jìn)行一個(gè)簡(jiǎn)單的運(yùn)用：通過儲(chǔ)存的知識(shí)讓標(biāo)簽的定義更加完善；更加完善的標(biāo)簽則可以更好地完成數(shù)據(jù)標(biāo)注的工作，這樣就構(gòu)成了一個(gè)良性循環(huán)，它更符合人的思考方式。在人類學(xué)習(xí)知識(shí)的過程中，有這樣一個(gè)概念：“歸屬學(xué)習(xí)”，而“歸屬學(xué)習(xí)”還分為上位學(xué)習(xí)和下位學(xué)習(xí)，上位學(xué)習(xí)是指新學(xué)習(xí)的知識(shí)在概括程度上高于認(rèn)知結(jié)構(gòu)中已有的知識(shí)，下位學(xué)習(xí)則與之相反，認(rèn)知結(jié)構(gòu)中已有的知識(shí)可以概括新知識(shí)，而通過類比算法來學(xué)習(xí)的一個(gè)概念就是下位學(xué)習(xí)。標(biāo)簽可以囊括我們所需要標(biāo)注的內(nèi)容，而標(biāo)注的內(nèi)容則能更好的豐富標(biāo)簽的定義，使標(biāo)簽愈發(fā)完善。

相比于目前主流機(jī)器學(xué)習(xí)算法，該算法更注重的是數(shù)據(jù)的“運(yùn)用”、智能結(jié)構(gòu)的搭建以及如何不斷完善和更新。對(duì)數(shù)據(jù)的運(yùn)用并不是簡(jiǎn)單的存儲(chǔ)和調(diào)用，通過這些數(shù)據(jù)的存儲(chǔ)可以很好的完善所搭建的“智能結(jié)構(gòu)”。

1.2 類比算法模型的提出

本文基于類比思維模式，提出了一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)數(shù)據(jù)集半自動(dòng)標(biāo)注的算法模型——“類比算法模型”，人類認(rèn)知事物的基本邏輯是給予各個(gè)事物以標(biāo)簽，包括：外貌、名稱、特征等。并通過這些標(biāo)簽和已知事物來與未知事物進(jìn)行類比，相似的標(biāo)簽，將直接挪用在未知事物上，未知的特征，將通過各種渠道了解，然后再標(biāo)注。

我們把人當(dāng)作一個(gè)算法模型，其認(rèn)知事物的過程可以這樣描述：首先數(shù)據(jù)庫中存在已標(biāo)注的數(shù)據(jù)集，且這些數(shù)據(jù)集可以隨時(shí)調(diào)用，然后輸入一個(gè)新數(shù)據(jù)，算法模型將調(diào)用數(shù)據(jù)集中與新數(shù)據(jù)相似度高于80%（該參數(shù)會(huì)隨著模型的訓(xùn)練趨近于一個(gè)穩(wěn)定的值）的數(shù)據(jù)，并與之進(jìn)行對(duì)比，判斷相似的地方，然后直接挪用標(biāo)簽，剩余未知的內(nèi)容與以標(biāo)注的內(nèi)容同時(shí)輸出，由人工復(fù)檢，人工復(fù)檢需要檢查標(biāo)注的內(nèi)容是否正確，然后再標(biāo)注未知的內(nèi)容，標(biāo)注未知的內(nèi)容過程與人工標(biāo)注的方式相同。這一過程的流程如圖1所示。

