近年來,人工智能 (AI) 在涉及單一模態(tài)如語音、自然語言和視覺等領(lǐng)域,取得了重大突破。在單一模態(tài)的任務(wù)上,如物體識別、語音識別、機器翻譯等,AI 系統(tǒng)在特定數(shù)據(jù)集上的表現(xiàn)水平與人類相當。隨著單模態(tài)人工智能潛在問題的解決,研究人員意識到更高層次的AI任務(wù)往往涉及到跨多種模式的更復(fù)雜的信息處理。同時,局限于單一模態(tài)的研究往往不能充分利用跨模態(tài)信息。因此,研究多模態(tài)建模與學(xué)習方法具有重要的意義。
在本次國際自然語言處理與中文計算會議 (NLPCC 2020)上, 京東智聯(lián)云舉辦了第一屆“多模態(tài)自然語言處理研討會”。該研討會邀請了多位學(xué)術(shù)大咖進行學(xué)術(shù)分享,吸引了自然語言處理、多模態(tài)、圖像處理等多領(lǐng)域眾多學(xué)者參與。會中,各位學(xué)者就跨語言跨模態(tài)信息處理、多模態(tài)預(yù)訓(xùn)練、AI與藝術(shù)、視覺與語言交互、多模態(tài)對話系統(tǒng)等領(lǐng)域的研究熱點和技術(shù)應(yīng)用展開討論,反響熱烈。
看點一 多模態(tài)自動摘要生成
多模態(tài)已成為新聞報道和信息交流的主要呈現(xiàn)形式,多模態(tài)自動摘要技術(shù),旨在利用計算機自動實現(xiàn)從多個模態(tài)的信息中壓縮生成摘要的過程,可以廣泛應(yīng)用于新聞推送和電商推薦等多個領(lǐng)域。
在本次研討會中,來自中科院自動化所的研究員張家俊老師,為大家介紹其所在的課題組近年來在多模態(tài)摘要方法和評價等方面的研究進展。張老師重點介紹了異源多模態(tài)摘要生成的研究方法變遷:從抽取式方法到生成式方法,再到目前融入多模態(tài)注意力機制的圖文式摘要生成方法等。同時,張老師也介紹了多模態(tài)自動摘要的自動評價方法: 綜合考慮文本和圖片重要性以及文本圖片相關(guān)性更加貼近人工打分。
看點二 多模態(tài)預(yù)訓(xùn)練模型
預(yù)訓(xùn)練模型的出現(xiàn),使自然語言處理由原來的手工調(diào)參、依靠機器學(xué)習專家的階段,進入到可以大規(guī)模、可復(fù)制的大工業(yè)施展階段。此階段基于預(yù)訓(xùn)練模型+微調(diào)機制,具備很高的可擴展性,展現(xiàn)出很高潛力。而當前研究也從單一語言擴展到多模態(tài)。
微軟亞洲研究院的高級研究員段楠博士為大家介紹了多模態(tài)預(yù)訓(xùn)練模型的最新研究進展。他首先回顧了典型的預(yù)訓(xùn)練模型。隨后,重點介紹了3種最新的多模態(tài)預(yù)訓(xùn)練模型:Unicoder主要應(yīng)用于跨語言的語言理解和生成任務(wù);Unicoder VL專注于視頻語言任務(wù),對視頻片段和對應(yīng)的自然語言描述進行聯(lián)合建模;CodeBERT則關(guān)注在代碼語言任務(wù)。段博士也和與會學(xué)者一起討論了當前多模態(tài)預(yù)訓(xùn)練的問題和可能的未來方向。
看點三 人工智能藝術(shù)與設(shè)計
“AI+藝術(shù)是一個跨界領(lǐng)域。藝術(shù)家的想象力往往啟發(fā)著科學(xué)家的創(chuàng)造力,而在AI時代,藝術(shù)家用人工智能機器學(xué)習相關(guān)技術(shù)來創(chuàng)作藝術(shù),表達自己的想法和概念,設(shè)計師用神經(jīng)網(wǎng)絡(luò)模型創(chuàng)造自己的設(shè)計工具和助手。”
清華大學(xué)未來實驗室博士后高峰分享了AI技術(shù)在藝術(shù)與設(shè)計領(lǐng)域的創(chuàng)新性應(yīng)用。其團隊開發(fā)的道子智能繪畫系統(tǒng),利用計算機將自然圖像以風格遷移的方式轉(zhuǎn)變成藝術(shù)圖像,根據(jù)所得藝術(shù)圖像進行水墨畫繪作,實現(xiàn)技術(shù)與藝術(shù)間的跨界融合。高博士也介紹了道子在服裝設(shè)計、工業(yè)設(shè)計、裝置藝術(shù)等領(lǐng)域的探索成果。
看點四 多模態(tài)智能分析
多模態(tài)智能分析是近期的研究熱點。來自北航的劉偲教授圍繞視覺和語言的交互介紹兩方面的內(nèi)容進行了分享。她首先介紹了視覺關(guān)系檢測的研究,包括人-物關(guān)系檢測,人-物關(guān)系分割,視頻關(guān)系檢測等方面的內(nèi)容。其次,她指出視覺指代表達和指代分割,對于智能機器人和交互式圖像編輯等實際應(yīng)用有重要意義。 傳統(tǒng)的視覺指代表達方法采用兩階段式架構(gòu),模型復(fù)雜且速度受限,而傳統(tǒng)的指代分割方法聚焦于多模態(tài)特征融合,缺乏利用語言信息進行上下文建模和推理的能力。在本次討論中,她給出了針對性的解決方法。
看點五 多模態(tài)對話系統(tǒng)
對話系統(tǒng)一直是自然語言理解領(lǐng)域一個重要的研究內(nèi)容,它可以使人們更便捷的與機器進行交互,而多模態(tài)的對話系統(tǒng)是非常重要的一個研究方向。
平安壽險AI研發(fā)團隊的楊海欽博士,分享了多模態(tài)對話系統(tǒng)在平安人壽各種場景的應(yīng)用,包括保單回訪服務(wù)和視頻柜員客服等。在本次講座中,楊博士重點介紹了多模態(tài)對話系統(tǒng)的核心和創(chuàng)新技術(shù),實際部署經(jīng)驗以及如何應(yīng)用該系統(tǒng)來降低運營成本,同時增加用戶體驗。
在此次NLPCC 會議中,京東智聯(lián)云成功舉辦了第一屆“多模態(tài)自然語言處理研討會”,吸引眾多參會學(xué)者的積極參與和熱烈討論。同時京東AI研究院NLP算法科學(xué)家吳友政博士受大會邀請作“智能人機交互及其應(yīng)用”的主題分享。另外京東AI研究院一篇論文被大會收錄并進行口頭匯報。(Paper link https://link.springer.com/chapter/10.1007/978-3-030-60450-9_6)
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
