NLP新里程碑！清华姚班毕业生发布KEAR：首次常识问答超越生命

另一方面，Transformer事物上还是黑盒静态，没法办法让他像生物一样顺利进行重构理解和解谜，知道AI为什么产生这样的预测是很重要的，KERA通过利用科学知识图说、释义和公开发表可用的数据处理资料的主旨性科学知识，能够一定程度地反应题目的缺少及静态解谜过程。

内部目光的意味着方法也很简单，将匹配（input）和科学知识（knowledge）反馈起来作为一新匹配，然后将整体作为H0经过自目光的系统即可。

其中的K(nowledge)的缺少包括科学知识图说ConceptNet, 释义和训练资料。

可以看着，自目光和内部目光的主要区别就是匹配应该只缺少于匹配重构，即通过向内部目光的系统提供不同缺少的系统性氛围和科学知识，包括科学知识图说、释义、语料库和其他句法静态的转换成有，然后让静态同时对匹配顺利进行自目光和对科学知识顺利进行内部目光，就能达到引进内部科学知识的效果。

引进的内部信息以符号（symbol）的方式存储，如纯重构或科学知识图说所列，从而能够增加Transformer在句法理解方面的控制能力。

并且KEAR使用的匹配和科学知识的重构反馈不都会对Transformer静态结构上产生任何改变，使现有的控制系统可以很更容易地使用内部目光。

因为世界上的科学知识也是在动态变化的，所以内部目光的另一个优点是，软件可以很更容易地更新科学知识源来改变静态的预测转换成有。

通过引进最一新主旨，例如将在线更一新科学知识图说匹配到静态中的，可以使静态的决策过程变得更为透明和可说明。

而用多模块倡议优化、加上外目光引进科学知识库也是微软公司人工智能概念化免费提低质量的核心方向。

编者讲解

文章的第一编者是徐一翀，所学校本科于清华所学校姚班，于卡内基梅隆所学校取得博士学位，主要研究成果方向为交互式数据处理，自然句法处理和剖面学习。目前是微软公司AI Cognitive Services研究成果组的高级研究成果员。

朱晨光是微软公司概念化免费研究成果组的助理研究成果负责人。他拥护科学知识和句法团队，专门从事重构总结、科学知识图说和朝向任务的沟通方面的研发工作。他于2016年在斯坦福所学校授予计算机科学博士学位和统计学博士学位，在此之前于清华所学校姚班授予计算机科学学士学位。

黄学东是微软公司AI概念化免费工程和研究成果团队的拥护人，IEEE/ACM博士生(IEEE/ACM Fellow) ，微软公司继「华人世界新技术博士生」、微软公司助理语音科学家、微软公司服务平台与人工智能关系企业概念化免费团队世界新技术博士生/世界人工智能助理新技术官。他先后授予湖南所学校学士学位，清华所学校博士学位和英国爱丁堡所学校博士学位。

参考文献：