圖1 類比算法流程圖

2 人工智能的發(fā)展現(xiàn)狀與未來發(fā)展方向的論述

人工智能簡(jiǎn)單來說就是類人化的一個(gè)系統(tǒng)，可以模仿人類除了創(chuàng)造類的所有行為[4]。要想讓它實(shí)現(xiàn)“獨(dú)立思考”，就要先探討人的獨(dú)立思考是如何形成的。人與生俱來就有自己獨(dú)立的思維，但是，人類認(rèn)知這個(gè)世界的過程卻不是僅僅依靠自己來摸索的，在人類認(rèn)知世界的過程中，會(huì)有老師、父母、朋友等來進(jìn)行引導(dǎo)和影響，簡(jiǎn)單來說，老師和父母會(huì)把他們認(rèn)知的世界傳輸給你，然后通過自己的自我化，轉(zhuǎn)化為自己的知識(shí)，從而形成對(duì)這個(gè)世界的概念，然后以此為基礎(chǔ)來對(duì)接觸的新事物打標(biāo)簽、下定義。這是我們認(rèn)知世界的一個(gè)大致過程。機(jī)器學(xué)習(xí)就是讓我們?nèi)祟悂懋?dāng)人工智能的老師，把我們的世界觀灌輸給人工智能，通過大量的數(shù)據(jù)訓(xùn)練，使它能實(shí)現(xiàn)某一方面的“智能化”[6]。但這一方式有一個(gè)缺點(diǎn)，它不能進(jìn)行數(shù)據(jù)的自我更新，訓(xùn)練完的模型并不會(huì)因?yàn)樗幚淼臄?shù)據(jù)越多從而越智能[5]。因此，這一類模型依然是人工智能方面的一個(gè)“工具”，并沒有形成一個(gè)可以“自我完善”的良性循環(huán)。

讓人工智能擁有獨(dú)立思考的能力，還有很長(zhǎng)一條路要走，但是讓人工智能“類人化”卻并非無法實(shí)現(xiàn)，人類認(rèn)知世界的過程是基于已有的知識(shí)來記憶新知識(shí)，但是目前的人工智能并沒有很好的“運(yùn)用”存儲(chǔ)的知識(shí)，它沒能通過知識(shí)來“獲取”知識(shí)。人類是通過類比來不斷豐富對(duì)這個(gè)世界的認(rèn)知，所以，構(gòu)建人工智能框架時(shí)，可以借鑒這一思考方式。首先要使人工智能的框架呈開放性，可以隨時(shí)進(jìn)行更新、完善、填充以及更改。然后把儲(chǔ)存的數(shù)據(jù)打上各種標(biāo)簽以便進(jìn)行特征查找和比對(duì)。無數(shù)的標(biāo)簽構(gòu)成了所需要的知識(shí)網(wǎng)絡(luò)，擴(kuò)大知識(shí)網(wǎng)絡(luò)就是在不斷創(chuàng)建新的標(biāo)簽，充實(shí)知識(shí)網(wǎng)絡(luò)的內(nèi)容，就是在不斷豐富標(biāo)簽下的數(shù)據(jù)。

人工智能的實(shí)現(xiàn)依然離不開對(duì)算法的開發(fā)，算法是人工智能的基礎(chǔ)，就像是人類認(rèn)識(shí)世界的一個(gè)底層邏輯，判斷是非對(duì)錯(cuò)、判斷特征等。給事物打上標(biāo)簽是人類認(rèn)識(shí)世界最普遍的手段，然后隨著自己的理解越來越多，再進(jìn)行標(biāo)簽的增加與刪除。所以，我們不能把系統(tǒng)看做一個(gè)處理事務(wù)的工具，為了處理事務(wù)而被寫出來的人工智能系統(tǒng)，并不能稱得上是真的人工智能，大多數(shù)智能系統(tǒng)都是通過使用大量的數(shù)據(jù)訓(xùn)練模型，當(dāng)模型達(dá)到要求的時(shí)候，“成品”就出來了，但是這樣的“成品”，后期的更新與維護(hù)，依然需要人工來添加數(shù)據(jù)和模塊，然后再進(jìn)行訓(xùn)練。不能是為了讓它處理數(shù)據(jù)而處理數(shù)據(jù)，要做到，處理數(shù)據(jù)的同時(shí)，能不斷完善自身的系統(tǒng)，當(dāng)系統(tǒng)真正能脫離人工的輔助，方能成為“人工智能”。

