OpenAI的人工智能能通過文字判斷情緒，自學的！

大部分當代人工智能依賴機器學習技術：在通過特定數據集進行學習后，機器能自動對輸入信息作出反饋。從某種意義上來說，機器學習算法利用預設值去預測結果。然而，OpenAI 的研究人員發現了不同尋常的狀況。

OpenAI 此前開發了一種機器學習系統，用于預測亞馬遜網站評論文字中的下一字符。研究人員發現，這一人工智能進一步發展成為了無監督系統，學會了情緒的表示。

OpenAI 在博客中表示：“我們的模型學會了一種判斷功能。通過簡單地預測亞馬遜網站評論中的下一字符，這一模型發現了情緒的概念。這令我們非常驚訝。”OpenAI 是一家非營利組織，投資人包括伊隆·馬斯克（Elon Musk）、彼得·蒂爾（Peter Thiel）及薩姆·阿爾特曼（Sam Altman）。OpenAI 的神經網絡模型能自我訓練，通過對評論內容是否正面進行歸納來分析情緒，并按照需要的情緒來生成文字。

這一基于 mLSTM 技術的人工智能系統接受了為期 1 個月的訓練，訓練中 4096 個學習單元利用了亞馬遜網站的 8200 萬條評論。在訓練之后，研究人員通過對這些學習單元的線性合并將模型變為了情緒歸納工具。當這一模型只啟用少數學習單元時，研究人員發現了單個“情緒神經元”的出現，能對其情緒值進行準確的預測。

這一人工智能的情緒分析能力超過了“斯坦福情緒樹圖資料庫”使用的所有其他方式。“斯坦福情緒樹圖資料庫”是一個被廣泛研究的情緒分析數據集。這一人工智能的準確率高達 91.8%，超過此前的最高紀錄 90.2%。

對機器學習研究員來說，無監督學習算法是最終夢想。這種人工智能可以自主學習，而不再需要人工輸入帶標簽數據。OpenAI 的 mLSTM 人工智能實現了這一目標。不過，其開發者已經注意到，這可能并不是唯一一種有能力進行無監督學習的機器。

無監督學習能力將給人工智能帶來巨大的提升：減少所需的訓練時間，同時優化訓練效果。例如，通過分析甚至預測用戶需求，這樣的人工智能可以提供訓練有素的虛擬助手。不過，所有這類設想中的應用仍需要對無監督學習的進一步研究。

OpenAI 的研究人員表示：“我們的研究結果是向通用無監督表示學習發展過程中充滿前景的一步。不過，底層的現象仍然很神秘，機制遠遠沒有弄清。”

來自: 騰訊科技