3 “類比算法”在人工智能中的應(yīng)用

類比算法是通過觀察人類認(rèn)識(shí)世界的過程總結(jié)出來的，與現(xiàn)有的大多數(shù)算法不同，類比算法并不是為了處理數(shù)據(jù)而提出，它更傾向于對(duì)數(shù)據(jù)的一種“使用”，通過對(duì)數(shù)據(jù)的處理來不斷完善。這個(gè)過程依然需要人工輔助，不過可以肯定的是通過不斷處理數(shù)據(jù)，不斷完善自身，可以使其對(duì)人工輔助的依賴性越來越弱，無限趨近于“真正的人工智能”，本人通過類比算法提出了一個(gè)文本類半自動(dòng)化數(shù)據(jù)標(biāo)注系統(tǒng)，模型流程圖如圖2所示。

圖2 文本類半自動(dòng)標(biāo)注系統(tǒng)流程圖

在豐富標(biāo)簽構(gòu)成的過程中有一個(gè)完整的反饋環(huán)，可以很好地根據(jù)標(biāo)記的內(nèi)容去不斷完善標(biāo)簽的定義。但是該過程依然需要人工的干預(yù)，例如：當(dāng)該內(nèi)容直接被模型定義，且與人工復(fù)檢一致，則不需要該內(nèi)容定義，記作“容易”；如果該內(nèi)容直接被模型定義，但是與人工復(fù)檢不一致，則由該內(nèi)容完善標(biāo)簽的定義，記作“中等”；當(dāng)該內(nèi)容不被模型定義，即模型已有的標(biāo)簽無法標(biāo)記該內(nèi)容，則由人工干預(yù)，增加新的標(biāo)簽，記作“困難”[3]。

通過這個(gè)完整的反饋環(huán)，可以不斷地去增加新的標(biāo)簽，不斷地完善已有的標(biāo)簽，即“越標(biāo)記，越準(zhǔn)確”。在不斷增加和完善標(biāo)簽定義的過程中，通過各種類，將各個(gè)標(biāo)簽關(guān)聯(lián)起來，實(shí)現(xiàn)相互關(guān)聯(lián)的知識(shí)網(wǎng)絡(luò)。

實(shí)現(xiàn)這一目標(biāo)有一大難點(diǎn)：文本特征如何抓取。如果沒有辦法抓取文本特征，那么定義標(biāo)簽則無法進(jìn)行，要想抓取文本特征，就要搞明白什么是文本特征，這是一個(gè)很飄渺的東西，尤其是中國(guó)文化博大精深，同一句話用不同的語氣讀，意思完全不一樣。受小學(xué)語文試卷中精簡(jiǎn)句子題的啟發(fā)，我發(fā)現(xiàn)“文本特征”就是“文本”。我們要做的任務(wù)就是縮減句子，盡可能地縮減句子，越簡(jiǎn)單越好，直到句子成分只有主語、動(dòng)詞、賓語、謂語。即，對(duì)文本的概括就是我們要找的文本特征。當(dāng)然這僅僅是文本特征的一部分，更多的標(biāo)簽還囊括了很大一方面，如：文本類型、篇幅長(zhǎng)短、刊登地址。

為滿足多人并發(fā)同步訪問，標(biāo)注平臺(tái)的服務(wù)器部分采用Nginx實(shí)現(xiàn)[2]。主要業(yè)務(wù)邏輯部分基于類比算法模型框架實(shí)現(xiàn)，并采用NoSQL數(shù)據(jù)庫實(shí)現(xiàn)原始文本數(shù)據(jù)、標(biāo)簽數(shù)據(jù)的存儲(chǔ)。為實(shí)現(xiàn)友好的用戶界面，平臺(tái)的前端基于BootStrap框架實(shí)現(xiàn)，并通HTML和CSS控制頁面的美觀性。同時(shí)，利用Python的requests程序包實(shí)現(xiàn)爬蟲模塊，從互聯(lián)網(wǎng)中獲取合法的輔助提示信息。系統(tǒng)的整體框架如圖3所示。

圖3 系統(tǒng)整體框架

本文所提出的文本類半自動(dòng)化標(biāo)注系統(tǒng)包含5個(gè)模塊：基于BootStrap的前端表示層，基于“類比算法模型”的核心業(yè)務(wù)邏輯，基于Nginx的Web服務(wù)器，基于requests 庫的網(wǎng)絡(luò)爬蟲，以及基于NoSQL數(shù)據(jù)庫的數(shù)據(jù)庫集群模塊。各個(gè)模塊的具體實(shí)現(xiàn)功能如下所述。

（1）基于 BootStrap 的前端表示層：該模塊負(fù)責(zé)為用戶提供友好易用的可視化界面。每個(gè)具體頁面通過 HTML 控制界面的布局，并通過CSS 批量控制多個(gè)頁面的樣式。同時(shí)，該模塊負(fù)責(zé)處理數(shù)據(jù)標(biāo)注師與頁面中的交互，如提交數(shù)據(jù)、刷新界面等。

（2）基于“類比算法模型”核心業(yè)務(wù)邏輯：該模塊負(fù)責(zé)整體協(xié)調(diào)其他各模塊的輸入輸出數(shù)據(jù)，實(shí)現(xiàn)標(biāo)注系統(tǒng)的核心邏輯。

（3）基于 Nginx 的 Web 服務(wù)器：該模塊負(fù)責(zé)處理更底層的業(yè)務(wù)。如根據(jù)配置對(duì)不同的請(qǐng)求做出不同的轉(zhuǎn)發(fā)。

（4）基于NoSQL的數(shù)據(jù)庫：該模塊負(fù)責(zé)將原始數(shù)據(jù)、標(biāo)注后的數(shù)據(jù)、用戶的數(shù)據(jù)存儲(chǔ)在服務(wù)器主機(jī)的磁盤中。在標(biāo)注與查詢過程中，該模塊根據(jù)收到的請(qǐng)求對(duì)標(biāo)注數(shù)據(jù)進(jìn)行查詢、修改、新增、刪除等操作。

（5）爬蟲模塊：該模塊基于Python的requests程序庫實(shí)現(xiàn)。該模塊將原始的文本數(shù)據(jù)進(jìn)行處理，封裝成網(wǎng)絡(luò)數(shù)據(jù)包，并以標(biāo)準(zhǔn)化的格式傳送給業(yè)務(wù)邏輯層。整套網(wǎng)站系統(tǒng)的開發(fā)與調(diào)試基于 PyCharm集成環(huán)境。

4 結(jié)語

類比模型的提出，并不僅僅局限在文本標(biāo)注工作中，類比模型的核心是“通過已有的知識(shí)，類比未知的知識(shí)，從而減少工作量”。這一概念就可以運(yùn)用在如自然語言處理，人工智能語音識(shí)別模塊，文字識(shí)別模塊等眾多場(chǎng)合。

類比模型給予了系統(tǒng)一個(gè)思考方式：這個(gè)東西是不是和我認(rèn)知中（數(shù)據(jù)庫中）的東西一致，不一致的話，那有哪里相似？然后完全未知的部分就會(huì)輸出，由人工來定義標(biāo)簽。“類比”是人類認(rèn)知過程中很重要的一個(gè)思考方式，人工智能的發(fā)展依然離不開對(duì)人類思考方式的一種模仿，所以類比模型給人工智能提供了一個(gè)“磚”，人類的思考方式多種多樣，所以人工智能的思考方式，即模型，也應(yīng)該是多種模型結(jié)合而來的，當(dāng)遇到不同的情況時(shí)，可以調(diào)用不同模型來應(yīng)對(duì)，而這些模型，也應(yīng)該是由人類的思考方式演變而來的。